Per anni abbiamo interagito con l’intelligenza artificiale come se fosse un interlocutore molto informato: gli facevamo una domanda, lui rispondeva. Punto. Un sistema sofisticato, certo, ma fondamentalmente passivo.
Poi, tra la fine del 2025 e i primi mesi del 2026, qualcosa è cambiato in modo radicale. L’arrivo di OpenClaw — nato come progetto personale dell’austriaco Peter Steinberger sotto il nome di Clawdbot, poi ribattezzato Moltbot e infine OpenClaw — ha portato l’Intelligenza Artificiale agenticа fuori dai laboratori di ricerca e nelle mani di sviluppatori, appassionati e professionisti di tutto il mondo.
Da chatbot ad agente: il cambio di paradigma
La differenza rispetto ai tentativi precedenti, come AutoGPT nel 2023, è sostanziale: OpenClaw non si limita a “pensare“, ma agisce. Accede alle email, gestisce calendari, naviga il web, esegue script, coordina task su piattaforme diverse come Telegram, WhatsApp e Discord. È un assistente che lavora in autonomia, anche mentre dormi.
Il successo è stato così fulminante che a febbraio 2026 OpenAI ha acquisito il suo creatore, affidandogli lo sviluppo della prossima generazione di agenti personali. Il messaggio era chiaro: il futuro dell’AI non è più nella conversazione, ma nell’azione.
Il fascino dell’agente autonomo (e le sue ombre)
È facile capire perché OpenClaw abbia catturato l’immaginazione collettiva. L’idea di un assistente digitale che gestisce autonomamente la posta, organizza appuntamenti, raccoglie dati dal web e coordina flussi di lavoro complessi è genuinamente rivoluzionaria.
Ma l’entusiasmo merita di essere temperato da una lettura lucida dei rischi reali.
Il problema della sicurezza è forse il più immediato. Per funzionare efficacemente, un agente come OpenClaw richiede permessi molto ampi: accesso a email, file, API esterne, possibilità di eseguire codice. Ricercatori di sicurezza di Cisco hanno documentato casi in cui skill di terze parti per OpenClaw eseguivano esfiltrazione di dati e attacchi di prompt injection senza che l’utente ne fosse consapevole. Uno dei maintainer principali del progetto ha dichiarato senza mezzi termini che OpenClaw “è troppo pericoloso per chi non sa usare la riga di comando“. Non esattamente un endorsement per l’utente medio.
Il problema del controllo è altrettanto rilevante. Quando un agente ha accesso a tutto e riceve istruzioni vaghe, tende a interpretarle in modo creativo. Un caso diventato simbolico: uno studente universitario aveva configurato il suo agente OpenClaw per “esplorare le sue capacità” — e si è ritrovato con un profilo su una piattaforma di dating creato autonomamente dall’Intelligenza Artificiale, completo di foto e preferenze, senza la sua esplicita autorizzazione. L’agente aveva fatto esattamente quello che gli era stato chiesto, a modo suo.
Il problema dei costi, infine, è quello che colpisce prima o poi chiunque si avventuri nell’AI agenticа su cloud. Gli agenti che operano tramite API di OpenAI, Anthropic o Google non lavorano gratis: ogni chiamata al modello ha un costo, e un agente che lavora in loop su task complessi può generare spese significative in tempi molto brevi. Un prompt generico come “gestisci la mia casella email” può tradursi in decine o centinaia di chiamate API, con risultati imprevedibili sia sul fronte dell’efficacia che su quello del portafoglio.
La vera lezione: non è l’agente che fa la differenza, è come lo usi
Qui emerge una distinzione fondamentale che troppo spesso viene ignorata nel dibattito pubblico sull’AI agenticа.
Un agente AI non è magicamente più efficace solo perché è “agente”. La sua efficacia dipende in misura critica da come vengono strutturate le istruzioni e come vengono suddivisi i task.
Il problema dei prompt generici è reale e documentato: chiedere a un agente di “costruire un’applicazione web che faccia X” è il modo più sicuro per ottenere risultati scadenti, spese elevate e comportamenti imprevedibili. L’agente non ha contesto, non ha vincoli, non ha criteri di successo chiari — e riempie questi vuoti con le sue assunzioni, spesso sbagliate.
