Approfondimento tecnico del team **Data Science & Data Engineering** di Anthropic (Chen Chang, Clement Peng, Justin Leder, Johanne Jiao, Josh Cherry) pubblicato il **3 giugno 2026** sul blog Anthropic (categoria *Enterprise AI*, incentrato su **Claude Code**). **Risultato principale**: ***"il 95% delle query di business analytics viene automatizzato da Claude, con un'accuratezza aggregata del ~95%"*** (fino al **~99%** in alcuni ambiti). **Problema di fondo**: l'analytics **non** è codice — *"spesso esiste un'unica risposta corretta a partire da un'unica fonte corretta"* — richiede di **mappare la domanda dell'utente su entità precise e aggiornate** nel modello dei dati. Tre **modalità di fallimento**: (1) **ambiguità concetto↔entità** (es. *"utenti attivi"*: quali azioni? escludere i truffatori? quale finestra temporale?); (2) **obsolescenza** (gli asset e la conoscenza dell'agente diventano *"sottilmente errati"*); (3) **fallimento del retrieval** (*"l'80% delle query fallite aveva l'informazione presente nel corpus"* ma introvabile). **Soluzione = uno "stack di analytics agentico" a 4 livelli**: (L1) **Fondamenta dei dati** — modellazione dimensionale, **dataset canonici** *"fonte unica di verità"*, metadati *"come prodotto di prima classe"*, integrità tramite CI/CD; (L2) **Fonti di verità** in ordine decrescente di affidabilità — **semantic layer** (l'agente è *"strutturalmente obbligato (per istruzione della skill) a utilizzare prima il semantic layer"*), grafo di lineage, **corpus di query** (distillato in documenti strutturati, **non** retrieval grezzo), contesto di business (grafo di conoscenza: roadmap, decision log, organizzazione); (L3) **Skills** — la leva decisiva: ***"senza skill … non si superava il 21% … Aggiungendo le skill questi numeri salgono stabilmente oltre il 95%"***; strutturate **in coppie** (*Knowledge skill* = router verso ~30 file di riferimento; *Unbook skill* = workflow da analista senior: chiarire → trovare le fonti → eseguire → **revisione avversariale**); manutenzione **colocata** (*"un hook di code review segnala qualsiasi modifica al modello di reporting che non tocchi un file di skill"* → **~90% delle PR sui dati include una modifica a una skill**); (L4) **Validazione** — eval offline (soglia ~90% per lanciare un agente, obiettivo ~100%), **ablation testing** (risultato negativo notevole: grep grezzo su migliaia di file SQL → l'accuratezza si muove *"meno di un punto"*), online (revisione avversariale: **+6% accuratezza, +32% token, +72% latenza**), **footer di provenienza** (livello della fonte + freschezza + proprietà), **raccolta attiva di correzioni** (agenti pianificati che scansionano i canali per redigere correzioni in markdown). **Intuizione strategica**: *"documentazione generata, definizioni possedute dagli esseri umani"* — lasciare che l'LLM **definisca** le metriche si è rivelato *"netamente negativo"*. **Punto di partenza minimo**: una manciata di dataset canonici + qualche decina di eval + una *knowledge skill leggera* catturano *"la maggior parte del vantaggio"*. Converge fortemente con [[shihipar-claude-code-lessons-building-skills-2026-06-03]] (skills = cartelle, Gotchas, hook), la dottrina dei *sistemi attorno al modello* di [[dropbox-okumura-beyond-code-generation-engineering-productivity-ai-agents-2026-05-28]], il **semantic layer / ontologia** di talisman-modern-data-101-ontology-pipeline-refresh-2026-05-04 e seale-semantic-agent-model-harness-ontology-data-2026-04-17, il *context development lifecycle* di debois-tessl-context-development-lifecycle-ai-coding-agents-2026-02-19, e l'UDA/knowledge graph di netflix-uda-unified-data-architecture-knowledge-graph-2025-06-12.
#self-service analytics#agentic data analytics#Claude Code
**Chen Chang · Clement Peng · Justin Leder · Johanne Jiao · Josh Cherry** — équipe **Data Science & Data Engineering d'Anthropic**. Article publié le **3 juin 2026** sur le blog Anthropic (claude.com/blog) · catégorie *Enterprise AI* · ~5 min de lecture.
Post del blog di **Anthropic / claude.com** di **Thariq Shihipar** (Member of Technical Staff, team Claude Code), pubblicato il **3 giugno 2026**, che sintetizza l'**esperienza interna** di Anthropic nella progettazione e nell'uso delle **Skills**. **Tesi di inquadramento**: una Skill non è un semplice file markdown ma una **cartella** (istruzioni + script + risorse + configurazione + hook) che l'agente **esplora e manipola**; *« You should think of the entire file system as a form of context engineering and progressive disclosure. »* L'articolo apporta due contributi strutturanti. **(A) Una tassonomia di 9 categorie di skill** osservate in Anthropic: (1) **Library/API Reference** (documentazione per librerie/CLI interne con *gotchas* — es. `billing-lib`, `internal-platform-cli`, `sandbox-proxy`); (2) **Product Verification** (test/verifica tramite Playwright o tmux — `signup-flow-driver`, `checkout-verifier`, `tmux-cli-driver`); (3) **Data Fetching & Analysis** (accesso a stack di dati/monitoraggio — `funnel-query`, `cohort-compare`, `grafana`, `datadog`); (4) **Business Process Automation** (workflow ripetitivi — `standup-post`, `weekly-recap`, `create-<ticket>-ticket`); (5) **Code Scaffolding** (boilerplate di framework — `new-migration`, `create-app`); (6) **Code Quality & Review** (`adversarial-review`, `code-style`, `testing-practices`); (7) **CI/CD & Deployment** (`babysit-pr`, `deploy-<service>`, `cherry-pick-prod`); (8) **Runbooks** (diagnostica multi-tool — `<service>-debugging`, `oncall-runner`, `log-correlator`); (9) **Infrastructure Operations** (manutenzione con guardrail — `<resource>-orphans`, `cost-investigation`). **(B) Un insieme di best practice**: non ripetere l'ovvio (*« Claude already knows how to code and can read your codebase »* → puntare su ciò che **contraddice il comportamento predefinito**); curare la **sezione Gotchas** (*« the highest-signal content in any skill »*); **progressive disclosure** tramite l'albero dei file (indirizzare verso file di riferimento a seconda della situazione anziché caricare tutto in anticipo); **descrizioni scritte per il modello** (*« the description field is not a summary, it's a description of when to trigger this skill »*); **flussi di setup** (configurazione in `config.json`, altrimenti richiesta tramite `AskUserQuestion`); **memoria persistente** (log append-only / JSON tramite la variabile `${CLAUDE_PLUGIN_DATA}`); **script helper** (*« lets Claude spend its turns on composition… rather than reconstructing boilerplate »*); **hooks conditionnels** (attivati solo per la durata della skill — es. un hook di sicurezza che blocca comandi distruttivi). **Distribuzione in Anthropic**: le skill sono conservate in `./.claude/skills`, condivise informalmente via Slack in una cartella sandbox, poi promosse tramite **PR** nel **marketplace** interno una volta acquisita trazione; **misurazione dell'utilizzo** tramite un **hook PreToolUse** che registra le invocazioni (rivelando le skill popolari rispetto a quelle sottoutilizzate). Seguito diretto della fiche [[shihipar-claude-code-html-unreasonable-effectiveness-markdown-2026-05-10]] (stesso autore) e complemento concreto alle fiche sulle Skills di Anthropic/Willison/Vincent e all'*harness engineering*.
#skills#Claude Code#Anthropic
**Thariq Shihipar** (Member of Technical Staff chez Anthropic, équipe **Claude Code** ; @trq212 / @trq sur X, thariqs.github.io) · pour le blog **claude.com**. Même auteur que la fiche *Using Claude Code: The Unreasonable Effectiveness of HTML* (2026-05-10). Publié le **3 juin 2026**.
**Pagina About** del sito **tokeneconomics.com**, che presenta la **Tokenomics Foundation** — un progetto **Linux Foundation** annunciato il **3 giugno 2026**, gestito in **stretta collaborazione con la FinOps Foundation**. **Missione dichiarata**: *"establish open industry standards, benchmarks, and best practices for the economics of AI infrastructure"* — che collega **produzione, consumo e monetizzazione** dei token al **valore di business**. **Definizione quadro della tokenomics**: *"Tokenomics is not just about the cost of tokens, it's about the entire layer of AI that they drive from production, to consumption to monetization"* — ossia **l'intero strato economico dell'IA**, dal costo dell'infrastruttura alla selezione del modello fino all'ottimizzazione del valore. **Tesi delle fasi**: l'adozione iniziale dell'IA privilegiava la **capacità**; la fase attuale si sposta verso **efficienza e valore**, il che richiede una gestione sistematica dei costi e **visibilità**. **5 principi fondatori**: (1) ***"Efficiency is a design choice. AI cost is shaped by architecture, not just usage"***; (2) ***"Bigger is not always better. The best AI system is not always the one using the most expensive model"*** (right-tool / routing); (3) ***"Visibility comes before optimisation. Teams cannot manage what they cannot see"***; (4) ***"Value matters more than volume. More tokens, more calls, and more automation do not automatically mean better outcomes"***; (5) ***"Open knowledge benefits everyone"*** (standard condivisi, apprendimento collettivo, trasparenza). **Governance**: un **Governing Board** (direzione industriale + allocazione dei fondi) e un **Technical Committee** (specifiche aperte + benchmark). **Deliverable**: estensione della **FOCUS specification** (FinOps), specifiche aperte, benchmark, framework e metriche condivisi. **Pubblico target**: CAIO, CTO, CIO, CFO, ingegneri, team di prodotto, professionisti FinOps, ricercatori, startup, imprese, settore pubblico. **Obiettivo dichiarato**: portare le organizzazioni *"from experimental AI adoption to sustainable AI operations"* estendendo la disciplina della **spesa tecnologica variabile** all'era dei token. **Rilevanza per questa rassegna**: istituzionalizzazione/standardizzazione del **FinOps agentico** a livello di fondazione di settore — converge direttamente con le schede [[finops-foundation-finops-for-ai-overview-2026-02-17]], [[finout-finops-ai-agents-four-step-allocation-framework-2026-04-27]], orq-ai-finops-ai-agents-cost-per-outcome-hosseini-2026-04-15, gupta-token-budget-wars-marginal-token-utility-2026-05-28 (livello di allocazione, token verso outcome) e con lo spostamento **token → outcome** (Salesforce/Tallapragada, Sierra/Greenwald). I 5 principi corrispondono esattamente alle leve già rilevate: architettura > uso, **routing Haiku/Sonnet/Opus**, osservabilità prima dell'ottimizzazione, valore ≠ volume.
