Ricerca applicata,
documentata in pubblico.

La scuola italiana è passata da divieto implicito a mandato esplicito in dodici mesi. Chi costruisce per l'education deve progettare prima la governance — accountability del deployer, trasparenza, AI Act — e poi la feature. L'ordine inverso non supera la selezione.

Il locale non è più un compromesso, è un tier della flotta. La domanda operativa del 2026 non è 'open o closed' ma quale percentuale del traffico merita la frontier API. Per molti clienti enterprise la risposta è sotto il 20%.

Quando i modelli convergono, l'orchestrazione è il prodotto. Più agenti non significa più intelligenza: significa più coordinamento da pagare. Il valore sta nel router che assegna il task giusto al modello giusto al costo giusto.

Le skill rappresentano per gli agenti di coding ciò che le funzioni pure rappresentano per il codice: componibili, testabili, versionabili. Un pattern ripetuto tre volte va estratto. Il prompt engineering monolitico cede il passo a librerie di comportamento.

Un modello compatto e veloce che instrada al modello specialistico supera un modello esteso che opera da solista. Il model-tiering — Haiku per il routing, Sonnet per l'esecuzione — costituisce il pattern di riferimento per workload di produzione.

Le skill non sono un artefatto rivolto ai soli sviluppatori. Definiscono un nuovo formato per le procedure aziendali: leggibili da un operatore, eseguibili da un agente, versionate come codice. Ogni processo ripetitivo interno è una skill in attesa di formalizzazione.

Occultare il processo decisionale dell'agente non costituisce più un vantaggio di prodotto: genera debito di fiducia. L'utente enterprise richiede comprensione delle decisioni, non semplice esecuzione. Il routing esposto definisce un nuovo paradigma UX per gli strumenti AI.

La memoria degli agenti non coincide con un vector database riempito passivamente. Consiste in scrittura deliberata: regole, gotcha, decisioni, breadcrumb nel codice. Un agente che riconosce cosa non ricordare supera in utilità un agente che memorizza tutto.

Il dibattito open vs closed è superato dal paradigma hybrid routing. I workload ripetitivi ad alto volume risiedono on-prem o in self-hosting, il ragionamento profondo resta sulle frontier API. La questione rilevante è dove tracciare il confine, non quale modello domini.

La parallelizzazione di agenti produce valore solo in presenza di task realmente indipendenti. Il file-level locking naive risulta inadeguato; occorre orchestrazione semantica basata sui domini funzionali coinvolti.

L'AI non elimina il mestiere, lo ricolloca. Il professionista di nuova generazione definisce meglio problemi, struttura meglio contesti, verifica meglio output. L'AI amplifica la progettualità, non l'improvvisazione.

Un agente che scrive senza peer review produce codice mediocre. Un team di agenti in peer review reciproca produce codice pronto al merge. La peer review è diventata una funzione di sistema, non più un ruolo esclusivamente umano.

In assenza di memoria condivisa persistente, ogni sessione AI riparte da zero. In sua presenza, il progetto acquisisce memoria storica e gli agenti cessano di ripetere errori già risolti. Il Second Brain definisce la soglia tra prototipazione e produzione.

L'AI risulta inefficace nella riscrittura da zero. Eccelle nella rimozione di codice morto in presenza di un test harness solido. La leva è la test coverage, non il modello.

Numerose ottimizzazioni AI non risiedono nel modello ma nella configurazione del tool. I Project Groups esistono da mesi ma l'adozione resta limitata. La lettura sistematica dei changelog, inclusi quelli secondari, rappresenta un vantaggio competitivo sottostimato.

Un prodotto validato internamente non è necessariamente validato per il mercato. Ciò che appare ovvio al team è la prima richiesta dei beta tester. La beta serve a disimparare la competenza implicita interna.

La fedeltà a un singolo provider costituisce un lusso, il cost-aware routing una necessità operativa. La selezione del modello appropriato al singolo task supera in rilevanza la selezione del miglior modello in assoluto.

Per l'italiano tecnico enterprise, il divario open vs closed resta rilevante. Su progetti sensibili, un LLM commerciale con DPA chiaro supera in affidabilità un self-hosting immaturo.

All'aumentare del volume, la revisione visuale fallisce. Le eval costituiscono il termometro della qualità agentica. Non rappresentano un'attività opzionale di laboratorio, ma una pratica standard di produzione.

I dati erano disponibili da mesi, privi di analisi. L'AI non ha generato nuove informazioni: ha reso leggibile quanto già presente. In alcuni contesti il valore dell'AI non risiede nella risposta, ma nella formulazione della domanda.

L'interfaccia condiziona il workflow in misura superiore alle aspettative. Assegnare a ciascun agente una rappresentazione visiva distintiva modifica la modalità di delega del lavoro. Gli elementi di usabilità incidono significativamente sulla produttività reale.

L'interfaccia chat è nata per il turn-taking conversazionale. Il coding agentico non è conversazione: è flusso multi-thread. L'emergere di interfacce alternative è un tratto distintivo del 2026.

I tool semplici superano i tool sofisticati quando supportano un workflow reale. Markdown, cartelle, un agente che legge e scrive: una soluzione meno complessa di quanto appaia, ancora sottoutilizzata in molti contesti enterprise.