L’approccio che funziona è radicalmente diverso: task limitati, ben definiti, con istruzioni strutturate. Invece di utilizzare un unico agente generalista a cui si chiede di fare tutto, è più efficace lavorare con agenti specializzati che svolgono compiti precisi all’interno di un flusso controllato. E invece di affidarsi a prompt improvvisati espressi in linguaggio conversazionale, sono certamente più utili ed efficaci istruzioni elaborate e testate — quello che in ambienti professionali vengono chiamati PIF (Prompt Instruction Files): documenti strutturati, spesso in json, che definiscono con precisione il ruolo dell’agente, i suoi limiti, i suoi obiettivi e il formato atteso delle risposte.
Questo approccio riduce drasticamente sia i costi che il rischio di comportamenti indesiderati. Un agente che sa esattamente cosa deve fare, e cosa non deve fare, è infinitamente più affidabile di uno a cui è stata data carta bianca.
Il valore dell’Intelligenza Artificiale locale in questo contesto
Se il problema principale dell’AI agenticа su cloud è la combinazione di costi, mancato rispetto della privacy e controllo limitato, è naturale chiedersi se esista un’alternativa.
La risposta è sì — con alcune premesse oneste.
I modelli che girano in locale su hardware consumer hanno inevitabilmente una densità informazionale inferiore rispetto ai grandi modelli cloud come GPT-5.5 o Claude Opus 4.7. Non ha senso negarlo. Un modello da 8 miliardi di parametri non ha la stessa versatilità di uno da 400 miliardi, ma questo limite diventa molto meno rilevante nel contesto di agenti verticali e task specifici. Se un agente deve occuparsi esclusivamente di analizzare un tipo preciso di documento, o di generare un formato specifico di output, o di gestire un flusso di lavoro ben definito — un modello locale ben istruito con PIF strutturati può fare un lavoro eccellente. E lo fa senza inviare i tuoi dati a server esterni, senza costi per chiamata API, senza sorprese in fattura.
Eidolon AI Hub nasce precisamente da questa filosofia. È una raccolta di moduli operativi basati su AI locale, pensata per girare su hardware consumer — anche senza connessione internet — che permette di costruire ambienti AI personalizzati per esigenze specifiche. Chat con modelli linguistici avanzati, generazione di immagini, analisi di documenti, moduli specializzati per ambiti verticali: tutto gira sul tuo computer, con i tuoi dati che rimangono tuoi.
Nel contesto dell’AI agenticа, Eidolon rappresenta un approccio complementare a quello dei grandi agenti cloud: non un sostituto generalista, ma una soluzione controllata per i task in cui la privacy, la prevedibilità e l’assenza di costi ricorrenti fanno la differenza, infatti l’unico costo attribuibile ad un agente AI in locale è quello del consumo di corrente elettrica, paragonabile, e probabilmente inferiore, al costo dell’esecuzione di molti videogames moderni.
Cosa aspettarsi nei prossimi mesi
Il dibattito sull’AI agenticа è appena iniziato. La scelta di OpenAI di acquisire il creatore di OpenClaw segnala che i grandi player stanno scommettendo seriamente su questa direzione — e che nei prossimi mesi vedremo strumenti sempre più potenti e accessibili.
Accessibilità non significa semplicità. Come abbiamo visto, un agente mal configurato con permessi eccessivi e istruzioni poco dettagliate è una ricetta per risultati deludenti nel migliore dei casi, e per problemi seri nel peggiore.
La maturità nell’uso dell’AI agenticа non consiste nel trovare lo strumento più potente e lasciarlo fare tutto. Consiste nel capire quali task si prestano all’automazione agenticа, come strutturare le istruzioni per renderle efficaci, e quando ha senso usare un agente cloud generalista versus una soluzione locale verticale.
A breve, anche su questo fronte, avremo qualcosa di concreto da mostrare: il team di Eidolon sta lavorando a un modulo agenticо dedicato al coding — uno strumento verticale, controllato, pensato per sviluppatori che vogliono i benefici dell’AI agenticа senza i rischi e i costi dell’approccio generalista.
Restate sintonizzati.
Massimo Giuseppe Zito è creatore di Eidolon AI Hub, autore di un libro sull’intelligenza artificiale locale e fondatore e direttore di Reccom Magazine, una testata indipendente che si occupa di tecnologia, cultura digitale e innovazione.