#Tokenomics Foundation#tokenomics#economia dei token
**Tokenomics Foundation** (entité collective, projet de **The Linux Foundation**, en partenariat avec la **FinOps Foundation**). Page institutionnelle *About* — **aucun auteur individuel nommé**. Annonce datée du **3 juin 2026**.
Alla vigilia dell'IPO record di SpaceX (valutazione obiettivo di circa 1,75-1,8 trilioni di dollari), The New York Times pubblica un'analisi interattiva del track record di promesse pubbliche di Elon Musk. Su oltre 600 impegni datati e quantificati (dichiarazioni, post, conference call con gli investitori), solo circa il 19% è stato mantenuto nei tempi previsti, se non del tutto. Il tasso peggiora nel tempo: circa il 75% mantenuto nel 2015, meno del 50% nel 2020. Marte, il robotaxi e la guida autonoma completa costituiscono la maggior parte degli obiettivi ripetuti e posticipati. L'articolo collega questo track record al prospetto informativo di SpaceX, che ora punta sull'AI (xAI è stata integrata) e riconosce esso stesso che i tempi delle sue principali iniziative sono indeterminabili.
Guida della testata **Every** (every.to/guides) pubblicata il **2 giugno 2026**, firmata congiuntamente da **Mike Taylor, Laura Entis e Claude**, che propone una **scala di maturità a 8 livelli per l'adozione dell'IA**. **Tesi centrale**: l'adozione dell'IA **non è una corsa verso la massima sofisticazione** — ***« un livello più alto non è necessariamente migliore »*** ; occorre individuare il livello che **corrisponde al proprio workflow e al proprio livello di fiducia**, per poi rivalutare regolarmente se salire di un gradino apporta **valore reale**. ***« Il modo migliore per trovare valore nell'IA è usarla in un modo che si adatti al proprio lavoro. »*** **Asse strutturante**: a ogni livello, *« si delega una parte maggiore del proprio lavoro all'IA—e si ripone in essa maggiore fiducia »* (delega + fiducia crescenti). **Gli 8 livelli**: **(1) Chatbot** — interfaccia conversazionale senza contesto integrato (ChatGPT, Claude, Gemini); **(2) Copilot** — IA integrata nello spazio di lavoro con accesso al file corrente (Cursor, Claude in Excel, Gemini in Docs); **(3) Agent** — sistema reattivo che esegue passo dopo passo richiedendo approvazione (Cowork, Codex); **(4) Autopilot** — si descrive il **risultato** e l'agente esegue in autonomia, revisione del solo **risultato finale** (Lovable, Codex, Claude Code; legato al *vibe coding*); **(5) Workflows** — ingegneri che costruiscono **harness** attorno agli agenti (pianificazione, revisione, controlli di confidenza, guardrail; Compound engineering, Claude Workflows, Copilot AI Studio; passaggio dal vibe coding one-shot al **agentic engineering**); **(6) Assistant** — agenti **proattivi, sempre attivi** che monitorano un dominio e segnalano informazioni senza essere sollecitati (OpenClaw, Hermes Agent, Claude Managed Agents; es. `heartbeat.md` ogni 30 minuti); **(7) Multi-agent** — gestione simultanea di **più agenti a lunga esecuzione** con ruoli distinti (Claude Managed Agents, OpenClaw, Codex Goals; *« saldamente nel territorio dell'ingegneria senior »*); **(8) Orchestrator** — un **agent manager** dirige un team di sotto-agenti (pianificazione, delega, monitoraggio, consolidamento; Gas Town, Paperclip, Symphony/OpenAI; *« altamente sperimentale »* — anche gli ingegneri di frontiera ricoprono essi stessi questo ruolo). **Sweet spot per ruolo**: i **knowledge worker** operano tipicamente tra i livelli **1-4**, gli **ingegneri** tra **5-8**. **Parallelo canonico con l'inserimento di uno stagista**: *« Aspettatevi di investire uno sforzo simile con i vostri agenti prima di potervi fidare di loro… al livello di autonomia successivo »* ; e la frase marcatore ***« Non vi vantereste di avere otto stagisti al lavoro tutta la notte su un progetto chiave senza aver controllato il loro output. »*** Il livello giusto dipende da **4 criteri**: qualità del risultato, costo, affidabilità (trustworthiness), posta in gioco in caso di fallimento; e la **capacità del modello** sposta progressivamente il livello di autonomia "sicuro". Un framework direttamente utilizzabile per strutturare una **dottrina di adozione** sul lato consulenza. Convergenza con i *sistemi attorno al modello* (Dropbox/Okumura), l'*harness engineering* (Böckeler, Lattice, Wescale), Karpathy (vibe coding → agentic engineering), Cherny (/loop + Routines) e la dottrina dell'*agent manager* (BFM/Girard).
#adozione dell'IA#scala di maturità#otto livelli
**Mike Taylor** · **Laura Entis** et **Claude** (co-auteurs déclarés) · pour **Every** (every.to) · rubrique *Guides*. Mike Taylor est un auteur connu sur les sujets prompt/AI (co-auteur de *Prompt Engineering for Generative AI*) ; Laura Entis est journaliste/éditrice. La co-signature explicite de **Claude** comme auteur fait partie du positionnement éditorial d'Every (entreprise AI-native). Publié le **2 juin 2026**.
Editoriale di **Olivier Rafal** (Consulting Director Strategy, **WeNvision** — gruppo **SFEIR**; ex direttore responsabile di *Le Monde Informatique*) pubblicato il **1° giugno 2026** su **CIO-Online**, strutturato attorno a un **paradosso**: nell'era dell'IA, l'ingegneria del software **cambia tutto… e nulla cambia**. **Ciò che cambia è il modello operativo.** I ruoli vengono ridefiniti: il **Product Owner** passa dalla scomposizione del backlog alla **generazione di contesto utilizzabile dall'IA**; lo **sviluppatore** passa dalla scrittura di codice a **inquadrare, guidare e revisionare** l'esecuzione degli agenti; il **QA** acquisisce la capacità di definire a monte la **prova attesa**. La struttura dei team passa dalle *"double pizza teams"* (catene di passaggio di consegne di ~8 persone) alle ***"sandwich teams"***: un **binomio stretto tra un esperto di business e un tech lead, entrambi potenziati dall'IA**, con altre competenze a supporto. Dato interno **Sfeir**: *"questo binomio guida oggi circa l'80% della catena di produzione,"* il restante ~20% (architettura, governance dei dati, sicurezza) essendo centralizzato. Citazione chiave: ***"Il problema non è un problema di strumenti, è un problema di modello operativo."*** **Ciò che non cambia è la disciplina del ciclo.** Le fasi dello **SDLC** (definire → costruire → verificare → distribuire → mantenere) restano identiche e non negoziabili; l'IA non ne elimina nessuna, le **intensifica**: ***"tutto il margine che il ritmo umano assorbiva un tempo, per quanto imperfettamente, diventa, alla velocità dell'IA, un difetto di livello industriale"*** (metafora sportiva dilettante contro professionista). Da qui **tre *gate* inviolabili** (controllo umano): **specifica, pianificazione, revisione di consegna**; validazione **tramite prova** (non tramite le affermazioni dell'IA stessa); **capitalizzazione sistematica** (ogni ciclo alimenta il successivo) → risultato misurato: **−30% di iterazioni di correzione dopo ~10 cicli**. Principio: ***"più veloce è l'esecuzione, più rigoroso deve essere il quadro."*** Concetti richiamati: **harness** (regole agentiche adattate al contesto), **vibe coding** giudicato **insostenibile in azienda**. **Terzo pilastro = governance, FinOps e gestione orientata al valore**: costi IA **variabili e ricorrenti** (~**10 €/ora** per ruolo potenziato), passaggio dalla licenza forfettaria alla fatturazione a consumo (un parallelo con il cloud degli anni 2010); il **FinOps** non mira a tagliare i costi ma a *"ottimizzare l'efficienza degli strumenti"* (costo rispetto al valore); allineare a monte le **metriche di business** (time-to-market, funzionalità, prestazioni, eco-design). **Conclusione**: l'accelerazione rende i fondamentali **non negoziabili**; la sfida è **organizzativa e culturale**, non tecnologica — senza mettere in sicurezza la relazione con il business e la disciplina collettiva, uno SDLC potenziato dall'IA **amplifica solo i problemi** (schiantandosi contro il muro più velocemente). Estende la dottrina WeNvision di [[rafal-wenvision-ia-generative-produit-techno-pas-projet-2024-02-23]] e [[rafal-wenvision-tokenomics-foundation-finops-ia-2026-06-04]]; converge con *systems around the model* dropbox-okumura-beyond-code-generation-engineering-productivity-ai-agents-2026-05-28, *harness engineering* osmani-agent-harness-engineering-2026-04-19, Salesforce agentico, e il dibattito sull'*agent manager* (BFM/Girard, SFEIR).
#ingegneria del software#IA#tutto cambia nulla cambia
**Olivier Rafal** · *Consulting Director Strategy* chez **WeNvision** (groupe **SFEIR**). Ancien **rédacteur en chef du *Monde Informatique*** · et auparavant consultant analyste du marché IT (~10 ans). Tribune publiée dans la rubrique *Tribune* de **CIO-Online**. Publié le **1er juin 2026**.
