Agenti IA integrati in prodotti e pacchetti: opportunità operative e nuovi vincoli di governance

Goldman Sachs ha ristretto l’uso di Claude Code e degli strumenti GitHub di coding agli ingegneri. Banker e trader restano fuori. La banca dice di bilanciare produttività e rischi. È il segnale di una tendenza: gli agenti entrano nei prodotti e nei pacchetti, la governance si stringe su distribuzione, esecuzione e credenziali. Le organizzazioni rispondono con limiti di accesso, policy sui token e scelte di deployment³.

Agenti dentro il software operativo: cosa cambia

Divalto ha attivato Divalto one AI, una piattaforma di agenti integrata nei suoi ERP e CRM in SaaS. L’architettura ha quattro blocchi: un agente conversazionale come punto d’ingresso, un catalogo di agenti e “competenze”, un Builder per crearli o personalizzarli, un modulo Workflow per orchestrare agenti e strumenti di business. Partner e clienti possono pubblicare o adattare componenti. InfinySoft prevede versioni per Syveo, la sua soluzione verticale per la gestione dei rifiuti². L’agente vive dentro l’applicazione, tocca processi e dati operativi, convalidati da umani sui passaggi chiave².

Sul piano audio, Soniox ha rilasciato STT v6 con due varianti: stt-rt-v6 per lo streaming e stt-async-v6 per i file. Supporta oltre 60 lingue. È un servizio proprietario via API con WebSocket per il realtime e REST per l’async¹. La novità è l’agent text input. Si attiva con enable_agent_text_input: true e funziona su stt-rt-v6. Durante la riproduzione, l’agente invia i propri testi sullo stesso WebSocket dell’audio, in frame JSON del tipo {"type":"agent_text","text":"...","end_of_segment":true}. I messaggi non hanno timestamp, quindi contano i tempi di consegna. Soniox consiglia di spedirli 500 millisecondi, 1 secondo prima, sincronizzati ai timestamp del TTS. Il testo dell’agente non entra nella trascrizione. La funzione filtra l’eco della voce dell’agente durante le chiamate¹.

Distribuzione delle capacità: pacchetti, skill e agent runtime

Microsoft sta testando la consegna di agent skills direttamente nei pacchetti NuGet. Ogni versione può includere file SKILL.md con intestazione YAML, pubblicati con i binari e scaricati con un normale dotnet restore. La specifica si trova su agentskills.io. Le agent skills, introdotte da Anthropic nel 2025, si sono diffuse rapidamente. Finora viaggiavano soprattutto su repository git⁴. Il pacchetto markout, versione 0.40.0, include più SKILL.md nella cartella skills. I file compaiono in project.assets.json e nella cache locale, in ~/.nuget/packages/markout/0.40.0/skills⁴. Istruzioni operative per agenti arrivano come dipendenze standard. Un update di pacchetto aggiorna subito le skill, senza attendere un nuovo training del modello⁴.

QA Wolf ha portato il suo agent dai browser alle app Android e iOS. Il test controlla un emulatore o un dispositivo via Appium. Riceve screenshot e l’albero UI esposto all’accessibilità. Non c’è barra degli indirizzi. L’input è il tocco. Schermi e densità variano per modello. Il vecchio agent, addestrato su web e Playwright, cercava selettori leggendo l’HTML o registrando hover. Conosceva solo mouse e tastiera. Mirava nel punto sbagliato, perché la coordinata nello screenshot non coincide con quella sul telefono. I test reggevano su un solo modello. Le istruzioni erano pensate per un browser. La ripartenza è passata dai selettori: su mobile serve un riferimento deterministico per ogni elemento toccato⁵. Qui l’agent runtime cambia contesto e strumenti. Servono azioni touch nuove⁵.

Anche Soniox codifica un protocollo operativo per l’agente. I testi viaggiano sullo stesso WebSocket, senza timestamp. La sincronizzazione temporale diventa parte del contratto di integrazione. In caso di barge-in, si chiude il segmento con end_of_segment: true e si scarta la parte non ancora suonata¹. Queste scelte impongono orchestrazione e timing, non solo prompt.

