Persino Zuckerberg lo ammette: gli «agenti» IA sono più difficili da costruire di quanto promesso
Durante una riunione interna trapelata, Mark Zuckerberg ha ammesso che il progetto di Meta per creare «agenti» IA si è arenato, nonostante una scommessa da 145 miliardi di dollari e una dolorosa riorganizzazione. Un utile richiamo alla realtà su una delle espressioni più pubblicizzate dell’anno.
Probabilmente quest’anno hai sentito spesso la parola «agenti». È il termine con cui il settore indica un’IA che non si limita a rispondere alle domande, ma fa davvero cose per te: prenota un appuntamento, mette ordine nella posta, completa autonomamente un lavoro composto da più passaggi. Vale quindi la pena prestare attenzione quando il CEO che ha scommesso l’intera azienda su questa idea ammette sottovoce che le cose non stanno andando secondo i piani.
Durante un’assemblea aziendale interna trapelata, Reuters ha ottenuto la registrazione audio, Mark Zuckerberg ha dichiarato al personale di Meta che «la traiettoria dello sviluppo agentico, almeno negli ultimi quattro mesi, non ha realmente accelerato nel modo che ci aspettavamo». A dirlo è il capo di un’azienda che si è riorganizzata attorno all’IA, licenziando circa il 10% della forza lavoro a maggio e spostando all’incirca 7.000 persone nei team dedicati all’IA. Zuckerberg ha riconosciuto che la dirigenza era stata «super ottimista» quando aveva formulato quei piani all’inizio dell’anno.
Perché gli agenti sono così difficili? La risposta sincera è che eseguire in modo affidabile una catena di attività è molto diverso dal rispondere a una sola domanda. Ogni passaggio rappresenta un’occasione per sbagliare leggermente e i piccoli errori si accumulano: un agente affidabile al 95% in ciascun passaggio può comunque fallire nella maggior parte dei lavori composti da dieci passaggi. Gli agenti inciampano inoltre nelle istruzioni vaghe e nelle situazioni impreviste, rendendo rischioso affidare loro senza supervisione qualunque cosa importante. Persino i migliori sistemi agentici di qualsiasi laboratorio nel 2026 hanno ancora bisogno di un essere umano che sorvegli il lavoro con conseguenze significative. È un po’ come per le auto a guida autonoma: le dimostrazioni impressionanti sono arrivate rapidamente, ma l’ultimo tratto verso il «fidati completamente» è la parte difficile e lenta.
Per offrire una prospettiva equilibrata: quest’anno Meta spenderà fino a 145 miliardi di dollari in infrastrutture IA, quindi quattro mesi di stallo rappresentano un’incertezza sui tempi, non un cambio d’idea. Zuckerberg si aspetta ancora progressi concreti nell’arco di tre-sei mesi. Ma il divario tra le promesse sicure di quest’anno e la realtà di questo trimestre è esattamente ciò che vale la pena ricordare la prossima volta che un prodotto affermerà che il proprio agente gestirà la tua vita.
Cosa significa per te: Se ti sei sentito indietro perché non stai ancora affidando compiti a un’IA autonoma, rilassati. L’azienda che spende più di quasi tutte le altre lo trova più difficile di quanto pubblicizzato. Per il momento, l’IA è davvero utile come assistente capace sottoposto alla tua supervisione, ma incerta come dipendente senza supervisione. Se la tua azienda sta definendo flussi di lavoro in cui «l’IA se ne occupa», prevedi tempo aggiuntivo, mantieni una persona nel processo per tutto ciò che conta e tratta le tempistiche ambiziose sugli agenti come marketing finché non saranno dimostrate.
Fonti
- Reuters / US News: secondo Zuckerberg, lo sviluppo degli agenti IA procede più lentamente del previsto
- The Decoder: il progetto di Meta sugli agenti IA procede più lentamente di quanto previsto da Zuckerberg
- PYMNTS: Zuckerberg comunica ai dipendenti di Meta che gli agenti IA avanzano più lentamente del previsto
MiniMax M3: un modello IA di fascia alta che puoi scaricare ed eseguire personalmente
Un laboratorio cinese ha pubblicato M3, un modello IA scaricabile gratuitamente che eguaglia i grandi sistemi chiusi nei compiti di programmazione, legge un milione di parole in una volta e gestisce immagini e video. Uno sguardo al perché i modelli «open weight» continuano a ridurre il divario e alle condizioni da leggere con attenzione.