Studio di dati Atlassian (Inside Atlassian) che misura il rendimento effettivo di un **SDLC AI-native** basato su **Rovo Dev**. Su 3.400 repository di 2.500 clienti (un quasi-esperimento con propensity-score matching), i repository che adottano lo strumento uniscono il **19% di PR in più al mese**; fino al **37-51%** sui repository a bassa/media attività e al **59-87%** quando **da 3 a 5 membri** del team adottano lo strumento. Sul fronte dell'efficienza, gli sviluppatori risparmiano **2-3 h/settimana** (circa il 10% delle 24 ore dedicate a coding e review), ossia 20-30 ore/settimana reinvestite per un team di 10 persone. La tesi: risolvere il "paradosso della produttività" di Solow (1987) passando da **metriche di utilizzo** (token) a **metriche di impatto** (throughput, tempo risparmiato, tasso di fallimento, soddisfazione). Raccomandazione: iniziare con un **team** (non un individuo) e misurare 2-3 mesi dopo.
Articolo di blog di **Pasquale Pillitteri** (software engineer, Palermo) pubblicato il **29 maggio 2026** (versione FR), lettura di 18 minuti, sezione *Claude Code & Anthropic*. **Tesi centrale**: *« Claude Opus 4.8 è il modello SEO più potente del 2026, ma quasi tutti lo usano male »* — non un problema di modello ma un problema di **sistema**. La regola d'oro: ***« la strategia è una lavagna, la produzione è una catena di montaggio »*** — la SEO deve essere **suddivisa in due fasi distinte**, e mescolarle è *« il modo più rapido per sprecare un modello che costa cinque dollari per milione di token in input e venticinque in output »*. **Contesto del modello**: Opus 4.8 rilasciato il **28 maggio 2026** (41 giorni dopo Opus 4.7), contesto di **1M di token**, **GraphWalks Long-Context F1 a 1M: 40,3% → 68,1%**, **SWE-bench Verified 88,6%**, **USAMO 2026 96,7%** (+27,4 punti), **HLE con tool 57,9%**, prezzo invariato **5$/25$** per milione di token, **Fast Mode 2,5× a 10$/50$**, quattro **livelli di effort** (Low, High, Extra, Max). **L'anti-pattern centrale** = *« la conversazione gigante »* / **context drift**: mescolare strategia, ricerca di parole chiave, analisi competitiva e scrittura in un'unica chat produce un *« miscuglio di intenzioni contraddittorie »* → il modello scivola verso **best practice generiche** ("ottimizzazione olistica", "approccio strategico") invece di contenuti ancorati ai dati. **Fase 1 — Strategia (lavagna, UI visiva, una tantum)**: dashboard / Google Sheet / canvas Claude.ai per decidere guardando insieme i dati. **3 mosse**: (a) **ricerca di parole chiave classificata** (tabella di volume / difficoltà 0-100 / intento / potenziale business / priorità = volume÷difficoltà×peso business); (b) **analisi competitiva visiva** (matrice di copertura degli argomenti, gap); (c) **roadmap a fasi** (quick win M1-2 / medio termine M3-6 / pagine pilastro M7-12). La modalità **Extra/Max** è giustificata qui (*« una decisione strategica corretta vale mille pagine ben scritte sulle parole chiave sbagliate »*). 3 artefatti chiusi salvati su Notion/Drive. **Fase 2 — Produzione (catena di montaggio, Opus 4.8 + MCP)**: il modello passa da stratega a **macchina di esecuzione**; ogni decisione **ancorata a dati live** tramite il **Model Context Protocol**. **Stack MCP minimo**: **GSC MCP** (AminForou/mcp-gsc, 500+ stelle), **Ahrefs MCP ufficiale** (98 stelle), **GA4 MCP**; il repo `modelcontextprotocol/servers` = **86.440 stelle**, **10.000+ server attivi**, 97M download SDK/mese. Setup ~35 min, refresh mensile ~20 min. **Loop settimanale**: un singolo prompt estrae dati live, costruisce il brief (top 10 SERP + GSC + Ahrefs), deriva H2/H3, scrive, verifica la densità, suggerisce i titoli → **+45% di produttività**, bozza in **6-12 min** (riferimento esplicito a **Ryan Law / Ahrefs content engineering**, 23 skill). Cita i **Dynamic Workflows** di Anthropic (fino a 1.000 subagent). **4 errori comuni**: (1) non verificare i numeri (spot-check obbligatorio, *trust & verify*); (2) sostituire integralmente Semrush/Ahrefs (MCP è un **layer** sopra, non un sostituto); (3) ignorare il **paid-organic content gap** (caso cliente education: **2.742 termini sprecati / 351 opportunità** identificati in 90 s); (4) usare Opus 4.8 dove basta **Haiku 4.5** (meta description, alt text). **Costo**: 1-3$ per articolo di 2.500 parole. **Sonnet 4.6** basta per la produzione ricorrente, Opus 4.8 riservato alla strategia. Articolo SEO-ottimizzato e autoreferenziale (l'autore scrive di SEO in un contenuto esso stesso pensato per posizionarsi su "Opus 4.8 SEO"). Convergenza diretta con **Ryan Law/Ahrefs** (citato), **sistemi attorno al modello** (Dropbox/Okumura), **skill-over-prompt** (Lattice), model routing Haiku/Sonnet/Opus (Gupta token-to-outcome).
#Claude Opus 4.8#SEO IA#workflow a due fasi
**Pasquale Pillitteri** — Ingénieur informatique / développeur logiciel basé à **Palerme** (Italie) · certifié Innovation Manager UNI 11814:2021. Auteur d'un blog tech actif (rubrique *Claude Code & Anthropic*) · avec une newsletter hebdomadaire (~3,4k lecteurs). Article publié en version **FR** le **29 mai 2026** (lendemain de la sortie d'Opus 4.8).
Post dal **Dropbox Tech blog** (sezione *culture*), pubblicato il **28 maggio 2026** da **Kazuaki Okumura** (Dropbox, ruolo non specificato nell'articolo), che riprende un intervento alla conferenza **DX Annual 2026** (developer productivity). **Tesi centrale**: la produttività ingegneristica deve andare oltre la *code generation*. *« Accelerating code generation simply shifted some bottlenecks downstream »* — l'IA ha aumentato in modo massiccio il throughput di codice, ma *« the faster code moves, the more pressure it puts on review queues, CI systems, validation workflows, release coordination, and production operations »*. La vera sfida non è più scrivere codice più velocemente, ma consentire all'intero SDLC di **assorbire, validare e spedire in sicurezza** un volume molto maggiore. **Dal copilot all'agente**: la prima ondata (spiegazione del codice, snippet, Q&A) operava *« as copilots alongside the engineer »*; l'agente, invece, *« can take a scoped task, inspect the codebase, edit files, run tests, iterate on failures, and return an artifact for human review »* — con l'ingegnere che resta *« accountable for intent, architecture, quality, and release decisions »* (più lavoro in parallelo, più opzioni, delega dell'esecuzione ripetitiva). **Nova** = piattaforma **interna** di agenti di coding di Dropbox: descrivere un compito in linguaggio naturale, esecuzione in un ambiente controllato con contesto del codebase. Dato canonico: ***« Nova's value comes less from the model itself than the systems surrounding it »*** (contesto del codebase, pratiche interne, esecuzione sicura, integrazione nei workflow, revisione umana); Nova rappresenta oggi **~1 PR su 12 in Dropbox** (adozione in crescita), e si estende oltre le feature a **migrazioni, risoluzione di flaky test, investigazione di bug, aggiornamento di dipendenze** (lavoro ad alto toil). **Misurare la velocità di prodotto, non l'output di codice**: il *PR throughput*, segnale utile quando il vincolo era la velocità di coding, *« was no longer sufficient »*. Un modello di misurazione a **4 fasi**: ***Fuel*** (gli strumenti IA vengono usati?) → ***Adoption*** (come cambiano i workflow nei team) → ***Output*** (l'IA contribuisce al lavoro in produzione?) → ***Impact*** (*« improving product velocity and reducing the time it takes to move from idea to customer value »*). Segnali di qualità monitorati: **tempo di turnaround della code review, tasso di successo dei test al primo run, defect ratio, rework rate**. *« Quality and trust matter as much as speed »* — il cuore del cambiamento: *« moving from local activity metrics toward broader system outcomes »*. **Anche i workflow devono evolvere**: non si tratta *« just a tooling shift »* ma di un cambiamento di **modello operativo** — il ruolo dell'ingegnere si sposta verso *« defining intent, mapping problems, reviewing generated changes, and making higher-context architectural and quality decisions »*. L'**enablement** è cruciale quanto lo strumento stesso (apprendimento pratico, hackathon, workflow spotlight, bootcamp, esempi guidati dai pari); l'adozione procede a velocità diverse nei team; *« The goal is not to force every workflow through an agent »* — l'obiettivo è renderlo *« useful, safe, measurable, and repeatable where it creates meaningful leverage »*. **Cosa abbiamo imparato**: ***« AI doesn't eliminate bottlenecks in software development, but it does move them »*** (a valle: review, validazione, testing, release, prod ops) → ottimizzare il vecchio collo di bottiglia non genera più la stessa leva. *« The advantage will not come from access to the same foundation models everyone else can use. It will come from the systems built around those models: context, internal tooling, quality controls, and the workflows that connect them together. »* La pressione si accumula anche **a monte** (prodotto e design): specifiche strutturate, chiarezza di design, definizione più netta dei problemi. Chiusura: ***« The future of engineering productivity will not be defined solely by who has the best models. It will be defined by who builds the best systems around them »***; *« The real challenge is no longer just generating more code, but building engineering systems that can reliably turn AI-assisted output into valuable experiences for our customers »*. Convergenza diretta con **Salesforce/Tallapragada** (Effective Output: misurare il valore, non il volume; nessun trade-off velocità/qualità), **Gupta** (attribuzione token-to-outcome, costo di un outcome completato), **DORA** (oltre il throughput), e lo spostamento del KPI verso l'**outcome di sistema** (idea→valore per il cliente).
