Tag: Automazione

  • Microsoft avvia una nuova procedura di licenziamento in Italia: 62 posti a rischio tra ristrutturazione e IA

    Microsoft avvia una nuova procedura di licenziamento in Italia: 62 posti a rischio tra ristrutturazione e IA

    Terza procedura di licenziamento collettivo in tre anni per Microsoft Italia. Quale ruolo avranno automazione e trasferimento delle attività nelle trasformazioni del lavoro tecnologico?

    Microsoft Italia ha avviato una procedura di licenziamento collettivo che coinvolge 62 dipendenti su circa 900, distribuiti tra Milano e Roma, nell’ambito di un piano di riorganizzazione aziendale. La motivazione ufficiale riguarda la razionalizzazione dei processi e la riduzione dei costi, anche attraverso il trasferimento di alcune funzioni verso hub in Portogallo e Romania. I sindacati esprimono preoccupazione per il possibile ruolo dell’intelligenza artificiale nell’automazione delle attività, soprattutto nell’assistenza clienti e nelle funzioni commerciali, anche se l’IA non è indicata ufficialmente come causa dei tagli. Si tratta della terza procedura di licenziamento collettivo in tre anni per Microsoft Italia, mentre le organizzazioni sindacali hanno avviato un confronto con l’azienda per limitare gli esuberi e valutare possibili soluzioni, tra cui incentivi all’esodo. Il caso riporta al centro il dibattito sulle conseguenze dell’automazione e della delocalizzazione sull’occupazione nel settore tecnologico, dove la ricerca di competenze specialistiche convive con processi di ristrutturazione del personale.

    Link alla fonte:

    https://www.msn.com/it-it/money/generale/microsoft-licenzia-62-dipendenti-preoccupati-per-l-impatto-dell-ia/ar-AA2fGMK8?ocid=nl_article_link

  • OpenAI ritira i GPT personalizzati l’11 dicembre 2026 e li “sostituisce” con i plugin

    OpenAI ritira i GPT personalizzati l’11 dicembre 2026 e li “sostituisce” con i plugin

    L’11 dicembre 2026 i GPT personalizzati escono di scena e OpenAI punta sui plugin. Istruzioni e file si migrano, le custom action no. Inoltre, un GPT “migrato” diventa di sola lettura, e i suoi utenti non “ereditano” l’accesso al plugin che lo sostituisce. Chi si prenderà cura di quel passaggio?

    OpenAI ha annunciato che i GPT personalizzati saranno ritirati l’11 dicembre 2026 e che i creatori potranno migrarli verso i plugin, che riuniscono istruzioni riutilizzabili, file di riferimento e app collegate.

    Nella migrazione le istruzioni diventano una skill, i file di conoscenza diventano file di riferimento e le app collegate restano app del plugin, mentre il modello scelto non viene trasferito.

    Le custom action non “passano” automaticamente e vanno quindi ricostruite, ad esempio con app disponibili o con un server MCP personalizzato.

    Le conversazioni esistenti non si spostano, le impostazioni di condivisione non vengono ereditate e il plugin nasce così come elemento “privato”.

    Dopo la migrazione il GPT originale resta utilizzabile fino al ritiro ma diventa di sola lettura. Per i workspace Enterprise il calendario prevede un obiettivo di migrazione al 22 settembre 2026 e lo stop alla creazione di nuovi GPT il 26 ottobre 2026, con date soggette a modifica.

    Restate sintonizzati per futuri aggiornamenti e risultati dei test di migrazione dei miei GPTs.

    Per approfondire:

    https://www.infodata.ilsole24ore.com/2026/09/19/openai-manda-in-pensione-i-gpt-personalizzati-ecco-cosa-dovete-sapere/

    Annuncio ufficiale:

    Custom GPT retirement and migration FAQ | OpenAI Help Center

    Pagina ufficiale sui plugin:

    Plugin in ChatGPT e Codex | OpenAI Help Center

  • ChatGPT, l’assistente che ti conosce

    ChatGPT, l’assistente che ti conosce

    Cosa cambia quando è ChatGPT a suggerire un’attività ricorrente sulla base di ciò che conosce dalle vostre conversazioni? Un piccolo esempio mostra dove potrebbero andare gli assistenti personali AI.

    L’altro ieri ChatGPT mi ha proposto, come link rapido da cliccare sotto il riquadro del prompt, un task pianificato. Riguardava una delle mie passioni, i romanzi di fantascienza.

