Steps of AI Adoption (tableau/artifact + post LinkedIn « I talk to engineers at other companies every day… »)
Boris Cherny (Creator & Head of Claude Code @Anthropic) pubblica su LinkedIn una tabella-framework, « Steps of AI Adoption », che mappa l'adozione dell'IA agentica da parte di un team di ingegneria lungo 5 stadi (0→4), ciascuno caratterizzato da un ordine di grandezza di agenti guidati e da una trasformazione del ruolo dell'ingegnere: 0 Gated (0 agenti, accesso bloccato), 1 Assisted (~1 agente — "tu + un agente", pair programming supervisionato), 2 Parallel (~10 agenti — orchestrator), 3 Supervised autonomy (~100 agenti — manager of managers, un albero organizzativo), 4 AI-native (~1.000+ agenti — VP steering by intent).
Di Boris Cherny// Fonte linkedin.com ↗/Lettura 2 min/.md// Traduzione verificata automaticamente
Boris Cherny, Creator & Head of Claude Code presso Anthropic, pubblica una tabella-framework — « Steps of AI Adoption » — nata da un'osservazione ricorrente: in molte aziende, una sola persona moltiplica per dieci il proprio output con Claude, ma il resto dell'organizzazione non segue. Da qui deriva una scala di maturità a 5 stadi (0→4), strutturata attorno all'ordine di grandezza di agenti guidati da un ingegnere — e alla trasformazione di ruolo che questo impone.
0 — Gated (0 agenti): accesso bloccato, modelli più vecchi, nessuna governance MCP né infrastruttura per ospitare il codice di Claude; collo di bottiglia = sicurezza/approvazioni legacy e un'ossessione per il costo per token. 1 — Assisted (~1): "tu + un agente", pair programming supervisionato, lavoro sincrono; collo di bottiglia = la tua attenzione, poiché senza auto-verifica rivedi tutto. 2 — Parallel (~10): diventi l'orchestrator di 5-10 agenti su worktree separati; Claude si auto-verifica (test/build/lint/sicurezza), Auto mode e review automatizzate per default; collo di bottiglia = rivedere più flussi. 3 — Supervised autonomy (~100): manager of managers, Claude scrive quasi tutto, la manutenzione gira in background; collo di bottiglia = fiducia nel loop e throughput decisionale. 4 — AI-native (~1.000+): VP steering by intent, un loop chiuso in cui Claude lancia la maggior parte degli agenti, monitoraggio per eccezione.
Steps of AI Adoption
— Boris Cherny , linkedin.com
Tesi centrale: i token non fanno salire di livello. Ogni livello ha il proprio collo di bottiglia; il progresso viene dal romperlo e dal costruire il prossimo set di guardrail che rende l'output affidabile. Le leve nominate: loop di auto-verifica (test + build + lint + e2e su un ambiente reale), Auto mode contro i prompt bloccanti, code review + security review per default, interfacce multi-agente (Agent view, Desktop, mobile, Tag), poi /loop, /batch, /goal, dynamic workflows, worktree isolation, CLAUDE.md + Skills per codificare gli standard, e infine il Claude Agent SDK per programmare/pianificare flotte di agenti.
Sullo steering, Cherny respinge la metrica di vanità: l'utilizzo misura l'attività, non il ritorno. La domanda giusta — avremmo comunque speso questo sforzo, e quante ore-ingegnere manuali sarebbero costate? — dà il vero ROI. Il guadagno decisivo arriva quando la correzione/manutenzione passa in background, liberando i team per costruire ciò che prima non era nemmeno alla portata. Un benchmark onesto: Anthropic è allo stadio 3 e spinge verso il 4; lui stesso ha appena raggiunto il livello 4.