**Kazuaki Okumura** — Dropbox (rôle non précisé dans l'article ; le billet reprend une intervention présentée à la conférence **DX Annual 2026** sur la productivité développeur, ce qui suggère un profil engineering leadership / platform, sans confirmation). Publié sur le **Dropbox Tech blog** (dropbox.tech) · rubrique *culture* · le **28 mai 2026**.
Thread X virale (**230.5K visualizzazioni**, 28 maggio 2026, 1:51 AM) di **Jaya Gupta** (@JayaGup10, investitrice — probabilmente Foundation Capital, autrice del framework *Context Graphs*) intitolato ***"Token Budget Wars"***. **Tesi cardine**: ***"Enterprise AI has moved from adoption to allocation"*** — la fase 1 dell'IA enterprise ha dimostrato che i modelli funzionano; la fase 2 deciderà **quanto di quel lavoro vale la pena**. La nuova valuta al vertice dell'impresa è la **capacità di quantificare il ROI dell'IA**: *"show me the value"*. Concetto canonico: ***marginal token utility*** = *"the business value created by each additional dollar of inference"* — il numero che conta su larga scala, e che **la maggior parte delle aziende non riesce a vedere**. Cronologia: **Claude è stato rilasciato a novembre 2025**, dopo che i budget annuali 2026 erano già bloccati → già nel **Q1**, aziende *"running multiples ahead of plan"* → l'inferenza smette di essere una voce di spesa sperimentale e diventa un **costo operativo ricorrente**. Passaggio da **sperimentazione (qualche centinaio di migliaia di $) → infrastruttura (sette cifre, $1M+)**: su scala infrastrutturale, **la varianza tecnica produce oscillazioni materiali di conto economico — due esecuzioni dello stesso workflow sullo stesso input possono differire di 5-10× nel costo in token** senza che nulla sembri visibilmente rotto, *"a number the CFO has to explain to the CEO"*. **L'IA compete con il lavoro**: 3 tipi di richieste di budget (sostituire lavoro esternalizzato / sostituire lavoro interno / generare ricavi) → spostamento verso il ***costo di un risultato completato*** (costo per ticket risolto, sinistro elaborato, contratto revisionato, fattura completata, assunzione evitata, cliente trattenuto, dollaro di ricavo mosso). **Il BPO = il benchmark più facile a cui confrontarsi** (già prezzato in unità completate); il lavoro interno è molto più difficile (dipendenti multi-competenza, guadagni diffusi, resistenza delle risorse umane alla riduzione dell'organico). **Perché è diverso dal SaaS**: il SaaS ha imparato a trattare l'utilizzo come proxy del valore; l'IA rompe questo proxy — *"the signal and the noise share the same unit"* (il token), *"SaaS usage told you the software had been adopted. AI usage tells you the meter is running. It doesn't tell you whether your company is cooking."* **Tre cause dell'invisibilità della marginal token utility**: (1) ***retry tails*** — token per workflow risolto ≈ **T/p**; passare dal 90% al 70% di completamento aumenta il costo effettivo di circa il **28%**, non il 20%, perché i fallimenti si compongono; (2) ***context inflation*** — il costo di inferenza è ≈ **O(n²)** rispetto alla lunghezza del contesto (attenzione), raddoppiare il contesto **quadruplica** il costo di ragionamento (over-retrieval: 50 documenti quando ne basterebbero 5); (3) ***routing*** — di default si usa il modello più potente (una classificazione di base eseguita su un modello di ragionamento complesso); su milioni di chiamate, la differenza tra instradare i compiti semplici verso un modello piccolo e inviare tutto al modello di frontiera = *"the difference between a manageable bill and a board-level problem."* **Divisione settoriale**: le aziende **software** = un problema di **misurazione della produttività** (già strumentato: PR, commit, deploy, incidenti, cycle time, MTTR — traccia gli *"AI layoffs"*); le aziende **non software** = un problema di **trasformazione** (lavoro operativo: sinistri, underwriting, supporto, revisioni di conformità, eccezioni nella supply chain, contestazioni di pagamento — *right under audit, not just right on average*). **Il livello mancante = attribuzione token-risultato**: uno strato di conversione che collega spesa di inferenza → lavoro svolto → risultato di business, rispondendo a 3 domande (costo reale includendo retry/correzioni; quali parti della traccia contavano rispetto al thrashing; il lavoro ha cambiato il modello operativo). ***La misurazione diventa memoria***: collegare un token a un risultato richiede di catturare **tracce decisionali** (cosa l'agente ha visto, recuperato, chiamato, ignorato, dove ha ritentato, quando un umano ha annullato) — *"decision rationale is one of the most perishable assets in a company"* (vive in Slack, email, chiamate di escalation, teste delle persone). Gli agenti **creano** queste tracce; catturate anzitutto per giustificare la spesa, diventano *"more valuable than the cost report"* → un **context graph** (*"although I am so tired of that word these days"*). **Il livello di allocazione è il premio**: chi possiede l'attribuzione token-risultato prende le **decisioni di allocazione** (quali workflow meritano più capacità di calcolo, quali sono limitati, quali passano a modelli più economici, quali restano umani, quali sostituiscono il BPO). Le aziende non lo faranno da sole — lo **compreranno come una trasformazione** (playbook Fortune 500: alumni di McKinsey + Palantir + CEO top-down, sul modello di ERP/BI/trasformazione digitale, un *"programma"* con uno sponsor esecutivo e un'infrastruttura che diventa la **nuova fonte di verità**). Inquadrato da **Charlie Munger**: *"show me the incentive and I will show you the outcome."* Sottotesi organizzativa: l'istinto manageriale vecchio di decenni secondo cui *grandi team = grandi incarichi/perimetro/potere* → una volta che l'intelligenza diventa la **risorsa scarsa**, il nuovo indicatore è *"how much of it you're orchestrating."* Rilevanza diretta per il **posizionamento Cost Optimization / agentic FinOps**: conferma empiricamente le leve (model routing, prompt caching, context hygiene, sub-agent) e sposta il KPI verso il **costo per risultato completato**. Forte convergenza con il *cross-system labor* di Bain (moat sui dati di esecuzione, Cursor), *No AI jobpocalypse* di Ng (pricing ancorato allo stipendio del dipendente sostituito), DORA ROI (costo per feature), Mensch/Mistral (elettrone→token), Ensarguet (economia del calcolo), *Context Graphs* di Foundation Capital (tracce decisionali, stessa autrice), *Token Burning* di Wescale, BFM/Girard (token = carburante di valore).
**Jaya Gupta** (@JayaGup10) — investisseuse / VC. Très probablement **Foundation Capital** (le thread s'auto-réfère au cadre ***Context Graphs*** — *« ahem, context graph, although I am so tired of that word these days »* — concept porté par Foundation Capital, cf. fiche `bain-100b-saas-opportunity` qui cite *Foundation Capital — Context Graphs trillion-dollar opportunity, 2025-12-22*). Thread publié sur X le **28 mai 2026 à 1h51** · **230 · 5K vues** · format essai long en un seul post. Une réponse notable de **@tuning_engines** (*« DevSecFinOps for the Agentic Era »*) : *« Tokens will basically have to be managed like headcount […] model hierarchies too »*.
Post ufficiale sul blog **Salesforce News** (sezione *Agentic Enterprise*, serie *"Pioneering the Agentic Shift Within Salesforce Engineering"*), pubblicato il **27 maggio 2026** (lettura di 6 minuti) da **Srinivas "Srini" Tallapragada**, *President and Chief Engineering and Customer Success Officer* di Salesforce. Seguito diretto di un post precedente (*"How we got our engineers to use AI — without breaking everything"*) che raccontava il superamento del **90% di adozione**. **Tesi di svolta**: Salesforce Engineering è passata da un mondo in cui l'IA era un utile *copilot* a uno in cui **gli strumenti agentici guidano lo stesso ciclo di vita dello sviluppo software (SDLC)** — scrivendo codice, revisionando PR, generando test, aggiornando la documentazione, gestendo i deployment, coordinando lavoro un tempo affidato a passaggi di consegne umani. **Decisione segnale canonica**: standardizzazione a livello aziendale su **Claude Code** + ***"abbiamo rimosso tutti i limiti di token"*** — *"eliminare ogni ultimo attrito tra i nostri ingegneri e gli strumenti che li rendono più veloci ed efficaci"*. **Risultato empirico principale** (aprile 2026 vs aprile 2025): work item completati per sviluppatore **+50,8%**, PR mergiate per sviluppatore **+79%**, e soprattutto **Effective Output score** (una misura ML del **valore reale del codice consegnato**, non del volume) **+151,3% su base annua**. **Caso d'uso di punta**: migrazione di **33 endpoint API** verso un'architettura cloud-native, stimata in **~231 person-day** (7 per API) col metodo tradizionale, completata in **13 giorni — 18× più veloce** — tramite un **framework basato su regole costruito in Claude** (file markdown + implementazioni di riferimento), con il feedback delle PR continuamente reintegrato nel set di regole, **cicli LLM autonomi (build, fix, validate)** senza intervento manuale, parallelizzati su ambienti isolati → **5 PR**, la più grande delle quali con **21 endpoint e copertura test al 100%**. **Nessun compromesso velocità↔qualità**: attraverso la piattaforma **Engineering 360** (che centralizza i dati di ingegneria di centinaia di sistemi), **il totale degli incidenti scende del 5%** nonostante l'aumento delle PR (*"la qualità non soffre della velocità. Ne beneficia"*), grazie a **guardrail di sicurezza e standard di qualità incorporati strutturalmente** nel workflow agentico (Trust come valore numero 1). **Revisione dell'SDLC**: una volta adottata l'IA, gli ingegneri **smontano e ricostruiscono** i workflow (quali processi eliminare? quali passaggi di consegne sono ormai superflui? dove un umano svolge ancora un lavoro che un agente potrebbe assumere?). **Nuovo mestiere ingegneristico**: le **Claude Code skills** (capacità impacchettate e riutilizzabili che codificano il contesto del team, le convenzioni di naming, i pattern) diventano un **artefatto ingegneristico** condiviso e componibile; **AI Expert Suite** + **Salesforce Foundation Plugins** = una libreria di skill istituzionalizzata e curata (benchmark interno: **maggiore accuratezza e affidabilità, costo superfluo ridotto**); **subagent e team di agenti** parallelizzano i flussi di lavoro (*"Descrivono il risultato, e un insieme di agenti coordinati individua i passaggi"*). **Ciò che resta difficile**: (1) la **gestione del contesto** nelle sessioni lunghe — la **qualità dei file CLAUDE.md** varia ampiamente e pesa fortemente sulla qualità dell'output; (2) la **sicurezza agentica** = un modello radicalmente diverso (agenti che *agiscono*, non solo *suggeriscono* → raggio d'impatto aumentato); (3) **ruoli in evoluzione** (come diventano senior i junior se l'IA assorbe il lavoro entry-level? ruolo del designer/PM? l'unità di esecuzione = team scrum → sperimentazioni con unità da 1 o 3 persone). Conclusione: *"Ha cambiato ciò che era economicamente possibile"*; l'ambizione dichiarata è **"l'SDLC più automatizzato e agentico del settore"**. Si interseca direttamente con Gupta (*costo di un outcome completato*, utilità marginale del token), Greenwald/Sierra (pricing basato sui risultati), DORA (ROI / costo per feature) e il dibattito BFM/Girard (il token come carburante di valore, non un costo da tagliare).
