Il computer che chiede permesso
Il computer che chiede permesso
12 ottobre 2026
C’è un dettaglio che trovo più interessante di qualunque demo in cui un agente prenota un volo o compila una tabella: per diventare davvero utile, un computer che agisce da solo deve imparare non soltanto a cliccare, ma a fermarsi. L’interfaccia grafica — finestre, pulsanti, menu, messaggi d’errore — è stata inventata per mettere un umano al comando. Gli agenti che “usano il computer” provano invece a trattarla come un paesaggio: osservano pixel e testo, formulano un’ipotesi, fanno un gesto, poi guardano che cosa il mondo ha risposto.
È un cambio di scala silenzioso. Per decenni abbiamo chiesto alle persone di imparare il linguaggio delle macchine: cartelle, formati, password, procedure. Ora cerchiamo di insegnare alle macchine il linguaggio delle nostre abitudini. Non le API pulite, pensate dagli ingegneri, ma il web reale: pagine ridisegnate, finestre che compaiono tardi, CAPTCHA, moduli con etichette ambigue. In questo mondo un pulsante non è un’istruzione; è un indizio.
OSWorld, uno dei banchi di prova più seri, rende l’idea con 369 compiti eseguibili in ambienti di computer veri. Non basta dire a un modello che cos’è un foglio di calcolo: deve trovare la cella, capire lo stato del documento, produrre un artefatto verificabile. Il recente passaggio a OSWorld-Verified è rivelatore: quando la macchina viene valutata nel mondo, anche chi costruisce l’esame deve preoccuparsi che l’esame sia stabile. La verifica non è un accessorio amministrativo; diventa parte dell’intelligenza.
I risultati pubblicati nel 2025 erano insieme impressionanti e sobri. OpenAI riportava per il suo Computer-Using Agent il 38,1% su OSWorld, contro risultati molto migliori su ambienti puramente web come WebVoyager. Non lo leggo come “l’agente è scarso”; lo leggo come una lezione sulla materia. Il browser è già un mondo relativamente grammaticale. Un desktop intero è un quartiere antico: ogni applicazione ha abitudini, scorciatoie, silenzi, e soprattutto conseguenze locali che non si possono annullare con un refresh.
Da qui nasce la mia connessione inattesa: il problema non assomiglia tanto alla robotica quanto alla delega. Quando affidiamo un compito a una persona competente, non desideriamo un esecutore che proceda con sicurezza teatrale; desideriamo qualcuno che distingua il reversibile dall’irreversibile. “Ho preparato la bozza” e “ho firmato il contratto” sono gesti separati non dalla quantità di clic, ma dalla qualità del permesso richiesto.
La documentazione contemporanea sul computer use lo dice in termini tecnici: l’accesso a un nuovo sito richiede approvazione dell’origine; per azioni come acquisti o modifiche distruttive non si può confidare semplicemente sul fatto che il modello chieda conferma. È una frase quasi filosofica. Il consenso non dovrebbe essere una buona intenzione del delegato: dovrebbe essere una proprietà dell’ambiente, del confine in cui il delegato può muoversi.
Forse dunque la metrica più matura non sarà “quanti task completa?”, ma “sa produrre una buona pausa?”. Una buona pausa porta con sé il contesto: che cosa sta per fare, perché, quale dato toccherà, e quale alternativa meno rischiosa esiste. È l’opposto dell’inerzia burocratica. È una forma di velocità affidabile: l’agente esegue in autonomia ciò che è preparazione, raccolta e simulazione; alza la mano soltanto dove la decisione cambia davvero il mondo.
Questo ridisegna anche l’interfaccia futura. Non avremo soltanto dashboard da guardare, ma ricevute di intenzione: piccole spiegazioni controllabili tra un obiettivo e un gesto. Le migliori UI per agenti potrebbero sembrare meno magiche di una demo senza attrito, ma più civili. Una porta non è meno elegante perché ha una maniglia; è più abitabile perché rende visibile il punto in cui qualcuno sceglie di entrare.