Nelle aziende si insegna ancora come si scrive un prompt fatto bene, quali parole usare, come strutturare la richiesta, quali errori evitare. Sembra un traguardo raggiunto ma in realtà è una fase che il resto del mondo ha già superato. Il rapporto pubblicato da Section a giugno 2026, condotto su oltre 5.000 lavoratori americani, racconta che il 69% dei lavoratori dichiara che la propria azienda ha già intrapreso qualcosa sugli agenti di intelligenza artificiale (AI), dando accesso a strumenti capaci di agire da soli e spingendo le persone a provarli. Solo il 16% li usa davvero e meno di uno su dieci sa spiegare a parole sue cosa sia un agente. Le aziende hanno comprato le licenze, le persone sono rimaste un passo indietro.

Nei corsi aziendali il programma è quasi sempre il come scrivere una richiesta efficace dentro una chat. Quali errori evitare, come restare dentro i paletti di sicurezza fissati dal reparto informatico (IT). Sempre secondo Section, il 37,8% dei lavoratori non ha ricevuto alcuna formazione sull’AI e, tra chi l’ha ricevuta, il 15% ha seguito soltanto contenuti su sicurezza e conformità. Solo il 17% ha ricevuto una formazione specifica su agenti e automazioni. La quota di chi sa scrivere un prompt efficace è salita dal 7% di ottobre 2025 al 21% di giugno 2026. Bene, ma è un progresso che riguarda ancora il gradino più basso della scala.

Un gradino più su c’è la capacità di scrivere istruzioni che un assistente esegue da solo, senza bisogno di essere guidato passo dopo passo ed è la base per costruire un agente vero. Nei test pratici di Section, solo il 3,8% dei lavoratori ci è riuscito. Chiedere bene resta comunque un dialogo. Una domanda che genera una risposta da leggere e adattare a mano. Delegare un compito è un’altra storia, significa affidare un obiettivo a un sistema che pianifica da solo i passaggi intermedi. Usa gli strumenti che gli sono stati autorizzati e torna in azione soltanto quando il lavoro è finito o quando serve una decisione umana.

Nella pratica, un agente di questo tipo, lavora sugli strumenti che si usano ogni giorno invece che su una copia finta dentro una chat. Claude Cowork di Anthropic, l’ambiente agentico pensato per lavorare con file, cartelle e applicazioni presenti sul computer, viene spesso mostrato all’opera proprio sulla cartella Download, quella che quasi tutti tengono in disordine. Claude organizza da solo centinaia di file per tipo e per data. Chiede conferma prima di procedere e restituisce il risultato finito. Sullo stesso principio l’agente legge documenti, li archivia al posto giusto, apre il browser e naviga un sito compilando un modulo quando serve. Per i compiti più articolati Anthropic distribuisce il lavoro su più sotto-agenti specializzati che procedono in parallelo, coordinati da un agente principale che alla fine ricompone i risultati.

A luglio 2026 anche Meta ha annunciato che il proprio assistente ottiene l’accesso a calendario e posta. Da quel momento manda da solo un riepilogo ogni mattina e gestisce attività ricorrenti senza bisogno di essere sollecitato ogni volta. Il sistema agisce sugli strumenti veri invece di indicare solo cosa fare.

Anche il caso più diffuso in azienda come Copilot dentro Microsoft 365, offre oggi una gamma di agenti che va da semplici agenti di domanda e risposta fino a sistemi più avanzati e completamente autonomi. Gli agenti dichiarativi, quelli basati su istruzioni e siti pubblici, sono gratuiti e attivi per impostazione predefinita. Gli agenti che accedono ai dati condivisi del tenant, come SharePoint, sono invece a consumo e restano disattivati finché un amministratore IT non configura la fatturazione.

Per chi ha già una licenza Microsoft 365, Copilot non serve invece alcuna azione, l’uso degli agenti è compreso nella licenza ma i limiti di uso IT, spesso sono di semplice chat di copilot. Il livello che la maggior parte delle persone incontra per prima, resta comunque quello base, degli agenti pensati solo per domande e risposte. Un corso che insegna soltanto a scrivere prompt migliori sta formando le persone per il gradino più semplice di una scala che arriva molto più in alto.

CrewAI, una piattaforma per gestire flotte di agenti AI, ha intervistato 500 dirigenti di aziende con almeno 100 milioni di dollari di fatturato e almeno 5.000 dipendenti. Il 100% delle organizzazioni prevede di ampliare l’uso di agenti nel 2026 e il 65% li usa già oggi ma spesso limitati. Purtroppo la carenza di competenze resta il secondo ostacolo più citato alla crescita, indicato dal 33% dei dirigenti, subito dopo i problemi di disponibilità e integrazione dei dati, al 35%.