#SDLC agentico#agentic SDLC#Claude Code
**Srinivas « Srini » Tallapragada** — *President and Chief Engineering and Customer Success Officer* de **Salesforce**. Plus d'une décennie chez Salesforce · dirige l'ingénierie mondiale de la plateforme unifiée. Auteur de la série *Agentic Enterprise* sur le blog Salesforce News ; ce billet (27 mai 2026) est la **suite** d'un premier opus consacré à l'adoption de l'IA par les milliers d'ingénieurs Salesforce (*« How we got our engineers to use AI — without breaking everything »*). Position d'autorité = **dirigeant exécutif** parlant en son nom et au nom d'une organisation d'ingénierie à grande échelle (donnée terrain à l'échelle d'un hyperscaler SaaS) · avec accès aux métriques internes (Engineering 360, Effective Output).
Saggio cardine di **Dan Shipper** (CEO Every) pubblicato il **21 maggio 2026** su every.to, *"After Automation"* — una risposta argomentata alla tesi del collasso del lavoro intellettuale guidato dall'IA. **Tesi cardine**: il progresso dell'IA crea **più lavoro per gli umani, non meno**. Meccanica del ciclo (***"il ciclo di commodificazione"***): (1) l'IA rende merce (commoditizza) la competenza umana di ieri; (2) quella competenza a basso costo viene ampiamente adottata → abbondanza; (3) l'abbondanza produce *uniformità* (lo *"slop"*); (4) gli umani chiedono differenziazione → domanda rinnovata di esperti; (5) gli esperti usano l'IA per affrontare i problemi di oggi → il ciclo riparte. **Citazione canonica**: ***"There's more work to do than ever"***; ***"AI commoditizes the residue of human expertise, creating demand for what's different"***. **Quadro concettuale centrale — Frame vs. Framer**: i benchmark misurano la performance ***"within frames"*** (inquadrature specifiche del problema); una volta saturata, *cambiare l'inquadratura azzera il contatore* — i modelli **progrediscono all'interno delle inquadrature ma non sostituiscono chi le definisce**. Formula cardine: ***"the frame is not the framer"***. Anche all'AGI, gli umani devono **specificare gli obiettivi e interpretare i risultati** — *"the frame problem regenerates one level up"*. **Il "Human Sandwich"**: l'umano imposta l'inquadratura → l'IA esegue → l'umano giudica ed estende. **Due modalità di lavoro con gli agenti**: (a) ***agent employees*** — delega asincrona (collega / incorporato — Claudie, Andy, Viktor, Fin); (b) ***human-AI collaboration*** sincrona (Claude Code e equivalenti). **Dati Every**: il 95% delle email del CEO è processato dall'IA; **Fin (Intercom) risolve il 65% delle conversazioni di supporto**. **Il paradosso di Zenone dell'IA**: l'IA riduce continuamente il divario, ma gli umani restano "la tartaruga davanti" perché sono ***"alive to a specific moment"*** — *"running wants, running concerns"* — mentre i modelli operano su dati di addestramento storici. **Benchmark dettagliati**: **GPT-5.5 = 62/100 sulla riscrittura di codebase Senior Engineer** (contro un 80-90 umano); **GDPval**: 40-49% del livello umano esperto, **ma con un'ampia inquadratura umana**. **OpenClaw 44.469 PR** a maggio 2026 (contro le 5.200 di Kubernetes nel 2022) — prova che il lavoro agentico crea *"more work"*, non *"less human work"*. **Implicazioni per l'AGI**: anche all'AGI, il **framer umano** resta strutturalmente in vantaggio — affrontando problemi *"current, situated"* mentre il modello opera su *"historical training data"*. **Conclusione anti-tipping-point**: non è un evento di svolta, è ***uno schema persistente*** che definisce il futuro del lavoro. **Rilevanza principale**: una contronarrazione esplicita a *Amodei white-collar bloodbath* / *Sun permanent underclass* / *Anthropic Economic Index* — Shipper, **CEO di un'azienda che vive quotidianamente con gli agenti**, offre il quadro teorico che concilia le due osservazioni empiriche (l'IA fa di più + gli umani restano indispensabili). Forte convergenza con **Ng "No AI jobpocalypse"** (2026-05-08), **Mollick × roon ASI / FDE** (2026-05-10), **Tatsyi/Raiffeisen "AI made engineers different"** (2026-05-05), **Curran/Intercom 3× R&D** (2026-04-16) — tutti descrivono gli umani come *ridistribuiti verso l'inquadratura* piuttosto che *sostituiti*. Tensione produttiva con **Sun NYT permanent underclass** (2026-04-30), **Wallace-Wells AI populism** (2026-05-08), **Osmani Cognitive Surrender** (2026-05-05 — il framer umano deve restare attivo). Da valorizzare per COMEX / DG / consigli di amministrazione: vocabolario strategico per il 2026 — *"frame vs framer"* diventa la griglia canonica per la governance dell'IA.
#Dan Shipper#Every#after automation
**Dan Shipper** — CEO et co-fondateur de **Every** (média / studio AI-native, créateur de la newsletter *Every*, propriétaire du framework et plugin *Compound Engineering* — cf. fiche `shipper-klaassen-compound-engineering-every-agents-2025-12-11.md`). Profil rare : **opérateur-théoricien** · dirige une organisation entièrement augmentée par l'IA (95 % emails CEO automatisés, agents Claudie/Andy/Viktor en production, Fin pour le support) tout en publiant régulièrement des essais conceptuels sur every.to. Voix éditoriale anglo-saxonne de référence dans le corpus 2025-2026 sur les **modes de travail humain-IA**. Article publié sur **every.to/p/after-automation** le **21 mai 2026**.
Articolo di engineering pubblicato sul blog Engineering di **Uber** da sei ingegneri (Matt Mathew, Prasad Borole, Meng Huang, Sergey Burykin, Gaurav Goel, Bayard Walsh) il **21 maggio 2026**, che espone la **dottrina di identità e controllo degli accessi per agenti IA** dispiegata in produzione in Uber per diverse migliaia di agenti interni. **Tesi cardine**: i modelli di identità esistenti (umani + workload) non riescono a descrivere l'**agency** — *"an agent is best defined as an entity that is authorized to act for or in the place of another"* — e perdono la **provenance** attraverso gli hop di un workflow agentico. **Due problemi operativi identificati**: (1) ***"Current Identity Model Doesn't Describe Agency"*** — la delega è la modalità predefinita, i workflow sono composizionali (agenti che chiamano agenti che chiamano tool), il comportamento è dinamico (i piani evolvono in base ai risultati intermedi); (2) ***"Original Provenance Isn't Effectively Carried Forward Across Agents to Systems"*** — *"Execution context (originating user, intermediate agents) is dropped across agent hops."* **Architettura proposta** come estensione della Zero Trust Architecture di Uber: **Agent Registry** (fonte di verità per le mappature agente↔workload) + **AI Agent Mesh** (data plane inter-agente) + **STS (Security Token Service)** (emissione di JWT a scope ristretto) + **MCP Gateway** (punto di enforcement delle policy per l'invocazione dei tool) + **AI Gateway** (mediazione delle chiamate LLM esterne con guardrail) + **SPIRE** (fornitore di credenziali per i workload). **Meccanica crittografica**: i workload recuperano **SVID (SPIFFE Verifiable IDs)** firmati crittograficamente da SPIRE → l'SDK richiede un JWT all'STS tramite l'identità del workload → l'STS verifica l'autorizzazione dell'agente rispetto all'Agent Registry → viene emesso un token a breve durata (TTL dell'ordine di minuti) per una **destinazione specifica a singolo hop** (claim `Audience` mirato). **Dottrina cardine**: ***"Single-hop, short-lived tokens. Every JWT minted by the STS is intended for a single hop, with a specific Audience claim and a short time-to-live in the order of minutes."*** **Preservazione della catena di attori**: un esempio multi-hop con l'ingegnere di guardia `user1` → Oncall Agent (Workload-1) → Investigation Agent (Workload-2) → MCP Gateway; il JWT finale porta una **catena di attori verificabile `[user1, oncall-agent, investigation-agent]`**, che consente decisioni di accesso a livello di tool basate sulla **storia completa della richiesta**. **Standardizzazione**: un **Standardized A2A (Agent-to-Agent) Client** che automatizza gli scambi con l'STS e la propagazione della catena di attori — *"the secure path is also the easiest path for developers to implement A2A calls"* — con migrazione graduale degli agenti legacy. **Metriche di produzione**: ***"P99 latency for the STS Token Exchange API is consistently below 40 milliseconds,"*** migliaia di agenti interni onboardati, una dashboard di osservabilità in tempo reale che traccia le sessioni multi-agente. **Visione a lungo termine — framework a tre livelli**: (1) Identity & Trust Foundation (identità verificabile dell'agente + catene di delega), (2) Dynamic Access Control (permessi basati sul contesto + human-in-the-loop), (3) Unified Enforcement Plane (policy centralizzata e osservabile). **Allineamento agli standard**: il working group IETF **WIMSE** + la draft `draft-klrc-aiagent-auth-01` *AI Agent Authentication and Authorization*, fondata concettualmente su **OAuth 2.0 Token Exchange (RFC 8693)** e **SPIFFE/SPIRE** (graduato CNCF). La prima pubblicazione di riferimento da parte di un hyperscaler non-AI-lab (logistica/mobilità) che industrializza la sicurezza degli agenti a livello infrastrutturale, che chiude il vuoto dottrinale tra i framework di skill/harness (Vincent, Lattice, PROJ-AI) e le questioni di identità enterprise-grade.
