Vai al contenuto
Ora nel mondoEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portale su IA e tecnologiaeventi · analisi · interviste · approfondimenti tecnici

Cerca
LIVE
›

Agenti AI per le imprese: arriva un piano di controllo, un'algebra dei permessi e uno strato di identità

Il 30 settembre OpenClaw ha aperto il codice di un piano di controllo per agenti AI persistenti in azienda. Lo stesso giorno due progetti open source separati hanno pubblicato guardrail deterministici e un protocollo di identità per agenti. Tutti e tre puntano allo stesso vuoto: gli agenti sono facili da avviare, difficili da verificare.

IA e modelliSpiegatoChiara RomanoPubblicato: 30 settembre 20266 min di letturaFonti 9
Agenti AI per le imprese: arriva un piano di controllo, un'algebra dei permessi e uno strato di identità

L'ultimo pezzo dell'infrastruttura per gli agenti aziendali è arrivato il 30 settembre. Quel giorno la OpenClaw Foundation ha pubblicato OpenClaw Enterprise (OCE), un piano di controllo open source e indipendente dai fornitori per agenti persistenti. Il progetto dichiara di sviluppare il software allo scoperto, in vista di una release 1.0 più avanti quest'anno. Chi vuole può già ospitarlo in proprio tramite docker-compose o Kubernetes.

OCE è nato dentro OpenAI ed è stato donato alla OpenClaw Foundation. Ora lo sviluppano insieme Red Hat e NVIDIA, secondo il post sul blog del progetto. Lo stesso post afferma che OCE è in fase di sperimentazione interna presso Red Hat e OpenAI. OpenAI esegue già agenti OpenClaw con accesso completo a basi di codice e plugin, aggiunge il post. Il dettaglio mostra quanto l'azienda si sia allontanata dall'idea di un agente come semplice demo.

Il blocco è la governance, non le capacità

Vale la pena leggere con attenzione come il post imposta la questione. OpenClaw ammette che quasi un anno dopo il lancio "la diffusione effettiva degli agenti persistenti resta limitata". Aggiunge che l'IT della maggior parte delle organizzazioni sceglie per default di vietare del tutto le piattaforme agentiche. OCE punta a rispondere a una domanda ristretta. Come si distribuiscono agenti capaci in un ambiente sensibile senza togliere le capacità che li rendevano utili? La risposta offerta è multi-tenancy, confini di sicurezza rigidi tra carichi di lavoro fidati e non fidati, sandboxing, revisioni basate su LLM, permessi granulari e verificabilità lungo tutto il ciclo di vita dell'agente. È una lista lunga, e ogni voce porta con sé un proprio costo operativo.

Gartner sostiene una tesi vicina e più brutale. La società di consulenza prevede che entro il 2028 il 70 percento delle imprese abbandonerà i sistemi di AI agentica costruiti con l'assistenza di un fornitore. I costi salgono e i clienti faticano a modificare la tecnologia senza aiuto esterno, ha riportato The Register il 30 settembre. Il bersaglio di Gartner è quello che chiama forward-deployed engineering. Un fornitore inserisce i propri ingegneri presso un cliente per costruire e distribuire software secondo le sue esigenze. Il progresso rapido delle prime fasi, sostiene la tesi, può lasciare il cliente dipendente da competenze esterne costose.

"I coinvolgimenti FDE meglio definiti hanno linee guida chiare su governance, creazione di valore per il business, proprietà della proprietà intellettuale, comproprietà del progetto, trasferimento di conoscenze e una strategia di uscita dal primo giorno", ha detto Mukul Saha, senior director analyst di Gartner, secondo The Register.

Gartner prevede anche che fino al 2028 meno del 20 percento di questi coinvolgimenti trasformerà esigenze ricorrenti dei clienti in funzionalità del prodotto principale del fornitore. Mette in guardia dal "FDE washing", quando una consulenza ordinaria viene venduta come qualcosa di più specializzato. The Register nota che non è il primo avvertimento del genere da parte di Gartner. Previsioni precedenti riguardavano progetti di AI generativa che superano i budget. Riguardavano anche il 40 percento delle distribuzioni di agenti AI ridimensionate o dismesse per problemi di governance.

Altri due tentativi di rendere gli agenti responsabili

Sempre il 30 settembre, un progetto chiamato OpenAPPA ha pubblicato guardrail deterministici che si collocano tra un agente e i suoi strumenti. Rispondono a una domanda prima di ogni azione: questi dati possono andare a questa destinazione? Il repository GitHub descrive il software come basato su APPA, un'Agentic Permissions Policy Algebra. APPA tiene traccia della sensibilità e dell'affidabilità di tutto ciò che un agente legge. Poi verifica ogni chiamata a uno strumento rispetto a quel registro, prima che la chiamata venga eseguita. La tesi è che classificatori e rilevatori di PII sono probabilistici, mentre questo controllo è deterministico e restituisce la stessa decisione a ogni esecuzione.

I numeri di benchmark del progetto, pubblicati sul repository, sostengono che nessun attacco valutato è andato a segno contro OpenAPPA in 1.320 valutazioni. Ha completato dall'88 al 90 percento dei compiti. La stessa tabella colloca Microsoft FIDES al 41 percento di completamento dei compiti, con il 31 percento di attacchi riusciti. Colloca la modalità automatica di Claude Code al 90 percento di completamento, con 10 attacchi riusciti su due suite. Sono cifre pubblicate dal fornitore sui benchmark del fornitore stesso. Il repository precisa che il lavoro è un'anteprima e una RFC, con superfici di configurazione e di rete che possono cambiare senza shim. Il paper alla base è stato accettato al NeurIPS 2026 Workshop on Agents in the Wild.

