I laboratori di modelli si trasformano in fabbriche di agenti

C’è un cambio di paradigma silenzioso ma profondo che sta attraversando l’industria dell’intelligenza artificiale. I grandi laboratori che fino a ieri competevano esclusivamente sulla qualità dei loro modelli linguistici stanno tutti, simultaneamente, riposizionandosi come costruttori di agenti. Una transizione che, alla vigilia della probabile quotazione in borsa di OpenAI, sta riscrivendo le regole competitive del settore e merita un’analisi attenta. Il segnale più chiaro arriva da Greg Brockman di OpenAI, che ha dichiarato senza mezzi termini come “il modello da solo non sia più il prodotto“. Una posizione che ribalta completamente quella sostenuta fino a poco tempo fa dagli stessi vertici di OpenAI Labs. Ma non si tratta di un caso isolato. AI21 ha chiuso il proprio team dedicato ai modelli per concentrarsi sugli agenti, e persino DeepSeek, finora rigorosamente focalizzata sul training dei modelli, ha annunciato la creazione del suo primo Harness team, ovvero un gruppo dedicato all’infrastruttura che fa funzionare gli agenti attorno al modello. Il termine chiave qui è proprio “harness”, che potremmo tradurre come l’imbragatura o l’impalcatura che circonda il modello, e comprende il workflow, l’interfaccia utente, la memoria persistente, gli strumenti, l’economia computazionale. La tesi emergente è che il prodotto vincente non sia più il modello in sé, ma la simbiosi tra modello, harness e prodotto. A dare forza a una simile visione contribuiscono anche numeri concreti. DeepSeek ha reso permanente uno sconto del 75% sul suo V4-Pro, posizionandolo sulla frontiera di Pareto del rapporto intelligenza/costo, mentre Cursor Composer 2.5 risulta da 3 a 18 volte più economico di Opus 4.7 sui benchmark di coding. Sul fronte infrastrutturale, la nuova release candidate di MCP di Anthropic che uscirà il 28 luglio 2026 introduce un protocollo stateless che semplifica in modo deciso lo scaling degli agenti, mentre CoreWeave, Google con Gemini Managed Agents e Cloudflare con Cloudsail stanno trasformando le sandbox di esecuzione in primitive di prima classe. NVIDIA ha reso le sue AI-Q agent skills open source, e Cursor ha aperto il proprio SDK agli sviluppatori esterni. C’è però un risvolto strategico che merita attenzione. Se i modelli vengono co-addestrati con harness proprietari, diventa possibile chiudere progressivamente l’accesso ai modelli stessi. Un modello post-addestrato per funzionare davvero bene solo all’interno del suo agente nativo spinge gli utenti verso il prodotto chiuso, a discapito dell’ecosistema API aperto. È una direzione che potrebbe ridurre la concorrenza effettiva tra modelli, trasformando i laboratori in piattaforme verticali integrate. La promessa di un’intelligenza “troppo economica per essere misurata” rischia così di accompagnarsi a un ecosistema meno aperto di quanto la retorica attuale lasci intendere, e vale la pena chiedersi se la corsa agli agenti non stia silenziosamente sostituendo una competizione orizzontale, fatta di modelli intercambiabili, con un mosaico di feudi verticali in cui l’utente finisce per scegliere non più una tecnologia, ma un’appartenenza.