L’intelligenza artificiale agentica sta cambiando il modo in cui utilizziamo i sistemi AI. Fino a poco tempo fa chiedevamo soprattutto risposte, testi, immagini o sintesi. Oggi, invece, alcuni sistemi possono ricevere un obiettivo, organizzare il lavoro, utilizzare strumenti digitali e verificare i risultati.
Un recente esperimento di Anthropic mostra molto bene questa evoluzione.
Nel settembre 2026 Claude ha contribuito a individuare un sistema biologico fino a quel momento non caratterizzato.
Ma il punto più interessante, soprattutto dal lato informatico, non è la scoperta in sé.
È come l’intelligenza artificiale è arrivata a individuarla.
Intelligenza artificiale agentica: cosa mostra l’esperimento di Anthropic
Anthropic ha affidato a Claude un compito molto ampio: analizzare una grande quantità di dati biologici e individuare elementi che potessero meritare un approfondimento.
Il sistema non doveva semplicemente cercare una risposta già conosciuta.
Doveva esplorare i dati, confrontare informazioni e capire quali direzioni fossero più interessanti.
Secondo Anthropic, circa 950 agenti AI hanno lavorato per 21 ore.
Durante questo processo hanno analizzato oltre 200.000 elementi, individuato migliaia di possibili candidati e ristretto progressivamente il campo.
Alla fine, uno degli agenti ha riconosciuto un particolare schema che ha attirato l’attenzione dei ricercatori.
Da lì è stato individuato un sistema enzimatico non ancora caratterizzato, chiamato ART.
Non serve entrare nei dettagli biologici per comprendere la portata dell’esperimento.
La vera novità è un’altra.
L’intelligenza artificiale non ha semplicemente risposto a una domanda. Ha esplorato un problema complesso attraverso centinaia di agenti che hanno lavorato in parallelo.
Ed è proprio questo uno degli aspetti più interessanti dell’intelligenza artificiale agentica.
Come funziona l’intelligenza artificiale agentica
Un chatbot tradizionale riceve una richiesta e genera una risposta.
Un agente AI può fare qualcosa di più.
Riceve un obiettivo e può decidere quali passaggi svolgere per raggiungerlo.
Può, per esempio:
- cercare informazioni;
- interrogare database;
- utilizzare strumenti esterni;
- confrontare risultati;
- analizzare documenti;
- verificare il proprio lavoro;
- collaborare con altri agenti.
L’obiettivo, quindi, non è più soltanto produrre un contenuto.
Diventa portare a termine un processo composto da diverse attività.
Il caso Anthropic è interessante proprio per questo.
Non abbiamo un singolo modello che cerca una risposta immediata. Abbiamo molti agenti che svolgono attività diverse e contribuiscono allo stesso obiettivo.
È un’evoluzione che avevo già approfondito parlando dell’era dell’IA agente e del suo impatto su aziende, sanità e cybersecurity.
Dai chatbot ai sistemi multi-agente
Possiamo immaginare un sistema multi-agente come un piccolo team digitale.
Un agente può occuparsi della ricerca, mentre un altro analizza le informazioni. Un terzo può confrontare i risultati ottenuti.
Infine, un sistema supervisore può coordinare le diverse attività.
È un approccio molto diverso rispetto al software tradizionale.
Pensiamo, per esempio, a un processo aziendale.
Un agente potrebbe leggere una richiesta ricevuta da un cliente. Un secondo potrebbe recuperare informazioni da un gestionale.
Un terzo potrebbe controllare i documenti disponibili. Infine, un altro agente potrebbe preparare una risposta da sottoporre all’operatore.
Il principio è simile a quello utilizzato nell’esperimento di Anthropic: dividere un problema complesso in attività più piccole e coordinate.
Perché è diversa da una normale automazione
L’automazione informatica esiste da decenni.
Una normale automazione, però, segue spesso una sequenza già definita.
Se accade A, il sistema esegue B.
L’intelligenza artificiale agentica introduce maggiore flessibilità.
Gli agenti possono interpretare una richiesta in linguaggio naturale, scegliere uno strumento e modificare il percorso in base ai risultati ottenuti.
Questo significa maggiore capacità di adattamento.
Ma significa anche maggiore autonomia.
Ed è proprio questo il passaggio che rende l’esperimento di Anthropic particolarmente interessante.
Il sistema non conosceva in anticipo quale elemento avrebbe trovato.
Ha analizzato un grande spazio di possibilità e ha selezionato autonomamente quelle ritenute più promettenti.
Il vero valore è nei dati e nelle connessioni
Un agente AI non lavora nel vuoto.