Un terzo progetto, UAI, è uscito lo stesso giorno con un protocollo aperto per identità, autorizzazione e responsabilità verificabile in modo indipendente degli agenti. Divide il problema in quattro artefatti. Un UAI-ID per stabilire chi è l'agente. Una credenziale che lo lega a un proprietario. Un passaporto per un'autorizzazione limitata nel tempo e nella giurisdizione. E attestazioni firmate delle azioni, che registrano cosa ha fatto davvero. Il README è prudente su ciò che questo non fa. "UAI non sostiene che un agente AI sia sicuro", si legge, solo che le azioni diventano attribuibili e verificabili. Il design evita di proposito un'unica autorità globale e punta invece su registri federati. Il verificatore nel browser serve a validare le prove localmente, invece di chiedere al registro se le sue stesse prove sono valide.

Il mercato corre più veloce dei controlli

Gli agenti rivolti ai consumatori sono già in distribuzione a un ritmo diverso. DoorDash ha annunciato il 30 settembre un agente text-to-order che permette agli utenti di fare ordini tramite Apple Messages, secondo TechCrunch. Gestisce richieste come "ordina il mio solito" e ordini di gruppo con preferenze alimentari diverse. L'azienda sta aprendo una lista d'attesa negli Stati Uniti. Ha inoltre annunciato che inizierà a testare droni per le consegne con ristoranti selezionati nella California del Nord. DoorDash posiziona l'agente contro Uber Eats e Grubhub.

Muse di Meta, annunciato all'inizio di settembre, è l'altra grande spinta dal consumo all'impresa. Il blog di Tailscale del 30 settembre offre lo sguardo più concreto su come un agente del genere viene recintato. Muse gira in una macchina virtuale Linux, isolata per default dai dati degli utenti e dai servizi esterni. Ha connettori per calendario, contatti, dispositivi per la casa intelligente, Gmail, Outlook, Spotify e le app di Meta. L'integrazione di Tailscale rende Muse un nodo sulla tailnet dell'utente, dove valgono le solite autorizzazioni, i tag e i controlli di accesso. Tailscale segnala anche il rischio ovvio. Il prompt injection passerà comunque. Collegare un agente che può vedere servizi ospitati in proprio e usare SSH solleva domande a cui gli utenti dovrebbero rispondere con consapevolezza.

Sempre il 30 settembre è arrivato su GitHub un motore di inferenza self-hosted chiamato Magnitude. Sostiene di essere fino a 2 volte più veloce di llama.cpp, con il 92 percento di decodifica più rapida su Metal e il 19 percento su CUDA, e il 27 percento di memoria in meno per agente. Uno strumento chiamato git-dedup, pubblicato lo stesso giorno, sostiene checkout di grandi dimensioni 6 volte più veloci e una riduzione del 70 percento dello spazio di archiviazione Git. Si passa da 35,5 GB a 11,1 GB su 117 checkout, pensato espressamente per flotte di agenti che scrivono codice. DevNavigator ha riportato il rapporto State of agent skills di Vercel del 25 settembre. Afferma che skills.sh ha superato un milione di inserzioni e quasi 280.000.000 di installazioni registrate in sette mesi. Nota che quelle cifre descrivono l'attività del registro, non un valore di business dimostrato.

Il filo conduttore non è spettacolare. Il fronte delle capacità è affollato e si muove ogni settimana. Il fronte della contabilità è dove stanno arrivando i lavori più recenti: chi possiede l'agente, cosa può toccare e chi può dimostrare cosa ha fatto. Se uno di questi tre protocolli verrà adottato è una domanda diversa. Due sono anteprime, uno è una sperimentazione iniziale di un singolo fornitore, e la previsione di Gartner dà alle imprese fino al 2028 per decidere.

Commenti 0

Fonti

9
  1. 01OpenClaw Enterprise – The Open Agent PlatformEN
  2. 027 in 10 enterprises expected to abandon vendor-built agentic AI by 2028EN
  3. 03OpenAPPA: Deterministic guardrails that don't break agentsEN
  4. 04UAI – An open protocol for identity and accountability of AI agentsEN
  5. 05DoorDash launches an AI agent you can text to order foodEN
  6. 06Agent, your network: How Meta's Muse agent works with TailscaleEN
  7. 07Launch HN: Magnitude (YC S25) – Self-optimizing inference engine for agentsEN
  8. 08Git-dedup – faster and smaller checkouts for agentic workflowsEN
  9. 09Agent Skills: 4 Powerful Ways to Improve Enterprise AIEN

Tutti i numeri e le citazioni di questo testo provengono dalle fonti elencate sotto.

I contenuti sono stati preparati dalla redazione con il supporto dell'IA.

Chiara Romano

Chiara Romano

IA, modelli e tecnologie

Chiara Romano scrive di tecnologia, IA e modelli, media e internet per FLASH24, partendo da documentazione tecnica, repository e specifiche invece che da comunicati stampa. Per ogni modello o piattaforma che segue controlla versioni, licenze, parametri e benchmark, e verifica i numeri confrontandoli con i dati originali o con test indipendenti. Confronta le schede tecniche tra fornitori, parla con sviluppatori e amministratori di sistema, e tiene d'occhio le finestre di rilascio e le modifiche ai termini d'uso. Fuori dalla redazione gestisce self-hosting e reti domestiche, esperienza che le serve per capire come funzionano davvero i servizi che racconta. Non pubblica una notizia se la fonte primaria non è verificabile.

Redazione →

Commenti

0
  1. Nessun commento — sii il primo.

Scrivi un commento

I commenti sono pubblici. Non pubblichiamo insulti, spam né pubblicità.