Siamo noi a doverci adattare, non il software. Di nuovo.

L'AI in azienda non è una pappa pronta. Il modello è un intermediario: cosa serve davvero dietro: harness, contesto, e un mix make AND buy tra attrezzi standard e su misura.

Speravo, assieme a molti di voi, che l'AI generativa da sola avrebbe risolto un bel po' di problemi dell'umanità (😏). Almeno quelli che in ufficio si risolvono pigiando tasti. Mi sbagliavo. Ovviamente.

Harness, context engineering, workflow, loop, ambienti agentici, MCP, skills: se avete sentito nominare anche solo metà di queste parole nell'ultimo anno, sapete di cosa parlo. E se non le avete mai sentite, tranquilli: sono nomi diversi per una cosa sola, l'impalcatura di dati e software che tocca costruire attorno al modello perché combini qualcosa di utile.

Sono la prova più grande di quanto un modello, lasciato agire da solo dentro un computer, sia lontano dal combinare qualcosa di affidabile. E non sto dicendo sia inutile (un chatbot "nudo" lo usano in milioni e ci trovano valore ogni giorno) ma da solo è inaffidabile se decidete anche di fargli fare cose.

Per far lavorare davvero questi modelli AI, dobbiamo imboccarli, accudirli, rimboccargli le coperte, metterli al centro di un sistema agentico. E temo che tra poco toccherà anche portarli a spasso un paio di volte al giorno.

La parte difficile non è sparita: si è solo spostata. È finita dietro il modello, dove a qualcuno toccherà sistemarla, come sempre.

Il modello è un intermediario

I modelli sono "una nuova interfaccia tra l'idea e l'azione". Ma "interfaccia", per come la intendo io, vuol dire una cosa precisa: intermediario. Il modello non è il posto dove sta la sostanza ma è un abilitatore che 'fa succedere cose'. Per qualcuno è una macchina che dà risposte; per me, è un sistema che fa domande interessanti e mi deve aiutare a fare cose.

I modelli di AI Generativa non sono altro che intermediari tra le nostre idee e le azioni che vengono eseguite in un ambiente informatico complesso. L'AI in questa accezione è un abilitatore. Provo a spiegarmi con uno schemino.

Applicazioni standard

L'anno scorso lo schema che ci vendevano era pulito:

La promessa degli agenti AI

Il modello si era infilato lì in mezzo a fare da tramite intelligente, e via.

La realtà di tutti i giorni

L'interfaccia verso le AI è per forza nuova: quelle interfacce orientate al risultato di cui parlo da oltre un anno. E il "caos", quello prima e quello dopo il modello, è tutto l'harness di cui si parla e ciò che sta attorno al modello: context engineering, workflow, loop, permessi, connettori, guardrail. Esteso, e in crescita. Fatto da voi o dai produttori del modello. È lì, nei due caos ai lati dell'intermediario, che si consuma la fatica.

Non so se sia per la naturale tendenza umana all'offuscamento e alla complessità o perché saper delegare a terzi è sempre un mestiere per pochi. Sta di fatto che nel mettere assieme i nostri outcome, le azioni, i modelli e le architetture dei sistemi informativi azienadali ci stiamo di nuovo rendendo conto che è tutto maledettamente complicato. E lo si legge dalle tonnellate di post, articoli, libri che spiegano ogni mese una cosa diversa da fare.

Sta di fatto che "Tanto lo fa l'AI" è una frase sempre più da ascoltare con sospetto e che fa sorridere, perché far agire un modello dentro processi veri è strutturalmente difficile.

Il mio orticello e i sistemi veri

Parlo a ragion veduta dal mio orticello, il mio miniMe, il contesto individuale: la mia cartella che conosce una buona fetta della mia vita digitale e mi cuce addosso le risposte. E da qualche decina di sistemi simili, più o meno condivisi, che ho avuto modo di vedere in questi anni.

Il livello personale è ancora facile, o meglio, è il livello dove la fatica la decido io e la pago io. Un giardino recintato: se cresce storto, cresce storto per me e amen.

Su questo, un anno fa, avevo una convinzione precisa: che bastasse costruirsi il tool su misura, cucito perfetto sul proprio processo. Ci ho pure costruito diversi strumenti tra cui LocalAgentViewer che mi mostra tutte le interazioni con tutte le AI con cui lavoro o AI, Max Viewer per estendere appunto le interfacce grafiche nel mio ambiente agentico. Tutti open source.