Punti chiave
Idea centrale: non si sale di livello spendendo più token. Ogni livello ha il proprio collo di bottiglia; passare al successivo richiede romperlo E costruire il prossimo set di guardrail che renda l'output affidabile. « Non si tratta di una singola funzionalità, ma piuttosto di usare le funzionalità giuste con i guardrail giusti. »
La spina dorsale del modello = l'ordine di grandezza di agenti guidati, e il ruolo che impone. 0 → ~1 → ~10 → ~100 → ~1.000+ agenti, ossia ingegnere bloccato → pair programmer → orchestrator → manager of managers (albero organizzativo) → VP steering by intent. È questa la vera "essenza" della tabella: una crescita esponenziale del parallelismo che trasforma il mestiere, non solo la velocità.
Stadio 0 — Gated (0 agenti). Solo modelli approvati più vecchi/leggeri, latenza che si accumula attraverso gateway + autenticazione custom, nessuna governance MCP, accesso bloccato/gravato da processi, nessuna infrastruttura per ospitare codice prodotto da Claude (gli output restano locali). Collo di bottiglia: sicurezza/approvazioni legacy, un'ossessione per il costo per token a scapito dei risultati, nessuna voce tecnica reale nella decisione. Prodotto: chat Claude.ai. Guardrail: SSO/SCIM + RBAC, tetti di budget organizzativi, deployment entro le approvazioni/IAM esistenti, data governance. 0→1: allineamento dirigenza/buyer, escalation dei blocchi, framework per lanciare Claude in sicurezza.
Stadio 1 — Assisted / "tu + un agente" (~1). Un ingegnere, un agente, quasi tutto supervisionato (pair programmer veloce), una sessione alla volta, revisione di quasi ogni modifica prima del merge. Sblocco: ciò che prima riempiva un pomeriggio ora si conclude tra due riunioni. Collo di bottiglia: la tua attenzione — bassa fiducia + assenza di auto-verifica → leggi tutto, lavoro sincrono (osservi Claude invece di andare avanti). Prodotti: Claude Code (Desktop/CLI/IDE), Cowork, Design, utilizzo via API/Bedrock/Vertex/Microsoft Foundry, dashboard + Analytics API, Compliance API, Plan mode. Guardrail: tetti di spesa per postazione, modello/effort e policy gestiti centralmente, esportazione OpenTelemetry verso il SIEM.
1→2 (transizione chiave):. far girare più agenti contemporaneamente; un loop di auto-verifica affidabile (test + build + lint + e2e su un ambiente di sviluppo reale); Auto mode per smettere di essere bloccati dai prompt di permesso; automatizzare il code review.
Stadio 2 — Parallel / Orchestrator (~10). Un ingegnere orchestra 5-10 agenti in parallelo, ciascuno sul proprio worktree/git checkout. Claude verifica il proprio lavoro (test, build, lint, scansione di sicurezza) prima che tu lo veda; Auto mode sempre attivo; code review + security review predefiniti. Rivedi diff finali, non battute di tastiera; il backlog di manutenzione si riduce; Claude scrive la maggior parte del codice. Sblocco: un backlog di più settimane diventa un pomeriggio di orchestrazione per un ingegnere. Collo di bottiglia: la revisione (controllare sei flussi paralleli) + destreggiarsi tra prompting/steering. Prodotti: Auto mode, Agent view, Claude Code Review, Claude Security Review, Claude Code Mobile + esecuzione cloud Desktop, Claude Tag (un task isolato), worktree isolation CLI/Desktop, Remote control (steering dal telefono). Guardrail: Analytics sull'utilizzo del team, applicazione della qualità (lint/test/typecheck), verifica e2e potenziata da Claude (estensione Chrome o MCP simulatore iOS/Android), lo stesso standard di qualità per codice umano e codice agente, pre-approvazione di bash/MCP sicuri in settings.json.
2→3:. dare a Claude i mezzi per recuperare contesto (lettura di codice, wiki, discussioni); agency + velocità di code review (gli agenti possono toccare il codice di altri team); scomporre il lavoro in loop e routine; lasciare che Claude lanci Claude.
