Agenti AI pratici: dall’esperimento al ciclo operativo

Gli agenti AI sono diventati componenti operativi perché architetture che separano contesto, memoria e runtime, insieme a piattaforme e app per orchestrare agenti, permettono workflow end-to-end in produzione in ambiti come sviluppo, sicurezza e servizi legali.

Trail of Bits dice di aver portato 149 fix di sicurezza nelle release stabili del kernel Linux entro il 29 ottobre usando agenti Codex, riducendo il backport da giorni a ore per patch, con circa 30 minuti di attenzione umana per un caso lineare, esclusa la configurazione iniziale⁴. Tesi: gli agenti chiudono pezzi di ciclo operativo perché strumenti e architetture li sostengono lungo tutto il flusso, dal contesto ai runtime, fino alla governance.

Perché oggi gli agenti chiudono cicli operativi

Legora ha superato 100 milioni di dollari di ARR in aprile, meno di 18 mesi dopo il lancio. Serve più di 1.800 clienti. Ha raccolto 550 milioni di dollari a marzo a una valutazione di 5,55 miliardi, e altri 550 milioni a ottobre a 8,8 miliardi. Ha chiuso cinque acquisizioni in un anno, l’ultima è Wexler¹.

Il suo agente redige e modifica documenti Word. Rivede migliaia di contratti in una singola tabella. Esegue due diligence. Coordina il lavoro tra avvocati, clienti e altri agenti. Il settore ha copiato “Tabular Review”, un foglio da un milione di celle per la revisione massiva¹.

Nella sicurezza, gli agenti Codex cercano fix mancanti, adattano correzioni a codice più vecchio, raccolgono prove di validazione, eseguono test e preparano i pacchetti di sottomissione. Gli ingegneri rivedono e inviano. Il backport scende da giorni a ore. L’iniziativa tocca anche pacchetti Fedora e Ubuntu. Per Ubuntu, circa il 95% delle installazioni è Long Term Support, quindi resta su release stabili⁴.

È la “software factory” con agenti che chiudono il ciclo, dal ticket al codice in esercizio³.

Architetture necessarie: separare contesto, memoria e runtime

InfoQ segnala il collo di bottiglia: decidere cosa l’agente deve sapere, quando ricordarlo, per quanto, e cosa dimenticare. È un problema di orchestrazione distinta di contesto, memoria e conoscenza⁵. Lo spostamento è dal prompt engineering al context engineering. Bisogna compilare al momento giusto lo stato informativo minimo e ad alto valore. Contesti piccoli e pertinenti battono prompt lunghi e rumorosi. L’errore di contesto alimenta le allucinazioni⁵.

La separazione riguarda anche il runtime. Herdr ha lanciato una desktop app che separa l’interfaccia dal motore herdr-core. Chiudi la finestra, i processi restano in esecuzione su Linux, macOS e Windows. L’app è autonoma, costruita con il framework GPUI. herdr-core è richiamabile da riga di comando con hc. La precedente edizione da terminale prosegue con un proprio server e non condivide le sessioni con la versione desktop².

Interfaccia e runtime viaggiano su binari distinti. La finestra amministra la vista. herdr-core esegue agenti e shell. Se l’interfaccia si chiude, va in crash o si aggiorna, i processi non si fermano. Solo la chiusura esplicita di un tab o di un pane termina il relativo terminale. Dopo un riavvio, l’app ricostruisce la griglia con shell nuove nell’ultimo percorso di lavoro. Le esecuzioni degli agenti interrotte non ripartono da sole².

Piattaforme e governance per la produzione

Port propone una piattaforma di “software factory” per il ciclo completo. Riunisce un Context Lake, orchestrazione dei workflow, gestione degli agenti, governance, accesso MCP, skill riutilizzabili, punti di approvazione e metriche in un ambiente condiviso per l’automazione³.

Context Lake è il magazzino di contesto. Oltre al ticket, aggrega ownership dei servizi, relazioni tra repository, risorse cloud, dipendenze, storico dei deploy, incidenti, scorecard, postura di sicurezza e standard interni. Gli agenti decidono con dati dell’organizzazione, non con indizi sparsi³.

Nel legale, quasi tutto ciò che l’utente carica è riservato. Molti documenti appartengono ai clienti degli studi, non agli studi stessi. Legora non può leggere le tracce del lavoro dell’agente. Niente dataset reali per le valutazioni¹.

Casi d’uso e limiti operativi dimostrati

Sicurezza. Trail of Bits descrive un flusso in due parti. Gli agenti fanno la ricerca, l’adattamento e la prova. Gli umani rivedono e spediscono. Esclusa la configurazione iniziale specifica per progetto, un backport lineare richiede circa 30 minuti di attenzione umana. Dave Chinner, sviluppatore XFS, definisce il backport “di fatto un lavoro a tempo pieno” se mancano risorse⁴.

Servizi legali. L’agente di Legora opera su Word, su fogli con milioni di celle, su due diligence, e coordina più attori. Il settore ha copiato il formato “Tabular Review” per scalare la revisione contrattuale¹.

Sviluppo quotidiano. Herdr si rivolge a sviluppatori e amministratori che usano più agenti da riga di comando, come Claude Code o Codex. La separazione tra UI e runtime mantiene attivi agenti e terminali anche se chiudi la finestra. La versione da terminale resta in parallelo con un proprio server e non condivide le sessioni con la desktop².

Implicazioni per chi costruisce e testa agenti

Il context engineering compila il set minimo e pertinente per il ragionamento del modello, riduce il rumore e contrasta l’errore di contesto che alimenta le allucinazioni⁵.

Punti di approvazione, gestione degli agenti, skill riutilizzabili e metriche dentro una piattaforma comune sono presenti nelle soluzioni di “software factory”³.

Separare interfaccia e motore consente di mantenere attivi i processi anche se l’app si chiude, non riavviarli automaticamente dopo un crash e terminarli solo con una chiusura esplicita². Nel legale, i vincoli di riservatezza limitano l’accesso ai dati e impediscono l’uso di dataset reali per le valutazioni¹.