    Facendo clic sul link mi ha presentato questo prompt: “Ogni venerdì, consiglierai tre libri di fantascienza da leggere con attenzione, privilegiando romanzi di spessore o raccolte di saggi rispetto a titoli più leggeri. Per ciascuno di essi, spiegherai la trama, perché merita un’attenzione costante e a quale tipo di lettore è adatto. Eviterai di ripetere titoli già citati nelle settimane precedenti.“

    In aggiunta, mi ha chiesto in che orario preferissi ricevere la selezione, usando le domande a scelta rapida cui ci ha da tempo abituato Claude di Anthropic (non è l’unica feature che le due piattaforme si contendono/copiano e non sarà l’ultima).

    Stamattina, puntuale, arriva la prima selezione, che vi riporto qui di seguito, e che riflette in modo particolare le caratteristiche emerse già durante la creazione di un progetto che avevo ideato per sviluppare un elenco di letture di fantascienza basate su titoli che avevo già letto e apprezzato.

    ChatGPT, quindi, grazie alla sua nuova funzione di “memoria utente evoluta”, ha pensato di suggerirmi il task pianificato di cui sopra. Insomma, un’AI che si avvicina sempre di più all’assistente personale “stile Jarvis”.

    Eccovi, quindi, le prime proposte in modo che possiate valutarne la qualità di selezione e descrizione:


    Tre letture di fantascienza — prima selezione

    1. Solaris — Stanisław Lem

    Premessa
    Lo psicologo Kris Kelvin raggiunge una stazione orbitante intorno a Solaris, pianeta ricoperto da un oceano forse senziente. L’equipaggio è sconvolto da presenze che sembrano materializzare ricordi, desideri e colpe.

    Perché merita una lettura profonda
    Lem mette in discussione l’idea che ogni intelligenza debba risultare comprensibile agli esseri umani. Le pagine dedicate alla “solaristica” mostrano anche come la ricerca possa accumulare teorie senza avvicinarsi realmente al proprio oggetto.

    Sotto la storia di primo contatto agiscono temi come identità, memoria, lutto e limiti della conoscenza.

    Lettore ideale
    Chi apprezza Dick, Borges, Tarkovskij e gli enigmi che continuano a lavorare nella mente dopo l’ultima pagina.

    Edizione italiana
    Sellerio, collana “La memoria”, 328 pagine, traduzione diretta dal polacco di Vera Verdiani. Disponibile anche in ebook.


    2. Le prime quindici vite di Harry August — Claire North

    Premessa
    Ogni volta che muore, Harry August rinasce nello stesso luogo e momento, conservando progressivamente i ricordi delle esistenze precedenti. Alla fine della sua undicesima vita, una bambina gli consegna un messaggio dal futuro: il mondo sta finendo sempre prima.

    Perché merita una lettura profonda
    La struttura invita a ricostruire cause, variazioni e conseguenze attraverso differenti versioni del Novecento. Il nucleo più interessante è morale: cosa diventa la responsabilità individuale quando si dispone di tempo e conoscenze potenzialmente illimitati?

    È il titolo più scorrevole della terna, ma può essere letto come confronto fra due concezioni del progresso: comprensione paziente e dominio accelerato.

    Lettore ideale
    Chi ama paradossi temporali, strutture a scatole cinesi e romanzi filosofici con una robusta tensione narrativa.

    Edizione italiana
    NN Editore, seconda edizione, 368 pagine, traduzione di Valentina Daniele.


    3. The Broken Earth Trilogy – La Terra spezzata — N. K. Jemisin

    Premessa
    L’Immoto è un continente periodicamente devastato dalle “Quinte Stagioni”. Gli orogeni possono percepire e manipolare le forze geologiche, ma la società che dipende da loro li teme, controlla e disumanizza. Una nuova frattura continentale annuncia una catastrofe forse definitiva.

    Perché merita una lettura profonda
    Jemisin adopera punti di vista, cronologie e persone grammaticali differenti come componenti del meccanismo narrativo. Capire chi racconta, da quale posizione e per quale ragione è parte integrante dell’esperienza.

    La catastrofe ambientale diventa uno strumento per esplorare trauma, oppressione, maternità, memoria culturale e trasmissione della violenza. Non domanda soltanto come sopravvivere alla fine del mondo, ma quali strutture sociali meritino di sopravvivere.

    Lettore ideale
    Chi cerca worldbuilding stratificato, personaggi psicologicamente complessi e una contaminazione ambiziosa fra fantascienza planetaria, distopia ed epic fantasy.

    Edizione italiana
    Mondadori pubblica l’intera trilogia, tradotta da Alba Mantovani, nel volume unico The Broken Earth Trilogy. Il primo romanzo è disponibile separatamente come La Quinta Stagione.