Stadio 3 — Supervised autonomy / Manager of managers (~100). Claude scrive tutto o quasi tutto il codice; la domanda passa da "hai letto il codice?" a "quale contesto mancava al modello, e come lo correggiamo per la prossima volta?". Sblocco: Claude fa proattivamente ciò che prima veniva lanciato a mano; la manutenzione/pulizia gira continuamente in background. Collo di bottiglia: la fiducia nel loop e il throughput decisionale del team — l'albero di agenti è troppo profondo per essere sorvegliato passo passo; la trappola è scalare il numero di agenti prima che il loop abbia guadagnato fiducia. Efficienza dei token da monitorare (OTel/Analytics), una cultura di sperimentazione + controllo dei costi una volta che l'utilizzo interno raggiunge il PMF. Test: "è qualcosa che un ingegnere avrebbe fatto?". Prodotti: subagenti con worktree isolation (nessuna collisione), Routines, /loop, /batch, /goal, dynamic workflows, Claude Tag (osserva un canale/fonte e lancia task). Guardrail: code review + security review automatizzati, agent sandboxing, CLAUDE.md + Skills per codificare gli standard, calibrazione del classificatore di Auto mode, gestione dell'uso dei token (selezione del modello, advisor, LSP, suddivisione di CLAUDE.md in lazy Skills).
3→4:.automazione su larga scala per casi d'uso specifici del dominio (migrazione del codice, fuzzing, costruzione di feature, remediation dei feedback).
Stadio 4 — AI-native / VP steering by intent (~1.000+). Un loop completamente chiuso; la maggior parte degli agenti è lanciata da Claude; da centinaia a migliaia di agenti in esecuzione; steering per intento e monitoraggio per eccezione. Sblocco: una migrazione di un trimestre diventa un workflow che lanci e controlli. Collo di bottiglia: identificare e automatizzare il lavoro su larga scala + applicare il guardrail giusto per ogni tipo di lavoro. Prodotti: Claude Agent SDK (costruire/pianificare agenti programmaticamente), Claude Tag (presente nella maggior parte dei canali Slack, risponde ai post). Guardrail: controlli dei costi per l'automazione, selezione del modello per l'automazione.
Metrica anti-vanità (steering). L'utilizzo (dashboard) misura l'attività, non il ritorno. Domanda migliore: avremmo comunque investito sforzo ingegneristico su questo, e se sì, quante ore-ingegnere manuali sarebbero costate? → questo è il ROI. Il jackpot: quando la correzione/manutenzione passa in background, i team fanno "cose che prima non rientravano nemmeno nel regno del possibile".
Benchmark di autoposizionamento.Anthropic è allo stadio 3, in spinta verso il 4; Boris Cherny dichiara di essere al livello 4. Utile come benchmark onesto: nemmeno il fornitore è "al vertice assoluto".
Correlato. pezzo di accompagnamento a [[fiches/2026-07/cherny-wu-reflecting-year-claude-code-2026-07-17\|Cherny & Wu — « Reflecting on a year of Claude Code »]] (stesso autore, la spedizione diventa economica → il valore si sposta sul giudizio); corpus "agent manager / orchestration" (il grande appiattimento di Sankar, il manifesto dei token di Martignole); guardrail e verifica (compound engineering, loop di auto-verifica).
Affermazioni attribuite
pour passer à l'étape suivante il faut casser le prochain goulet d'étranglement et bâtir de nouveaux garde-fous ; les tokens seuls ne suffisent pas
— Steps of AI Adoption
l'axe structurant est l'ordre de grandeur d'agents piloté (0, ~1, ~10, ~100, ~1000+), transformant le rôle de pair programmer à VP pilotant par l'intention
— Steps of AI Adoption
avoir personnellement atteint le niveau 4 (AI-native)
— Boris Cherny
Il grafo di conoscenza estratto da questa fiche — 13 entità, 17 relazioni.
In questo grafo :Boris Cherny · Steps of AI Adoption · étape 0 Gated · étape 1 Assisted · étape 2 Parallel · étape 3 Supervised autonomy · étape 4 AI-native · Auto mode · worktree isolation · Claude Agent SDK · boucle d'auto-vérification · garde-fou (guardrail) · ROI de l'IA (heures-ingénieur)