Agenti AI autonomi: integrazione, contesto esteso e il nodo della verificabilità

RJ Scaringe ha promesso sul palco di TechCrunch Disrupt che le auto Rivian potranno eseguire agenti di terze parti, citando Anthropic come esempio. Nessuna data, dettagli rinviati a dicembre. L’azienda non ha spiegato come caricherà o isolerà gli agenti sul veicolo. La tesi: la corsa verso agenti più autonomi e integrabili, dal cloud al veicolo, rende centrale una domanda operativa semplice, ma dura da implementare: cosa possiamo verificare in modo affidabile e cosa no.

1. Nuove capacità: contesto, multimodalità e ragionamento

Apertus 1.5 amplia la finestra di contesto a 262.144 token, quattro volte rispetto alla 1.0. Introduce input nativi per immagini e audio. Aggiunge una “thinking mode” attivabile prima della risposta, che secondo gli autori migliora i compiti di ragionamento. La multimodalità è nativa: testo, documenti, diagrammi, foto. Il supporto al parlato esiste, ma resta sperimentale.

Gli autori hanno proseguito il pretraining. Il modello da 8 miliardi di parametri ha ricevuto 4 trilioni di token multimodali, per un totale di 19 trilioni. Il 70B ha aggiunto 2 trilioni, per un totale di 17 trilioni. Segnalano inoltre modelli “fully open”.

Il punto non è solo più contesto o più dati. Qui si combinano profondità di memoria, canali sensoriali diversi e un esplicito interruttore di ragionamento. Un agente con 262.144 token di finestra può mantenere vincoli e riferimenti su documenti lunghi, intercalare immagini e testo, e pianificare prima di rispondere. Questo allarga il ventaglio di compiti plausibili, ma anche la superficie d’errore: più passi, più assunzioni, più opportunità di deviazione.

2. Workflow agentici unificati: decisioni, ASR e workbench verticali

Granite Switch 4.1 offre chat, decisioni e trascrizioni nello stesso endpoint. Attiva a richiesta tre componenti: Decision aLoRA per il decision-making, Guardian aLoRA per compiti di sicurezza, Granite-Speech-5.0-Turbo-CTC per la trascrizione. L’obiettivo dichiarato è mantenere un footprint di memoria vicino al modello base e ridurre il bisogno di caricare modelli separati. Nel post, Guardian risulta in media superiore a Jev 1.13, Microsoft-Decision-1, GPT-Luna-Decisions e Clef-Flash nelle decisioni legate alla sicurezza. Granite-Speech-5.0-Turbo-CTC viene descritto come il modello ASR più veloce nella OpenASR Leaderboard, qui integrato per l’uso in trascrizione.

In verticale, DeepMind descrive Antigravity come un workbench agentico per la ricerca biologica. Riunisce scoperte, valutazioni strutturali e prioritizzazione dei target in un’unica sessione, per ridurre la frammentazione del flusso. Il sistema si appoggia a modelli sulle sequenze proteiche, tra cui ProtNLM collegato a UniProt. Nel caso illustrato, il team ha isolato un candidato peptide con attività antimicrobica predetta contro patogeni respiratori. Il composto è in validazione di laboratorio, senza risultati sperimentali conclusivi pubblicati.

Il filo è chiaro. Granite unifica capacità orizzontali necessarie agli agenti operativi, dall’ASR alle decisioni, in un endpoint unico. Antigravity integra passaggi di ricerca che oggi vivono su strumenti e database separati. In entrambi i casi, l’agente non è più solo un modello di chat. È un orchestratore che attraversa fasi distinte, con criteri e segnali diversi per ciascuna fase.

3. Dall’edge al veicolo: esecuzione di agenti di terze parti e domande aperte

Rivian parla di eseguire agenti di terze parti sulle auto. Oggi l’azienda integra un assistente AI di bordo. Chi guida e i passeggeri interagiscono con comandi vocali. La base software nasce in casa. Rivian non adotta Apple CarPlay o Android Auto. Ha creato molte app interne, come la navigazione, e integra alcune app diffuse, tra cui Apple Music. L’azienda dice di avere un framework agentico interno: il sistema interpreta l’intenzione espressa a voce e inoltra la richiesta al componente corretto del software dell’auto. È l’unico elemento tecnico descritto pubblicamente.

