Sarebbe stato difficile immaginare che le intelligenze artificiali non avrebbero avuto effetto sul mercato del lavoro. Ma capire come sarebbe accaduto era oggettivamente molto difficile. Adesso iniziamo ad avere degli esempi di cosa potrebbe succedere e possiamo tentare una previsione.

Chi segue questo blog si ricorderà che fin dall’inizio abbiamo parlato degli “agenti”: in un primo articolo del 20 novembre 2023 abbiamo descritto il processo tramite cui ChatGPT scrive prompt per il suo stesso funzionamento, costruendo un sistema che lavora da solo.

Mentre i primi agenti erano improbabili costruzioni, proof of concept che sembravano uscite da un garage, appiccicate con lo scotch, oggi alcune funzionalità degli agenti sono state integrate all’interno delle intelligenze artificiali.

Per esempio, nella prima ondata di intelligenza artificiale, si poteva solo farsi suggerire che tipo di ricerca fare su internet. Nella seconda, l’intelligenza artificiale è stata in grado di cercare direttamente. Ma il vero salto è stato quello successivo. Le ricerche profonde, traduzione italiana di deep search o deep research. Le hanno presentate a poca distanza temporale: ChatGPT di Openai, Gemini di Google, Perplexity di Perplexity AI, Grok di X AI e, più in ritardo, Claude di Anthropic. In tutti i casi si richiede una ricerca, lo strumento si assicura bene di avere capito cosa deve cercare e si lancia ad approfondire l’argomento. Legge e confronta tra i 50 e i 200 documenti. Lavora per 5-10 lunghi minuti. Periodo in cui non puoi in genere lanciare un’altra ricerca. E poi presenta un documento di diverse pagine, circa 5-10 a seconda dello strumento e dell’argomento, che integra tutto quello che ha appreso. Il risultato è sconvolgente. Immaginate di avere appena scoperto un nuovo argomento di cui non sapete niente. Lanciate una di queste ricerche, vi scaldate il thè, e al ritorno leggete 10 pagine. In 15 minuti avete appreso l’equivalente di 2 giorni di ricerca intensa. Lo strumento è costoso e le aziende all’inizio ne centellinavano l’uso (non più di 30 ricerche al mese, limitava OpenAI), o offrivano costosi piani. Molti sono passati dal pagare 20 euro al mese a 100 euro per non avere questi limiti.

Torniamo al tema principale. Il 7 febbraio 2024 abbiamo esplorato come le nuove AI fossero in grado di aiutare i programmatori. Non solo correggendo il codice, ma scrivendolo proprio.

E anche qui le diverse aziende hanno presentato prodotti diversi. Chi, come Google, sviluppando intelligenze artificiali specializzate nello scrivere codice. Chi, come Microsoft, presentando strumenti che si integravano con i programmi di scrittura. E chi, come Cursor, addirittura sviluppando programmi alternativi pensati per far scrivere alle macchine il codice. Questo solo per menzionare un singolo esempio per ogni tipo di programma.

Anche qui gli agenti sono entrati cambiando enormemente l’esperienza. Invece di domandare al programma un pezzo di codice è ora possibile chiedere di sviluppare un intero programma, o aggiungere delle funzionalità a un programma. È qui che si integra l’articolo sul vibe coding del 25 marzo 2025:

E qui vediamo finalmente i primi veri cambiamenti nel mercato del lavoro. Le persone non scrivono più codice. Il loro compito è guidare le AI nello scriverlo per loro. A volte i programmatori pretendono di comprendere il codice scritto. Sempre più spesso questa pretesa viene abbandonata. Le AI funzionano attraverso agenti, ma questi agenti non lavorano per 5-10 minuti come quelli che fanno ricerca online, ma molto più a lungo. Anche mezz’ora o più. E in questa mezz’ora fanno il lavoro che avrebbe richiesto giorni di sforzo a un ingegnere informatico pre-AI. Far funzionare un agente non è banale. Non è solo il problema di dare il prompt giusto, ma anche assicurarsi che l’AI non cancelli il lavoro completato nelle sessioni precedenti. Una cosa talmente comune, parlo per esperienza, che io per esempio applico una filosofia di microsteps. Piccoli passi. Ma gli ingegneri bravi scrivono regole per i loro agenti, e gliele fanno rispettare. E queste regole evitano (così ci raccontano) che l’AI di martedì cancelli il lavoro dell’AI di lunedì.

