Briefing quotidiano
1 novembre 2026 · 5 storie
🔥 In primo piano
1L'IA di Apple arriva in Cina, e a lavorare è Qwen di Alibaba
Tra pochi giorni l'assistente vocale dell'iPhone potrà rispondere in cinese, riscrivere un testo o guardare ciò che riprende la fotocamera — ma per gli utenti cinesi non sarà il modello di Apple a fare il lavoro. Sarà Qwen, il modello di Alibaba. Apple e Alibaba lo hanno annunciato insieme a fine ottobre. Le prove partono il 4 novembre, la versione pubblica è prevista per dicembre. Ogni domanda viaggia verso Alibaba, ma l'azienda promette che né le domande né le risposte serviranno ad addestrare i suoi modelli. L'utente mantiene il controllo e approva ciò che viene inviato. In concreto: per un cinese l'iPhone si comporta come per un francese — interroga un modello cinese installato sul posto. Fonte: Global Times.
2Microsoft pubblica un agente da 4 miliardi di parametri che guida il computer
Microsoft ha appena pubblicato i pesi di un minuscolo agente per computer: quattro miliardi di parametri, un file che entra in una chiavetta USB da 10 GB. La licenza è aperta e basta un normale computer da tavolo per farlo girare. Nel test di riferimento che misura la capacità di gestire un computer, raggiunge il 66% di successo, il punteggio migliore a quella dimensione. E soprattutto questo piccolo agente non si limita a cliccare sullo schermo: sa anche scrivere ed eseguire codice in una finestra di terminale, e sceglie da sé quale dei due metodi usare. Microsoft precisa che il risultato dipende in gran parte dall'attrezzatura attorno al modello, non dal modello da solo: l'agente di riferimento si fermava al 37,6%, quello addestrato arriva al 66%. Fonte: Microsoft.
3Anthropic ridisegna le sue regole per gli agenti che guidano macchine vere
Il 12 novembre Anthropic applicherà una nuova versione della sua politica d'uso, che riguarda esattamente ciò che fanno oggi gli agenti. Quando Claude è collegato a materiale capace di agire da solo nel mondo fisico — un braccio robotico, un veicolo, una macchina —, diventano obbligatorie tre esigenze: un operatore qualificato deve poter osservare l'apparecchio e fermarlo; l'apparecchio deve poter restare in uno stato sicuro se cade la connessione; e la persona interessata deve sapere che è stata usata una macchina. È la prima volta che un grande laboratorio scrive nero su bianco ciò che i nostri stessi agenti devono rispettare quando toccano il reale. Altrove la regola si allenta: sparisce il divieto generale delle campagne elettorali rivolte a elettori mirati. Fonte: Anthropic.
4Cinque modelli piccoli, coordinati tramite file, battono un modello di punta
Cinque modelli piccoli da 27 miliardi di parametri ciascuno, messi sullo stesso problema di programmazione difficile, hanno fatto meglio di un modello di punta usato da solo: 9,8 su 10 in media contro 8,0. Il dettaglio conta: non si parlano mai. Ciascuno ha un ruolo — un pianificatore, due ideatori in parallelo, un esecutore e un gestore — e tutto il coordinamento passa per file depositati sul disco, come note che ci si lascia passando. Il costo mediano per problema: 39 centesimi, meno di un caffè. Gli autori segnalano anche un limite: i problemi risalgono al 2025 e il modello potrebbe averli visti in addestramento. Fonte: pagina GitHub del progetto Memdoor.
5Collective raccoglie 100 milioni per un agente che gestisce un'azienda di una persona sola
Collective ha appena raccolto 100 milioni di dollari per un'idea molto semplice: lasciare che i professionisti indipendenti gestiscano da soli la parte amministrativa della loro attività. La piattaforma prepara le dichiarazioni fiscali, ordina le spese, cura le paghe e collega le assicurazioni, ed è un agente a fare il lavoro in secondo piano, invece di lasciare all'utente una pila di programmi da governare. Il round è insolito: 40 milioni di capitale più 60 milioni di linea di credito orientata ai clienti. L'azienda dice che i ricavi crescono del 120% all'anno e che ha fatto risparmiare 350 milioni di dollari di tasse ai clienti, con chi guadagna di più a risparmiare fino a 40.000 dollari l'anno. Il suo argomento: un'azienda di una persona sola può ormai fare concorrenza a un capo. Fonte: blog Collective.
