Usiamo tutti ChatGPT per rispondere a semplici domande. Comodo, certo… ma tutto qui? Lo spartiacque è arrivato l’anno scorso con l’introduzione del concetto di agenti AI. Non più semplici risposte a domande, ma veri e propri assistenti in grado di fare le cose al posto nostro. A quel punto mi sono detto che volevo provarli davvero, volevo sperimentare quella sensazione quasi vertiginosa di avere dei superpoteri.
Tappa 1 : Inizio del viaggio
Usiamo tutti ChatGPT per rispondere a semplici domande e siamo rimasti estasiati le prime volte in cui era capace di rispondere a quesiti che, fino a poco tempo fa, eravamo abituati a cercare su Google.
Comodo, certo… ma tutto qui?Lo spartiacque è arrivato l’anno scorso con l’introduzione del concetto di agenti AI. Non più semplici risposte a domande, ma veri e propri assistenti in grado di fare le cose al posto nostro. A quel punto mi sono detto che volevo provarli davvero, volevo sperimentare quella sensazione quasi vertiginosa di avere dei superpoteri.
La vera consapevolezza arriva quando capisci che non si tratta semplicemente di un nuovo software o di una moda tecnologica passeggera. È un cambiamento radicale nel modo di lavorare di un professionista. Per la prima volta abbiamo accesso a uno strumento capace non solo di assisterci, ma di collaborare attivamente con noi: analizzare documenti, scrivere codice, produrre report, fare ricerche, generare idee, automatizzare attività ripetitive e persino lavorare contemporaneamente su più progetti.
La differenza enorme rispetto al passato è che questi strumenti non si limitano a eseguire comandi. Ragionano sul contesto, apprendono il flusso di lavoro e diventano una sorta di estensione digitale delle nostre competenze. Per un professionista tecnico questo cambia completamente la percezione del tempo e delle possibilità. Attività che prima richiedevano giorni possono essere completate in ore. Idee che rimanevano nel cassetto per mancanza di tempo diventano improvvisamente realizzabili.Ed è proprio in quel momento che capisci che non stai semplicemente usando un nuovo tool: stai entrando in un nuovo paradigma del lavoro.
A quel punto ho iniziato a pormi una domanda: ho cambiato lavoro?
Di fatto, negli ultimi mesi è stato proprio così. Da progettista di reti IT sto provando a diventare un progettista di agenti AI che lavorano con me? Ora non ho la risposta.
Tappa 2 : I corsi di prompting e la frustrazione dei modelli in locale
Il primo passo è stato quasi obbligato: studiare il prompting. All’inizio pensavo che bastasse “fare domande bene”, ma mi sono reso conto rapidamente che scrivere prompt efficaci significa imparare a ragionare in modo strutturato, dare contesto, definire obiettivi e guidare il modello verso il risultato desiderato.
Con i modelli che ci sono adesso non sono certo che sia ancora cosi importante … comunque.
Parallelamente ho iniziato a sperimentare in locale con Ollama, installando piccoli modelli AI direttamente sul mio PC. Non erano particolarmente potenti, spesso lenti e limitati, ma estremamente utili per capire davvero come funzionano questi sistemi.
Ed è lì che arriva anche la prima frustrazione.
Bastava un indovinello banale, una domanda ambigua o un piccolo cambio di contesto per mandare completamente in crisi il modello. Risposte sicure ma sbagliate,cambi di lingua, ragionamenti incoerenti, errori evidenti raccontati con una convinzione quasi disarmante. Vuoi un esempio:
Paradossalmente, però, è stata proprio quella fase a farmi capire il potenziale reale dell’AI. Perché inizi a comprendere che non stai parlando con una “magia intelligente”, ma con uno strumento statistico incredibilmente potente che deve essere guidato, corretto e progettato nel modo giusto. E forse è proprio lì che nasce la vera competenza: non nel fare una domanda, ma nel saper collaborare con la macchina.
Tappa 3 : i tentativi di tool calling
Ho iniziato a seguire alcuni corsi di Python, come Certified Python Network Administrator and Engineer, per costruirmi delle basi solide sul linguaggio che, oggi, è diventato praticamente lo standard nel mondo AI e automazione.
Da lì sono partiti i primi esperimenti di tool calling con modelli in locale, utilizzando le API di ExtremeCloud IQ Site Engine per interagire direttamente con l’infrastruttura di rete. L’idea era affascinante: permettere al modello di interrogare sistemi reali, recuperare dati e compiere azioni operative. Nella pratica, però, i risultati iniziali sono stati piuttosto scarsi e altalenanti.
A volte funzionava tutto perfettamente, altre bastava una richiesta leggermente diversa per rompere completamente il flusso logico. Ma anche questa fase è stata fondamentale per capire quanto sia complesso trasformare un modello AI in un vero assistente operativo affidabile …almeno all’epoca.