Addirittura riescono a lanciare diversi agenti sullo stesso progetto in contemporanea. Per esempio Cursor, che è stato uno dei primi prodotti a integrare la programmazione ad agenti, subito copiata da Copilot di Microsoft, ha da poco introdotto la programmazione ad agenti… in background. Cioè sullo sfondo. In altre parole dai le istruzioni a un agente e lo fai lavorare in sottofondo. E tu intanto fai altro… per esempio fai partire l’agente successivo.

Non solo è necessario imparare come guidare gli agenti in maniera che il codice che scrivono funzioni e continui a funzionare man mano che cresce. Ma un secondo problema è imparare a suddividere il codice in parti separate che si parlino.

Un problema che in genere riguarda solo gli architetti dei software (software architect) e lo sviluppatore capo (lead developer) di un software complesso. Ma se si vuole sviluppare il codice con vari agenti in parallelo è necessario suddividerlo bene.

Questi agenti non riguardano solo le ricerche internet e la scrittura di codice, ma anche altri ambiti. Da quelli finanziari a quelli creativi. Quasi ogni ambito che era prima gestito da una persona e un’AI, è adesso affrontabile da una persona e uno o più agenti. Puoi avere un agente che per ogni azienda valuta il prezzo equo a cui dovrebbe essere scambiata, sulla base di quello che produce. E mandare vari agenti, per studiare ogni azienda in un campo. E poi diversi agenti per studiare strategie finanziarie differenti, integrando queste informazioni. Tutto questo già accade. È meno pubblicizzato, perché in finanza conviene non raccontare quello che si fa. Ma molti hedge funds e istituti lo fanno già.

Quello che emerge da questa trasformazione è un pattern preciso. Il programmatore tradizionale non scompare: si evolve in qualcosa di più sofisticato. Diventa l'orchestratore che prende un progetto complesso e lo scompone in parti gestibili, poi libera i suoi agenti su ciascuna componente mentre mantiene la visione d'insieme. È come osservare un falconiere esperto: non caccia direttamente, ma coordina creature autonome e potenti che eseguono compiti specifici prima di tornare alla base. Questa persona singola riesce a portare a termine progetti che prima richiedevano team interi, non perché lavori di più, ma perché sa dirigere intelligenze multiple in parallelo.

È un lavoro più complesso, ma dà anche molte più soddisfazioni. E apre al mercato possibilità prima inesistenti. Il paradosso di Jevons applicato agli agenti.

La grandezza massima del software che può essere sviluppato per soddisfare una comunità dipende dalla grandezza di quella comunità. Più persone sono disponibili a comprarlo, più programmatori possono lavorarci. Ma se la produttività dei programmatori si moltiplica per 10, vuol dire che gruppi più piccoli di persone possono essere soddisfatti dal software sviluppato.

Facciamo un esempio. Ho recentemente scritto un articolo sulla permacultura che comparirà su Futura Network nei prossimi giorni. Abbiamo software per gestire automaticamente monoculture agricole enormi. Ma non c’è niente per i permacultori. Non è solo che idealizzano un mondo senza tecnologia, è anche che sono pochi, e nessuna azienda si può permettere il costo di sviluppare un software complesso per loro… finora. Ci sono software per giocare a scacchi e a Go. Non ci sono software per giocare a Quoridor. È un mercato troppo piccolo… finora. Eccetera.

Si aprono possibilità enormi proprio perché, anche se ci vogliono meno persone per scrivere progetti, lo spazio dei progetti economicamente possibili si apre immensamente.

Vi accludo in appendice la ricerca profonda di Claude su questo argomento (tradotta in italiano). Trovate lì tutti i numeri della trasformazione.

Appendice

I Falconieri dell'AI: L'Ecosistema Nascosto Già in Atto

Il concetto di "falconieri dell'AI" - individui che coordinano più agenti di intelligenza artificiale come pastori che gestiscono le loro greggi - non è solo emergente ma sta già prosperando sotto nomi diversi nella ricerca accademica, nelle pratiche industriali e nelle comunità globali. Questo ecosistema si estende dai laboratori di Microsoft Research alle università italiane, con praticanti, teorici e piattaforme che stanno già definendo il futuro del coordinamento multi-agente.

