L’AI ha smesso di parlare e ha iniziato a fare

I nuovi modelli di intelligenza artificiale non si limitano a rispondere, ma eseguono compiti complessi in autonomia

Immaginate di tornare alla scrivania lunedì mattina e trovare non la solita lista di cose da fare, ma un report finanziario già compilato, un’analisi dei dati della settimana e un prototipo di landing page che la notte stessa ha scritto codice, testato varianti e pubblicato il risultato. Non un assistente che vi ha passato appunti, ma un operaio digitale che ha agito mentre dormivate. Fantascienza? Non più, ed è proprio questo il cambio di passo silenzioso che sta avvenendo adesso.

Per anni abbiamo parlato con l’intelligenza artificiale. Le abbiamo chiesto idee, riassunti, bozze. Lei rispondeva, gentile e veloce. Poi, nell’ultima settimana, quel copione si è ribaltato. I nuovi modelli non si limitano a generare testi o immagini: invocano strumenti, scrivono codice, fanno debug, si correggono da soli e orchestrano altri modelli in parallelo. L’AI ha smesso di parlare. Ha iniziato a fare.

Dalla chat all’azione: quando l’AI prende in mano il mouse

Il primo segnale forte arriva da Muse Image, il nuovo generatore di immagini di Meta che, a prima vista, potrebbe sembrare l’ennesimo rivale di Midjourney. La differenza è che Muse Image non si limita a produrre fotogrammi: integra capacità di utilizzo di strumenti agentici e si coordina con Muse Spark. In pratica, se gli chiedete un banner con testo perfettamente leggibile, lui non disegna soltanto. Può invocare strumenti di ricerca per capire il contesto, raffinare la composizione e scalare il calcolo al momento del test per migliorare l’accuratezza, come documentato nello studio sulla generazione agentica di Muse Image. Non è più un pennello telecomandato: è un art director che dialoga con un copywriter, un ricercatore e un grafico, tutto insieme.

E questo vale anche per chi di immagini non ne produce. La vera svolta, quella che tocca chiunque lavori con dati, codice o progetti complessi, sta in GPT-5.6, l’ultimo modello di OpenAI. Qui il copione cambia del tutto.

Quando un sistema smette di rispondere a domande e inizia ad agire, la differenza è la stessa che passa tra chiedere a un amico di consigliarti un ristorante e vedertelo prenotare, pagare e ordinare il tuo piatto preferito prima ancora che tu abbia fame. GPT-Live, ad esempio, già delegava richieste complesse al modello più potente disponibile. Ora GPT-5.6 si spinge oltre: introduce Programmatic Tool Calling, che filtra enormi quantità di dati intermedi e adatta il flusso di lavoro senza chiedere il permesso a ogni passaggio. Non è un chatbot che risponde.

È un tecnico che ispeziona sistemi live, corregge codice, valida risultati e pubblica artefatti, mantenendo il contesto per sessioni lunghe. Lo ha spiegato bene Ian Tracey di Ramp, riportato nella:

GPT-5.6 sembrava più un operatore tecnico end-to-end che un assistente chat. Poteva ispezionare sistemi live, fare debug, apportare modifiche al codice, validare risultati, pubblicare artefatti e mantenere il contesto attraverso sessioni lunghe.

È il momento in cui smettiamo di dare istruzioni e iniziamo a dare obiettivi. La delega diventa completa.

Più veloce, più precisa, meno dispendiosa: il paradosso virtuoso

Di solito, quando una macchina diventa più potente, consuma di più. Qui accade il contrario. Nei test condotti da Qodo, GPT-5.6 ha battuto il suo predecessore su metriche di code review agentica usando circa tre volte meno token per ogni pull request e dimezzando la latenza mediana. Alex Wang di Rogo, citato nella pagina dedicata al nuovo modello, ha registrato un miglioramento della qualità delle risposte di 3,6 punti e una riduzione del 24% dei token di output, con compiti completati il 28% più velocemente. In pratica, GPT-5.6 fa meglio, costa meno e impiega meno tempo. Non è un errore di battitura.

E se pensate che riguardi solo programmatori e data scientist, fermatevi un attimo. Shopify ha testato il modello per comprendere il livello di lavoro richiesto dai suoi sviluppatori: Shane Moran ha notato che GPT-5.6 “seguiva l’intento meglio del predecessore e produceva costantemente riferimenti GitHub accurati collegati alle righe”. Tradotto: meno riunioni per spiegare cosa si vuole, meno errori da correggere a mano. Chi gestisce progetti, redige documenti tecnici o coordina team può cominciare a vedere questi modelli non come sostituti, ma come collaboratori autonomi che anticipano il lavoro sporco.

Certo, il salto culturale è impegnativo. Perché se l’AI smette di chiedere conferma e inizia a fare, chi controlla che faccia la cosa giusta? La questione della supervisione diventa centrale. Non è più sufficiente leggere una risposta: bisogna verificare un’azione. E questo richiede fiducia, trasparenza e — diciamolo — un po’ di coraggio.

E domani? Quando l’operaio digitale si sveglia prima di noi

Se Muse Image e Muse Spark già condividono strumenti e pianificano insieme, realizzando quella che Meta chiama generazione agentica di media, e se GPT-5.6 può attivare quattro agenti in parallelo con l’impostazione ultra, il passo successivo è già scritto. Non avremo più modelli isolati, ma reti di operai digitali che si dividono compiti, negoziano risorse e producono risultati complessi senza intervento umano continuo. La pianificazione congiunta di Muse Image e Muse Spark è il primo embrione di questa orchestrazione: un’immagine promozionale può nascere da una conversazione tra modelli che decidono da soli font, colori, messaggio e posizionamento, attingendo a dati di mercato.

Resta una domanda scomoda, che non possiamo ignorare: dove finiscono i nostri dati mentre questi operai digitali agiscono? Ogni strumento invocato, ogni ricerca fatta, ogni riga di codice scritta passa attraverso infrastrutture che oggi sono opache. L’entusiasmo per l’automazione non può farci dimenticare che stiamo consegnando a modelli proprietari la capacità di agire nei nostri sistemi. Serve un controllo granulare, serve sapere cosa toccano e perché.

La sensazione, intanto, è quella di chi ha appena agganciato il pilota automatico in autostrada: le mani sono ancora sul volante, ma i piedi sono già sollevati dai pedali. E il paesaggio che scorre fuori dal finestrino assomiglia molto a un futuro in cui il lavoro non sarà più fatto di compiti, ma di scelte. Quelle sì, speriamo, resteranno nostre.