IA24

Autore: Marco Digireale

  • Claude “sogna” per ricordare meglio: come funziona la nuova memoria dell’IA

    In breve: Anthropic sta sperimentando un modo per aiutare Claude, la sua intelligenza artificiale, a ricordare ciò che ha imparato dalle esperienze precedenti. Lo chiama dreaming, cioè “sognare”. Ma non si tratta di sogni veri: l’IA rilegge le attività passate, controlla gli appunti, corregge gli errori e crea una specie di indice delle informazioni importanti. Il risultato può essere un assistente che ripete meno gli stessi sbagli e ritrova più facilmente ciò che serve.

    Il 6 novembre 2026 Anthropic ha pubblicato uno studio tecnico dal titolo The components of agent memory, presentato anche in un post ufficiale su X. Vediamo che cosa significa, senza termini inutilmente complicati, e perché questa ricerca potrebbe cambiare il modo in cui usiamo gli assistenti IA.

    Perché un’intelligenza artificiale ha bisogno di memoria?

    Immaginiamo di affidare a un assistente digitale la gestione di un sito web. Il lunedì gli spieghiamo come sono organizzate le categorie; il martedì correggiamo un suo errore; il mercoledì gli chiediamo di preparare un nuovo articolo. Se ogni conversazione riparte da zero, saremo costretti a ripetere le stesse istruzioni. E l’assistente rischierà di commettere di nuovo errori già corretti.

    La memoria serve proprio a conservare le informazioni utili tra una sessione e l’altra. Non significa che l’IA cambi automaticamente il proprio cervello digitale o venga riaddestrata ogni volta: nello studio Anthropic parla soprattutto di note e documenti salvati, che il sistema può rileggere nelle conversazioni future.

    Che cosa vuol dire che Claude “sogna”?

    Quando dormiamo, il nostro cervello rielabora parte delle esperienze vissute. Anthropic usa questa analogia per descrivere una fase di lavoro separata dalla conversazione con l’utente. Durante il dreaming, un agente IA può esaminare i registri delle attività precedenti e sistemare la memoria che ha costruito.

    In pratica, potrebbe accorgersi che una regola annotata è sbagliata, unire due appunti che dicono la stessa cosa, creare collegamenti tra documenti o riscrivere l’indice delle informazioni da consultare. Non è sonno, non è immaginazione e non dimostra che Claude sia cosciente. È un processo informatico di revisione e organizzazione.

    I quattro livelli della memoria spiegati con l’esempio di un ufficio

    Per capire il funzionamento immaginiamo un ufficio ordinato in cui lavora un collaboratore molto veloce:

    • 1. Registro delle attività: conserva ciò che è successo, come un diario dettagliato di conversazioni e operazioni.
    • 2. Appunti importanti: raccolgono decisioni, correzioni, regole e preferenze che potrebbero servire ancora.
    • 3. Enciclopedia interna: mette in relazione gli appunti in pagine collegate tra loro, simili a una piccola Wikipedia aziendale.
    • 4. Promemoria immediato: contiene poche informazioni essenziali, lette all’inizio di una nuova sessione.

    Il dreaming può intervenire tra questi livelli: recupera informazioni dai registri originali, corregge gli appunti, aggiorna l’enciclopedia e seleziona ciò che merita di comparire nel promemoria iniziale. Un punto decisivo è che non tutto deve essere ricordato con lo stesso livello di dettaglio. Troppi appunti possono rendere più difficile trovare quello giusto.

    L’esperimento con Pokémon: ricordare tutto può essere peggio che ricordare bene

    Anthropic ha provato a far giocare diversi modelli di Claude a Pokémon Rosso. Il videogioco è un buon banco di prova: bisogna ricordare obiettivi, percorsi, ostacoli e strategie mentre la situazione cambia continuamente.

    Un modello meno recente, Sonnet 3.7, conservava quasi ogni evento: dopo circa 10.000 mosse aveva creato 413 file distribuiti in 225 cartelle e ottenuto una sola medaglia. Un modello successivo, Fable 5, aveva invece raccolto le informazioni essenziali in 10 file e aveva ottenuto quattro medaglie. Non è un confronto controllato che dimostri da solo quale sia il modello migliore: mostra, però, come la qualità della selezione dei ricordi possa essere importante quanto la loro quantità.

    La lezione è semplice: un buon assistente non deve conservare ogni dettaglio del nostro passato. Deve saper distinguere tra un’informazione destinata a cambiare presto e una regola utile anche domani.

    Come il dreaming ha corretto un errore

    In un’altra prova, Claude aveva scritto nei suoi appunti una posizione sbagliata di un luogo nel gioco. Fidandosi di quel ricordo, continuava a imboccare la strada sbagliata e a ritornare sui propri passi.

