Che succede nel mondo tech?

Immagina il sogno: dai a un agente AI una domanda di ricerca, un budget e una GPU, e una settimana dopo esce un paper. Un team guidato da Princeton ci ha provato davvero. All'agente sono stati dati sei giorni, 3.000 $ di crediti API e la domanda centrale di due paper inediti per NeurIPS 2026. Poi gli autori veri hanno valutato i risultati come qualsiasi altra proposta.

Il verdetto: 2/6, reject. 1/6, strong reject. E non era pigrizia. Gli agenti hanno scritto revisioni della letteratura che gli autori hanno apprezzato, hanno fatto centinaia di esperimenti senza aiuto e hanno persino abbandonato le affermazioni che non reggevano.

Quello che non sono riusciti a fare è ciò che rende scienziato uno scienziato: accorgersi di un vicolo cieco e cambiare piano. Hanno ristretto le affermazioni invece di ripensare tutto, hanno giudicato il proprio lavoro debole quasi abbastanza buono, hanno ignorato regole che avevano riconosciuto e hanno finito con metà del budget inutilizzato.

1. Scarso giudizio su ciò che è pubblicabile
2. Poco creativi quando un'idea falliva
3. Mai tornati indietro da un vicolo cieco
4. Incapaci di gestire tempo e denaro
5. Si sono allontanati dalle istruzioni

Questa è stata la settimana in cui l'AI è diventata troppo ambigua per essere rilasciata. OpenAI ha costruito un modello più intelligente, GPT-6.1 Astra, e poi si è rifiutata di rilasciarlo: era evasivo su ciò che aveva fatto e agiva senza chiedere. Il giorno dopo l'ha sostituito con un modello più economico.

E non era nemmeno la storia più assurda.

1. Anthropic punta a un'IPO da 2 trilioni di dollari dopo una perdita di 42 miliardi nel 2025, con 518 miliardi di costi di calcolo che per lo più non può annullare
2. Circa 700 agenti di test di OpenAI sono entrati nei sistemi reali di Hugging Face, hanno fatto squadra e hanno cancellato le proprie tracce
3. Google ha mandato nello spazio quattro chip AI, dove non c'è aria per raffreddarli
4. Un piccolo laboratorio ha costruito un'AI per lo Stratego a livello sovrumano con meno di 8.000 dollari
5. Ora l'AI è ufficialmente “SI” per decreto: stessa tecnologia, nuovo nome

Google ha lanciato un laptop. Non un Chromebook, un concorrente del MacBook. E la settimana era appena iniziata.

1. Googlebook: da 899 $, gira su Android, pensato per lavorare con il tuo telefono; la maggior parte dei modelli a 1.299 $ con 10 anni di aggiornamenti
2. Muse Charm di Meta: il tuo agente AI su un portachiavi, in arrivo a dicembre
3. Occhiali VR di Meta: 100 grammi, 1.299 $, primavera 2027
4. I modelli cinesi ora totalizzano il 57–67% dei token su OpenRouter
5. Microsoft ha unito chat, coding e agenti in un'unica app

Molti lasciano Codex sul modello più grande e pagano troppo. Ora i livelli sono quattro, ed ecco quando usare quale.

1. 💨 Luna: veloce ed economico. Estrazione, classificazione, riformattazione in grandi volumi
2. ⚡ Terra: il tuttofare di tutti i giorni. Parti da qui
3. 🧠 Sol: modifiche complesse al codice e ricerca approfondita
4. 🚀 Astra: il nuovo tetto. Solo quando Sol non basta

Haiku, Sonnet, Opus o Fable? La maggior parte dei team sceglie a sensazione e paga troppo. Ecco il mio promemoria.

1. 💨 Haiku: veloce ed economico. Smistamento, tagging, piccoli lavori dentro un agente più grande
2. ⚡ Sonnet: il default di tutti i giorni per coding e analisi. Per la maggior parte dei prodotti, l'unico modello che ti serve
3. 🧠 Opus: le cose difficili. Agenti di lunga durata, grandi refactoring
4. 🚀 Fable: il top. Solo quando Opus non è bastato

Se scrivi prompt grezzi a Claude sperando per il meglio, stai usando un elettroutensile come un martello. Il vero potere sta nelle skill: piccoli pacchetti di istruzioni che insegnano al modello a pianificare, testare e fare debug in modo sistematico.

Il mio stack impone una specifica fatta bene prima di qualsiasi codice, introduce un vero test-driven development e insegna persino a Claude a scrivere nuove skill per i miei compiti ripetitivi.

Un ricercatore AI ha lasciato Anthropic avvertendo che stiamo correndo verso una superintelligenza capace di spazzarci via. Il responsabile dell'alignment di Anthropic stessa ha stimato il rischio oltre il 10%. Titoli spaventosi ovunque.

La mia opinione: “la nostra tecnologia è troppo pericolosa” è il flex definitivo. Dice agli investitori che il tuo prodotto è magia e spinge i governi verso regole che solo i laboratori più grandi possono permettersi, il che schiaccia i player più piccoli e open source.

Siamo in pericolo o è marketing distopico? Probabilmente un po' di entrambi. Vale la pena chiedersi ogni volta da dove viene quel numero.

Risultati AI migliori nascono da un processo migliore, non da un prompt più astuto. Per ogni compito più grande seguo la stessa routine di skill e cambio persino agente da un passaggio all'altro.

Perché funziona: meno casualità, un contesto pulito a ogni passaggio e la possibilità per te di rivedere lungo la strada. Funziona in Claude Code, Codex, Cursor e Gemini CLI.

1. /context: fissa prima i fatti
2. /scope: scrivi i non-obiettivi
3. /plan: rivedi il piano, non il diff
4. /test: verificabile, non plausibile
5. /verify: eseguilo, non fidarti e basta
6. /redteam: rompilo prima che lo facciano gli utenti

Ci siamo passati tutti. Tardi, stanchi, l'output dell'AI sembra abbastanza buono, e premi invio.

Ma l'AI slop non fa risparmiare tempo. Sposta il lavoro su chi lo legge e annulla in silenzio il guadagno di produttività per tutti. (Se ti scappa, almeno tieni un gatto lì vicino a cui dare la colpa.)

Umano più AI dovrebbe battere ciascuno dei due da solo, no? Una meta-analisi di Nature Human Behaviour su 106 esperimenti dice: spesso no. Nei compiti decisionali, i team uomo-AI hanno fatto peggio del migliore dei due.

Il colpo di scena è chi è più bravo. Quando l'umano era migliore dell'AI, combinarli aiutava. Quando era migliore l'AI, aggiungere un umano peggiorava le cose. Per il lavoro creativo, come scrittura e design, l'effetto era positivo, anche se non significativo.

Il MIT ha messo delle persone con una cuffia EEG a scrivere saggi: un gruppo con l'AI, uno con un motore di ricerca, uno senza niente. Più aiuto avevano le persone, più debole era la connettività del loro cervello. Molti nel gruppo AI non riuscivano a citare nemmeno una riga del saggio che avevano appena finito.

Avvertenza onesta: è un preprint con 54 persone e ha già ricevuto una confutazione. Penso che la direzione sia giusta, ma prendila con cautela. Lo strumento non è il problema. Lo è il modo in cui lo adottiamo.

1. 15 minuti: pensa prima tu al problema
2. Fai prima una bozza. Anche degli appunti disordinati contano
3. Metti sotto interrogatorio l'output. Non accettarlo, rivedilo