IDEE / ESPERIENZE / APPROFONDIMENTI
Articoli
APPUNTI / SOFTWARE / AI / SOCIAL / CULTURA DIGITALE
Pensare prima dello strumento.
Esperienze, analisi e ragionamenti su tecnologia e lavoro: niente feed da riempire, solo cose che vale la pena mettere per iscritto.
Django e i confini di fiducia: quattro bug, una lezione architetturale
Django corregge quattro vulnerabilità molto diverse. Il filo comune è più utile dei singoli CVE: ogni astrazione ha un punto in cui input, parser, librerie native e binding tornano a essere confini di sicurezza.
Gli agenti AI non pagano il conto. Lo paga il web che attraversano
Il caso Wikimedia mostra un problema profondo degli agenti AI: un sistema autonomo può essere utile per chi lo esegue e costoso per l’infrastruttura che attraversa. Identità, rate limit e autorizzazioni sono parte dell’architettura.
Mold 3.0 riscrive tutto in Rust. La parte difficile era non cambiare nulla
Mold 3.0 riscrive in Rust un linker ad alte prestazioni senza voler cambiare il contratto esterno. Il vero tema è la compatibilità, non il linguaggio.
Il watermark non sa chi ha scritto: cosa dice davvero textGrain
textGrain introduce un watermark statistico nel testo generato da OpenAI. Ma un segnale di provenienza non prova chi ha scritto, né se il contenuto è vero.
L’AI non capisce quello che dici: la Stanza cinese dietro l’illusione
La Stanza cinese di Searle aiuta a capire perché una risposta convincente non prova comprensione. Dai token al codice: cosa cambia quando togliamo il velo all’AI.
Il budget è un guard rail: gli agenti AI devono avere un limite di spesa
Con gli agenti AI il budget non è più solo FinOps: deve diventare un limite di runtime, come timeout, rate limit e lease.
SQLDoom non dimostra che SQL sa fare tutto. Dimostra dove metti il problema
SQLDoom porta logica, stato e renderer di Doom dentro CedarDB. L’esperimento non dice di usare SQL per tutto: mostra quanto cambia un sistema quando modelli il problema nel posto giusto.
L’agente dice «fatto». Il database non è d’accordo
ThinkingBox-Bench misura gli agenti AI sullo stato reale che lasciano nel backend e sulla ripetibilità. Perché tool call corrette e un «done» non bastano.
Il chatbot parla per la tua azienda. Anche quando sbaglia
Quando un chatbot risponde al posto dell’azienda, l’automazione non cancella la responsabilità. Dai casi Air Canada e OLG Hamm alle regole operative per progettare AI customer-facing.
Il problema non è Git: è coordinare mille agenti che scrivono insieme
Cloudflare apre Artifacts e chiede di ripensare la piattaforma Git per centinaia o migliaia di agenti. Il punto non è creare più repository: è rendere verificabili contesto, conflitti, review e decisioni.
