Dalla lettura all’azione: che cosa sanno fare oggi gli agenti IA
WebMCP, ACP, AP2, A2A e Web Bot Auth: a che punto sono davvero gli standard che permettono a un agente di agire sul tuo sito.
WebMCP, ACP, AP2, A2A e Web Bot Auth: a che punto sono davvero gli standard che permettono a un agente di agire sul tuo sito.
Che cosa è davvero documentato sulla citazione da parte dell’IA: nosnippet, max-snippet, la rimozione di FAQPage e i numeri che non hanno alcuna fonte.
I sei file e segnali che gli agenti IA leggono davvero sul tuo sito: robots.txt, schema.org, sitemap.xml, llms.txt, /.well-known/ e IndexNow.
Tu vedi una pagina completa; l’agente riceve un file HTML grezzo. Cosa dicono davvero le misurazioni pubbliche sull’esecuzione di JavaScript da parte dei crawler IA, e come verificarlo in due
Crawler di addestramento contro fetcher del momento della risposta: quali user-agent bloccare, quali consentire e un robots.txt di esempio per il 2026.
Ospitare i propri agenti IA conviene solo oltre i 5 milioni di token al giorno rispetto ai modelli frontier — e 195 milioni rispetto alle API a pesi aperti. Il
Il punto di approvazione di un agente IA si fissa su due variabili: reversibilità dell’azione e danno in caso di errore. Quattro schemi di approvazione, la schermata che funziona e
Testare un agente IA non è né test del software né benchmark di modelli. Insieme di casi reali, misurazione su quattro livelli, regressione a ogni modifica e monitoraggio in produzione.
La Rule of Two di Meta, un modello dei permessi su quattro livelli e l’elenco delle azioni che un agente IA non deve mai eseguire da solo.
Modello, strumenti, memoria e controllo: i quattro componenti di un agente IA aziendale, il ciclo di esecuzione e la checklist prima del primo agente.
Routing tra modelli, cache ed elaborazione in batch riducono una bolletta di inferenza del 60-80 per cento. Sei leve ordinate per ritorno sullo sforzo.
Il 95 per cento dei piloti GenAI non produce ritorno misurabile. Cosa misurare davvero, un pilota di sei settimane e quando chiuderlo.
A postazione, a consumo o a risultato: i tre modelli, la struttura ibrida che vince e come cambiare prezzo senza bruciare la base clienti.
Costruire o comprare non è binario. Cinque strade, tre lenti che decidono e lo strato di astrazione da mettere in piedi il primo giorno.
Il costo dei token è una riga su sette. Il conto completo del costo di possesso di una funzionalità LLM: ritentativi, embedding, valutazione, monitoraggio, supervisione umana e infrastruttura — e
Perché la maggior parte dei progetti di IA si arena, e il percorso breve — problema, dati, pilota, persone — che porta valore in due mesi.
Con una componente di IA il criterio di accettazione diventa una eval: dataset etichettato, funzione di punteggio e soglia. Le quattro componenti e sei sezioni da aggiungere alla specifica.
Dati pubblici e interni: sì. Riservati: solo con clausole di non addestramento e non conservazione. A diffusione limitata: mai in un prompt. I quattro livelli di classificazione spiegati.
Una base di conoscenza RAG aziendale poggia su quattro strati: fonti selezionate, suddivisione dei documenti, ricerca ibrida con riordino e permessi applicati al recupero. Piano a 90 giorni.
Quattro metriche misurano la visibilità nei motori di risposta IA: tasso di menzione, tasso di citazione, share of voice e accuratezza. Search Console, GA4 e un panel di prompt manuale.