Le fondamenta accademiche sono sorprendentemente solide

I ricercatori leader stanno già teorizzando il paradigma "umano-come-orchestratore" che corrisponde perfettamente al concetto del falconiere dell'AI. Chi Wang di Microsoft Research descrive gli umani come "direttori d'orchestra" nei sistemi multi-agente, mentre il suo framework AutoGen è diventato la base per coordinare team di agenti AI. Chen Qian dell'Università Tsinghua ha pubblicato ampiamente su "orchestrazione cross-team" e collaborazione AI basata sui ruoli, stabilendo il framework teorico per quello che potremmo chiamare gestione in stile falconiere.

Katia Sycara alla Carnegie Mellon - vincitrice dell'ACM/SIGART Agents Research Award - ha pionerato la ricerca su "teaming umano-robot" e "autonomia affidabile" che affronta direttamente come gli umani possano coordinare efficacemente più agenti AI. Il suo lavoro sui sistemi multi-agente enfatizza gli umani come orchestratori essenziali piuttosto che osservatori passivi.

La comunità accademica ha identificato tre architetture di coordinamento fondamentali: statica (basata su regole), dinamica (adattiva) e gerarchica (con orchestratori umani al vertice). Questo modello gerarchico, dove gli umani servono come direttori di alto livello che gestiscono agenti AI specializzati, è essenzialmente il modello del falconiere dell'AI già formalizzato nella letteratura accademica.

I leader industriali stanno implementando la visione

Brooke Weddle di McKinsey chiama questa trasformazione "AI agentiva" e prevede che gli agenti AI appariranno negli organigrammi aziendali accanto ai dipendenti umani. Descrive un futuro dove i professionisti diventano coordinatori di "colleghi digitali" - essenzialmente falconieri dell'AI che gestiscono team ibridi umano-AI.

Harrison Chase, fondatore di LangChain (72,3 milioni di download mensili), immagina uno spostamento verso "costruttori di alto livello" dove gli agenti AI abilitano una creazione software più ampia, con gli umani focalizzati sull'orchestrazione piuttosto che sull'implementazione. La piattaforma CrewAI di João Moura già abilita questa realtà, con quasi il 50% delle aziende Fortune 500 che la usa per coordinare team di agenti AI che eseguono oltre 322.000 workflow quotidianamente.

Victor Dibia di Microsoft la inquadra perfettamente: "I sistemi multi-agente ci permettono di risolvere problemi di complessità crescente delegando compiti specializzati ad agenti specifici." Questo modello di delega - dove gli umani diventano coordinatori strategici delle capacità AI - è il paradigma del falconiere dell'AI in azione.

Il panorama terminologico rivela un'adozione diffusa

Piuttosto che mancare di vocabolario, il campo è ricco di terminologia che cattura il concetto del falconiere dell'AI:

"Orchestrazione AI" è diventato il termine dominante, con il mercato proiettato a crescere da 7,88 miliardi di dollari (2023) a 47,22 miliardi di dollari (2032). "Orchestrazione della Forza Lavoro Digitale" e "Direttore d'Orchestra AI" stanno emergendo come metafore per il ruolo coordinatore svolto dagli umani. "AI Agentiva" - sistemi AI autonomi che possono agire indipendentemente pur essendo coordinati - sta rapidamente guadagnando adozione rispetto ai più semplici "agenti AI".

Il mondo degli affari preferisce "Forza Lavoro Digitale" e "Gestione Team AI", mentre le comunità tecniche discutono di "Orchestrazione Multi-Agente" e "Coordinamento Sciame AI". "Agent-as-a-Service" rappresenta il modello di business che permette agli individui di accedere e coordinare più capacità AI.

Le comunità stanno già praticando la falconeria AI

Comunità attive che vanno dai ricercatori accademici ai creatori indipendenti stanno già vivendo la realtà del falconiere dell'AI. Gli utenti di TypingMind descrivono il coordinamento senza interruzioni di più modelli AI (ChatGPT, Claude, Gemini) attraverso interfacce unificate. I 100mila+ sviluppatori certificati di CrewAI stanno costruendo sistemi in produzione dove singoli individui coordinano team di agenti AI specializzati.