Ma proprio costruendolo ho cambiato idea. Perché il problema vero comincia quando esci dal recinto delle attività personali ed entri in azienda. Un'organizzazione che vuole tenere sotto controllo cosa fanno, vedono e toccano i suoi agenti non è un giardinetto più grande: è un'altra categoria di progetto. Ciò che funziona (MOLTISSIMO) per te non si può estendere a tutti. Sarebbe come imporre a tutti di tenere il desktop disordinato come il proprio. È uno spazio personale di lavoro e ognuno se lo dovrebbe creare come crede (entro i limiti aziendali, certo).

Ma quando parliamo di estenderlo ad un team di lavoro le scelte di default e una risposta binaria alla domanda Make OR Buy sono definitivamente tramontate.

Emporio e officina: make AND buy

Serve un mix di soluzioni. Attrezzi standard, quelli che il mercato vi dà già fatti, testati, che mantiene qualcun altro, e attrezzi personalizzati solo dove il processo è davvero vostro e nessuno standard lo copre. Il custom dappertutto è la versione ingegneristica della pappa che vi cucinate da soli ogni sera: nobile, ma insostenibile appena la cucina deve servire troppi coperti. E, mi dispiace, ma è proprio nel mondo pappa personale che si colloca la maggior parte dei 'second brain' degli ultimi mesi.

Un anno fa dicevo che serviva, tra i vari soggetti di uno staff, un pastore di agenti (EN): qualcuno che li conducesse, li richiamasse, decidesse dove mandarli a pascolare e li contenesse. Lo confermo, ma non basta più.

Il pastore e i suoi colleghi hanno bisogno di un po' di supporto: un emporio ben fornito, dove comprare prodotti già pronti. E un'officina, in cui lui o altri possano costruire il su misura. Non è make or buy. È make and buy.

E se non siete abili di mano (e su tutto non lo è quasi nessuno ) la conseguenza è antica: tocca andare dagli artigiani, dagli esperti, e tornare nei vecchi cantieri. Proprio quelli che l'AI doveva mandare in pensione, per scoprire che per assumere un'AI in azienda servirà assumere figure e persone nuove.

In azienda l'AI tocca processi core, abitudini consolidate, pattern che funzionano e che spesso non sono codificati ma amche e soprattutto proprietà intellettuale che va protetta. I tool personalizzati e l'esperienza che deriva dal contenimento dei vari modelli sono funzionali a mantenere nelle organizazzioni quesa conoscenza importantissima.

La promessa mancata

Ed eccola, la promessa mancata di questa ondata: che fosse facile fare tutto da soli delegando all'AI qualunque obiettivo.

Non lo è. Né a casa, né in azienda. La parte facile, l'intermediario che risponde, l'abbiamo ottenuta. La parte difficile, fargli fare quello che ci serve e come vogliamo noi richiede destreggiarsi nei due nuclei di caos ai lati, l'emporio da tenere fornito, l'officina da far girare. Ed è tutta ancora sulle nostre spalle.

C'è una scorciatoia, certo: immolarsi a un lock-in forte con un produttore. Utilizzare i vari ChatGPT Work, Claude Cowork o simili. Agenti Locali (EN) che a mio avviso sono l'unica vera risposta all'AI in azienda.

Affidarsi a un solo fornitore e prendere quello che passa il convento. Ma "quello che passa il convento", oggi, ha un problema: sono le feature che il fornitore vi spinge dentro al ritmo suo, non al vostro. Non le scegliete: arrivano, e le dovete gestire lo stesso e sono decine tutte le settimane. Per giunta iper-pubblicizzate così i vostri utenti le reclamano a gran voce. E diventa un lavoro a sé rincorrere quello che qualcun altro ha deciso per voi. È un'opzione legittima e che suggerisco per iniziare. Ma è l'esatto opposto di possedere il proprio contesto e governare i propri processi. Ed è la ragione per cui, prima o poi, all'officina ci dovrete andare comunque.

Quindi

Il modello resta un intermediario. Dietro non c'è l'attrezzo geniale da comprare una volta e via: c'è un emporio da tenere fornito, un'officina da far girare, manutenzioni costanti e gente capace. Scordiamoci la pappa pronta.

Anzi: tocca di nuovo a noi immolarci per prepararla.

Il fai-da-te-con-l'AI totale era lo spot. Questo è il lavoro vero, richiede cura. E, di nuovo, persone competenti a cui piaccia farlo.

Enjoy Artificial Intelligence Responsibly!