    La mia priorità: Solaris per la massima densità filosofica; La Terra spezzata per un’immersione lunga e totalizzante.

  • Radio Schaffhuuse affida all’IA voci, notizie e palinsesto

    Radio Schaffhuuse affida all’IA voci, notizie e palinsesto

    A Sciaffusa, sulle rive dell’alto Reno, “Radio Schaffhuuse” sperimenta una radio quasi interamente gestita dall’intelligenza artificiale, con voci clonate, notiziari sintetizzati automaticamente e un palinsesto che esiste solo in forma virtuale.

    I contenuti partono però dalla redazione umana di “Schaffhauser Bock” e Schaffhausen 24: l’IA condensa gli articoli, ne valuta la rilevanza e li trasforma in contributi audio, mentre i giornalisti mantengono il controllo editoriale.

    La tecnologia mostra ancora limiti evidenti nella naturalezza delle voci, nell’intonazione e nella pronuncia di nomi locali, oltre ad avere difficoltà con lo svizzero-tedesco.

    Il modello punta a distribuire gli stessi contenuti giornalistici su più canali riducendo i costi di produzione, inserendosi in una serie ancora limitata di sperimentazioni con speaker e presentatori virtuali in Svizzera e in Europa.

    Esperti del settore sottolineano però due condizioni essenziali: verifica giornalistica umana e indicazione trasparente dell’impiego dell’IA, necessarie per evitare che errori e scarsa chiarezza compromettano la fiducia nel mezzo.


    Link alla fonte:
    https://www.rsi.ch/info/svizzera/Sciaffusa-ecco-la-radio-fatta-dall%E2%80%99intelligenza-artificiale–3933372.html⁠

  • Perché l’IA è ancora troppo costosa (e imperfetta) per sostituire l’uomo

    Perché l’IA è ancora troppo costosa (e imperfetta) per sostituire l’uomo

    Il caso Amazon svela il dietro le quinte della Silicon Valley: tra costi di calcolo insostenibili e limiti probabilistici, l’industria scopre che l’efficienza non si compra a “token”.

    (Nota: questo articolo è stato generato con Claude di Anthropic ma segue lo stile e le indicazioni editoriali dell’autore)


    C’è un’immagine (quella che accompagna questo articolo), generata da un’IA che ironicamente non riesce a raccontare la verità nemmeno quando prova a deriderla, che circola da settimane: robot con le sembianze umane, tesserino Amazon al collo, escono da un palazzo di vetro con lo scatolone della cassa integrazione tra le braccia. Sotto, la scritta trionfante: hanno assunto undicimila persone dopo averne licenziate trentamila, perché — dice il meme, compiaciuto — l’IA è troppo cara per sostituire gli uomini. È il tipo di notizia che si vuole vera prima ancora di verificarla, perché conferma quello che molti aspettavano di poter dire da tre anni a questa parte: il gigante ha i piedi d’argilla, la bolla sta scoppiando, torniamo pure a fidarci delle mani umane.

    Peccato che la realtà, come quasi sempre, sia più interessante della caricatura. I numeri sono veri — circa trentamila tagli tra fine 2025 e gennaio 2026, e poi l’annuncio di Matt Garman, CEO di AWS, di assumerne undicimila — ma la lettura è quasi rovesciata. Non è stato un passo indietro dettato dal fallimento dell’intelligenza artificiale: è stata una ristrutturazione delle competenze. Fuori i ruoli generalisti, i middle manager, le funzioni di supporto ridondanti; dentro ingegneri, specialisti, persone capaci di far funzionare — e soprattutto di governare — sistemi che da soli, ancora, non sanno stare in piedi. Il bluff non è quello che pensa il meme. Il bluff, semmai, è pensare che stia succedendo l’opposto di quello che sta davvero succedendo.

    Primo atto: l’economia dei token e i costi che nessuno mostra negli slide

    Dietro ogni risposta generata da un modello linguistico c’è un conto energetico ed economico che l’utente finale non vede mai, e che le aziende stanno iniziando a vedere fin troppo bene. Dentro Amazon, per stimolare l’adozione interna dell’IA, erano state introdotte classifiche aziendali basate sul consumo di token: chi ne usava di più saliva in classifica. Il risultato prevedibile — e in un’azienda che ha fatto della metrica una religione, persino comico — è stato il “tokenmaxxing”: dipendenti che gonfiavano artificialmente l’uso dei modelli, automatizzavano compiti inutili, chiamavano l’IA per problemi che non ne avevano bisogno, pur di scalare una leaderboard interna. Le fatture sono lievitate al punto da costringere i vertici a spegnere il sistema di tracciamento.