    I ricercatori hanno avviato una fase di dreaming: Claude ha confrontato l’appunto con il registro originale delle proprie azioni, ha individuato l’errore e lo ha corretto. Nel nuovo tentativo ha scelto il percorso giusto e ha raggiunto la città successiva. Nella prova con il ricordo sbagliato, invece, non ci era riuscito.

    Il punto non è che l’IA diventi infallibile: è che può avere un meccanismo per verificare i ricordi, anziché trattarli sempre come verità.

    I numeri della ricerca: la memoria aiuta davvero?

    In un test chiamato CL-Bench, i ricercatori hanno chiesto a diversi modelli di rispondere a domande in sessioni separate, verificando se potessero utilizzare note salvate dalle prove precedenti. Il punteggio medio di Claude Opus 5.5 è passato da 0,655 senza memoria a 0,838 con memoria; quello di Sonnet 5.5 da 0,644 a 0,833. Sono risultati di uno specifico benchmark, non una promessa di miglioramento identico in qualsiasi lavoro quotidiano.

    Anthropic ha anche testato una wiki costruita automaticamente su un grande archivio di documenti aziendali. In una valutazione su 25 domande, l’uso combinato di wiki e ricerca ha portato il risultato dal 54% al 61% durante la crescita della wiki, contro il 53% della sola ricerca. In quell’esperimento, la combinazione ha anche risparmiato circa 20.000 token per domanda: i token sono le piccole unità di testo che i modelli elaborano.

    Questi numeri sono interessanti, ma arrivano da test progettati dai ricercatori e non dimostrano che ogni utente di Claude abbia già accesso a un dreaming automatico universale.

    Che cosa cambierà per le persone comuni?

    Pensiamo a tre esempi pratici. Uno studente potrebbe usare un tutor che ricorda gli errori ricorrenti negli esercizi, senza doverli rispiegare ogni settimana. Un professionista potrebbe affidare a un agente IA un progetto di mesi, conservandone decisioni e passaggi importanti. Una redazione potrebbe avere un assistente che ricorda lo stile degli articoli e controlla le correzioni fatte in passato.

    Questo è il potenziale della memoria ben organizzata: non solo rispondere a una domanda, ma dare continuità a un lavoro. Per diventare affidabile nella pratica, però, richiede controlli, autorizzazioni e informazioni sempre aggiornate.

    I limiti: errori, costi e riservatezza

    • I ricordi possono essere sbagliati: una correzione automatica riduce alcuni problemi, ma non elimina le cosiddette allucinazioni dell’IA.
    • Le informazioni possono invecchiare: prezzi, procedure e documenti cambiano; una memoria utile deve essere aggiornata e, quando serve, verificata sulle fonti.
    • Riorganizzare costa risorse: il dreaming richiede elaborazioni aggiuntive. La frequenza ideale di questi controlli resta una questione aperta.
    • La memoria non deve diventare un archivio indiscriminato: informazioni personali o riservate richiedono particolare attenzione a permessi, conservazione e accessi.
    • Più memoria non significa sempre più efficacia: in un esperimento una wiki generata automaticamente è diventata persino più grande dei documenti originali, perdendo parte del vantaggio della sintesi.

    È una funzione già disponibile per tutti?

    L’articolo di Anthropic descrive soprattutto architetture, valutazioni e sperimentazioni, comprese quelle sugli agenti gestiti e su Claude Code. Non va letto come l’annuncio che ogni conversazione su Claude esegua automaticamente tutti questi processi con le stesse caratteristiche. La disponibilità concreta dipende dal prodotto e dalle funzioni di memoria effettivamente attivate.

    In conclusione: il futuro non è soltanto avere IA più intelligenti, ma IA che imparano dalle esperienze

    Finora abbiamo valutato spesso gli assistenti IA chiedendoci quanto siano bravi a rispondere subito. La ricerca di Anthropic propone una domanda altrettanto importante: quanto riescono a utilizzare le lezioni di ieri per lavorare meglio domani?

    La risposta sembra passare da una memoria selettiva, verificabile e ben organizzata. Il dreaming non è magia: è un modo per far ordine negli appunti, confrontarli con i fatti e preparare il lavoro successivo. Se questa impostazione maturerà, gli agenti IA potrebbero diventare collaboratori più continui e meno ripetitivi. La supervisione umana, però, resterà fondamentale.

    Domande frequenti

    Claude sogna davvero come una persona?

    No. “Dreaming” è il nome dato a un insieme di operazioni informatiche che rielaborano ricordi e registri delle attività.

    La memoria significa che Claude si riaddestra da solo?

    Non in questo studio. La memoria descritta è soprattutto esterna al modello: file, appunti, collegamenti e informazioni recuperabili fra sessioni.

    Se ricorda tutto, sarà sempre più preciso?

