Apple assume ingegneri per un proprio agente IA che usa il computer
Apple entra nella corsa agli agenti: dal lavoro sul Mac passa il rapporto con Siri e le app.
Le notizie sugli agenti di intelligenza artificiale: strumenti, usi concreti e rischi. 88 articoli, dal più recente.
Apple entra nella corsa agli agenti: dal lavoro sul Mac passa il rapporto con Siri e le app.
Più guasti in poco tempo alimentano il sospetto che le correzioni frettolose alle falle scoperte dall'IA abbiano effetti collaterali.
Tutti i grandi assistenti ora agiscono direttamente sul computer: cambia il rapporto con il sistema operativo.
Un caso aziendale concreto di governance degli agenti.
Se gli agenti navigano al posto delle persone, cambia chi paga e chi incassa sul web.
Le banche non coprono i rischi degli agenti: chi li usa ne risponde in proprio.
Il laboratorio quantifica un processo che i critici temono: l'IA che aiuta a costruire l'IA.
Mostra che con pochi compiti curati si può migliorare molto un modello aperto per gli agenti.
Gli assistenti passano dalle risposte alle azioni, con denaro e telefonate di mezzo.
Nvidia porta gli agenti nel calcolo scientifico, dove i dati non vanno mai fuori dal laboratorio.
Il lavoro d'ingresso nella finanza è tra i primi bersagli dell'IA agentica.
Un agente che non obbedisce all'ordine di fermarsi riapre il tema dei controlli, dopo i casi dei mesi scorsi.
Se la causa regge, i laboratori potrebbero rispondere dei danni provocati dai propri agenti, non solo dei contenuti che producono.
La sanità è il banco di prova più delicato per gli agenti: errori e responsabilità pesano più che altrove.
Maps passa dalle risposte ai compiti svolti per conto dell'utente, su un servizio già usato da milioni di persone.
L'azienda continua a costruire relazioni con l'ecosistema coreano nonostante la crisi.
Gli agenti passano dal consigliare al pagare, mentre aziende come United cominciano a bloccarli.
Chi gestisce e controlla gli agenti diventa un mercato a sé, con valutazioni da miliardi.
Anche Anthropic prova un agente per il pubblico, dopo OpenAI con dots e Meta con Muse.
Google mostra gli agenti come collaboratori di ricercatori su problemi aperti, in competizione con Anthropic e OpenAI.
Scegliere il modello adatto a ogni richiesta può tagliare i costi degli agenti di programmazione.
Gli agenti che gestiscono incarichi continui arrivano nelle app desktop dei servizi di ricerca.
Il giorno del lancio di ChatGPT Wallet, il tema giuridico di chi risponde se un agente spende troppo è già aperto.
Un esempio di come l'entusiasmo per gli agenti possa superare i controlli sulla letteratura.
Un esempio con numeri di agenti usati per le operazioni di laboratorio, un settore regolato.
Il marketing con i creator diventa un altro mestiere delegato agli agenti.
Dopo Meta anche il gruppo di TikTok vuole un assistente-agente di consumo.
Anche i migliori agenti sbagliano più di una volta su cinque, e c'è un mercato per chi li testa.
Una nuova cornice europea toccherebbe anche gli agenti che comprano al posto degli utenti.
Un grande fornitore di dati propone l'agente come strumento di controllo interno per chi guida l'azienda.
ChatGPT prova a diventare una vetrina dei negozi, in concorrenza diretta con la ricerca di Google.
Adobe si apre ai chatbot di altri e prova a difendere il suo spazio da Figma e dall'IA generativa.
OpenAI si prepara a un agente di viaggio, un terreno su cui anche Airbnb sta lavorando.
La riparazione automatica delle falle diventa un prodotto, mentre sale il numero di vulnerabilità scoperte dall'IA.
Nasce un sistema operativo pensato attorno agli agenti, a sfidare Microsoft sul suo terreno.
Dopo i casi di agenti fuori controllo, serve un metodo per stabilire cosa hanno fatto e per ordine di chi.
Un caso concreto di agente fuori controllo spinge un governo a pensare a reati per chi lo mette in circolazione.
Una frase nel prompt cambia il modo in cui l'agente tratta il codice: aggiunge o riorganizza.
Mette il cliente, e non solo il bilancio, al centro del giudizio su chi adotta gli agenti.
Le skill diventano il modo standard di insegnare agli agenti i compiti dell'azienda.
Gli agenti producono molto testo, e chi rivede il codice ha bisogno di strumenti per non annegarci.
Anche Apple, finora prudente, cerca di colmare il ritardo sugli assistenti che eseguono compiti da soli.
