AI, MAX News - Aprile 2026: Il secondo cervello, gli agenti privati, e un piccolo club appena nato

Questo mese ha messo in fila tre cose che, viste assieme, creano le premesse per un cambiamento importante che è finalmente 'toccabile'.

La prima: il second brain è esploso da quando Andrej Karpathy ha messo in fila l'idea. Ora sembra non si possa più muoversi senza, e tutti copiano il suo modello pedissequamente. Ma, per quanto lo apprezzi, vedremo che il suo è solo un modo, non il modo. Per arrivarci serve usare il proprio primo cervello, non copincollare prompt mirabolanti.

La seconda: Claude Code e Cowork ora si collegano a qualunque LLM, anche locale. Detta così sembra dettaglio tecnico, ma cambia il calcolo per chiunque abbia dati che non possono uscire di casa.

La terza: chi ha già un proprio ambiente di lavoro agentico ha cominciato a riconoscersi tra simili. E sta nascendo, in modo del tutto naturale, una piccola comunità.

E in mezzo, una settimana in cui ho visto tre volte la stessa scena in tre clienti diversi. La chiamo Full Stack Human.

Karpathy ha messo ordine, ma non basta

Andrej Karpathy ad aprile ha pubblicato un gist e poi un tweet operativo che hanno sistemato le idee a un sacco di persone. Cosa ha fatto, in pratica: si è costruito una "wiki personale" tutta in markdown su Obsidian, con cui ha sostituito il suo "secondo cervello" precedente fatto di mille tab aperti, bookmark sparsi e ricerche su Google. A scala "umana" (Karpathy parla di un centinaio di articoli, lui ne ha circa 400) l'LLM tiene index e summary in contesto e basta. Quando gli serve qualcosa non cerca in Google: chiede alla sua wiki, che gliela porge già masticata. Sembra fantascienza?

Quando l'ho letto mi sono riconosciuto. Lavoro così da mesi senza averlo codificato nello stesso modo.

Ho fatto una prova volutamente piccola. Ho preso i 13 capitoli del libro Assumere un'AI, 162 notizie commentate, 77 articoli del blog. Costo: circa 25 euro in API, e lo so al centesimo grazie a LAV (di cui vi parlo tra poco). Di quei 25 euro, almeno la metà è "manutenzione": ogni volta che aggiungo o aggiorno qualcosa, l'AI deve rileggere il contesto. Se lo facessi una volta a settimana, su questo spazio piccolo, il costo annuale diventa già poco sano. Figurarsi se gli dessi in pasto tutto il mio ambiente di lavoro (circa 5.500 file markdown, 25 volte tanto). Il pattern Karpathy così com'è descritto, non scala.

C'è un però per le aziende che è gemello del mio. La mia mini-wiki ha funzionato perché le ho dato in pasto dati che di fatto erano già puliti, vicini, omogenei. In azienda non è così: ci sono PDF, SharePoint, email, sistemi legacy, e i numeri partono già a cinque cifre. E il problema in quei casi, non c'è AI che tenga, è la qualità e la struttura delle fonti.

Ci stiamo lavorando da qualche mese con il mio amico e socio storico Massimo Mostallino e prima o poi vi racconterò cosa funziona e cosa si rompe. Aziende completamente diverse e fonti super verticali. Stiamo strutturando le fondamenta prima di mettere in piedi qualunque secondo cervello aziendale. Il progetto si chiama Twin Peaks... giusto per incuriosire.

Da conoscenza ad ambiente

Avere il secondo cervello non basta. Serve qualcosa che lo legga, lo aggiorni, lo interroghi mentre state facendo altro. Quel qualcosa si chiama harness, impalcatura, e ad aprile è diventato finalmente un oggetto di cui si parla a voce alta. Il concetto è che un modello da solo non è sufficiente a farvi lavorare con l'AI. Serve un ambiente che lo circondi, che lo alimenti, che lo faccia parlare con i vostri dati, che lo faccia interagire con voi e con altri strumenti. E quell'ambiente, se volete davvero lavorare con l'AI, deve essere vostro: costruito intorno ai vostri dati, ai vostri progetti, con la libertà di scegliere quale modello usarci dentro e dove farlo girare.

Un esempio di tool di harnessing è un software open source che ho pubblicato nelle scorse settimane. Si chiama LAV - Local Agent Viewer.

LAV non è un second brain alla Karpathy. LAV invece memorizza le iterazioni AI che producete ogni giorno, in locale, sul vostro computer. Tutte le sessioni con Claude Code, Codex, ChatGPT vengono raccolte, indicizzate, rese cercabili e collegate ai progetti. È un pezzo di stack che nel pattern di Karpathy non c'è, e che però diventa essenziale nel momento in cui cominciate a lavorare con agenti, anche locali: se le iterazioni sono il vostro know-how operativo (sono il come avete chiesto, cosa vi è stato risposto, come avete iterato), non possono restare disperse su server di terzi. Devono stare dentro al vostro perimetro. LAV serve esattamente a questo. È open source, è su GitHub qui, prendetelo, forkatelo, modificatelo, raccontatemi se vi è utile.

