Che cosa cambia quando l’AI smette di rispondere e inizia ad agire
Fonte – MIT News
Phillip Isola, MIT CSAIL – MIT News, 30 giugno 2026
In breve
Intervista al ricercatore Phillip Isola che studia l’intelligenza degli agenti AI, i modelli che li alimentano e i meccanismi che li governano. Il punto di partenza è una definizione semplice: l’AI agentica è AI che esegue azioni nel mondo. Non genera contenuti, non risponde a domande: agisce.
Ma la semplicità della formula si complica appena si entra nel merito di cosa significa agire in un mondo reale, fatto di ambiguità, eccezioni, errori e soprattutto di persone che devono supervisionare e capire ciò che la macchina fa.
Da chatbot ad agenti: la differenza non è solo tecnica
La distinzione fondamentale è questa: un chatbot risponde, un agente agisce. Il chatbot prende una domanda, produce un testo; l’agente prende un obiettivo, lo scompone in passi, usa strumenti, modifica sistemi, torna con un risultato che ha cambiato qualcosa nel mondo esterno. Dietro ci sono un nucleo di ragionamento, una memoria di contesto, integrazioni con servizi esterni tramite API – i canali tecnici che permettono ai sistemi di parlarsi – e in molti casi un sistema che coordina più agenti specializzati che lavorano in catena.
Questo cambio di ruolo non è solo una questione tecnica. Quando l’AI smette di essere consultiva e diventa operativa, cambia la domanda che dobbiamo porci: non più cosa sa fare questo sistema, ma cosa sta facendo, in questo momento, su quali sistemi, con quali permessi, con quale supervisione.
Il problema non è la velocità, è la verifica
Isola è preciso su un punto che spesso si trascura nel dibattito pubblico: uno dei rischi principali degli agenti non è che siano troppo potenti, ma che gli utenti si fidino troppo senza verificare. Gli agenti commettono errori, bug, perdite di dati, azioni mal calibrate su istruzioni vaghe, e il problema si amplifica quando la catena di azioni è lunga e l’output finale è lontano dai singoli passi intermedi.
A questo si aggiunge un rischio di sistema più sottile: il de-skilling cioè la perdita progressiva delle competenze delegate. Quando deleghiamo a un agente compiti come scrivere codice, fare calcoli o navigare procedure complesse, rischiamo di perdere progressivamente la capacità di farlo noi stessi. Non è un rischio astratto: riguarda la competenza di chi lavora con questi sistemi ogni giorno, e la possibilità di correggere errori quando la macchina sbaglia.
Cosa manca ancora: dati, architetture, senso del limite
I limiti attuali degli agenti, secondo Isola, sono strutturali quanto tecnici. I dati di addestramento scarseggiano per molti compiti del mondo reale: come si naviga un’interfaccia, dove si clicca in un caso anomalo, come si gestisce un’eccezione. E i modelli linguistici su cui si appoggiano la maggior parte degli agenti sono stati progettati per elaborare testo, non video, segnali fisici, dati sensoriali continui.
La domanda aperta che Isola lascia in sospeso è quella più interessante: la prossima generazione sarà fatta di modelli fondazionali esistenti dotati di strumenti migliori, oppure richiederà architetture nuove, costruite da zero per interagire con il mondo fisico? La risposta cambierà profondamente cosa possiamo aspettarci dagli agenti, e dove sarà opportuno che la presenza umana resti insostituibile.
Una domanda aperta, per chi osserva
Nel dibattito corrente, la conversazione sugli agenti oscilla tra l’entusiasmo per l’automazione e la paura del controllo perduto.
Seguire gli agenti mentre entrano in produzione non significa catalogare strumenti o inseguire annunci. Significa tenere aperta la domanda su cosa cambia quando una parte crescente del lavoro operativo, cognitivo e decisionale viene eseguita da sistemi che pianificano, agiscono e iterano in modo autonomo.
Ma c’è una terza domanda che resta spesso in sospeso: cosa vogliamo che questi sistemi siano? Non solo cosa riescono a fare, ma quale ruolo vogliamo assegnare loro nella vita operativa, professionale, istituzionale.
Questa domanda, il what do we want it to be nel titolo di Isola, non è retorica.
È la domanda che distingue chi usa gli agenti come strumento da chi li incorpora nei sistemi senza pensarne le implicazioni.
Ed è la domanda che questo osservatorio prova a tenere viva:
non per fermare l’adozione degli agenti nelle procedure operative,
ma per contribuire a rendere consapevoli di ciò che questo comporta,
nella ricerca di quel senso che distingue l’essere umano nel suo stare al mondo.
Il lavoro di questo osservatorio
AI Hybrid Observer segue i segnali chiave dell’intelligenza artificiale non per accumulare notizie, ma per leggere le trasformazioni di senso nelle pratiche di lavoro, di ricerca e nelle istituzioni che organizzano la conoscenza.
Il passaggio da chatbot ad agente non è solo tecnico: è un cambio di postura del sistema rispetto al mondo.
E ogni cambio di postura del sistema
è anche un cambio di postura di chi lo usa, di chi lo supervisiona, di chi ne risponde.