📡 Da tenere d'occhio
GitLab dà agli agenti una mappa del codice invece di fargli rileggere tutto
GitLab ha appena aperto a tutti il suo grafo di contesto: una vista unica e sempre aggiornata di codice, richieste di merge, catene di elaborazione e vulnerabilità, che gli agenti possono interrogare invece di rileggere tutto ogni volta. Nei test di GitLab gli agenti collegati hanno avuto fino a 45 volte meno tentativi e usato fino a 4,5 volte meno token. Un cliente ha risposto in sette minuti a una domanda di sicurezza su 34 milioni di elementi, contro mezza giornata di ricerca manuale. Fonte: blog GitLab.
Ora un agente è responsabile di sorvegliare gli altri agenti
Monte Carlo ha appena lanciato Bayes, un collega che sorveglia gli agenti in produzione e ripara ciò che si rompe: rileva i guasti, regola la sorveglianza, propone le correzioni come richieste di merge o ticket e poi verifica che la correzione abbia retto. L'azienda ricorda che un ingegnere può tenere sotto controllo comodamente da uno a tre agenti, e che il 74% delle aziende ha già dovuto fare marcia indietro su un agente messo in esercizio. Dai clienti di Monte Carlo, Bayes rileverebbe il doppio degli incidenti riducendo di oltre l'80% i falsi allarmi. Fonte: comunicato stampa Monte Carlo.
SAP vende la postazione di comando dei vostri agenti, non solo gli agenti
Alla conferenza TechEd, SAP ha presentato un nuovo modo di costruire agenti: Joule Studio permette di descrivere in linguaggio comune che cosa deve fare l'agente e di testarlo in uno spazio protetto prima di metterlo in produzione, con permessi per ruolo che separano il lato business dal lato sviluppatori. L'azienda offre anche un unico punto per pilotare tutti gli agenti dell'impresa, i modelli scelti (più di 70), i consumi e le tracce. Detto chiaramente: SAP vende l'intera sala di controllo, non un singolo agente. Fonte: comunicato stampa SAP.
DoorDash fa i conti: gli agenti hanno ordinato solo qualche centinaio di volte
Su una piattaforma di consegna che gestisce 3 milioni di ordini al giorno, quelli arrivati da assistenti terzi si contano sulle dita di una mano. Il capo di DoorDash lo ha detto lui agli investitori: gli agenti sono tra le funzioni meno usate e la maggior parte dei clienti ordina ancora dentro l'app. L'azienda ha però i suoi agenti — ordine via messaggio, agente da riga di comando, chatbot — e non chiude la porta: parla persino di pubblicità dentro quegli assistenti. Il numero serve a chi costruisce in questo settore: il rumore sugli agenti che ordinano è enorme, il volume resta minimo. Fonte: trascrizione della call sui risultati, depositata presso la SEC.
📊 Tendenza
Una costante attraversa le notizie di oggi: il protagonista non è più l'agente, è tutto ciò che gli sta intorno. Microsoft pubblica un modello minuscolo il cui punteggio dipende in gran parte dall'attrezzatura attorno; GitLab vende una vista che fornisce il contesto; Monte Carlo mette un agente a sorvegliare gli agenti; SAP vende la postazione di comando. Intanto DoorDash ricorda che tre milioni di ordini al giorno non diventano ordini di agenti per magia. La spinta di questi mesi è meno spettacolare di quanto sembri: l'attenzione si sposta dal cervello all'ambiente, ed è lì che si deciderà la differenza fra una dimostrazione e uno strumento che dura.