Manca il resto. Non ci sono informazioni su come l’auto caricherà, eseguirà o isolerà gli agenti di terze parti, né su quali funzioni potranno gestire. Scaringe non ha dato date. Rivian rimanda dettagli all’AI & Autonomy Day di dicembre. Se l’esecuzione avverrà sul veicolo, il perimetro di rischio si sposta. Un agente vicino a funzioni di controllo richiede permessi espliciti per ogni azione e una separazione netta tra piani di interfaccia e attuazione. Le fonti, oggi, non lo documentano.

Questo vuoto informativo segna la soglia fra intenzione e adozione. Integrare agenti multipli in un ambiente critico senza linee chiare su isolamento, permessi e audit è difficile da accettare per chi governa sicurezza e qualità.

4. Verificabilità come criterio operativo per scala e sicurezza

AWS propone un criterio pragmatico: autorizzare automaticamente solo le azioni il cui esito si può verificare in modo affidabile. Chiedere intervento umano dove serve giudizio. Così si aumenta l’autonomia, senza perdere il controllo. Il problema che affrontano è la fiducia. Un agente può scegliere strumenti e sequenze non predefinite. Un test che oggi passa non garantisce il comportamento di domani. Inserire un revisore umano in ogni passaggio blocca la scala. Con volumi reali, l’attenzione cala e la coda si allunga.

La proposta sposta il baricentro dei controlli. Non si decide l’autonomia in astratto. La si lega alla possibilità concreta di verificare l’esito dell’azione. Se l’esito è verificabile, si autorizza. Se richiede giudizio, si chiede la revisione umana. È un principio semplice, ma taglia dove fa male: costringe a definire cosa significa “verificabile” per ogni classe di azione.

Qui le fonti si fermano al principio. Non offrono metodi o metriche operative. Sta ai team tradurre il criterio in check oggettivi, segnali di affidabilità e soglie di autorizzazione. La regola, però, fornisce un asse comune per leggere le capacità nuove citate sopra: contesto lungo, multimodalità e workbench integrati ampliano lo spazio delle azioni. La verificabilità delimita quali azioni possono andare in autonomia e quali restano sotto supervisione.

5. Implicazioni pratiche per ingegneria, QA e governance

Per gli sviluppatori, il disegno di agenti cambia. Servono moduli di verifica espliciti lungo i flussi. Check automatici vicino all’azione, prove end-to-end, soglie che attestino la ripetibilità prima di concedere autonomia. Nella pratica, i confini si materializzano nell’integrazione concreta: nel singolo endpoint con adapter attivabili di Granite, che riduce i passaggi fra modelli separati. O nel contesto esteso e nei canali misti di Apertus, che richiedono validazioni su input audio e immagini, non solo su testo.

Per i team QA, i piani di test devono riflettere la complessità dei flussi. Unificare chat, decisioni e ASR significa provare combinazioni di stati e transizioni nello stesso flusso, non solo la qualità del singolo componente. I workbench verticali, come Antigravity, impongono casi d’uso che attraversano discovery e prioritizzazione. Qui la verificabilità non coincide con l’accuratezza del modello. È la capacità di ripetere un percorso con esiti coerenti, entro criteri disciplinari chiari. Nel caso del peptide antimicrobico, la validazione è in corso e i risultati sperimentali conclusivi non sono pubblicati. Questo impone prudenza sulla fiducia operativa finché mancano esiti confermati.

Per chi governa l’esecuzione all’edge o sul veicolo, l’annuncio di Rivian apre una checklist minima: criteri di isolamento, gestione dei permessi, limiti operativi e auditabilità. Le fonti non forniscono questi dettagli. Finché non emergono, la valutazione esterna resta impossibile.

Il punto di sintesi è operativo. Non basta sommare capacità. Serve legare autonomia e controllo a ciò che si può verificare in modo affidabile. La finestra da 262.144 token di Apertus amplia la memoria utile. L’endpoint unico di Granite riduce attriti tra fasi di un flusso. Antigravity compone passaggi prima separati. L’annuncio di Rivian sposta l’attenzione sul perimetro d’esecuzione. Il criterio di AWS fornisce la cerniera: autorizzazione automatica dove la verifica tiene, supervisione dove serve giudizio.

La prossima volta che un team valuta un nuovo agente, la domanda da mettere a bilancio non è “cosa sa fare”, ma “quali sue azioni possiamo verificare in modo affidabile e con quali prove”. È la differenza tra un prototipo che impressiona in demo e un sistema che regge volumi, audit e responsabilità.