    No. Un archivio troppo grande, duplicato o non aggiornato può peggiorare il lavoro. Anche la capacità di dimenticare dettagli inutili, verificare e correggere conta.

    Fonti

  • Un’unica IA per parlare e cantare? Il progetto di Kalpa Labs raccontato da Y Combinator

    Trasformare un copione in un podcast è un compito. Far cantare una strofa alla stessa voce è un altro. Kalpa Labs vuole affidare entrambi a un unico modello di intelligenza artificiale. Il 30 ottobre 2026 Y Combinator ha raccontato il progetto attraverso il lavoro di Harsh Vardhan Goenka, il primo ingegnere entrato nella startup.

    Il gruppo lavora a un modello audio «generalista». Nel racconto di Goenka l’obiettivo comprende la lettura di un copione, il canto con una voce indicata dall’utente e la generazione di audio a partire da istruzioni scritte sul tono e sull’atmosfera. Secondo il profilo di Y Combinator, il gruppo ha già ottenuto alcune di queste capacità. Resta aperta la domanda su quali siano disponibili al pubblico e con quale qualità.

    Perché conta per chi produce audio

    Immaginiamo una redazione che prepara una puntata di cinque minuti. La conduttrice registra un’apertura vivace, poi passa a una spiegazione che richiede pause più lunghe. Se il modello riuscisse a seguire un’indicazione come «rallenta qui e lascia un secondo prima del dato», il montatore potrebbe provare due interpretazioni della stessa frase e ascoltare quale rende il numero più comprensibile. La prova decisiva sarebbe riuscire a modificare quel passaggio mantenendo riconoscibile la voce nel resto della puntata.

    Il canto rende la questione ancora più concreta. Una cantante potrebbe autorizzare l’uso della propria voce per un provino e voler ascoltare la versione finale prima che venga pubblicata. Per una redazione che valuta questi strumenti, poter documentare chi ha autorizzato un uso e per quale registrazione conterebbe quanto la resa sonora.

    Fonte: Frank Stratton, il profilo di Harsh Vardhan Goenka e Kalpa Labs, Y Combinator, 30 ottobre 2026.

  • Quale IA può gestire i social gratis? Le soluzioni senza abbonamenti aggiuntivi

    ChatGPT, Claude e Gemini possono aiutarti a scrivere e organizzare i contenuti senza acquistare un altro servizio. Per pubblicarli puoi utilizzare gli strumenti gratuiti dei social oppure un piano gratuito come Buffer. Ma nessuna delle soluzioni esaminate offre, senza condizioni, la gestione autonoma e illimitata di qualsiasi profilo. Ecco cosa puoi fare davvero e dove iniziano i costi.

    Guida per ia24.it — informazioni verificate il 5 novembre 2026.

    L’aspirazione: affidare i social all’IA senza moltiplicare le spese

    Hai già un abbonamento a un’intelligenza artificiale e vorresti usarlo anche per gestire LinkedIn, Instagram o Facebook. L’idea è ragionevole: perché pagare un secondo servizio soltanto per pubblicare quello che l’assistente ha appena scritto?

    Il problema nasce quando la parola “gestire” viene utilizzata per indicare attività differenti. Preparare un calendario editoriale è una cosa; entrare nel tuo account, programmare contenuti e rispondere ai commenti è un’altra. Analizzare i risultati richiede inoltre l’accesso alle statistiche.

    Per valutare le offerte dobbiamo separare tre livelli: produzione dei contenuti, pubblicazione e gestione delle relazioni. Un assistente può svolgere bene il primo senza avere alcuna autorizzazione per gli altri due.

    In questa guida “gratis” significa senza ulteriori abbonamenti obbligatori oltre all’eventuale piano IA già acquistato. Restano possibili limiti d’uso, lavoro manuale e funzioni disponibili soltanto a pagamento.

    ChatGPT: utile come redazione, pubblicazione da verificare

    Puoi utilizzare ChatGPT per sviluppare idee, trasformare articoli in post, preparare testi per caroselli e adattare il tono a pubblici differenti. Il vantaggio pratico consiste nel riutilizzare il piano che possiedi già, nei limiti delle funzionalità e delle risorse incluse.

    Per esempio, puoi fornire un articolo e chiedere tre contenuti: un post LinkedIn argomentato, una didascalia Instagram e un intervento Facebook che stimoli una conversazione. Il controllo delle informazioni e delle promesse commerciali resta necessario.

    La pubblicazione richiede invece un percorso operativo: copia manuale, integrazione autorizzata oppure funzioni di agente e browser effettivamente disponibili nell’ambiente utilizzato. OpenAI documenta agenti capaci di interagire con pagine web, ma questo non equivale alla garanzia di accesso a qualsiasi social o a un servizio permanente di gestione automatica.[1]

    Prima di affidare un profilo all’assistente, verifica concretamente se può raggiungerlo, autenticarsi attraverso il percorso previsto e completare l’operazione richiesta. Il semplice possesso dell’abbonamento non dimostra che tutto questo sia possibile.