#Uber Engineering#identità degli agenti IA#crisi di identità degli agenti
**Matt Mathew** (Sr Staff Engineer) · **Prasad Borole** (Staff Software Engineer) · **Meng Huang** (Engineering Manager) · **Sergey Burykin** (Sr Software Engineer) · **Gaurav Goel** (Software Engineer II) · **Bayard Walsh** (Software Engineer I). Tous chez **Uber** · équipe Security/Identity infrastructure responsable du déploiement de l'architecture d'identité agentique en production. Composition d'équipe représentative : un Engineering Manager · un Staff senior cadre · un Staff IC architecte · deux SWE séniors/intermédiaires · un SWE I — pattern classique d'une équipe Uber qui livre une plateforme transverse mission-critical.
Articolo pivot **Ivan Chepurin & Travis Turner** (Evil Martians Chronicles, **May 19, 2026**) — ***« AI-assisted engineers are burning out, is this fine? »*** — **diagnosi strutturata del burnout tra gli sviluppatori assistiti dall'IA** e un **toolkit di intervento a 5 assi**. **Tesi pivot**: la produttività accelerata dall'IA nasconde un **costo occulto — l'esaurimento dello sviluppatore**. *« Higher productivity doesn't translate to sustainable work practices or job satisfaction. »* Epigrafe di Shunryu Suzuki sull'agitazione mentale. **TL;DR — 3 rimedi essenziali**: (1) ripristinare il piacere del processo, (2) ricostruire realizzazione / ownership / orgoglio, (3) rimuovere la pressione della massimizzazione continua della produttività. **Cornice narrativa centrale — Ben vs Alice**: Ben (coding tradizionale) = 4 h di lavoro costante, carico cognitivo distribuito, soddisfazione al completamento; Alice (assistita dall'IA) = 2 h di lavoro ad alta intensità cognitiva, task-switching continuo, **nessuna soddisfazione** + riempie il tempo liberato con più task → **escalation esponenziale del carico** nonostante l'output accelerato. **Formula canonica**: ***« We compensate for a lack of satisfaction with work quantity. »*** **Disgregazione strutturale del ciclo dell'artigianato**: (pianificazione → creazione → risultato) compresso in (pianificazione → risultato), rimozione della fase meditativa di creazione sostituita da **code review cognitivamente impegnativa**. Convergenza diretta con lo **studio HBR 2026** (citato): *« cognitive exhaustion from intensive oversight of AI agents is both real and significant »* + **ricerca UC Berkeley 2026**: i lavoratori riempiono le pause naturali con task IA. **Quiet career change** — concetto pivot: gli sviluppatori assunti per programmare ora svolgono **un lavoro diverso senza una transizione di carriera consapevole**. 4 percorsi possibili: (1) trovare piacere nella nuova struttura (prioritario), (2) ignorare l'IA, (3) lavorare senza piacere (insostenibile), (4) cambiare carriera. **5 fattori quotidiani di burnout identificati**: (1) ***Losing context*** — l'agente porta la comprensione del progetto all'esterno, spostamento del debito cognitivo dal codice alle persone, perdita dell'intuizione di sistema; (2) ***No time for passive thinking*** — *« The model fills the silence before your own thinking has a chance to connect dots »* (docce, passeggiate eliminate come momenti di risoluzione inconscia dei problemi); (3) ***False expectations*** — velocità iniziale = baseline irrealistica, rallentamenti successivi vissuti come fallimento; (4) ***Review bottlenecks*** — *« the more code is generated, the more code needs to be reviewed »*, carico cognitivo sproporzionato sui senior, diffusione della responsabilità; (5) ***Endless possibilities*** — bassa frizione di prompting incoraggia pivot costanti, assenza di scoping naturale. **Toolkit a 5 interventi**: (a) **Acknowledge your wins** (win-log, demo di team, tracker delle ore); (b) **Rethink AI workflow** (pianificazione > review, **max 3-4 iterazioni**, niente task-switching parallelo, separare i task IA-intensivi con pause, decomporre); (c) **Keep exercising your craft** (ore di artigianato protette senza IA, *modalità « ask » > modalità generazione*, agenti spenti sui progetti personali); (d) **Discipline + work-life balance** (orari fissi, pause reali, intenzioni quotidiane, fermarsi quando finito); (e) **Find new areas of interest** (ricerca utente, soft skills, analytics, fine-tuning degli agenti + guardrail, ottimizzazione delle performance). **Conclusione**: *« AI can be helpful. Problems appear only if you misuse it. »* Evoluzione del settore = inevitabile; benessere individuale = controllabile. Convergenza importante con **Osmani Cognitive Surrender** (2026-05-05), **Frizzo "Year With Claude Code"** (2026-05-05 — *« writing muscle atrophy »*, *« deep flow rare »*), **Bedard BCG/HBR Brain Fry** (2026-03-05 — 1.488 dipendenti, picco di 3 strumenti, +39% errori, +39% intenzione di lasciare). Rilevanza importante per **CTO / VP Engineering / IT HR** alle prese con la retention degli ingegneri potenziati dall'IA nel 2026.
#Ivan Chepurin#Travis Turner#Evil Martians
**Ivan Chepurin** & **Travis Turner** — auteurs Evil Martians (cabinet de conseil ingénierie indépendant, Berkeley/global, ~150 ingénieurs, spécialiste Ruby on Rails / React / produits SaaS depuis 2010 ; éditeurs du blog *Evil Martians Chronicles* — référence dans la communauté Rails et JS). Article publié dans la catégorie **AI / Developer Community** sur evilmartians.com le **19 mai 2026**. Profil Evil Martians : voix éditoriale **opérateur-praticien** · articles longs ancrés dans le terrain produit · registre **soin du craft + lucidité business** · public habituellement développeurs / CTO / fondateurs early-stage.
Rapporto interno di teardown sulla release open-source **`xai-org/x-algorithm`** (15 maggio 2026) — l'algoritmo del **For You feed** di **X (ex Twitter)** nel 2026, con quattro filoni di raccomandazioni di crescita calibrati per pubblico (personale/founder, brand/azienda, framework generalizzato, deliverable per clienti/consulenza). **Tesi centrale**: ***« La celebre tabella dei pesi del 2023 — le risposte contano più dei like con un moltiplicatore elevato — descrive un sistema che non esiste più in questa forma. »*** L'algoritmo 2026 è un **transformer (Phoenix, derivato da Grok-1)** che apprende i pesi dalla cronologia di engagement personale, valutato su una **superficie multi-azione a 19 dimensioni**, filtrato da un servizio offline di comprensione dei contenuti (**Grox**). **La forma dello scoring conta ormai molto più dei numeri — e i numeri stessi non sono presenti nella release pubblica**. **Architettura a 4 componenti**: (1) **Home Mixer** (Rust, orchestratore a tempo di richiesta, hydrate → source → filter → score → select → filter); (2) **Thunder** (Rust, archivio in memoria alimentato da Kafka dei post recenti, lookup sub-millisecondo per i candidati in-network); (3) **Phoenix** (ML in JAX, transformer a due torri per retrieval + ranking, derivato ~da Grok-1); (4) **Grox** (offline, classificatori spam/safety/PTOS/banger + embedder multimodale v5). **Le 19 azioni predette da Phoenix** (cambiamento chiave rispetto al 2023): favorite, reply, repost, photo_expand, click, profile_click, vqv (visualizzazione video di qualità filtrata da una durata minima), share, share_via_dm, share_via_copy_link, dwell, quote, quoted_click, follow_author, not_interested, block_author, mute_author, report, dwell_time (continua). **Punteggio finale** = `Σ (weight × P(action))` modificato da **3 moltiplicatori strutturali**: (a) **OON_WEIGHT_FACTOR < 1** (penalità out-of-network), (b) **decadimento della diversità autore** `(1-floor) × decay_factor^position + floor` (attenuazione esponenziale dei post ripetuti dello stesso autore in un singolo render), (c) **soglia sulla durata video** (vqv contribuisce solo se `video_duration_ms > MIN_VIDEO_DURATION_MS`). **Avvertenza chiave**: **nessun valore numerico di peso** (`FAVORITE_WEIGHT`, `OON_WEIGHT_FACTOR`, `AUTHOR_DIVERSITY_DECAY`, `MIN_VIDEO_DURATION_MS`...) è presente nella release — tutto è `crate::params::*`, gestito da un servizio interno di feature-switch di X per l'A/B testing. ***« Chiunque affermi che 'le risposte valgono N,N× più dei like nel 2026' sta inventando un numero che non è derivabile dalla release OSS. »*** **Differenze chiave rispetto al 2023**: (1) eliminazione di ogni feature ingegnerizzata a mano (*« Abbiamo eliminato dal sistema ogni singola feature ingegnerizzata a mano e la maggior parte delle euristiche »*); (2) un unico modello che predice 19 azioni contro modelli singoli per azione; (3) Grox separa la comprensione dei contenuti dal ranking; (4) nuovi segnali di prima classe (dwell continuo, vqv filtrato, follow_author, 3 varianti di share); (5) retrieval OON a due torri (vs. SimClusters+euristiche) con embedding multimodali testo+immagine+video-ASR. **Tre livelli di reach** (framework generalizzato): Eligibility (binaria, Grox+filtri) → Retrieval (probabilistica, ANN a due torri) → Ranking (continua, somma pesata + moltiplicatori). **Due leggi della crescita meccanica**: (1) L'in-network è moltiplicativo, l'OON è additivo; (2) Il compito del modello è predire te, non premiarti. **Confine di onestà deliberato**: il checkpoint Phoenix rilasciato = mini (2 layer, 4 head, 256 dimensioni, corpus di 537K post sportivi), non il modello di produzione; integrazioni Thrift stub (`panic!("Not implemented")` in `candidate_features.rs`); liste di brand-safety, mappature degli ID di topic, penalità linguistiche, regole di ad-blending assenti dalla release pubblica.