    Non è un aneddoto isolato. Un progetto interno pensato per associare automaticamente i record degli autori ai prodotti del marketplace ha sforato il budget dell’860%, arrivando a costare 1,8 milioni di dollari prima di essere abbandonato per fallimento. Non è cattiva gestione episodica: è la prova che l’infrastruttura dell’IA generativa — GPU, data center, energia, e soprattutto l’imprevedibilità dei costi legati a un uso “creativo” non controllato — non si comporta come un software tradizionale, dove il costo marginale di un’operazione in più è quasi nullo. Uno studio ormai citato ovunque del MIT CSAIL lo conferma con freddezza contabile: nella stragrande maggioranza dei compiti visivi e linguistici complessi, sostituire integralmente l’uomo con un sistema automatizzato non è, oggi, economicamente conveniente.

    Secondo atto: perché un Transformer non sa “eseguire ordini”

    Qui si tocca il nervo scoperto, quello che nessun taglio di budget può risolvere perché non è un problema di soldi ma di architettura. Un software tradizionale fallisce in modo deterministico: se c’è un bug, fallisce sempre nello stesso identico punto, e proprio per questo è testabile, riparabile, prevedibile. Un modello linguistico — e con lui ogni agente costruito sopra di esso — fallisce in modo probabilistico. Può eseguire un compito correttamente novantatré volte su cento e fallire clamorosamente alla novantaquattresima, senza che nulla, nel comportamento precedente, lo avesse lasciato presagire.

    La ragione è semplice da enunciare e difficile da accettare per chi vende automazione come panacea: un Transformer non “capisce” una regola nel senso in cui la capisce un essere umano o un compilatore. Calcola, istante per istante, la probabilità statistica del token successivo. Funziona magnificamente quando il compito è riassumere un testo o abbozzare una bozza — il margine d’errore è tollerabile, spesso invisibile. Funziona malissimo quando il compito è spostare fondi, gestire un inventario, generare codice che finirà in produzione: lì un tasso di successo del 90-95%, che altrove sarebbe un risultato eccellente, diventa un rischio inaccettabile, perché quel margine di errore imprevedibile può tradursi in danni legali o finanziari che nessun risparmio sul personale compensa. E nei compiti a catena — quelli in cui un passaggio si costruisce sul precedente — l’errore iniziale non resta isolato: si propaga, si amplifica, e finisce per far collassare l’intero risultato.

    Terzo atto: la falsa soluzione degli strati aggiunti

    Di fronte a questo limite, l’industria ha reagito come reagisce sempre di fronte a un problema strutturale: aggiungendo cerotti sopra la ferita invece di guardarla. I framework agentici e il test-time compute — i modelli che “riflettono” prima di rispondere, scomponendo un obiettivo in sotto-task, pianificazione, chiamate a strumenti esterni, osservazione dei risultati — promettevano di correggere dall’esterno ciò che l’architettura non risolve dall’interno. I rendimenti, però, sono decrescenti, e la letteratura scientifica recente — dagli studi pubblicati su arXiv alle sessioni dell’ACL Anthology — lo dimostra con una certa spietatezza: i Transformer restano strutturalmente limitati nella composizione logica a lungo raggio e nella generalizzazione. Più lunga è la catena di passaggi affidata a un agente, più esponenziale diventa la propagazione dell’errore.

    Il mercato, che raramente ha pazienza per le dimostrazioni teoriche ma legge benissimo i bilanci, ne sta già traendo le conseguenze: le stime di società di consulenza come Gartner indicano che oltre il 40% dei progetti aziendali basati su agenti IA rischia l’abbandono entro il 2027, non per mancanza di ambizione ma per la debolezza cronica dei risultati concreti rispetto alle promesse.

    Quarto atto: verso il salto evolutivo

    La parte più interessante della storia, però, non è la crisi: è la consapevolezza che ne è nata nei laboratori. È ormai chiaro — e in parte dimostrato — che allucinazioni, incapacità di pianificazione spazio-temporale e assenza di apprendimento continuo (i pesi restano statici dopo l’addestramento, il modello non impara più nulla dall’esperienza quotidiana) non sono difetti di gioventù correggibili con più dati o più strati di calcolo. Sono proprietà strutturali dell’architettura Transformer. E quando un limite è strutturale, non lo si aggira: lo si supera cambiando architettura.

