Un'azienda dove l'AI scrive codice e contenuti
Cosa funziona davvero quando il lavoro lo fanno agenti AI. E dove ancora si inceppa.
Nel mio ambiente oggi l'AI scrive davvero codice e contenuti. Non come demo a una conferenza. In produzione, ogni giorno, su cose che hanno utenti e scadenze.
Non è magia. È uno strumento con delle regole. E la maggior parte delle persone quelle regole non le conosce, così o non gli funziona o ci crede ciecamente. Sono entrambe sbagliate.
Come appare nella pratica
Non detto i passi all'AI. Detto il risultato. Dico cosa deve nascere e come capisco che è finito. L'agente si fa un piano, tocca i file, esegue comandi, incontra un errore e si corregge da sé. Io intanto tengo la rotta e controllo l'output.
Con i contenuti funziona allo stesso modo. Non scrivo il prompt "scrivi un articolo". Do ruolo, contesto, compito, formato e criteri di qualità. La differenza tra una frase e cinque righe è la differenza tra zavorra generica e un testo che va dritto fuori.
L'agente non è un miracolo, è uno strumento con regole
Se dai all'agente un obiettivo grande senza confini, consegna qualcosa che sembra finito e non lo è. I programmatori lo chiamano nascondere i giochi sotto il letto. Sembra tutto in ordine, finché non guardi sotto il letto.
Per questo scalo la dimensione dell'obiettivo in base a fiducia e rischio. Poca fiducia e grande impatto dell'errore vogliono un obiettivo più piccolo e un guinzaglio più corto. Molta fiducia e basso rischio vogliono dire che lo lascio andare a lungo. Non è una scelta binaria tra micromanagement e fede cieca. È calibrazione.
Un gate onesto, altrimenti non funziona
La cosa più importante di tutto il setup non è il modello. È il gate che è capace di cadere. Nel codice è un test, un linter, un'esecuzione reale. Non un secondo modello che legge il codice e dice "sembra a posto". Quel codice non l'ha eseguito.
Ho una regola: è finito solo quando passa un gate reale. Non quando il modello approva. Non quando sembra a posto sullo schermo. Quando passa un test capace di dire no.
Un loop è onesto solo quanto il suo gate. Se il gate non cade mai, non è un gate, è un timbro.
Verifica prima della fiducia
Come strato di controllo a basso costo faccio una cross-model review. Un modello completa, un secondo con contesto fresco controlla e cerca le debolezze che il primo ha ignorato. Coglie in fretta e a poco prezzo il ragionamento e i requisiti mancanti.
Ma per le cose che possono davvero rompere la produzione non basta. Lì deve arrivare un'esecuzione reale. La profondità della verifica segue l'impatto dell'errore. Il basso rischio lo sbriga una review con un secondo modello. L'alto rischio chiede l'esecuzione.
Cosa portarsi a casa
Gli agenti AI oggi fanno lavoro reale. Non perché il modello è intelligente, ma perché intorno a lui c'è un ambiente: un risultato definito con chiarezza, un gate onesto e una verifica proporzionata al rischio.
Chi costruisce questo ambiente accelera con l'AI. Chi apre solo una chat e spera ottiene un testo che sembra intelligente e non porta da nessuna parte. La differenza non è nello strumento. È in come lo colleghi.