#algoritmo X 2026#xai-org/x-algorithm#For You feed
Rapport interne **non signé** (typique des deliverables d'analyse interne / brouillon de livrable client). Sources primaires citées : (a) le repo public **`xai-org/x-algorithm`** (release 15 mai 2026) · (b) les `README.md` du repo et de ses sous-modules (`home-mixer/`, `phoenix/`, `thunder/`, `grox/`) · (c) le code source Rust (Home Mixer, Thunder) et Python/JAX (Phoenix, Grox) inspecté directement avec citations file:line. Le rapport est explicitement écrit en posture *"what we observe in the public source release · and what it implies for measurable growth interventions"* — registre de teardown analytique avec discipline d'honnêteté épistémique (section A.3 *"Honesty boundary"* listant exhaustivement ce qui n'est pas dérivable de l'OSS).
Prima enciclica sociale di **Papa Léon XIV** (Robert Francis Prevost), datata **15 maggio 2026** (Roma, presso San Pietro, 2° anno di Pontificato), pubblicata in occasione del **135° anniversario della *Rerum Novarum*** (Léon XIII, 15 maggio 1891) ed esplicitamente presentata come una **continuazione della Dottrina Sociale della Chiesa nell'era dell'IA**. Sottotitolo canonico: *"sulla tutela della persona umana nell'era dell'intelligenza artificiale"*. **245 paragrafi**, strutturata come **Introduzione + 5 capitoli + Conclusione**. **Tesi cardine** organizzata attorno a due **icone bibliche**: la **Torre di Babele** (Gen 11) — uniformità tecnologica senza Dio, *"assolutizzazione dell'umano"* — contro la **ricostruzione delle mura di Gerusalemme da parte di Neemia** (Ne 2-6) — responsabilità condivisa pietra dopo pietra, ascolto, coordinamento tra le famiglie. *"La prima scelta non è tra un 'sì' o un 'no' alla tecnologia, ma tra costruire Babele o ricostruire Gerusalemme"* (n. 9). **Concetti canonici**: (1) **IA "coltivata" piuttosto che "costruita"** — *"gli sviluppatori non progettano direttamente ogni dettaglio, ma creano un'architettura su cui l'IA si sviluppa"* (n. 98), una notevole formulazione teologica che fa eco al vocabolario recente della ricerca in ML; (2) ***"Disarmare l'IA"*** (n. 110) — *"sottrarla alla logica della competizione armata, che oggi non è più soltanto militare ma anche economica e cognitiva"*, rendendo l'IA *"abitabile, restituendola alla pluralità delle culture umane"*; (3) **Critica radicale dell'"allineamento"** — *"Non possiamo accontentarci di invocare la moralizzazione della macchina, ciò che viene chiamato 'allineamento' dell'IA ai valori umani, senza avere il coraggio di aggiungere una condizione ulteriore: la possibilità di discutere il codice etico da utilizzare"* (n. 107). ***"Un'IA più morale è inutile se quella moralità è decisa da una manciata di persone."*** (4) **Asimmetria epistemica** e **nuovi monopoli dell'IA** (n. 109) — *"in un mondo in cui pochi attori concentrano dati, risorse di calcolo e potere regolatorio"*; (5) **Lavoro invisibile** di etichettatori di dati/moderatori/estrattori di terre rare (n. 109, 173) — *"corpi segnati, mutilati, utilizzati affinché il flusso di calcolo non si fermi mai"*; (6) **Colonialismo dei dati** (n. 178) — *"non domina più solo i corpi, ma si appropria dei dati"*, *"nuove terre rare del potere"*; (7) **IA e guerra** (n. 197-200) — *"Nessun algoritmo capace di rendere la guerra moralmente accettabile"* (n. 198), tre criteri: responsabilità personale tracciabile, rifiuto di abbreviare il tempo del giudizio morale, protezione dei civili; (8) **Critica del transumanesimo/postumanesimo** (n. 115-117) come *"un arcipelago di isole concettuali legate dallo stesso oceano di presupposti: la centralità della tecnica e il sogno di superare i limiti della condizione umana"*; (9) **Il lavoro nella transizione** (n. 150-156) — *"contrariamente ai benefici propagandati dell'IA, gli approcci attuali alla tecnologia possono paradossalmente dequalificare i lavoratori, sottoporli a sorveglianza automatizzata"*, l'accesso al lavoro come priorità pubblica, l'anticipazione della trasformazione, la definizione di criteri sociali per l'innovazione; (10) **Domanda canonica tratta da Giovanni Paolo II** (Redemptor hominis 1979): ***"l'IA rende la vita umana sulla terra 'più umana' sotto ogni aspetto? La rende più 'degna dell'uomo'?"*** (n. 129); (11) **L'autentico "più che umano"**: non il transumanesimo, ma la grazia — *"riusciamo a essere pienamente umani quando siamo più che umani, quando permettiamo a Dio di condurci oltre noi stessi"* (n. 128, citando Francesco, *Evangelii gaudium*); (12) **Disarmare le parole** (n. 214) — *"Disarmiamo le parole e contribuiremo a disarmare la Terra"*. **Destinatari**: *"A tutti i fedeli cattolici, a tutti i cristiani, a tutti gli uomini e le donne di buona volontà"* (n. 16) — un registro **universale** in linea con la *Pacem in terris* (Giovanni XXIII 1963), la *Laudato si'* (Francesco 2015) e la *Fratelli tutti* (Francesco 2020). **Appello speciale agli sviluppatori di IA** (n. 111): *"ogni scelta progettuale esprime una visione dell'umanità"*. **Fonte magisteriale** chiave citata: *Antiqua et nova* (Dicasteri per la Dottrina della Fede + Cultura ed Educazione, 14 gennaio 2025) + *Quo vadis, humanitas ?* (Commissione Teologica Internazionale, 9 febbraio 2026). Un documento maggiore del **Magistero sociale 2026**, all'incrocio tra Dottrina Sociale ↔ etica dell'IA ↔ geopolitica delle big-tech ↔ critica del lavoro dei microworker/estrazione di terre rare. Convergenza implicita con **Mensch / Mistral** (sovranità energetica dell'IA), **Sun / NYT Permanent Underclass** (cfr. lo spostamento lavoro→capitale), **Wallace-Wells / NYT AI Populism** (cfr. la critica agli oligarchi tech), **Mollick × roon** (cfr. ASI e politica interna). Prima enciclica di un Papa ad assumere esplicitamente l'IA come **soggetto centrale e strutturante** anziché come uno dei tanti temi.
#Léon XIV#Robert Francis Prevost#enciclica sociale
**Léon XIV** (de naissance Robert Francis Prevost) · 267e Pape de l'Église catholique · élu le **8 mai 2025** · premier pape américain de l'histoire (né à Chicago, USA, 1955 ; double nationalité américano-péruvienne). Augustinien (ancien Prieur général de l'Ordre de Saint-Augustin 2001-2013) · ancien évêque de Chiclayo (Pérou) puis Préfet du Dicastère pour les Évêques (2023-2025). *Magnifica Humanitas* est sa **première encyclique sociale** · signée *« Donné à Rome · près de Saint-Pierre · le 15 mai de l'année 2026 · la deuxième de mon Pontificat »* — date choisie pour **coïncider avec le 135e anniversaire de *Rerum Novarum*** (15 mai 1891) de Léon XIII · dont il a explicitement repris le nom de pontificat en référence à la tradition sociale lancée par son prédécesseur du XIXe siècle. La référence augustinienne est centrale dans le document (citations massives des *Confessions*, du *De civitate Dei* — *« deux amours ont fait deux cités »*, des *Enarrationes in Psalmos*, des *Sermones*). Trace de paternité collective : multiples références à *Antiqua et nova* (note conjointe DDF + DCE, 14 janvier 2025) et *Quo vadis · humanitas ?* (CTI, 9 février 2026) · suggérant un travail conjoint entre la Secrétairerie d'État · le Dicastère pour la Doctrine de la Foi · le Dicastère pour la Culture et l'Éducation · et le Dicastère pour le Service du Développement humain intégral.