Su questa transizione ho scritto quattro post LinkedIn ad aprile. I due che vale la pena leggere sono:

• "Dal prompt all'ambiente personale": ormai non scrivo più prompt, costruisco ambienti. È un cambio di postura prima ancora che di tecnologia.

• "Classificazione delle mie iterazioni con l'AI": un modello in locale sul mio Mac Mini legge ogni iterazione AI che faccio e la classifica. Risultato: ~30% del mio tempo AI va in analisi, 22% in sviluppo, con costi ribaltati per categoria, cliente, progetto. Tutto offline.

Per chi vuole approfondire, gli altri due sono "Dall'altra parte" (sui dati che restano in casa) e "Dove stanno le vostre iterazioni AI?" (domanda diretta a manager: le risposte sono state istruttive e a tratti imbarazzanti).

Stefano Gatti, Chief Data Officer di Nexi e firma di La Cultura del Dato, ha citato il mio articolo "miniMe" di dicembre 2025 per spiegare ai suoi lettori cosa sono gli ambienti agentici e come si differenziano dall'uso "a chatbot" dell'AI. Il pezzo che avevo scritto vale la pena leggerselo intero se volete capire la differenza tra interrogare un modello e lavorare insieme a un ambiente. Spiegata bene, da uno che i dati li gestisce per mestiere in un'azienda seria.

[Per i più tecnici] Storie di smanettoni importanti che meritano di essere lette. Cat Wu, Head of Product di Claude Code, ha riassunto tre anni di harness engineering in un thread che è praticamente un manuale. Loren Reid ha pubblicato uno dei diagrammi più puliti su anatomia di un harness. E un signore si è guardato 926 sessioni di Claude Code per scoprire che la maggior parte del token waste era sua, non del modello. Capita raramente di vedere qualcuno che se la prende con se stesso invece che con il modello. Tutte cose che potete fare se avete accesso a quei dati.

La conseguenza: gli agenti, ora, possono essere privati

Tutto quello che ho raccontato fin qui (il second brain, l'ambiente personale, le iterazioni che restano in casa) Anthropic l'ha capito. E invece di chiudersi a riccio, sta facendo il contrario: sta sostenendo il pattern, anche a costo di rendere il proprio modello sostituibile. Ad aprile ha pubblicato la documentazione di Claude Cowork 3p. Tradotto fuori dal commerciale: il brain del modello è diventato sostituibile. Cowork e Claude Code possono parlare con LLM di terze parti. Anche locali. Anthropic stessa lo descrive come "decoupling the brain from the hands": l'harness e gli strumenti restano i loro, il cervello potete sceglierlo voi.

Dovrebbe rimanere in testa a chi sta progettando l'AI in azienda: il pattern second brain + agenti + perimetro proprio non è un'utopia da praticanti, è la direzione che il fornitore di riferimento sta a sua volta seguendo.

Per chi non vuole o non può andare in locale, in parallelo a Cowork 3p, da questo mese Anthropic offre anche Managed Agents, che è una cosa diversa: ambienti agentici cloud chiavi in mano, gestiti da loro, in cui l'agente fa cose anche piuttosto evolute (browsing, esecuzione codice, accesso a file) senza che dobbiate alzare nulla sul vostro hardware. È lo stesso spirito di OpenClaw, ma fatto da Anthropic, quindi con un livello di sicurezza e governance enterprise-grade. È l'altra faccia della medaglia: 3p vi porta verso il vostro perimetro, Managed Agents vi tiene comodi nel loro ma con strumenti veri. Conoscerle entrambe è il minimo per chi progetta AI in azienda nel 2026.

Sul tema "AI privata" scrivo dal 2023 con "Arrivano i LLaMA nell'IA" e "Assumere un'AI in azienda - Parte 3", e dal 2024 con "Perché le AI Personali cambieranno tutto di nuovo". Erano post complessi e molto nerd: quantizzazione, hardware, licenze GPL, robe che richiedevano un terminale aperto e tanta pazienza. Li leggevano in pochi, e andava bene così. Adesso quello stesso tema arriva mainstream con Cowork 3p e Managed Agents, cioè raggiungibile da chiunque.

[Per i più tecnici] Ad aprile sono usciti diversi segnali che il "locale" non è più fantascienza: Qwen3.6 27B che gira dentro un Raspberry Pi, Apple Intelligence on-device da riga di comando, un PDF parser che processa 100+ pagine al secondo su CPU senza GPU, un'app Google con feature AI che girano tutte in locale, e persino un privacy-filter pubblicato da OpenAI (interessante che lo pubblichi chi vive di API a pagamento). Sei mesi fa nessuna di queste cose esisteva alla portata di tutti.

