Oltre i Chatbot: Ora parliamo di AI Agentica

Fino a ieri abbiamo utilizzato l'Intelligenza Artificiale Generativa in modo puramente passivo: inviavamo un comando (prompt), leggevamo la risposta e, se necessario, ne chiedevamo un'altra. Fine.

Oggi la vera rivoluzione tecnologica ha preso una direzione completamente diversa e si chiama AI Agentica. A differenza del modello tradizionale, un agente AI non si limita a rispondere: riceve e prende in carico un obiettivo, identifica e pianifica le sotto-azioni necessarie per raggiungerlo, utilizza strumenti esterni in autonomia e corregge i propri errori potenzialmente fino a quando non ha completato il compito.

In sostanza, l'intelligenza artificiale passa dall'essere un semplice "assistente" di produzione ad un vero e proprio collaboratore autonomo e indipendente, ovvero capace di portare a termine flussi di lavoro complessi richiedendo solo una minima supervisione.

Di seguito una tabella comparativa delle due tecnologie.

In relazione alle sue origini, è importante distinguere la radice concettuale di questa tecnologia, nata decenni fa, dalla sua effettiva esplosione e definizione commerciale, avvenuta di recente.

🏛️ L'Origine Concettuale (1950 - 2001)

L'idea di una macchina capace di agire come un "agente autonomo" risale ai padri fondatori dell'informatica:

• L'idea visionaria (1950-1959): Già nel 1950, Alan Turing immaginava macchine capaci non solo di calcolare, ma di decidere. Nel 1959, lo scienziato Oliver Selfridge presentò il modello "Pandemonium", in cui descriveva l'intelligenza come l'unione di piccoli "demoni" (software specializzati, non quelli che incontriamo di notte :D) che collaboravano tra loro, anticipando di sessant'anni i sistemi multi-agente odierni.
• La profezia (2001): Tim Berners-Lee, l'inventore del World Wide Web per capirci, nel suo saggio sul Semantic Web, teorizzò la nascita di "agenti software intelligenti" capaci di navigare sul web, prenotare voli o gestire agende per conto degli utenti senza supervisione umana. Ovviamente ai tempi mancava la tecnologia per farlo: i modelli linguistici (LLM) tanto per cominciare.

🚀 Il metodo ReAct: ragiona e agisci (2022)

Nell’ottobre 2022, un gruppo di ricercatori di Princeton e Google Research presentò ReAct, uno dei metodi più importanti che ha contribuito allo sviluppo degli agenti basati su modelli linguistici: il modello alterna ragionamento e azioni in un ambiente esterno, usando i risultati ottenuti per decidere il passo successivo.

• Cosa è successo: Gli scienziati pubblicarono il paper fondamentale intitolato "ReAct: Synergizing Reasoning and Acting in Language Models".
• La svolta: ReAct ha dimostrato che un modello linguistico non deve limitarsi a produrre una mera risposta. Può alternare il ragionamento — Reasoning, per gli amici — e un’azione esterna — Acting, sempre per gli amici 😁. L'azione esterna potrebbe essere una chiamata API, una ricerca su Google, la lettura di un'email. Dopo ogni azione, il modello osserva il risultato e decide come proseguire. Questo ciclo gli permette di affrontare un compito passo dopo passo, rivedendo il proprio percorso quando necessario.

🏷️ La Nascita del Termine "Agentica" (2024)

Nonostante i framework come LangChain o AutoGen stessero già nascendo nel 2023, la comunità scientifica litigava su cosa potesse davvero definirsi un "Agente" e cosa no.

• Chi lo ha coniato: Nel marzo 2024, il celebre scienziato e pioniere dell'AI Andrew Ng (co-fondatore di Coursera e Google Brain per capirci) ha introdotto e popolarizzato l'aggettivo Agentic AI.
• Perché: Andrew Ng scelse l'aggettivo agentic (preso in prestito dalla psicologia, dove indica la capacità umana di esercitare controllo sulla propria vita) per superare il dibattito binario. Invece di discutere se un software sia "un agente puro al 100%", propose di misurare il grado di comportamento agentico di un'AI (la sua capacità di pianificare, riflettere e usare strumenti).

Ecco un comodo schemino per riassumere le tappe principali:

Ingrandisci schema

Come sicuramente avrete gia capito, l'AI Agentica è nata per rispondere a un limite strutturale e 'noioso' dell'AI Generativa tradizionale:

• La dipendenza dal Prompt continuo: Con i chatbot classici, ad esempio la prima versione di ChatGPT, l'utente è costretto a fare da "regista" inserendo un prompt dopo l'altro: "Cerca questo, ora riassumi, ora genera una mail, ora inviala". L'AI Agentica nasce per consentire all'utente di dare solo l'obiettivo finale: "Fai questa ricerca e invia il risultato a xyz", lasciando che l'AI gestisca autonomamente la frustrazione dei passaggi intermedi.
• Il superamento delle allucinazioni: I sistemi basati su cicli agentici, come la riflessione o l'uso di sandbox, riducono drasticamente gli errori dei modelli perché l'AI può verificare i fatti prima di rispondere, testando il codice o interrogando database per validare le proprie risposte.

Come abbiamo visto, l'AI Agentica affonda le sue primordiali origini già negli anni 50, per poi decollare effettivamente dal 2022 ad oggi.
Prende in carico un obiettivo, pianifica i passaggi, usa strumenti, verifica i risultati, rivaluta i propri passi.
Richiede minima supervisione e abbatte drasticamente gli errori (allucinazioni) dei suoi predecessori.
Il futuro dell’AI Agentica si preannuncia estremamente dinamico ed apre la strada ad applicazioni prima inimmaginabili.
Potrebbe senz'altro valer la pena conoscerla meglio e iniziare a sfruttarla per sviluppare le nostre idee. Ma una domanda importante è: quando vale davvero la pena usarla?
Nelle prossime puntate di questa Rubrica, capiremo quando sceglierla, quando farne a meno e quali sono i principali pattern dietro questa fantastica tecnologia.

Alla prossima e... Stay tuned!!