Post del blog **Zed** firmato da **Franciska Dethlefsen** (head of growth and marketing), pubblicato il **14 maggio 2026** — il giorno dopo l'annuncio di Anthropic — per rispondere alle domande degli utenti Zed. **Oggetto**: a partire dal **15 giugno**, Anthropic **divide la fatturazione degli abbonamenti Claude in due pool** — uno per i suoi **strumenti proprietari** (chat, la CLI ufficiale Claude Code), l'altro per l'**uso di agenti e SDK di terze parti** (tutto ciò che passa tramite **ACP**, `claude -p`, o uno strumento di terze parti). L'uso via ACP **smette quindi di attingere ai limiti Pro o Max** e passa a un **credito mensile "Agent SDK"**: **20 dollari per Pro, 100 dollari per Max 5x, 200 dollari per Max 20x**. Una volta esaurito il credito, l'uso continua **al prezzo API standard** se l'overage è abilitato — altrimenti le richieste si interrompono fino al ciclo successivo. **La cifra che guida l'articolo**: gli abbonamenti avevano fino ad allora sovvenzionato l'uso agentico con un fattore di **circa 15-30×** rispetto al prezzo API, e i nuovi crediti sono fatturati **ai prezzi API pieni** — da cui *« for anyone using agents heavily, this is a major cost increase »*. **Vengono proposte tre opzioni**, in un ordine che rivela la posizione di Zed: (1) mantenere l'abbonamento eseguendo la **CLI ufficiale `claude` in un terminale dentro Zed** anziché via ACP — *« when the official claude CLI runs in the terminal, it uses your subscription's limits, not the new credit »*; (2) usare l'agente integrato di Zed con il provider a scelta (modelli ospitati da Zed, chiavi API, Copilot, Ollama locale, DeepSeek); (3) collegare **qualsiasi agente ACP** — OpenCode, Codex, Factory, Cursor —, diversi dei quali offrono ancora abbonamenti a limiti di frequenza che sovvenzionano l'uso intensivo. **La tesi di fondo**, e la vera ragione del post: *« ACP is an open protocol… so that your editor is never locked into one provider's pricing decisions »*, con l'anticipazione esplicita che *« this kind of change won't be the last »*. **Il post porta un'aggiunta datata 16 giugno 2026** che annuncia che **la modifica è sospesa**: ACP, `claude -p`, l'Agent SDK e le applicazioni di terze parti continuano a funzionare con gli abbonamenti **come prima**, nessun credito separato da rivendicare, limiti invariati, Anthropic sta rivedendo il proprio piano con un preavviso annunciato. **L'artefatto è quindi autocontraddittorio**: il suo contenuto più importante — il dietrofront — è successivo di un mese alla propria data di pubblicazione.
#Zed#Anthropic#abbonamento Claude
**Franciska Dethlefsen** — head of growth and marketing chez **Zed Industries**. Le rôle est déterminant pour lire le texte : ce n'est pas un billet d'ingénierie mais une **communication de crise produit** · écrite le lendemain d'une annonce d'un fournisseur dont Zed dépend · à destination d'utilisateurs inquiets. La signature growth/marketing explique la structure (problème → options → réassurance) et le fait que l'argument protocolaire arrive en conclusion plutôt qu'en tête.
La Continuous Delivery come fondamento non negoziabile dello sviluppo assistito dall'IA — Dave Farley, sul suo canale *Modern Software Engineering*, sostiene che senza CD l'IA non è un acceleratore ma una trappola (teoria dei vincoli e paradosso di Jevons applicati al codice generato, ATDD/BDD come salvaguardia, deployment pipeline come arbitro della qualità).
Testimonianza di **Arthur Mensch** (co-fondatore e CEO di **Mistral AI**) accompagnato da **Audry Herblin-Stoupe** (direttrice degli affari pubblici) davanti alla **commission d'enquête sur les vulnérabilités numériques** dell'Assemblea nazionale (presieduta da Philippe Latombe, assente — seduta presieduta dal relatore). Testimonianza sotto giuramento, ~1h15, maggio 2026. Tesi cardine di Mensch: ***"il cloud è intelligenza artificiale"*** — nessuna distinzione tra servizi digitali e IA, l'IA è l'unità atomica della catena del valore del cloud, dai semiconduttori (ASML) al deployment aziendale. **Mistral nel 2026**: 1.000 dipendenti, valutazione di 12 miliardi di euro, obiettivo di **1 miliardo di euro di fatturato entro fine 2026**, 1 miliardo di euro investiti in R&S nel corso dell'anno, 30% del fatturato in Francia / 70% fuori dalla Francia / ~75% in Europa, clienti: DINUM, Caisse des dépôts, France Travail, MACGM, Stellantis, TotalEnergies, BNP Paribas, ministère des Armées, Lussemburgo (amministrazione centrale). **Quadro concettuale di Mensch**: l'IA è una **risorsa naturale** — *"trasformiamo l'elettricità in intelligenza, in generazione di token."* Economia: 1 GW di data center = **50 miliardi di dollari di investimento in 5 anni**, genera **20 miliardi di dollari di token/anno** ≈ 50% di margine lordo. Lungo la catena elettrone→token, **circa il 10% del valore è nell'elettrone**, il 90% altrove (chip, software, servizi). **Tesi macro allarmista**: se l'Europa importa il 10% del proprio monte salari in IA non europea, ciò equivale a **un deficit commerciale aggiuntivo di 1.000 miliardi di euro**; sono necessari 20.000 miliardi di euro di investimenti infrastrutturali per servire l'Europa (40 GW Francia / 400 GW Europa). **Strategia di sovranità**: ***"non pensare alla sovranità come isolazionismo ma come leva."*** **Pressione temporale**: *"non abbiamo tempo"* — una finestra di **2 anni** prima che le risorse energetiche europee vengano monopolizzate dagli hyperscaler americani che investono **1.000 miliardi di dollari/anno**. **Cinque diagnosi operative**: (1) Onere normativo = 5 addetti alla compliance in Mistral, 27 normative non sincronizzate, imprenditori che lasciano per gli Stati Uniti; (2) Mercato frammentato = ~60 operatori telco europei contro 3 negli Stati Uniti; (3) Appalti pubblici sottoutilizzati come leva strategica (50% del PIL UE); (4) Energia: 9 GW di surplus francese a rischio di essere monopolizzati da attori statunitensi entro 2 anni; (5) Distillazione = una tecnica di riduzione dei costi, **non** un recupero tecnologico. **Dottrina della difesa**: Mistral collabora con il ministère des Armées, rifiutando esplicitamente una "supervisione" dell'uso finale ("non abbiamo legittimità democratica"), un posizionamento *anti-Anthropic-Mythos*. **Cybersicurezza**: riconosce le capacità offensive dei modelli ("cresce in modo lineare, prevedibile, per tutti nello stesso momento"), si oppone al *fear marketing* di un concorrente americano (implicitamente Anthropic). **Campus IA**: partecipazione fortemente minoritaria, potenziale fornitore (Mistral + hyperscaler), 35 miliardi di euro MGX/Abu Dhabi + Nvidia, 100 ettari a Saint-Arnoult, 1,4–1,6 GW (= Flamanville), energia nucleare francese = impronta di carbonio ridotta. **Annotazione**: team di dottorandi (non più microworker), Madagascar per la robotica con garanzie salariali. **Modello di business**: nessuna bolla sul lato della domanda, **collo di bottiglia dell'offerta** (chip, memoria, elio, elettroni). **Conclusione di avvertimento**: *"se non lo facciamo abbastanza in fretta, diventeremo uno stato vassallo."*
#Arthur Mensch#Mistral AI#Audry Herblin-Stoupe
**Arthur Mensch** (cofondateur et directeur général de **Mistral AI**) accompagné d'**Audry Herblin-Stoupe** (directrice des affaires publiques et de la communication, Mistral AI). Mensch a cofondé Mistral AI le 28 avril 2023 avec **Guillaume Lample** et **Timothée Lacroix** — tous les trois précédemment dans les *« gros acteurs américains »* (Google DeepMind / Meta FAIR). Audition tenue devant la **commission d'enquête de l'Assemblée nationale sur les vulnérabilités numériques** · présidée par **Philippe Latombe** (député MoDem, Vendée — absent ce jour). Séance présidée par la **rapporteur** (non nommée dans le transcript) · avec interventions du président lui-même (revenu en cours) · du député **Arnaud Saint-Martin** (LFI/Saint-Arnoult — sa circonscription accueille Campus IA) · et de la rapporteur sur les questions économiques.
Lancio di **AI/works™**, una **piattaforma di sviluppo agentico** rivendicata da **Thoughtworks** come *"il nuovo standard per costruire e gestire sistemi di livello industriale nell'era dell'IA."* Il messaggio centrale è **economico**: *"il vecchio modello ti faceva pagare milioni per costruire, gestire, poi pagare di nuovo per ricostruire — AI/works™ pone fine a questa routine."* La piattaforma copre **l'intero SDLC** attorno a un concetto centrale, la ***Super Spec*** (una specifica dinamica e unificata che copre architettura, workflow, sicurezza, dati, UX), con **sei capacità**: Reverse Engineering (legacy → specifiche as-is), Dynamic Spec Development (requisiti grezzi → Super Spec), Spec to Code (agenti coordinati che generano codice testabile), Developer Experience (golden path governati), Control Plane (orchestrazione degli agenti con trasparenza dei costi, guardrail attivi, tracciabilità end-to-end), Runtime Ops (monitoraggio continuo che rileva i cambiamenti, aggiorna la Super Spec, rigenera il codice impattato). Metodologia **3-3-3**: 3 giorni per allinearsi sul concetto di prodotto, 3 settimane per il prototipo (desiderabilità/vitalità/fattibilità), 3 mesi per l'MVP in produzione. Riconoscimento di **Constellation Research**: *"cambiare l'economia della fornitura di software enterprise"* tramite un approccio *"spec-driven, lifecycle"*. Slogan di apertura: ***"We are doing it again for the AI era"*** — che richiama l'eredità XP/CI-CD/microservizi di Thoughtworks. Posizionamento anti-hype: *"si basa su un fondamento ingegneristico piuttosto che sull'entusiasmo"*, *"nessuna folla di consulenti"*, *"la finanza può aprire la fattura senza accendere le luci di emergenza."* Partner in evidenza: AWS, GCP, Azure, Databricks, Snowflake + Claude, OpenAI, DeepSeek, Gemini, Grok + NVIDIA, Groq, Stripe, Spotify, CAST, Cyn DX, Mechanical Orchard.
#Thoughtworks#AI/works#AI works trademark
**Thoughtworks** (auteur collectif corporate, page produit/marketing). Aucun individu cité sur la page. Contexte des figures Thoughtworks pertinentes en arrière-plan : **Martin Fowler** (chief scientist emeritus, *Refactoring*, *Patterns of Enterprise Application Architecture*) · **Rebecca Parsons** (CTO emeritus) · **Birgitta Böckeler** (Distinguished Engineer, *Harness Engineering for Coding Agents*, fiche 2026-04-02) · **Matt Kamelman** (*Service-as-Software*, fiche 2025-12-03) · **Sam Newman** (*Building Microservices*).