Un ticket entra nel supporto, un agente consulta repository, issue e attività aperte, poi consegna a una persona il contesto necessario per decidere. Il passaggio importante del 16 ottobre 2026 non è un nuovo chatbot: è l’AI che entra nel processo, esegue una parte del lavoro e si ferma davanti a un controllo umano.

Replit porta gli agenti nel flusso operativo

Al TechCrunch Disrupt, il CEO di Replit Amjad Masad ha descritto la sua idea di «self-driving company». L’esempio concreto riguarda il supporto: un agente fa il primo triage leggendo issue GitHub, codebase e ticket Linear; una persona valuta il caso e può avviare con un clic un altro agente per preparare una correzione. Masad non ha presentato metriche di produttività, quindi la definizione resta una visione aziendale, non una prova generale. Il workflow riportato da TechCrunch, però, è abbastanza preciso da essere replicato in piccolo.

Per una PMI, la lezione non è automatizzare l’intera assistenza. Conviene partire da una fase reversibile: classificazione del ticket, raccolta del contesto e proposta della prossima azione. La decisione e l’invio restano alla persona, secondo lo stesso principio dell’outbox prima dell’azione esterna.

Torvalds usa l’AI, ma dentro un sistema di verifica

Linus Torvalds ha pubblicato una prima patch del kernel Linux assistita da un LLM per affrontare la contesa della cache quando molte CPU leggono lo stesso file. Il test sintetico citato mostra un miglioramento di 23 volte, ma Torvalds stesso precisa che nessun carico reale vedrà quel valore. È una distinzione essenziale: il numero misura un caso costruito per isolare il problema, non una promessa di accelerazione per server e siti web.

Il dato interessante, riportato da Tom’s Hardware, è il contesto: branch di sviluppo, benchmark dedicato, revisione e competenza del maintainer. L’AI accelera l’esplorazione, ma la qualità deriva dal sistema di test. Chi sviluppa plugin WordPress o automazioni dovrebbe copiare questa parte, non il numero: test ripetibili, staging e responsabilità nominativa sulla modifica.

Attie unisce creazione e distribuzione

Bluesky ha esteso Attie per permettere di creare siti, quiz, sondaggi, giochi e altre esperienze interattive con l’AI. Secondo TechCrunch, i progetti usano l’identità ATProto e possono raggiungere il pubblico della rete; gli utenti possono portare un proprio modello oppure scegliere opzioni open-weight.

Qui cambia il collo di bottiglia. Generare una mini-app diventa più semplice, ma pubblicarla dentro una rete non risolve automaticamente utilità, accessibilità, privacy o manutenzione. Prima di adottare strumenti simili per campagne e lead generation, servono almeno quattro test per una mini-app AI: obiettivo misurabile, dati minimi, fallback e verifica su dispositivo reale.

Windows prepara l’AI locale per gli agenti

Microsoft ha aperto una seconda strada: eseguire modelli e strumenti sul dispositivo. Il Surface Laptop Ultra con RTX Spark arriva fino a 128 GB di memoria unificata; l’azienda mostra anche GitHub Copilot con un modello locale e automazioni che non consumano crediti AI. Nella pagina ufficiale sull’intelligenza ibrida di Windows compaiono inoltre container di esecuzione pensati per isolare gli agenti.

Locale non significa automaticamente economico o sicuro. Riduce l’invio di alcuni dati al cloud e rende prevedibile una parte dei costi, ma sposta sull’azienda aggiornamenti, capacità hardware e controllo degli strumenti. Per questo l’AI locale ha comunque un costo operativo.

La scelta operativa per PMI e professionisti

Le quattro notizie convergono su un punto: il vantaggio non sta nel modello isolato, ma nel workflow che collega contesto, esecuzione, test e approvazione. Questa settimana sceglierei un solo processo frequente e a basso rischio, per esempio il triage dei ticket o la preparazione di una bozza tecnica. Misurerei tempo risparmiato, correzioni umane ed errori evitati per 30 esecuzioni.

Solo dopo quei dati concederei un’azione aggiuntiva all’agente. Permessi minimi, log consultabili, ambiente separato e gate umano prima di pubblicare o inviare restano la base. Un agente che produce più velocemente senza questi limiti non rende l’azienda autonoma: rende soltanto l’errore più rapido.