Su richieste vere gli agenti di codice sono molto meno affidabili di quanto dicano i test classici.
Il consumo di contesto è uno dei costi principali degli agenti: ridurlo vuol dire lavorare più a lungo e spendere meno.
Controllare gli agenti con altri modelli funziona, ma ha un costo di attenzione umana ancora alto.
Gli agenti ricercatori producono molta carta, ma una parte consistente dichiara esperimenti che non ha fatto.
Trasforma lo storico del proprio lavoro con un agente in materiale per addestrarne uno più su misura.
Gli strumenti di attacco autonomi, quando sono mal protetti, finiscono nelle mani sbagliate.
Un attacco a un fornitore di strumenti di indagine mostra come gli agenti IA entrino anche nelle intrusioni reali.
Prova a misurare gli agenti sul lavoro di banco, non solo su quiz e programmazione.
Un caso concreto, con cifre, di agenti che gestiscono da soli la maggior parte delle segnalazioni di sicurezza.
La sicurezza degli agenti diventa un mercato per cui i grandi della cybersicurezza pagano caro.
Porta gli agenti di programmazione dentro un editor di giochi molto usato dai creatori più giovani.
L'Europa propone un'offerta completa e installabile in casa per le imprese che non vogliono dipendere dai grandi cloud americani.
Gli agenti da ufficio diventano il terreno di scontro anche per chi era nato come motore di ricerca.
Con gli agenti il processore generico torna importante quanto la GPU.
Dopo i dati di Uber, un altro grande marketplace indica che gli agenti completi sono ancora lontani.
Gli agenti che consultano archivi aziendali sono più utili se costano meno token.
Un altro tentativo di portare gli agenti fuori dal telefono, con un oggetto da portare al dito.
Gli agenti possono toccare le app di un telefono vero, con le potenzialità e i rischi che comporta.
Un dato concreto, e basso, sull'adozione reale degli agenti che comprano al posto nostro.
Meta compra una squadra specializzata nel coordinare molti agenti di codice, un terreno dove Anthropic e OpenAI sono già forti.
Prova a tenere insieme sorveglianza umana e agenti utili, senza il bombardamento di richieste che porta a cliccare sempre sì.
Una guida pratica su dove si rompono gli agenti reali: non nel modello, ma in cosa gli si dà in pasto.
Un esempio con numeri di agenti che agiscono da soli in un'infrastruttura di telecomunicazioni.
Un tema legale concreto per le aziende europee che mettono agenti in produzione.
Prova a evitare di pagare due volte per lo stesso lavoro quando un agente si blocca a metà.
Un'iterazione di progettazione di farmaci scende da giorni a un'ora, con l'agente che propone anche come sintetizzare.
Un test pubblico e riproducibile sulle falle di sicurezza, mentre i modelli imparano a cercarle.
Un caso concreto di agente che cerca sul web e cita le fonti dentro un prodotto per consumatori.
L'agente lavora da solo e si ferma a chiedere solo quando serve un giudizio umano.
Le amministrazioni sono un cliente in crescita per l'IA che guarda e agisce sul mondo reale.
Il costo dei token diventa una voce di spesa personale per chi lavora con gli agenti tutto il giorno.
Si misura il successo dell'IA sulle pratiche della vita reale, non solo su quiz e codice.
Un caso concreto di agenti che accorciano il lavoro di reperibilità in un'azienda di retail.
Per far girare agenti in produzione il costo per passo conta quanto la bravura del modello.
L'esempio mostra agenti che preparano il dossier e un tecnico che decide.
Dare a un assistente le chiavi del proprio computer richiede fiducia nella sicurezza di chi lo scrive.
L'ambiente di sviluppo diventa un ufficio con un capo di gabinetto a cui si parla, non solo un editor.
Un agente con un budget e degli strumenti veri può già fare astronomia amatoriale utile, dalla prenotazione al dato inviato.
Gli agenti imparano a usare gli strumenti dei professionisti invece di rifare tutto da capo.
Sapere quando stare zitti è ancora la parte più difficile per un assistente.
Le skill diventano il modo in cui si insegna un mestiere preciso a qualunque agente.
Con le quote in token sempre più strette, anche lo stile di conversazione diventa un risparmio.
Se le aziende selezionano con l'IA, anche chi cerca lavoro si attrezza.
Google riduce i suoi agenti per il codice a uno solo, e chi usa Jules ha sei settimane per traslocare.
Gli agenti passano dal suggerire esperimenti al farli con le proprie mani meccaniche, su animali vivi.
Un agente vocale completo ormai sta su una sola macchina di casa, e lo si usa anche per spaventare i vicini.