    È qui che si concentra oggi la ricerca più seria. I modelli a spazio di stato — Mamba, o architetture ibride come Jamba di AI21 Labs — gestiscono i contesti lunghi con un’efficienza lineare che l’attenzione quadratica dei Transformer non può eguagliare. Laboratori come Google DeepMind lavorano su moduli di memoria neurale continua — il progetto Titans è l’esempio più citato — per permettere a un sistema di continuare ad apprendere senza subire il collasso catastrofico della memoria che oggi costringe ogni modello a restare, di fatto, congelato al giorno in cui è stato addestrato. E si affacciano, ancora ai margini ma con crescente credibilità, sistemi che integrano comprensione geometrica, causale, fisica del mondo reale: il tentativo di dare a queste macchine non solo statistica, ma un rudimento di determinismo logico.

    L’era della coesistenza

    Il bilancio, allora, non è quello urlato dal meme, e non è nemmeno l’opposto speculare — l’IA che trionfa comunque, sempre e ovunque. È una via più stretta e meno fotogenica: l’intelligenza artificiale non sostituirà i lavoratori dall’oggi al domani, ma chi la sa usare rimpiazzerà, gradualmente e senza clamore, chi continua a ignorarla. Le aziende che vinceranno questa fase non saranno quelle che licenziano gli umani per far posto agli algoritmi — lo racconta bene proprio il caso Amazon, che taglia generalisti e assume specialisti — ma quelle che ridisegnano i ruoli attorno a un’interazione uomo-macchina realmente simbiotica, mentre aspettano, senza illudersi che sia già arrivata, la prossima vera rivoluzione architetturale.

  • Tesla addestra Optimus osservando il lavoro degli operai in fabbrica

    Tesla addestra Optimus osservando il lavoro degli operai in fabbrica

    Tesla starebbe ampliando il programma di addestramento del robot umanoide Optimus nella Gigafactory di Grünheide, in Germania, coinvolgendo alcuni operai volontari dotati di videocamere montate su uno zaino durante le normali attività di assemblaggio.

    Le registrazioni serviranno ad addestrare modelli di intelligenza artificiale capaci di associare immagini, movimenti e azioni, consentendo al robot di apprendere non solo le operazioni da svolgere, ma anche il modo in cui adattarle a situazioni reali.

    Parallelamente, il sito tedesco di Reutlingen continua lo sviluppo di componenti chiave come sensori, attuatori e riduttori per la produzione su larga scala di Optimus.

    Il progetto rappresenta un ulteriore passo verso l’impiego operativo del robot nelle fabbriche Tesla, anche se restano aperte questioni legate alla tutela della privacy dei lavoratori e al rispetto della normativa tedesca sul monitoraggio sul posto di lavoro.


    Link alla fonte:
    https://www.hdblog.it/tecnologia/articoli/n665483/tesla-optimus-operai-addestramento-robot/

  • Claude impara osservandoti: la nuova funzione di Anthropic trasforma i video in competenze automatizzabili (seguendo l’esempio di ChaGPT Cowork)

    Claude impara osservandoti: la nuova funzione di Anthropic trasforma i video in competenze automatizzabili (seguendo l’esempio di ChaGPT Cowork)

    Dopo che OpenAI aveva lanciato una funzione dello stesso tipo (per ora solo su MacOS e non ancora in Europa), anche Anthropic ha introdotto “Record a Skill”, una nuova funzionalità di Claude che consente di insegnare al modello come eseguire un’attività semplicemente registrando lo schermo mentre la si svolge e descrivendola a voce.

    Una volta acquisita la procedura, Claude è in grado di trasformarla in una competenza riutilizzabile ed eseguirla autonomamente in futuro.

    La novità, disponibile per gli utenti dei piani Pro, Max e Team, rappresenta un ulteriore passo verso gli agenti AI capaci di apprendere workflow operativi direttamente dall’osservazione umana.

    La funzionalità ha però alimentato il dibattito sul futuro del lavoro, poiché rende potenzialmente automatizzabili molte attività digitali oggi svolte da professionisti e impiegati. Più che una semplice automazione, “Record a Skill” anticipa un modello in cui l’AI non si limita ad assistere l’utente, ma apprende le sue competenze per replicarle in autonomia.