Per un'azienda italiana il quadro è semplice: partite dai dati, metteteci attorno strumenti come LAV o Cowork, scegliete con quale modello farli parlare e selezionate il cloud che preferite.

Il Full Stack Human è già in sala riunioni

Quanto sopra ha effetti pratici visibili in sala riunioni: stiamo entrando in una nuova fase di adozione dell'AI in azienda. Parlo di esseri umani che allargano il loro raggio d'azione con l'AI.

Nell'articolo che ho pubblicato sul blog (anche su LinkedIn) racconto tre storie vere raccolte in una sola settimana: uno sviluppatore che con Claude consegna in 2 ore un eseguibile per cui aveva stimato una settimana; una responsabile marketing che in sette giorni mette insieme analisi competitor, database, calendario promo e prototipo di newsletter interna; un ingegnere della sicurezza prodotto che in tre settimane passa dal prompting di base ad addestrare una rete neurale convoluzionale su immagini di laboratorio, e arriva a scrivere una frase che pesa più di cento paper: "il collo di bottiglia non è più il prompt, ma il dato".

Il termine "Full Stack Human" lo prendo in prestito da Mohanbir Sawhney (Kellogg School of Management, Northwestern). La sintesi è in due parole: anchor + radius. L'anchor è la vostra competenza profonda, il mestiere costruito con anni di esperienza. Il radius è il raggio di competenze adiacenti che l'AI vi permette di allargare in modo credibile, senza farvi diventare esperti di tutto. Una HR manager me l'ha sintetizzato meglio di chiunque altro:

Il Full Stack Human non nasce da un corso. Nasce dalla pazienza di costruirsi le proprie fonti, di tenerle vicine, e di scegliere con quali agenti farle parlare. È esattamente quello che questa newsletter sta provando a raccontare.

Nasce il miniMe Owners Club

Nel 1898 le auto erano poche e chi ne aveva una si trovava all'Automobile Club per scambiarsi quello che i manuali non dicevano: meccanici di fiducia, strade percorribili, pezzi di ricambio, esperienza pratica. I primi club li fondava chi aveva già le mani sul volante, non chi voleva capire cos'era un'automobile.

Con gli ambienti AI personali sta succedendo la stessa cosa. Negli ultimi mesi chi si è già costruito un proprio ambiente (un proprio second brain, un proprio harness, un proprio set di agenti) fa domande diverse da chi sta ancora valutando. Vuole confrontare scelte, non capire cos'è un prompt. E ha bisogno di un club.

Sta nascendo, in modo del tutto spontaneo, un miniMe Owners Club. Gruppo WhatsApp su invito, con un'anticamera che si chiama miniMe Paddock: si entra liberamente, ci si presenta, si dimostra di avere il proprio miniMe (qualunque forma abbia: Obsidian + Claude, una wiki Karpathy-style, un'orchestrazione tutta vostra) e da lì si passa nel club vero e proprio.

È un club di praticanti. Il filtro serve a riconoscere che gli scambi che valgono accadono tra chi ha già messo le mani in pasta. Se avete costruito qualcosa di vostro, scrivetemi e vi farò avere il link al miniMe Paddock. Presentatevi con due righe e uno screenshot. Ci si vede dentro.

Pubblicità progresso: e se il vostro miniMe non c'è ancora?

Se la metafora dell'Automobile Club vi è piaciuta ma siete nella parte di chi ancora l'auto non ce l'ha, niente di male: è la posizione in cui eravamo tutti pochi mesi fa. Per uscirne ho costruito un percorso ad hoc dentro AI, MAX Academy: si chiama "miniMe: il tuo agente AI. Sul tuo computer." e vi porta dal foglio bianco al primo ambiente personale funzionante in poche serate, partendo dai vostri materiali veri.

Non è un video come tanti altri corsi online. È un percorso tutto da leggere e sperimentare, supportato da un tutor AI a cui potete parlare e che vi spiega quello che non capite, progettato per imparare ai tempi dell'AI: non con video lunghi, ma con iterazioni continue, con esercizi pratici, con feedback immediati.

Lo dicono i primi che lo stanno completando, da aziende e ruoli diversi:

A questi si aggiungono i feedback in piattaforma, dove in moltissimi hanno lasciato cinque stelle sia sul corso che sulla masterclass beta su cui sto lavorando per rendere tutto ancora più completo.

Promo all'80% sul corso

Valida fino al 3 maggio. Codice: OWNERSCLUB

Costruite il vostro miniMe e poi raggiungeteci nel Paddock.

