TL;DR: l’AI agentica sta diventando un sistema distribuito, non un semplice assistente. Le notizie del giorno mostrano lo stesso problema da quattro lati: coordinamento tra agenti, capacità cyber, pressione sulle CPU e infrastrutture fisiche. Per PMI e professionisti, il vantaggio non sarà avere più agenti, ma controllarne permessi, capacità e costi.
Le sessioni AI iniziano a coordinarsi
Claude Code 2.1.224 ha introdotto la messaggistica tra sessioni separate su macOS e Linux. Secondo MacRumors, i nuovi strumenti ListAgents e SendMessage permettono a una sessione di trovare le altre e inviare un riepilogo mentre stanno lavorando.
Il confine è la parte interessante: passano messaggi di testo, non cronologia, file o autorizzazioni. Una sessione ricevente non può approvare permessi per conto dell’utente. È una scelta tecnica sensata. Quando più agenti collaborano, il canale di coordinamento non deve diventare una scorciatoia per elevare i privilegi. Per chi automatizza sviluppo WordPress, QA e deployment, la regola è semplice: condividere stato e dipendenze, non autorità.
OpenAI rallenta Astra per il rischio cyber
Il 7 agosto OpenAI ha dichiarato di non poter escludere che Astra, un modello in sviluppo, raggiunga la soglia “Critical” per le capacità cyber prevista dal suo Preparedness Framework. L’azienda ha quindi sospeso le attività interne che non rispettano controlli rafforzati.
Le misure elencate sono concrete: ambienti isolati, accesso ristretto a rete e strumenti, protezione dei pesi, monitoraggio delle azioni rischiose e possibilità di interrompere l’esecuzione. È lo stesso principio che dovrebbe guidare un’automazione aziendale, anche se usa modelli molto meno potenti: autenticare l’utente non basta. Servono limiti su ciò che il workflow può leggere, modificare e pubblicare. Ho già affrontato questo punto parlando di sandbox e backup per gli agenti AI.
Gli agenti consumano anche CPU, non solo GPU
La capacità diventa un vincolo operativo. Tom’s Hardware, citando The Information, riferisce che AWS ha chiesto ai propri ingegneri di ridurre l’uso inefficiente delle istanze EC2. Alcuni accessi interni che richiedevano ore ora possono richiedere giorni.
Il motivo è architetturale. Un agente non esegue solo inferenza sul modello: orchestra processi, apre connessioni, interroga database, trasforma file e mantiene servizi attivi. Il carico si sposta quindi anche sulle CPU general purpose. La disponibilità di acceleratori resta importante, ma il costo reale dipende dall’intera catena, come mostra anche l’analisi su chip e costo per token.
Il data center torna una decisione locale
La quarta notizia porta il tema fuori dal software. Tom’s Hardware riferisce che a Gilroy, in California, l’avvio dei lavori per un data center AWS ha riacceso il confronto pubblico dopo la chiusura della fase formale di commento. La scheda ufficiale della città descrive un progetto su 56 acri, con due edifici per circa 438.500 piedi quadrati. La prima fase richiede una connessione elettrica da 49 MW.
Il punto non è attribuire scorrettezze senza prove: il progetto ha seguito un iter iniziato nel 2020 e la consultazione ambientale si è chiusa nel 2024. Il punto è che la percezione pubblica dell’AI cambia più velocemente dei cicli autorizzativi delle infrastrutture. Energia, acqua, territorio e consenso diventano dipendenze del prodotto, non note a margine.
La take operativa: progettare il controllo prima della scala
Queste quattro notizie raccontano la stessa transizione. Più autonomia crea più traffico tra agenti, più superficie di attacco e più pressione sull’infrastruttura. Aggiungere un secondo o terzo agente senza un control plane chiaro moltiplica le dipendenze prima di moltiplicare il valore.
Per una PMI partirei da quattro verifiche: inventario degli strumenti accessibili, permessi minimi per ogni task, budget di concorrenza e costo, stop automatico sulle azioni irreversibili. Su WordPress significa separare lettura, bozza e pubblicazione; nelle automazioni significa registrare ogni tool call e richiedere un gate prima di email, deploy o modifiche ai dati. Il modello si può cambiare. Un processo senza confini, invece, resta fragile con qualsiasi modello.