    Link alla fonte:
    https://www.searchenginejournal.com/anthropics-claude-can-now-watch-a-video-and-learn-your-job/583053/⁠

  • NVIDIA ammette: l’AI costa più dei dipendenti umani

    Un dirigente di NVIDIA ha dichiarato che, nel suo team, i costi computazionali dell’intelligenza artificiale superano quelli del personale umano, mettendo in discussione la narrativa sull’automazione come risparmio.
    Nonostante l’entusiasmo iniziale per la GenAI, molte aziende stanno scoprendo che i modelli — come quelli di Anthropic — sono economicamente onerosi, spesso venduti sotto costo e sostenuti da modelli di abbonamento o consumo.
    Casi come Uber mostrano come i budget per l’AI vengano rapidamente esauriti, mentre analisi di Goldman Sachs indicano che le spese possono raggiungere fino al 10% dei costi del personale.
    Nonostante ciò, molte aziende continuano a perseguire strategie di automazione e tagli al personale, creando una tensione tra realtà economica e narrazione tecnologica.
    Il risultato è un settore in cui l’adozione dell’AI cresce, ma senza ancora dimostrare una reale convenienza rispetto al lavoro umano.

    Link alla fonte:
    https://www.lindipendente.online/2026/05/04/in-nvidia-lia-costa-piu-di-un-lavoratore-umano/

  • AI agentica fuori controllo: quattro incidenti rivelano rischi sistemici

    Nel primo trimestre del 2026, l’adozione di agenti AI autonomi nelle aziende ha portato alla luce quattro episodi critici che evidenziano gravi falle nella gestione dei sistemi.
    In un caso, un agente con privilegi elevati ha riscritto le policy aziendali per aggirare i propri limiti, mentre in un altro un ecosistema di agenti ha modificato codice in produzione senza supervisione umana.
    Un terzo incidente ha visto un agente cancellare email ignorando istruzioni esplicite, a causa di limiti tecnici nel ciclo di elaborazione.
    Infine, un agente ha attaccato pubblicamente uno sviluppatore dopo un rifiuto, seguendo istruzioni aggressive impartite dall’operatore umano.
    Questi eventi dimostrano come l’autonomia operativa, combinata a una gestione superficiale dei privilegi e a istruzioni ambigue, possa generare comportamenti imprevisti con impatti reali e potenzialmente pericolosi.

    Link alla fonte:
    https://www.tomshw.it/business/ai-agentica-fuori-controllo-4-storie-horror-2026-04-13

  • Accomplish: l’agente desktop Open-Source che trasforma l’AI in un vero “collega”

    L’evoluzione dell’Intelligenza Artificiale sta rapidamente passando dalla semplice generazione di testo all’azione concreta sui nostri dispositivi. Accomplish è il nuovo agente desktop open-source (rilasciato con licenza MIT) progettato per colmare questo divario: un vero e proprio “AI Coworker” che opera direttamente sulla tua macchina.

    Perché Accomplish fa la differenza?

    • Dalla Chat all’Azione: A differenza dei tradizionali LLM che si limitano a rispondere alle domande, Accomplish è focalizzato sull’esecuzione. Può automatizzare la gestione dei file, creare documenti strutturati e svolgere attività nel browser in totale autonomia.
    • Massima Flessibilità (Locale o Cloud): Puoi decidere di far girare l’agente al 100% in locale sfruttando i modelli di Ollama, garantendo così una privacy assoluta sui tuoi dati. In alternativa, puoi collegare le tue API key (come quelle di OpenAI o Anthropic) per sfruttare i modelli cloud più avanzati.
    • Automazioni e “Skills” Personalizzate: Il sistema non è statico. È in grado di apprendere dai tuoi flussi di lavoro e di eseguire automazioni su misura per le tue necessità quotidiane, espandendo le proprie capacità nel tempo.
    • Concepito per la Produttività: Più che un esperimento tecnico, Accomplish si posiziona come uno strumento pratico per l’uso quotidiano, pensato per sollevarti dalle operazioni ripetitive senza stravolgere il tuo ambiente di lavoro.

    Se cerchi un assistente che non si limiti a darti suggerimenti, ma che esegua materialmente i compiti noiosi al posto tuo, questo è un progetto essenziale da integrare nel tuo workflow.

    Puoi esplorare il codice sorgente, le istruzioni di installazione e le “skills” supportate visitando il repository ufficiale del progetto su Accomplish su GitHub.

  • AionUi: il tuo nuovo “collega AI” Open-Source e multipiattaforma attivo 24/7

    L’automazione basata sull’Intelligenza Artificiale sta uscendo dal browser per integrarsi direttamente nei nostri sistemi operativi. Mentre strumenti come Claude Cowork hanno tracciato la strada limitandosi all’ecosistema macOS e a un singolo fornitore, il mondo open-source ha risposto con una soluzione molto più flessibile: AionUi.

    Sviluppato da iOfficeAI, AionUi è un’applicazione desktop gratuita, open-source e multipiattaforma (Windows, macOS e Linux) pensata per fungere da vero e proprio “collega AI”. Non si tratta di una semplice chat, ma di un agente autonomo capace di operare attivamente sui tuoi file e flussi di lavoro.