Iscrivetevi qui

Controcanto

Aprile però è stato anche il mese in cui Anthropic ha provato a togliere Claude Code dal Pro plan a 20 dollari, lasciandolo solo nei tier Max a 100 e 200 dollari, e poi ha fatto marcia indietro nel giro di poche ore. La spiegazione ufficiale, via il loro Head of Growth Amol Avasare, è stata: "stavamo testando la reazione su circa il 2% dei nuovi signup prosumer, gli abbonati esistenti non erano coinvolti". Tradotto: un A/B test pubblico, fatto sulla pricing page senza preavviso, beccato dagli utenti che hanno fatto rumore. È stata ricostruita da Implicator. Il problema sotto, per dirla brutale, è che gli abbonamenti Anthropic costano meno del valore dei token consumati di un fattore dieci o più. Quindi prima o poi il prezzo deve salire o l'offerta deve restringersi.

E nello stesso mese: il leak Mythos (modello cybersecurity di Anthropic non ancora rilasciato) ha esposto tensioni interne, Project Glasswing ha alzato l'allerta sulla sicurezza delle infrastrutture critiche, Anthropic ha provato a far chiudere 8.100 repository GitHub che contenevano i sorgenti di Claude Code pubblicati per errore che, ormai, sono ovunque.

Anthropic è ancora una buona azienda? È una domanda che mi sto facendo, e ve la giro. Sui forum girano teorie di ogni tipo (autosabotaggio, preparazione a IPO, perdita di controllo sui processi). Probabilmente la verità è più banale di tutte. Ma il mood da tenere a mente è chiaro: dietro le quinte non è tutto liscio, e se la vostra azienda dipende da un singolo fornitore di AI, è il momento di farsi qualche domanda.

Altre cose che succedono

Aprile ha avuto altre notizie che non rientravano nel filo principale ma che vale la pena tenere d'occhio, in ordine di interesse strategico.

• Jack Dorsey e Block riorganizzano la gerarchia con AI. Annunciato pubblicamente e discusso da Jack su X: meno middle management, più decisione distribuita assistita da AI. È un esperimento serio, da osservare con calma. Se dovesse funzionare, riscrive il manuale di organizzazione aziendale degli ultimi 50 anni. Ma forse ha un rischio di finire come la holacracy di Zappos.

• Brookings: la produttività EU vs USA con AI. Lo studio è qui e contiene numeri scomodi: il gap di adozione tra Stati Uniti ed Europa si sta allargando, e l'Italia non è messa bene. Va letto con calma, non da titolo di giornale.

• Una compilation di studi su AI e cervello. Albero Romgar ha pubblicato una raccolta molto grossa di studi su come l'AI influenza l'attività cognitiva di chi la usa intensamente. Non c'è ancora un consenso, ma ci sono segnali (positivi e negativi) che vale la pena conoscere prima di promuovere o vietare l'AI a chi lavora.

• Flipbook: il browser come ambiente di lavoro, non più "una pagina". È un editor 3D che gira al 100% nel browser, senza installare nulla. Vi cito un concetto nuovo che sta emergendo: il browser sta diventando un ambiente operativo a tutti gli effetti, non più solo una vetrina. Quando l'ho scoperto mi sono chiesto: "Morirà l'html?". Domanda sempre più legittima.

• agent-browser di Vercel Labs. Un agente che guida un browser al posto vostro: gli dite cosa fare in linguaggio naturale (apri quella pagina, prendi quel dato, scarica quel file) e lo fa. Un manager oggi non ha un harness, ma tra poco dovrà averlo: questo è esattamente il tipo di mattoncino che ci finisce dentro per liberarvi dalle ricerche web ripetitive. È diventato il mio tool preferito per scraping e monitoraggio.

Quindi

Chiunque voglia lavorare seriamente con l'AI, da qui in avanti, deve cominciare a occuparsi di agenti locali. Non come esercizio nerd, non come hobby tecnico, ma come scelta di mestiere.

Vuol dire mettere le mani su tool come Claude Code, Codex e Antigravity (l'analogo di Google), che girano sul vostro computer e fanno cose. Sono nati per il coding, ma non si fermano lì: con Claude Code si scrive, si classifica, si analizza, si parla con i propri dati. E se questi tool vi sembrano troppo da sviluppatore, Cowork vi porta a metà strada: stessa filosofia (un agente che lavora insieme a voi, non un chatbot a cui dare ordini), interfaccia più morbida.

Il punto vero è che, una volta che l'ambiente intorno è vostro (le vostre fonti, le vostre iterazioni, l'harness, gli agenti, perfino l'inferenza che decidete voi), cambia tutto: la qualità del lavoro, la velocità, il controllo sul dato. Questo mese vi ho raccontato proprio questo. Ne parla il corso miniMe, e ne parleremo nel club.

Enjoy AI Responsibly!

Massimiliano