Gli strumenti browser per agenti si dividono in due fronti: cosa possono vedere e cosa possono toccare

L'ultimo pezzo di strumentazione per agenti nel dossier è piccolo e poco appariscente. agent-desktop, pubblicato il 3 novembre sotto un indirizzo Vercel, legge l'albero di accessibilità di un'applicazione desktop e lo restituisce in JSON. Ogni elemento su cui un agente può agire riceve un riferimento su cui può fare clic, scrivere o attendere. Secondo la documentazione, lo strumento è distribuito come CLI e come libreria C per macOS, Windows e Linux.

La documentazione è insolitamente esplicita sui limiti. "Non è un agente. Il ciclo osserva, agisci e verifica vive nell'agente o nello script che lo chiama", si legge. Non c'è nessun modello all'interno né prompt interattivo: ogni comando stampa un solo involucro JSON ed esce. Il testo ammette anche i limiti tecnici. Lo strumento "legge gli alberi di accessibilità e non confronta i pixel, quindi non può vedere un'interfaccia che non espone alcun albero di accessibilità". E non automatizza affatto le pagine web, lasciando quel compito a uno strumento browser complementare.

Due superfici, due ordini di problemi

Questa separazione conta, perché il versante web dell'automazione con agenti è ormai un terreno di scontro legale. Lunedì 2 novembre il New York Times ha citato in giudizio Brave, sostenendo che l'azienda produttrice del browser ha raccolto i suoi contenuti protetti da copyright e li ha distribuiti a società di intelligenza artificiale che la causa indica come Anthropic, Perplexity, Mistral, xAI e Cohere, secondo quanto riportato da TechCrunch. Il Daily News, il Chicago Tribune e l'Orlando Sentinel hanno depositato lo stesso giorno una causa simile presso il tribunale federale di Manhattan.

Secondo il resoconto di TechCrunch, il Times paragona Brave a un "fornitore, intermediario e distributore di contenuti protetti da copyright rubati". La causa sostiene che l'azienda ha costruito un indice di oltre 30.000.000.000 di pagine web usando un crawler non identificato che gli editori non potevano bloccare. Nel mirino c'è anche una funzione di Brave che aggira i paywall e la pratica dell'azienda di bloccare gli annunci degli editori mentre vende i propri. Brave, fondata nel 2015, ha raccolto circa 250.000.000 di dollari finora, secondo i tracker di mercato privato citati da TechCrunch. Il Times chiede un'ingiunzione e il risarcimento dei danni.

Letti insieme, i due casi descrivono la stessa tensione da estremità opposte. L'automazione desktop tramite un albero di accessibilità resta dentro un'applicazione che l'utente già esegue. L'automazione web attraversa i confini degli editori, e il conto di questo arriva in tribunale.

Chi paga i token

Il costo è l'altro vincolo, e il dossier gli mette un numero accanto. Garry Tan, amministratore delegato di Y Combinator, ha detto al podcast The Builders di Walter Isaacson, in un episodio che secondo TechCrunch sarebbe dovuto uscire martedì, di spendere "all'incirca forse 100.000 dollari, forse 200.000 dollari l'anno in token". Gestisce un agente interno di YC chiamato Stray Light che conserva il contesto su ogni fondatore che l'acceleratore ha sostenuto. Il suo agente personale, ha detto, ha letto la sua posta, Dropbox e Apple Notes risalenti a 20 anni fa.

Tan è stato attento all'immagine. "È troppo costoso adesso", ha detto, definendo la propria spesa "un privilegio folle che non tutti possono permettersi". Questa ammissione stona accanto alle dichiarazioni dei fornitori. Momentic, società di YC W24 lanciata su Hacker News il 2 novembre, pubblicizza sulla propria pagina 77.813 test creati, 70.607.819 esecuzioni di test effettuate e 117.010 bug individuati. Vende test YAML in linguaggio naturale che un agente di programmazione può scrivere tramite MCP.

Le prove sono più fragili del marketing

Le misurazioni indipendenti sono più difficili da trovare. MIT Technology Review ha pubblicato il 2 novembre un'indagine secondo cui il 48% delle intuizioni generate dagli agenti di analisi porta ad azioni che migliorano l'attività, in aumento dal 37% di un anno prima. La mancanza di contesto aziendale è stata indicata dal 55% dei dirigenti come motivo principale dei risultati scadenti. L'articolo riporta una nota: è stato prodotto dalla divisione contenuti sponsorizzati della testata, non dalla redazione.

Il lavoro accademico è ancora più prudente. Un articolo inviato ad arXiv il 30 ottobre da Akshat Jani, Sakhinana Sagar Srinivas e Venkataramana Runkana ha verificato se gli agenti possono costruire specifiche JSON eseguibili complete per la creazione di geometrie, la generazione di mesh, la risoluzione di PDE e l'esportazione. Su 120 richieste legate a modelli, il flusso di lavoro completo ha raggiunto il 98,3% di specifiche corrette al primo turno e di esiti decisionali corretti, contro il 92,5% della modalità a colpo singolo assistita da schema e l'82,5% della modalità solo modello. Nessuna decisione di falso via libera tra le 42 richieste che necessitavano di chiarimento o rifiuto. Ma solo 9 dei 12 test dal vivo utente-risultati hanno ottenuto insieme specifica, esecuzione, esportazione e riferimento numerico corretti, cioè il 75,0%, e gli autori segnalano regressioni sulle risposte nuove come problema di coerenza.

Quel divario, quasi perfetto sui modelli e tre su quattro sulle richieste dal vivo, è il numero da tenere a mente. Strumenti come agent-desktop eliminano alcune modalità di errore rifiutandosi di indovinare: un'azione riuscita non dimostra che l'interfaccia sia cambiata, quindi il ciclo si chiude con una lettura.

La ricerca sull'allineamento va nella stessa direzione. MIT Technology Review ha riferito il 3 novembre che i ricercatori stanno esplorando la "teoria dei giochi inversa", o progettazione di meccanismi, per orientare gli incentivi degli agenti invece di ispezionare gli interni dei modelli. L'articolo cita un preprint dell'economista del MIT Stephen Morris e colleghi di Yale e Columbia sul controllo incrociato tra agenti per fermare il sandbagging. Morris ha detto alla testata che "gli agenti di intelligenza artificiale capiscono molto bene cosa possono ottenere gli altri agenti di intelligenza artificiale".

Niente di tutto questo stabilisce se ci si possa fidare degli agenti con un browser. Suggerisce però che il settore ha smesso di chiedersi se sanno fare clic e ha iniziato a chiedersi cosa sono autorizzati a vedere.