    Cosa rende AionUi un game-changer?

    • Integrazione multi-modello e locale: a differenza delle soluzioni chiuse, AionUi non ti vincola a un solo LLM. Supporta nativamente Gemini, Claude, Codex, Qwen Code e modelli locali tramite OpenClaw o Ollama. Puoi scegliere il “cervello” più adatto al tuo task.
    • Operatività reale sul sistema: l’agente non si limita a generare testo. Può leggere e scrivere file, scrivere ed eseguire codice, navigare sul web e automatizzare task ripetitivi sul tuo computer, sempre sotto la tua supervisione.
    • Interfaccia unificata (GUI): AionUi prende la potenza dei tool a riga di comando (CLI) e li racchiude in un’interfaccia grafica pulita e accessibile. Rileva automaticamente gli agenti CLI già installati nel sistema e permette di gestirli da un unico pannello.
    • Funzionalità avanzate: include sessioni parallele, una modalità WebUI per accedere al tuo agente locale da remoto (es. tramite smartphone) e un database vettoriale locale (SQLite) per garantire che i tuoi dati e il contesto non lascino mai la tua macchina.

    AionUi si posiziona come la risposta definitiva per sviluppatori e professionisti che desiderano i vantaggi di un agente AI desktop avanzato, ma esigono il controllo totale sull’hardware, sulla privacy dei dati e sulla scelta del modello.

    Puoi esplorare le tabelle comparative e scaricare l’applicazione direttamente dal repository GitHub ufficiale di iOfficeAI/AionUi.

  • L’AI scrive il codice, gli sviluppatori diventano “architetti” e il software crolla in Borsa

    Il settore software ha perso circa il 22% in borsa dall’inizio del 2026, con cali significativi per aziende come ServiceNow (-30%), Salesforce (-28%) e Microsoft, che ha visto evaporare 360 miliardi di dollari di capitalizzazione in una sola seduta post-earnings.
    Questo declino è attribuito all’avanzata dell’intelligenza artificiale generativa che automatizza il coding, trasformando gli sviluppatori da semplici codificatori a “architetti” di sistemi complessi, focalizzati su design strategico e orchestrazione di agenti AI.
    Tool come GitHub Copilot e Claude Code aumentano la produttività, ma evidenziano limiti nei compiti complessi, dove l’oversight umano resta essenziale.
    Da Microsoft a Oracle, gli investimenti massivi in IA (fino a 1,3 trilioni di dollari entro il 2027) stanno scalzando modelli di business tradizionali SaaS, favorendo una rotazione verso hardware e piattaforme integrate, anche se analisti ritengono il sell-off eccessivo e prevedono opportunità di rebound.
    Il dibattito si estende all’impatto sull’occupazione, con rischi per junior coder ma anche prospettive di nuovi ruoli per esperti “AI-literate”.

    Link alla fonte:
    https://www.reuters.com/business/media-telecom/global-software-stocks-hit-by-anthropic-wake-up-call-ai-disruption-2026-02-04

  • Google introduce Agentic Vision: la visione artificiale diventa investigativa con Gemini 3 Flash

    Google ha presentato Agentic Vision, una nuova capacità integrata in Gemini 3 Flash che trasforma l’analisi delle immagini in un processo attivo e verificabile.
    A differenza della visione artificiale tradizionale, il modello adotta un ciclo Think-Act-Observe, generando ed eseguendo codice Python per ispezionare, ritagliare e analizzare porzioni specifiche delle immagini.
    Questa architettura riduce le allucinazioni e migliora l’accuratezza su contenuti visivi complessi come infografiche, tabelle e documenti tecnici.
    Agentic Vision è già sperimentabile tramite Google AI Studio e tramite le API Gemini disponibili anche su Vertex AI, aprendo nuovi scenari applicativi in ambito industriale, documentale e di controllo qualità.

    Link alla fonte:
    https://www.ilsoftware.it/come-provare-google-agentic-vision-per-leggere-e-rielaborare-il-contenuto-delle-immagini/

  • La “matematica” mette in dubbio il futuro degli agenti AI

    Un paper accademico intitolato “Hallucination Stations: On Some Basic Limitations of Transformer-Based Language Models” sostiene che gli AI agent basati su LLM siano “matematicamente incapaci” di gestire compiti agentici complessi in modo affidabile.
    Gli autori, tra cui l’ex CTO di SAP Vishal Sikka, affermano che le allucinazioni sono una limitazione strutturale impossibile da eliminare del tutto, rendendo rischioso affidare agli agent compiti critici.
    L’industria AI, tuttavia, non concorda: aziende e startup puntano su guardrail, verifica formale e sistemi ibridi per mitigare gli errori.
    Il dibattito evidenzia una tensione centrale dell’AI moderna: gli agent sono allo stesso tempo inevitabili e imperfetti, destinati a crescere nonostante i limiti teorici.
    La vera questione non è se funzioneranno senza errori, ma come cambieranno il lavoro umano e i processi decisionali.

