Prima chiedevamo all’intelligenza artificiale di scrivere una risposta. Poi abbiamo iniziato a lavorarci insieme, correggendo bozze e confrontando soluzioni. Adesso la domanda diventa più ambiziosa: possiamo affidarle un obiettivo e lasciare che organizzi i passaggi necessari per raggiungerlo?
L’evoluzione dell’AI da assistente a collaboratore e guida riguarda proprio questo cambiamento nella delega. Non significa consegnare all’algoritmo le decisioni dell’azienda: significa capire quali attività può condurre, con quali strumenti e sotto quale supervisione.
Il dato Anthropic: quando l’AI comincia a guidare il lavoro
Lo spunto arriva da un articolo del Post del 3 novembre 2026. Siamo risaliti alla misurazione originale di Anthropic: ad agosto 2026 Claude guidava il 26% del lavoro di ricerca e sviluppo considerato dall’indice; oltre il 90% era almeno al livello di collaborazione. Nessuna area misurata risultava completamente autonoma.
Il grafico ufficiale indica una crescita da meno dell’1% a febbraio 2026. Sono stime interne ponderate, non percentuali di dipendenti sostituiti o ore risparmiate. La classificazione usa anche modelli AI come valutatori; Anthropic riconosce margini di disaccordo e l’assenza di una metodologia comune fra laboratori.
Sulla piattaforma interna più utilizzata, l’azienda riportava inoltre circa 30.000 agenti contemporanei. Nel mese di agosto il monitor aveva esaminato oltre un miliardo di decisioni, bloccandone circa una ogni 47.000. È una frequenza di blocco, non una misura dell’assenza di errori: ciò che sfugge al monitor non entra automaticamente nel conteggio.
Da assistente a collaboratore a guida: cosa cambia davvero
La scala adottata deriva dal lavoro di Epoch AI sull’automazione della ricerca. Distingue sei livelli, dall’assenza di AI all’autonomia completa. I tre passaggi centrali aiutano a leggere il cambiamento:
- AI assistente: svolge porzioni del compito, mentre la persona conduce il processo.
- AI collaboratore: esegue parti consistenti del lavoro con una direzione umana ravvicinata.
- AI guida: riceve un’indicazione di alto livello e porta avanti gran parte del compito dall’inizio alla fine, con supervisione umana.
“Guida”, quindi, descrive un ruolo operativo dentro un’attività. La scelta degli obiettivi, dei limiti e dei criteri di approvazione resta un tema distinto. Una maggiore delega non assegna al sistema un’autorità generale.
Un esempio: preparare una proposta commerciale
Immaginiamo un caso aziendale, non un risultato dello studio. Al livello di assistenza, una persona raccoglie i documenti e chiede all’AI di riscrivere un paragrafo. In collaborazione, il sistema confronta il brief con i materiali disponibili, prepara una struttura e segnala le informazioni mancanti; il commerciale orienta ogni fase.
Come guida operativa, un agente potrebbe invece ricevere l’obiettivo “prepara una proposta coerente con questo brief”, cercare nei documenti autorizzati, organizzare le sezioni, controllare incongruenze e consegnare una bozza con fonti e punti aperti. Prezzi, condizioni e invio al cliente possono restare soggetti ad approvazione. È un progetto da costruire e testare, non una capacità garantita da qualsiasi chatbot.
Sviluppo ricorsivo: AI che aiuta a costruire altre AI
Nel laboratorio il passaggio ha un risvolto particolare: gli strumenti AI contribuiscono al lavoro necessario per creare i modelli successivi. Anthropic distingue questo processo dal miglioramento ricorsivo pienamente autonomo, nel quale un sistema sarebbe capace di sviluppare da solo il proprio successore. La società dichiara che quel traguardo non è ancora raggiunto e non è inevitabile.
Un esempio concreto da un altro laboratorio è AlphaEvolve di Google DeepMind. Il sistema combina modelli linguistici, valutazioni automatiche ed evoluzione delle soluzioni per cercare algoritmi migliori. DeepMind documenta applicazioni all’efficienza dei data center e all’addestramento dei modelli. È un circuito di proposta, test e selezione su problemi definiti: non la prova che un’AI possa decidere autonomamente tutta la propria evoluzione.
