AI NEWS by BDB

Tag: AIAgentica

  • Il 2025 segna la svolta: gli LLM diventano componenti attive dei sistemi, non più semplici chatbot

    Nel 2025 i Large Language Models hanno superato il ruolo di interfacce conversazionali, trasformandosi in elementi operativi integrati in sistemi complessi.
    Grazie a tecniche di reasoning avanzato come Chain-of-Thought, Tree-of-Thought e RLVR (Reinforcement Learning from Verifiable Rewards), i modelli non si limitano a rispondere, ma pianificano azioni, utilizzano strumenti, verificano risultati e correggono errori nel tempo.
    Questa evoluzione ha reso concreti gli agenti AI come pattern ingegneristici, particolarmente efficaci in domini strutturati come lo sviluppo software e la ricerca tecnica.
    Il coding è passato dalla scrittura manuale alla delega asincrona, spostando il valore umano verso supervisione e controllo qualità, in linea con visioni storiche come quelle di Leslie Lamport.
    Parallelamente sono emerse nuove sfide su sicurezza, governance e geopolitica dei modelli open weight, rendendo il 2025 una vera linea di demarcazione per l’AI moderna.

    Link alla fonte:
    https://www.ilsoftware.it/il-2025-ha-cambiato-tutto-perche-gli-llm-ai-non-sono-piu-semplici-chatbot/

  • Persone, agenti e robot: il lavoro si ridisegna come partnership nell’era dell’AI

    Secondo un nuovo report di McKinsey, il futuro del lavoro sarà basato su una collaborazione strutturata tra persone, agenti software e robot fisici, tutti potenziati dall’intelligenza artificiale.
    Le tecnologie attuali potrebbero automatizzare in teoria fino al 57% delle ore lavorate negli Stati Uniti, ma ciò non implica una perdita netta di posti di lavoro: il cambiamento avverrà soprattutto attraverso la trasformazione dei ruoli e delle competenze.
    Oltre il 70% delle skill umane rimarrà rilevante, anche se applicata in modi diversi, mentre cresce rapidamente la domanda di “AI fluency”, aumentata di sette volte in due anni.
    McKinsey stima che, se le aziende riprogetteranno i flussi di lavoro attorno alla collaborazione uomo–macchina, entro il 2030 si potrebbero sbloccare fino a 2,9 trilioni di dollari di valore economico annuo negli USA.

    Link alla fonte:
    https://www.mckinsey.com/mgi/our-research/agents-robots-and-us-skill-partnerships-in-the-age-of-ai

  • DeepSeek presenta V3.2 e V3.2-Speciale: modelli a contesto lungo con ragionamento da GPT-5 a costi ridotti

    DeepSeek ha introdotto i modelli DeepSeek-V3.2 e DeepSeek-V3.2-Speciale, progettati per fornire ragionamento avanzato su contesti lunghi e workload agentici senza i costi quadratici tipici dell’attenzione densa.
    I modelli adottano la nuova DeepSeek Sparse Attention, che riduce la complessità da O(L²) a O(kL) mantenendo una qualità comparabile alle versioni dense, con un taglio dei costi d’inferenza di circa il 50%.
    A questo si aggiunge un massiccio utilizzo di reinforcement learning tramite GRPO, con specialisti per matematica, programmazione, logica, browsing e agenti, poi distillati nel modello principale.
    La pipeline introduce inoltre un protocollo agent-native, espliciti thinking/non-thinking mode e un dataset sintetico di oltre 85.000 task per agenti.
    Nei benchmark e nelle competizioni ufficiali, DeepSeek-V3.2-Speciale raggiunge prestazioni simili a GPT-5 e vicine a Gemini 3.0 Pro, ottenendo risultati da medaglia d’oro in competizioni di livello olimpico.

    Link alla fonte:
    https://www.marktechpost.com/2025/12/01/deepseek-researchers-introduce-deepseek-v3-2-and-deepseek-v3-2-speciale-for-long-context-reasoning-and-agentic-workloads/