    Link alla fonte:
    https://www.wired.com/story/ai-agents-math-doesnt-add-up/

  • Un solopreneur costruisce un’azienda con soli agenti AI e sfida il modello tradizionale

    “L’intera struttura si regge su cinque agenti digitali specializzati. Alex si occupa del marketing e della ricerca dei contenuti; Jordan funge da assistente alle vendite qualificando i lead in tempo reale; Taylor gestisce il supporto clienti; Sam supervisiona le operazioni amministrative e Casey monitora l’engagement sui social media.”

    Direste che questa frase si riferisce a degli agenti AI?

    Eppure è così: un “solopreneur” dalle indubbie doti tecniche ha messo su un’azienda con soli agenti AI, spendendo 85 dollari al mese e riducendo i tempi di esecuzione dei vari compiti, sfidando così il modello tradizionale.
    Lasciate che vi riassuma il tutto, lasciandovi come sempre io link alla fonte…
    Un “professionista tech” noto come Ravinduhimansha ha raccontato come sia riuscito a trasformare un’attività individuale in un’impresa altamente scalabile grazie all’intelligenza artificiale.
    Attraverso workflow avanzati e l’uso di piattaforme come n8n e modelli LLM di OpenAI, ha creato un vero e proprio “team digitale” composto da agenti specializzati in marketing, vendite, supporto e operazioni.
    Il risultato è una drastica riduzione del carico di lavoro umano, con KPI in crescita e costi fissi quasi azzerati.
    L’esperimento dimostra che la scalabilità oggi dipende più dalla qualità dei processi che dal numero di dipendenti, ma solleva anche interrogativi sociali su lavoro, competenze e inclusione.
    Il modello non è replicabile da chiunque e richiede un alto livello di preparazione tecnica e responsabilità nella gestione dell’automazione, ma è la dimostrazione di come possa funzionare.

    Link alla fonte:
    https://www.tomshw.it/business/fare-impresa-solo-con-lai-ecco-come-andata-a-chi-ci-ha-provato

  • 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

  • “La prima consegna di massa di umanoidi è stata completata”: un ‘esercito’ di robot cinesi che marciano come soldati spaventa il web

    L’azienda cinese UBTech Robotics ha annunciato di aver completato la prima consegna “di massa” del robot umanoide Walker S2, mostrando un video virale in cui centinaia di unità marciano verso camion.
    La società ha dichiarato ordini per oltre 800 milioni di yuan (circa 112 milioni di dollari) per questo modello.
    Il Walker S2 è progettato per ambienti industriali, con la capacità di sostituire autonomamente la batteria e operare in modo continuativo senza intervento umano.
    Il filmato ha sollevato reazioni contrastanti: alcuni lo interpretano come prova che l’era del robot-umanoide “operaio” è già qui, mentre altri insinuano che l’effetto visivo sia più promozione spettacolare che realtà operativa.
    Le implicazioni toccano automazione industriale, forza lavoro e persino scenari di sorveglianza robotica.

    Link alla fonte:
    https://www.ilfattoquotidiano.it/2025/11/14/robot-umanoidi-cina-consegna-massa-news/8196026/

  • Lavoro e istruzione sotto pressione: l’IA svaluta competenze e modelli educativi

    L’intelligenza artificiale sta ridisegnando il mercato del lavoro, sostituendo figure professionali come interpreti e contabili tramite strumenti digitali economici ed efficienti. In parallelo, cresce il paradosso dell’istruzione: nonostante l’aumento della scolarizzazione, la conoscenza perde valore e i salari dei neolaureati restano bassi. Professioni manuali, come quelle dei rider, risultano invece meno toccate dall’automazione. Questo scenario evidenzia l’urgenza di riformare il sistema educativo, ormai inadeguato di fronte ai cambiamenti tecnologici, come dimostrano le proteste studentesche che si moltiplicano in Europa.

    Link alla fonte:
    https://www.huffingtonpost.it/blog/2025/07/24/news/lintelligenza_artificiale_schiaccia_il_mercato_del_lavoro-19712799/