IDEE / ESPERIENZE / APPROFONDIMENTI
APPUNTI / SOFTWARE / AI / SOCIAL / CULTURA DIGITALE
Esperienze, analisi e ragionamenti su tecnologia e lavoro: niente feed da riempire, solo cose che vale la pena mettere per iscritto.

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.

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.

Rider 2026.2.3 permette agli agenti AI di analizzare snapshot di performance raccolti dal Monitoring tool window tramite dotTrace. Il punto interessante non è la chat: è dare all’agente telemetria runtime strutturata.

Un benchmark su 66 configurazioni mostra che le prestazioni degli agenti cambiano drasticamente con l’harness e con il task. Il modello, da solo, non basta.

Lookahead-R tratta il tool retrieval come planning sotto vincoli: successo, latenza e utilità entrano nella decisione prima di spendere chiamate reali.

SynthID Bio porta il watermark nelle proteine generate dall’AI. Il punto non è certificare che siano sicure, ma aggiungere un segnale verificabile di provenienza senza alterare la funzione misurata.

AG-UI arriva in .NET come SDK first-class e Microsoft Agent Framework lo adotta. Il punto non è una nuova libreria AI: è separare il protocollo dal framework e dalla UI.

Un audit di produzione mostra che un LLM-as-judge può diventare il difetto della pipeline. La lezione: anche i guardrail vanno misurati contro un gold umano.

KNOWS mostra il divario tra progresso parziale e risultato utilizzabile.

Uno studio su 150 server MCP mostra che una remediation pensata per sviluppatori può bloccare gli agenti. Il problema non è il modello: è il contratto operativo dell’errore.