Sfoglia altri articoli simili con le etichette:
Anthropic ha rilasciato ieri Claude Sonnet 4.5, descritto nel blog ufficiale come il miglior modello al mondo per task agentici di lunga durata. Il dato che fa rumore: nei benchmark interni dichiarati, sessioni autonome di trenta ore continuative senza il degrado prestazionale che affliggeva tutti i modelli precedenti. SWE-bench Verified al 77,2%, OSWorld al 61,4%, performance superiore a Sonnet 4 e a confronto diretto con Opus 4.1.
I numeri sono la parte facile. Il significato operativo è dove cambia il gioco.
Il problema dei task lunghi che pochi raccontano
Chiunque abbia provato a far girare un agente AI su un workflow che dura più di quaranta minuti conosce il fenomeno. Inizia bene. Continua decente. Verso la metà perde il filo del piano iniziale. Verso la fine produce output sconnessi dal punto di partenza. Si chiama context degradation, o più colloquialmente “agent fatigue”, e ha tenuto inchiodate al banco delle prove buona parte delle promesse sugli agenti AI fatte tra fine 2024 e metà 2025.
Sonnet 4.5 affronta questo problema in modo strutturale. Anthropic descrive nel technical post miglioramenti su tre fronti: memoria di lavoro più stabile, capacità di rivedere il proprio piano quando il contesto cambia, gestione esplicita di sub-goal con checkpoint intermedi.
Non è magia. È ingegneria del modello tarata su workflow reali, non più solo su benchmark accademici.
Cosa significano 30 ore di task autonomo
Anthropic ha mostrato un esempio concreto nel post di lancio: un agente che ha costruito un’applicazione Slack-clone funzionante in trenta ore di lavoro autonomo. Non parliamo di prototipo da hackathon, parliamo di codebase di migliaia di righe con frontend, backend, database, gestione utenti. Funzionante.
L’esempio è del laboratorio. Va preso per quello che è: un test controllato, non un caso d’uso pronto per essere replicato in agenzia il lunedì mattina. Comunque, il segnale è chiaro. La barriera tra “agente AI” e “stagista che esegue da solo un compito lungo” si sta abbassando di mesi in mesi.
Cosa significa per marketing automation reale
Lavoro con team marketing su workflow che oggi richiedono persone senior per ore: audit SEO multi-pagina di un sito enterprise, analisi competitor su quindici concorrenti, costruzione di topic cluster su mille keyword, riconciliazione dati cross-platform per attribution model.
Questi sono i casi dove Sonnet 4.5 vale il prezzo del biglietto. Non perché sostituisce la persona senior, ma perché la libera dal volume noioso e la lascia su decisioni e strategia. La matematica è stata sempre questa, mancava lo strumento abbastanza stabile per renderla operativa.
Nei test che ho fatto in queste prime trentasei ore con Claude Code (l’ambiente di sviluppo agentico di Anthropic), l’agente ha completato senza intervento umano task di analisi competitiva su otto siti che impegnavano un account senior per circa sei ore. Tempo macchina: novanta minuti. Costo in token: meno di tre dollari.
Quello che funziona e quello che ancora no
Quattro categorie di task dove Sonnet 4.5 si difende eccellentemente nei miei test pratici: estrazione dati strutturati da pagine web non standardizzate, analisi comparativa di documenti lunghi, generazione di report tecnici con citazioni accurate, refactoring di codebase mediamente complesse.
Tre categorie dove ancora va supervisionato: scrittura long-form di pezzi editoriali (tende a un certo livello di omogeneità stilistica difficile da sradicare), decisioni che richiedono giudizio di mercato verticale (ad esempio strategia di pricing su settori specifici), task multi-agente in cui Claude deve coordinare altri Claude (la coordinazione cross-istanza è ancora fragile).
L’implicazione strategica per chi compra AI
Sonnet 4.5 sposta in avanti il confine tra “AI che assiste” e “AI che esegue”. È una distinzione operativa con conseguenze contrattuali precise.
Quando l’AI assiste, la responsabilità resta sul professionista che usa l’output. Quando l’AI esegue, la responsabilità si distribuisce: chi ha configurato l’agente, chi ha approvato la configurazione, chi ne supervisiona i risultati. I contratti di servizio devono adeguarsi, le polizze professionali devono adeguarsi, le procedure di audit devono adeguarsi.
Per chi opera in Italia in settori regolati, è il momento di rivedere il proprio inquadramento. Le associazioni di categoria del settore AI come AIPIA stanno lavorando da mesi su standard di qualifica per i professionisti che operano con agenti AI in produzione, e nei prossimi mesi questo lavoro arriverà a output utilizzabili.
Anthropic come anomalia nel mercato
Una nota strategica sul lato Anthropic. Il laboratorio californiano sta pubblicando aggiornamenti rilevanti a un ritmo che resta più lento di OpenAI e Google, ma con coerenza tematica notevole. Ogni rilascio Anthropic è centrato su un tema: a giugno la sicurezza interpretabile, ad agosto il coding agentico, a settembre i task lunghi.
OpenAI rilascia un sistema generalista che cerca di vincere su tutto. Google rilascia integrazioni nel proprio ecosistema. Anthropic rilascia capacità specifiche con benchmark verticali. Sono tre tesi di prodotto diverse.
Per chi sceglie il proprio stack AI, la domanda è: il mio caso d’uso ha più senso su un sistema-tutto, sull’ecosistema integrato, o su un modello focalizzato su una capacità precisa. Non c’è risposta universale. C’è una valutazione che ogni azienda deve fare sui propri workflow reali.
Quello che la concorrenza dovrà fare nei prossimi mesi
Una nota strategica su come questa release pesa sulla concorrenza. OpenAI ha appena rilasciato GPT-5 ad agosto con il proprio sistema di routing automatico, ma su task agentici di lunga durata Anthropic mantiene un vantaggio percepibile nelle valutazioni indipendenti. Google con Gemini 2.5 Pro è competitiva sui benchmark, meno sulla stabilità in sessioni estese.
La domanda per chi compra è dove sta andando il mercato. La mia tesi: i prossimi sei mesi vedranno una convergenza su capacità agentiche. Tutti i grandi laboratori pubblicheranno modelli capaci di task lunghi entro inizio 2026. Il differenziale tornerà a giocarsi su tre fattori: costo unitario, integrazione con ecosistemi (Workspace, Microsoft, Slack), affidabilità su domini specifici.
Per chi pianifica oggi, due principi utili. Prima, non bloccarsi su un fornitore unico per ragioni emotive: la mappa cambierà di nuovo. Seconda, non costruire applicazioni vertical-locked sulle capacità specifiche di una singola release. La portabilità è il vero asset.
Cosa farei se gestissi oggi un’agenzia AI-first
Tre azioni concrete questa settimana.
Uno: identificare i tre task ricorrenti più costosi in tempo senior. Se uno è di natura analitica multi-step e impiega più di due ore a settimana di un account senior, è un candidato per Sonnet 4.5.
Due: prototipare in cinque giorni l’automazione di quel task. Non in produzione, in sandbox. Misurare scarto qualitativo e tempo risparmiato.
Tre: se il prototipo regge, definire la procedura di supervisione umana e portarlo in produzione con metriche chiare. Se non regge, conservare l’esperienza per il prossimo trimestre. Sonnet 4.6 arriverà, e ogni release dei prossimi sei mesi ridurrà la distanza tra “non ancora” e “sì, oggi”.
Chi aspetta che la tecnologia sia matura prima di provarla, sarà un anno indietro quando lo sarà davvero.