Rischi concreti e risposte già visibili

Quando skill e agenti arrivano come librerie o girano sui computer dei dipendenti, la superficie di attacco cresce. Amjad Masad, CEO di Replit, avverte sui rischi degli agenti di coding locali per imprese e governi. Cita esposizione di credenziali, istruzioni malevole e dipendenze compromesse. Indica “attacchi alla supply chain” come motore del giro di vite. Non porta prove pubbliche oltre il caso Goldman³. Il problema delle credenziali ha già spinto fornitori verso token a breve vita. Vercel ha imposto ai propri fornitori il passaggio, fissando una scadenza per abbandonare chiavi longeve³.

Goldman Sachs ha scelto la restrizione per ruoli. Accesso ad Anthropic Claude Code e agli strumenti GitHub solo per ingegneri, con eccezioni per alcuni strats. La banca esplicita il criterio: pesare i guadagni di produttività rispetto ai rischi. Non fornisce esempi di incidenti interni³.

Queste mosse rispondono a rischi emersi nella pratica. Se una skill entra con un dotnet restore, il canale di distribuzione diventa un punto critico da validare. Se un agent di test pilota un dispositivo, ogni nuova azione amplia lo spazio d’errore. Se un agent locale usa chiavi statiche, un leak rischia di durare. Token brevi, policy di ruolo e controllo dei canali sono contromisure allineate a questi vettori^3,4,5.

Cosa cambia per team di sviluppo, QA e sicurezza

Per lo sviluppo, l’arrivo di SKILL.md nei pacchetti chiede di trattare le istruzioni agentiche come artefatti di build. Va deciso chi le scrive, chi le revisiona, come si versionano, come si testano al pari dei binari. Il caso markout mostra che finiscono nei metadati del progetto e nella cache locale. Distribuzione e riproducibilità rientrano nel perimetro di responsabilità del team⁴.

Per chi fa prodotto, l’integrazione tipo Divalto sposta le automazioni dentro i processi gestionali. L’agente conversazionale diventa un canale operativo nelle mani dell’utente. Il catalogo, il Builder e il Workflow creano un ciclo di vita per agenti e “competenze”. Partner e clienti possono pubblicare componenti. Servono criteri di curatela e validazione prima della messa in produzione².

Per il QA, il passaggio al mobile richiede nuovi punti fermi: selettori affidabili, gestione delle differenze tra modelli, azioni touch solide. L’esperienza di QA Wolf mostra che portare un agent fuori dal browser implica ripensare dataset, comandi e fallback. Sui device, lo screenshot non basta. L’albero di accessibilità diventa fonte primaria per navigare l’interfaccia⁵.

Per la sicurezza e le piattaforme interne, la questione è dove far girare gli agenti. JetBrains Air permette task cloud e locali con GitHub Copilot, consumando il piano Copilot dell’utente. L’integrazione usa l’Agent Client Protocol. L’uso in cloud richiede tre cose: account JetBrains in un’organizzazione business con Air Teams abilitato, un abbonamento GitHub Copilot, l’abilitazione di Copilot da parte dell’amministratore Air⁶. La scelta tra esecuzione locale e cloud incide su tracciabilità, controllo delle autorizzazioni e gestione delle licenze.

Infine, le credenziali. Le raccomandazioni pratiche viste nel settore, come token a breve vita e l’abbandono di chiavi longeve, riducono la finestra di esposizione. Vanno accompagnate da controlli sui percorsi di distribuzione delle skill e da limitazioni per ruolo, come nel caso Goldman³.

Chi integra agenti oggi si muove su tre piani insieme: prestazioni operative, qualità del controllo e igiene della supply chain. La prossima variabile sarà la convivenza di skill distribuite come pacchetti e policy che ne regolano la circolazione tra partner e clienti dentro i cataloghi applicativi^2,4.