Programmazione agentica: dal suggerimento di codice al lavoro verificabile

Che cosa cambia rispetto al completamento del codice

La programmazione agentica porta l’IA dentro un ciclo di lavoro: ricevere un obiettivo, leggere il progetto, proporre modifiche, eseguire strumenti e usare il risultato per decidere il passo successivo. Un completamento suggerisce una porzione di codice; un agente può lavorare su un’attività che attraversa più file. Il risultato deve comunque essere confrontato con la richiesta iniziale.

Anthropic distingue i workflow, con percorsi definiti dal codice, dagli agenti, nei quali il modello orienta dinamicamente processo e strumenti. La sua guida raccomanda semplicità e complessità aggiunta solo quando serve: l’autonomia può aumentare costi e latenza. Sono principi architetturali, non una garanzia che qualsiasi compito debba essere affidato a un agente. [1]

Un esempio: correggere un errore di salvataggio

Immaginiamo un’applicazione che perda un campo quando l’utente salva una bozza. È un esempio didattico, non il resoconto di un progetto reale. Una consegna utile descrive il comportamento atteso, i passaggi per riprodurre il difetto e i vincoli: formato dei dati invariato, compatibilità con le bozze esistenti e nessuna pubblicazione automatica.

L’agente può ricostruire il percorso del dato dall’interfaccia alla persistenza e proporre una correzione. Il revisore deve poi poter vedere che cosa è cambiato e con quali evidenze: riproduzione del difetto, verifica del caso corretto e controllo di un salvataggio già funzionante. Un test che passa è un elemento di valutazione; serve anche verificare che il test rappresenti davvero il problema.

L’ambiente conta quanto il modello

GitHub descrive per i propri Agentic Workflows un’architettura fondata su isolamento, uscite vincolate, registrazione delle attività e verifica delle scritture. Il modello di minaccia considera anche gli input non affidabili: una pagina o un’issue può contenere istruzioni che tentano di deviare l’agente. Il progetto separa l’esecuzione dell’agente dai segreti e governa accessi e comunicazioni. [2]

Per una sperimentazione aziendale proponiamo un repository circoscritto e dati di prova. Definite quali comandi sono ammessi, quali servizi sono raggiungibili e chi approva merge e rilascio. Le credenziali di produzione non servono per dimostrare che un agente sappia correggere un difetto in un ambiente di test. Registrate anche i blocchi incontrati: sono informazioni utili per migliorare il processo.

Come valutare il beneficio senza inseguire le promesse

Il rapporto Anthropic sulle tendenze del 2026 descrive il passaggio verso il coordinamento degli agenti e insiste sul giudizio umano. Trattandosi di un rapporto del produttore, i casi e le valutazioni vanno letti nel loro contesto e non trasferiti automaticamente alle prestazioni di ogni azienda. [3]

La nostra proposta è misurare un piccolo insieme di attività confrontabili: tempo fino a una modifica accettata, lavoro di revisione necessario, difetti riaperti e consumo del servizio. Un’attività veloce da generare ma lenta da capire può spostare il costo sul revisore. Date quindi una definizione esplicita di “completato” prima dell’esperimento e annotate le eccezioni.

Il coordinamento di più agenti può essere utile quando le responsabilità sono separabili, ma aggiunge comunicazione e integrazione. Partite da un problema limitato e ampliate il perimetro dopo una verifica. Il passaggio decisivo è organizzativo: chi decide che il risultato soddisfa la richiesta? Nella programmazione agentica, una specifica chiara e una revisione competente diventano strumenti di lavoro quotidiano.