Un modello di frontiera non può essere un vantaggio competitivo: il laboratorio che lo addestra vende gli stessi pesi a te e a chi ti fa concorrenza, allo stesso prezzo. Tutto ciò che è noleggiabile è già disponibile a tutti.
Il vantaggio vive nel livello sopra il modello, ed è l’unico pezzo che resta tuo: come i processi sono codificati in workflow, dove un agente decide e dove cede il turno a una persona, come ogni correzione rientra nel flusso e cambia la decisione successiva. Quel livello non si scarica da un’API.
Da qui una lettura diversa del ‘tenere l’umano nel loop’. Non è solo prudenza, è il meccanismo con cui la conoscenza dell’organizzazione viene catturata. Ogni override di una persona è un dato: se viene documentato, l’agente non ripete l’errore; se va perso, lo stesso sbaglio lo paghi due volte.
Si vede meglio quando cambi modello. Migri da un fornitore all’altro e ciò che sopravvive non sono i pesi, sono i prompt, i criteri di valutazione, le pipeline, le correzioni accumulate. L’accuratezza che ti permette di mandare un agente in produzione è una proprietà di quell’impalcatura, non del modello da solo.
La conseguenza è scomoda: un agente che produce lavoro senza lasciare traccia è un interinale più veloce, non capitale. Diventa un asset permanente solo quando il workspace in cui opera registra cosa ha fatto, perché, e cosa è stato corretto. La domanda utile non è quale modello adottare, ma cosa — del lavoro fatto con l’AI — stai tenendo.
