Quando l'AI ricorda: un sistema operativo per il lavoro cognitivo
Il problema che ogni professionista AI conosce
Lavoro nell'IT da oltre 15 anni. Ho cablato reti, configurato server, costruito siti. Ho sempre ragionato allo stesso modo: osservo un problema, lo scompongo, progetto una soluzione, la costruo, la testo, la correggo, e la metto in produzione.
Il problema questa volta era uno che chiunque lavori con l'intelligenza artificiale conosce: dimentica tutto. Chiudi la sessione, riapri, e riparte da zero. Non sa cosa hai fatto ieri, non sa cosa sta facendo il tuo collega, non ricorda dove sei arrivato con quel progetto.
La domanda che ha cambiato tutto
Mi sono chiesto: e se non fosse così? E se un team di agenti AI potesse condividere una memoria che persiste, che si accumula, che è cercabile per significato e non per parole chiave?
Dal design alla produzione
Dalla domanda alla risposta c'è stato un percorso. L'idea iniziale. Poi il design dell'architettura, rivisto e criticato da ogni angolo possibile. Poi le decisioni — quelle che tagli e non puoi rimandare. Poi la costruzione, pezzo dopo pezzo. Poi i test, e i bug. Poi le correzioni. Poi altri test. Poi i problemi che non avevi previsto — di governance, di sicurezza, di flusso operativo — e le soluzioni trovate lavorandoci sopra, non sulla carta.
Un sistema operativo, non un chatbot
Il risultato è un sistema operativo. Non un chatbot, non un assistente: un team AI con ruoli, regole, memoria condivisa, e un unico punto di comando umano. Quando un agente produce qualcosa, quel lavoro resta nella memoria del team. Quando un altro agente ha bisogno di quel lavoro, lo trova. Senza che nessuno glielo passi manualmente.
Il sistema è in produzione. Funziona. Produce contenuti, analizza codice, gestisce progetti reali. Non è perfetto — ogni giorno emergono cose da migliorare, ed è giusto così. Ma la base c'è, e regge.
La biblioteca che non si deteriora
La cosa che mi interessa di più non è il software. È quello che cresce dentro. Ogni task completato aggiunge conoscenza a una biblioteca che non si deteriora, non va in ferie, e non si dimentica le cose. Più il sistema lavora, più quella biblioteca ha valore. Non perché i modelli migliorano, ma perché l'esperienza si accumula.
Dalla ricerca accademica alla realtà
La ricerca accademica la chiama "la sfida aperta della memoria persistente multi-agente". I paper si moltiplicano, le architetture teoriche non mancano. Le implementazioni che funzionano in produzione sono un'altra storia.
Questa è una di quelle storie.