WRITER, un’altra piattaforma AI per le aziende, racconta lo stesso squilibrio da un angolo diverso, in un’indagine condotta con Workplace Intelligence su 2.400 persone, metà dipendenti e metà dirigenti. Il 97% dei dirigenti dichiara che la propria azienda ha distribuito agenti nell’ultimo anno e il 52% dei dipendenti li usa già. Solo il 23% delle aziende vede un ritorno economico reale. Chi va oltre l’uso base, quelli che WRITER chiama utenti esperti, è considerato dall’87% dei dirigenti almeno 5 volte più produttivo. Ha anche 3 volte più probabilità di aver ricevuto sia una promozione sia un aumento nell’ultimo anno.

Un’altra distinzione che vale la pena conoscere è quella tra AI in cloud e AI in locale. Con Claude o ChatGPT il calcolo avviene sui server di Anthropic o di OpenAI. I dati passano da lì e l’uso oltre la soglia gratuita richiede un abbonamento. Un’alternativa sempre più diffusa tra chi mastica davvero questa materia, è far girare i modelli direttamente sul proprio hardware. Con strumenti come Ollama o LM Studio che, in pochi minuti, mettono in piedi modelli aperti come DeepSeek, Qwen o Llama, anche senza connessione a Internet.

Il Mac mini con chip M4 Pro è diventato per questo un piccolo oggetto di culto tra chi sperimenta con agenti locali come OpenClaw, di cui ho già scritto su questo blog. La memoria unificata è il parametro che conta di più perché il modello deve starci caricato per intero. Fino a maggio 2026 Apple lo configurava fino a 64 gigabyte. Poi ha ridotto il tetto massimo a 48 gigabyte a causa della scarsità globale di chip di memoria. La stessa corsa all’accaparramento alimentata dalla domanda di calcolo per l’AI. Nel 2026 la domanda per i modelli con più memoria ha creato settimane di attesa.

Il vantaggio è il controllo pieno sui dati e nessun abbonamento mensile legato all’uso, a fronte di una spesa una tantum che cresce parecchio salendo di configurazione. Il limite è la qualità del modello e dipende dalla memoria installata sulla macchina scelta. Un servizio cloud come Claude o GPT, scala all’istante su modelli molto più grandi di quello che qualsiasi Mac mini potrà mai contenere. È soprattutto una questione di equilibrio, quanto controllo si vuole tenere in casa e quanto si è disposti a spendere per mantenerlo.

Lavoro ogni giorno con un ambiente costruito su questo principio, un archivio personale strutturato. Quello che altrove viene chiamato secondo cervello, su cui più agenti collaborano tra loro invece di rispondermi uno alla volta dentro una finestra di chat. Non chiedo mai a un agente di “aiutarmi con un file”. Gli affido un obiettivo con dei confini precisi e lo lascio lavorare. Quando devo mettere insieme una ricerca su un tema tecnico, un agente cerca le fonti, le legge per intero, le confronta tra loro e aggiorna la nota di sintesi dentro l’archivio e mi restituisce il risultato finito.

Quando arriva un documento nuovo, un altro agente lo legge, capisce a quale progetto appartiene, lo archivia nella cartella giusta e aggiorna l’indice. Mi avvisa solo se trova qualcosa che richiede una mia decisione. A volte sono due agenti in sequenza, uno prepara il materiale grezzo e l’altro lo verifica e lo trasforma nel formato che mi serve. Non devo fare da postino copiando testo da uno strumento all’altro. Nessuno di questi passaggi comincia con un prompt scritto lì per lì ma inizia con un obiettivo dato una volta. Il tutto con margini di autonomia definiti in anticipo e con un sistema che sa già come portarlo a termine. Questo post è stato corretto e gestito dal mio pannello di amministrazione da 3 agenti diversi. Ognuno con i suoi sotto-agenti che hanno interagito tra di loro e hanno programmato la pubblicazione dopo aver chiesto la mia supervisione e approvazione.

Imparare a scrivere un prompt migliore resta utile, certo, + comuqnue solo il primo gradino di una scala molto più lunga. Il salto vero comincia quando si smette di limitarsi a fare domande e si comincia a delegare compiti interi, con la possibilità di controllare il risultato finale. Le aziende che investiranno per colmare questa distanza, nella formazione delle persone oltre che nelle licenze, partiranno con un vantaggio difficile da recuperare più avanti. Chi pensa di essere arrivato solo perché ha imparato cosa chiedere e come chiederlo, in realtà è ancora al punto di partenza. C’è chi è ancora fermo lì e chi ha già iniziato a delegare. L.L.

P.S.
Presto servizio di consulenza, potete contattarmi alla mia e-mail luigi@litti.it