Per essere utile deve poter accedere alle informazioni e agli strumenti necessari.
Può interrogare un database, leggere documenti e utilizzare applicazioni attraverso le API. Inoltre, può confrontare dati provenienti da fonti differenti e metterli in relazione tra loro.
Per questo motivo, il futuro dell’intelligenza artificiale non dipenderà soltanto dalla potenza dei modelli.
Dipenderà anche dalla qualità delle infrastrutture digitali.
Dati frammentati, sistemi chiusi e informazioni difficili da recuperare limitano fortemente le capacità dell’AI.
Questo diventa ancora più evidente in sanità.
Intelligenza artificiale agentica e sanità digitale
Immaginiamo lo stesso principio applicato a un ambiente sanitario.
Un agente potrebbe recuperare documenti clinici.
Un altro potrebbe organizzare informazioni provenienti da diversi sistemi. Inoltre, un ulteriore agente potrebbe supportare attività amministrative o documentali.
Naturalmente, in questo settore esistono vincoli molto più stringenti.
Privacy, sicurezza, correttezza dei dati e controllo umano diventano essenziali.
Inoltre, serve interoperabilità.
Un sistema AI molto avanzato può fare poco se i dati sono distribuiti tra applicazioni che non comunicano tra loro.
Per questo temi come Fascicolo Sanitario Elettronico 2.0, standardizzazione e interoperabilità diventano sempre più collegati allo sviluppo dell’intelligenza artificiale.
Anche la Commissione europea dedica uno specifico approfondimento all’intelligenza artificiale in sanità, evidenziando il ruolo dei dati e delle infrastrutture digitali.
Il futuro dell’AI sanitaria, quindi, non dipenderà soltanto da modelli sempre più potenti.
Dipenderà dall’intero ecosistema digitale nel quale questi sistemi dovranno operare.
Più autonomia significa più cybersecurity
C’è poi un altro punto fondamentale.
Un chatbot produce principalmente una risposta. Un agente può invece interagire con sistemi, database e applicazioni.
Di conseguenza, cambia anche il livello di rischio.
Bisogna stabilire con precisione quali informazioni può consultare, quali azioni può compiere e quando deve fermarsi.
In alcuni casi, inoltre, sarà necessaria l’approvazione di una persona.
Tutte le attività devono anche poter essere tracciate.
Più aumenta l’autonomia del software, più diventano importanti sicurezza, controllo degli accessi e audit.
In sanità questo aspetto è ancora più delicato, perché riguarda dati personali e clinici particolarmente sensibili.
Il rapporto tra questi due mondi è molto stretto. Ne ho parlato anche nell’approfondimento dedicato ad intelligenza artificiale e cybersecurity nella sanità italiana.
Intelligenza artificiale agentica: il limite resta il controllo umano
C’è però un dettaglio importante nell’esperimento di Anthropic.
Claude ha individuato un elemento interessante attraverso l’analisi dei dati.
Ma sono stati gli scienziati a verificare il risultato in laboratorio.
Ed è proprio questo il modello più realistico per i prossimi anni.
L’intelligenza artificiale può cercare, analizzare, confrontare e suggerire.
Tuttavia, alcune decisioni devono continuare a essere controllate da una persona.
È il principio dell’human in the loop.
L’obiettivo, quindi, non è creare sistemi completamente indipendenti.
È capire quali attività possiamo delegare e quali devono restare sotto supervisione umana.
Dall’AI che risponde all’AI che agisce
Il caso Anthropic è interessante non soltanto perché Claude ha contribuito a una scoperta scientifica.
È interessante perché mostra un nuovo modo di utilizzare l’intelligenza artificiale.
Centinaia di agenti hanno lavorato sullo stesso problema, analizzato informazioni e selezionato possibili direzioni.
È un passaggio importante.
L’intelligenza artificiale agentica segna infatti il passaggio da sistemi che generano contenuti a sistemi capaci di partecipare ai processi.
E questo cambia anche il modo in cui dovremo progettare il software.
Serviranno dati accessibili, sistemi interoperabili, API, cybersecurity e controlli chiari.
Soprattutto servirà una nuova domanda.
Non soltanto: “Cosa può fare l’intelligenza artificiale?”
Ma anche: “Quanta autonomia vogliamo affidarle?”
Dall’AI alla progettazione di processi intelligenti
Gas.Net Engineering affianca aziende e organizzazioni
nell’integrazione dell’Intelligenza Artificiale nei processi digitali.
L’obiettivo è costruire soluzioni basate su
sicurezza, interoperabilità, dati affidabili e controllo umano.