Per un’impresa, la lezione utile è nel metodo: un risultato generato diventa affidabile solo quando esiste un modo adeguato per controllarlo. La qualità di un processo dipende anche dai suoi test, dalle eccezioni previste e dalla possibilità di fermarlo.
I benchmark aiutano, ma non misurano la tua azienda
Un confronto indipendente arriva da METR e dalle sue misurazioni dell’orizzonte dei compiti. Il dato esprime la difficoltà di un’attività attraverso il tempo impiegato da un esperto umano e una probabilità di successo del modello. Un orizzonte al 50% significa successo previsto una volta su due: non una giornata di autonomia affidabile.
I test riguardano soprattutto software, machine learning e cybersecurity, con obiettivi ben specificati. METR avverte che questi risultati non equivalgono all’automazione di intere professioni; la pagina consultata, aggiornata l’8 settembre 2026, non è più mantenuta attivamente. Un benchmark resta una prova delimitata, da affiancare a verifiche sul lavoro reale.
Come portare questa evoluzione dell’AI nei processi aziendali
La nostra proposta operativa è partire da un flusso circoscritto. “Mettere l’AI in azienda” è troppo generico; “ridurre il tempo necessario per preparare il report settimanale, mantenendo verificabili tutti i dati” permette invece di progettare e misurare un intervento.
- Scegliere un risultato verificabile. Definire cosa deve contenere il report, quali fonti sono valide e quali errori lo rendono inutilizzabile.
- Preparare il contesto. Stabilire documenti, dati e strumenti accessibili. Informazioni mancanti o contraddittorie devono emergere, non essere completate per intuizione.
- Separare preparazione e azione. Analizzare dati, aggiornare un gestionale e inviare un’offerta sono operazioni con conseguenze diverse. I permessi vanno progettati singolarmente.
- Confrontare un campione reale. Misurare tempo totale, correzioni, errori e costo operativo rispetto al metodo precedente, includendo il lavoro di revisione.
- Estendere la delega solo dopo le prove. Registrare gli esiti, gestire le eccezioni e mantenere un responsabile che possa intervenire.
Il criterio non dovrebbe essere quanti passaggi riusciamo a togliere alle persone, ma se il processo finale funziona meglio. Un agente rapido che produce risultati da ricontrollare integralmente può spostare il lavoro invece di ridurlo.
FAQ: AI assistente, collaboratore e guida
Un agente AI è sempre più utile di un assistente?
No. Per una richiesta isolata può bastare un assistente. Un agente ha senso quando servono più passaggi collegati e strumenti operativi, purché il vantaggio giustifichi complessità, costi e controlli.
L’AI guida può prendere decisioni al posto dell’imprenditore?
Nel percorso qui proposto guida l’esecuzione di compiti concordati. Può formulare alternative e raccomandazioni; l’azienda stabilisce quali decisioni delegare e quali mantenere sotto approvazione.
Da quale processo conviene iniziare?
Da un’attività frequente, delimitata e misurabile: per esempio una prima bozza di report o la ricerca in documenti interni. Gli esempi sono candidati da valutare, non promesse di risparmio valide per ogni impresa.
Porta l’AI dal singolo prompt a un processo utile
Il passo successivo non richiede necessariamente più strumenti. Richiede un progetto chiaro: obiettivi, informazioni, integrazioni e responsabilità.
Vuoi capire dove l’AI può assistere il tuo team, collaborare al lavoro o guidare un flusso operativo? Parti dai servizi di intelligenza artificiale WebAlchemy: raccontaci un’attività concreta, gli strumenti che usi e il risultato che vuoi migliorare. Sarà il punto di partenza per valutare un percorso adatto alla tua azienda.
Fonti consultate il 4 novembre 2026. Dati Anthropic riferiti ad agosto 2026; applicazioni aziendali ed esempio commerciale sono proposte editoriali, non risultati misurati dai laboratori.
