Un venerdì sera di novembre 2025, Peter Steinberger ha creato la prima versione di OpenClaw.
Il prototipo ha richiesto solo un'ora, ma nel giro di poche settimane OpenClaw ha superato le 145.000 stelle su GitHub, diventando il progetto open-source in più rapida crescita nella storia di GitHub.
La piattaforma è stata costruita in gran parte da agenti AI e ha segnato il passaggio dai chatbot a un'AI autonoma e orientata ai compiti.
E questo cambiamento sta accelerando. L'AI genera ora il 75% del nuovo codice di Google e fino al 30% del nuovo codice di Microsoft. I commit giornalieri di Claude Code su GitHub hanno superato i 134.000 all'inizio del 2026, rispetto a quasi zero al suo lancio nel marzo 2025.
Si tratta di un cambiamento strutturale nel modo in cui viene realizzato il software, e sempre più anche il lavoro intellettuale.
Gli agenti AI stanno costruendo la frontiera di questo cambiamento.
Allora, cos'è esattamente un agente AI e in cosa si differenzia da un chatbot o da un LLM? Cosa rende questo cambiamento strutturale e non una fase passeggera? E man mano che lo stack matura, dove si accumula il valore e dove si commodifica?
Queste sono le domande a cui abbiamo cercato di rispondere.
Il risultato è un framework a cinque livelli per capire cosa sia realmente un agente, dove sta andando la tecnologia e chi è posizionato per vincere a ogni livello.
Alcune risposte sono già visibili nei numeri. Anthropic è passata da 1 a 44 miliardi di dollari di fatturato annualizzato in diciassette mesi, quasi interamente grazie agli agenti di codifica. Allo stesso tempo, gli harness open-source per agenti stanno ora elaborando decine di trilioni di token al mese. Entrambi i numeri sembrano puntare allo stesso posto: il livello dell'harness.
Ma gli agenti commettono ancora errori evidenti. Nel dicembre 2025, un agente di codifica di Amazon ha cancellato e ricreato autonomamente un ambiente di produzione live, mettendo offline AWS in Cina per 13 ore. Nell'aprile 2026, un agente Cursor basato su Claude ha cancellato l'intero database di un'azienda in 9 secondi.
Quattro modalità di fallimento si ripresentano regolarmente in produzione, e la maggior parte non compare mai nei listini prezzi dei fornitori.
Il sondaggio 2025 di McKinsey sullo stato dell'AI ha rilevato che meno del 10% delle organizzazioni ha agenti distribuiti su scala significativa. La maggior parte non li utilizza affatto.
Il divario tra ciò che è tecnicamente possibile e ciò che è operativamente implementato è l'opportunità.
Il primer di 84 pagine sul nostro Substack è il nostro tentativo di fornire una mappa. Ecco cosa troverete all'interno:
- I cinque livelli di un agente e come si incastrano
- Sei casi studio su come i primi utilizzatori stanno implementando gli agenti oggi, inclusa la mia azienda, 8090
- I quattro modi in cui gli agenti si rompono regolarmente in produzione
- Il livello in cui ci aspettiamo si accumuli il valore più duraturo man mano che i modelli si commodificano
- Chi è posizionato per controllare ciascuno dei cinque livelli
Iscriviti per leggere e fammi sapere cosa ne pensi nel gruppo: https://chamath.substack.com/p/ai-agents-primer