Tappa 4 : L’avvento
Con il passare dei mesi i modelli sono diventati sempre più capaci di utilizzare i tool in modo affidabile, soprattutto quelli cloud di grandi dimensioni, molto più potenti e stabili rispetto ai primi modelli eseguiti in locale.
Il vero punto di svolta, però, è arrivato con il Model Context Protocol. Con l’introduzione di uno standard condiviso per collegare strumenti, API e agenti, tutto ha iniziato ad assumere una forma più stabile, modulare e performante. Improvvisamente non si trattava più di semplici esperimenti fragili, ma di sistemi realmente utilizzabili nel lavoro quotidiano.
Un altro aiuto fondamentale sono stati i coding agent. Avere un assistente AI capace di aiutarmi a scrivere, correggere e migliorare il codice ha accelerato enormemente lo sviluppo dei miei progetti. Molte attività che prima richiedevano ore di debugging o ricerca ora diventavano iterative, veloci e molto più accessibili.
Ed è stato lì che ho iniziato davvero a costruire agenti funzionanti in tempi rapidi.
Tappa 5 : Il prototipo
Con grande orgoglio vi presento il mio giovane team. Non sono molti, ma funzionano e, soprattutto, fanno il loro lavoro.
Lui è stato il primo, quello che mi ha fatto capire davvero le potenzialità del paradigma agentico. Le sue capacità principali sono il recupero e l’analisi di informazioni dalla rete tramite i tool che ha a disposizione. Funziona molto bene grazie a tool scritti in maniera accurata e al supporto di un modello AI molto potente
Questo, invece, è l’agente dedicato alle configurazioni. La sua particolarità è che non cerca informazioni su Internet, ma risponde utilizzando una knowledge base costruita sulla mia esperienza e sulla documentazione che ho raccolto nel tempo. Funziona già abbastanza bene e sto migliorando progressivamente le sue capacità. In diversi casi si è già dimostrato estremamente utile. Con tutte ste cli da ricordare ….
Lui è sicuramente il più complesso del gruppo, perché creare automaticamente documentazione di rete fatta bene non è affatto semplice. In realtà è coordinato da diversi subagenti che lavorano insieme. Dopo molti tentativi il risultato è diventato davvero interessante. Deve ancora migliorare nella formattazione delle tabelle e ogni tanto sbaglia le mappe di rete, ma è ancora giovane… deve farsi le ossa. 🙂
Infine c’è lui: indisciplinato, un po’ testardo, ma incredibilmente utile quando si parla di interfacce grafiche e coding. Il suo problema principale è che tende a prendersi troppa autonomia. Probabilmente non supererà il periodo di prova e verrà licenziato… ma voglio ancora concedergli un po’ di fiducia.
Tappa 6 : Il test in campo
Tappa 7 : Riflessione finale
Non ho dubbi che gli agenti AI rappresentino una parte importante del futuro. Quello su cui ho ancora molte domande riguarda le tempistiche con cui diventeranno strumenti affidabili e costantemente presenti nella quotidianità lavorativa di un team IT. Oggi esistono ancora diverse sfide aperte: l’affidabilità delle soluzioni, la comprensione dei costi reali di esercizio, i modelli di vendita per il cliente finale e, naturalmente, i temi legati a privacy e sicurezza. Come spesso accade con le nuove tecnologie, l’entusiasmo non deve far dimenticare la prudenza.
La fretta, infatti, può portare a conseguenze inattese. Tipo questa:
La vera sfida, però, non sarà creare un singolo agente capace di svolgere un compito. Sarà costruire un ecosistema di agenti che lavori in modo coordinato, affidabile e continuativo nel tempo, generando valore reale per chi gestisce infrastrutture IT complesse. E voi? State già sperimentando con agenti AI nel vostro lavoro oppure state ancora osservando questo fenomeno da lontano? Mi farebbe piacere conoscere le vostre esperienze, le vostre idee e, perché no, anche i vostri dubbi.
Sono un ingegnere delle Telecomunicazioni specializzato in tecnologie Radio, durante il mio corso di studi ho approfondito i temi dei sistemi MIMO.
Il mio lavoro consiste nella progettazione e configurazione di reti sia cablate che wireless. Su queste ultime ho maturato una considerevole esperienza negli anni. Ho conseguito le certificazioni internazionali vendor-neutral CWNA, CWSP e CWDP oltre che le certificazioni wireless di alcuni vendor del settore. Anche sulle reti wired, oltre le tradizionali tecnologie MPLS sto approcciando la progettazione di reti MAN con tecnologie SPBM, il nuovo standard per avere servizi L2/L3 sicuri e facilmente configurabili. Ho conseguito diverse certificazione sui prodotti Extreme Networks ed ho ottenuto la certificazione Black Belt (nr. 188).