Le discussioni sui social media rivelano creatori che descrivono i loro "team AI" e "forza lavoro digitale" - linguaggio che cattura perfettamente la metafora del falconiere. Termini popolari includono "Orchestra AI" (gestire agenti come una sinfonia), "Coreografia degli Agenti" (coordinare interazioni), e "Sviluppo Solo Potenziato dall'AI" (creatori indipendenti che usano team di agenti).

I casi aziendali dimostrano la trasformazione economica: le aziende riportano riduzioni del 60% dei costi operativi, con individui che raggiungono output da team attraverso agenti AI coordinati. Remote.com ha risparmiato 500mila dollari in costi di assunzione, mentre Vendasta ha recuperato 1 milione di dollari in entrate attraverso il coordinamento di agenti AI.

L'Italia guida l'adozione europea

L'ecosistema AI maturo dell'Italia abbraccia già questi concetti con terminologia sofisticata. "Orchestrazione AI" e "Coordinamento intelligenza artificiale" sono termini standard nei circoli aziendali e accademici italiani. Engineering Group, l'azienda leader italiana nella trasformazione digitale, descrive esplicitamente la creazione di sistemi dove "ogni agente è progettato per svolgere compiti specifici, e lavorano insieme ad altri agenti in modo orchestrato".

Il Programma Nazionale di Dottorato in AI che coinvolge oltre 60 università italiane include ricerca specializzata sul coordinamento multi-agente, mentre aziende italiane come indigo.ai e Humason stanno costruendo piattaforme commerciali per la gestione "AI Agentiva".

La trasformazione economica è misurabile

Il passaggio dal lavoro basato su team al lavoro coordinato individualmente dall'AI sta già fornendo risultati quantificabili. Salesforce riporta 11 ore risparmiate per dipendente settimanalmente attraverso l'AI agentiva, mentre la ricerca McKinsey mostra aumenti di produttività del 20-40% per le aziende che usano il coordinamento di agenti AI.

L'economia dei progetti sta cambiando fondamentalmente: i modelli tradizionali di personale vengono sconvolti poiché gli agenti AI riducono la necessità di grandi team. Le aziende farmaceutiche risparmiano 60.000 dollari mensili attraverso il coordinamento di agenti AI, mentre le banche riducono i costi del servizio clienti di 10 volte attraverso workflow AI orchestrati.

Praticanti chiave da osservare

Leader accademici: Chi Wang (Microsoft Research), Chen Qian (Tsinghua), Katia Sycara (Carnegie Mellon), e la rete di ricerca italiana guidata da università come Napoli Federico II e Politecnico di Milano.

Pionieri industriali: Brooke Weddle (McKinsey), Harrison Chase (LangChain), João Moura (CrewAI), Victor Dibia (Microsoft), e leader italiani come Luigi Manca (Engineering) e Gianluca Maruzzella (indigo.ai).

Costruttori di piattaforme: I creatori di AutoGen, CrewAI, LangGraph, e piattaforme emergenti come Swarms.ai, Lindy, e Salesforce Agentforce sono i fornitori di infrastruttura che abilitano la falconeria AI su scala.

Il futuro è già qui

Il paradigma del falconiere dell'AI non sta emergendo - è già operativo nella ricerca accademica, nelle implementazioni aziendali e nelle comunità di creatori. La terminologia esiste, le piattaforme sono costruite, le comunità sono attive, e i benefici economici sono provati. Quello che manca non è il concetto ma un riconoscimento più ampio che questo cambiamento fondamentale nel modo in cui gli umani coordinano le capacità AI rappresenta una nuova categoria di competenza professionale e organizzazione economica.

I falconieri dell'AI sono già tra noi - sono i ricercatori che coordinano esperimenti multi-agente, gli sviluppatori che gestiscono team di agenti AI, i creatori che orchestrano workflow digitali, e le aziende che trasformano le operazioni attraverso capacità AI coordinate. Stanno pioneering un futuro dove l'expertise individuale viene amplificata attraverso il coordinamento strategico di agenti AI, rendendo progetti precedentemente impossibili economicamente fattibili e organizzativamente realizzabili.

Copertina a cura dell'autore