    Claude e Gemini: alternative per preparare i contenuti

    Claude è un’altra opzione per scrivere, rivedere e organizzare materiali editoriali. La documentazione del servizio presenta strumenti di creazione dei contenuti e collegamenti attraverso connettori. Tuttavia, un collegamento disponibile non implica automaticamente pubblicazione gratuita sul social desiderato.[2]

    Gemini può aiutare nella scrittura e nella preparazione di contenuti. Google cita esplicitamente l’assistenza per i post social tra gli impieghi dell’app. Anche qui bisogna distinguere la generazione del testo dall’autorizzazione a pubblicarlo.[3]

    Per scegliere, prova lo stesso incarico sui servizi che utilizzi: fornisci un testo autentico, descrivi il pubblico e chiedi una versione pronta da rivedere. Valuta quante correzioni servono, non soltanto quanto appare brillante la prima risposta.

    Se possiedi già uno di questi assistenti, partire da quello è sensato. Un secondo abbonamento non è indispensabile per costruire un calendario editoriale efficace.

    LinkedIn: la strada gratuita parte dalla programmazione interna

    Per un solo profilo LinkedIn, puoi adottare un sistema essenziale: l’IA prepara i testi, tu li controlli e li programmi direttamente nella piattaforma. LinkedIn documenta la programmazione dal compositore dei post, attraverso l’icona dell’orologio, senza richiedere un gestore social esterno.[4]

    Il flusso è semplice: apri la creazione del post, incolla il contenuto, aggiungi gli eventuali allegati, seleziona data e ora e conferma la programmazione. Le possibilità cambiano in base al formato: non tutti i tipi di contenuto supportano la stessa procedura.

    Questo metodo evita il costo di un intermediario e riduce le dipendenze tecniche. Richiede però il tuo intervento per trasferire e controllare i materiali. È dunque una gestione assistita dall’IA, con pubblicazione programmata dal social.

    Per un professionista che pubblica poche volte alla settimana può essere una soluzione sufficiente, soprattutto durante la fase iniziale.

    Buffer: piano gratuito e assistente IA incluso

    Buffer è un’opzione concreta per chi vuole riunire più canali in un solo calendario. Il listino ufficiale indica un piano gratuito con un massimo di tre canali, un utente, assistente IA e dieci post programmati per ciascun canale.[5]

    Il dettaglio da capire è il significato di quei dieci post: rappresentano la capienza della coda, non un limite mensile. Quando un contenuto viene pubblicato, si libera uno spazio per programmarne un altro. Buffer lo precisa nella propria documentazione.[6]

    La piattaforma documenta anche la programmazione di contenuti su LinkedIn, per profili e pagine. Diventa quindi una possibilità interessante per chi cerca una soluzione gratuita a questa esigenza.[7]

    Attenzione alla distinzione: utilizzare l’IA di Buffer è diverso dal comandare Buffer direttamente dalla propria chat. Quest’ultima possibilità richiede un’integrazione specifica, da verificare separatamente. Puoi comunque preparare i testi con l’assistente che già paghi e inserirli manualmente nella coda gratuita.

    Metricool: gratuito per iniziare, ma LinkedIn è escluso

    Metricool comprende un piano gratuito con un brand, fino a venti contenuti programmati al mese, storico delle analisi di trenta giorni e assistente IA. Il listino include inoltre Metricool MCP, il collegamento che permette agli assistenti compatibili di utilizzare determinate funzioni del servizio.[8]

    Esiste però un limite decisivo per chi vuole gestire LinkedIn: il piano gratuito esclude LinkedIn e X. La presenza di MCP nel piano Free non sblocca i social riservati agli abbonamenti superiori.

    Per LinkedIn occorre almeno Starter: il listino italiano riporta venti euro al mese con pagamento mensile oppure sedici euro mensili equivalenti con fatturazione annuale. È quindi una soluzione che comporta un costo aggiuntivo rispetto all’IA.

    Prima di scegliere un connettore, controlla sempre sia le capacità tecniche sia i diritti previsti dal piano. Un assistente capace di inviare un comando non può aggirare i limiti commerciali del servizio collegato.

    Confronto rapido: cosa puoi ottenere senza altri abbonamenti

    SoluzioneUtilità concretaLimite principale
    IA già acquistata e strumenti nativiPreparazione e programmazione con passaggi manualiNon è una gestione integralmente autonoma
    Buffer FreeFino a tre canali, assistente IA e calendarioDieci contenuti in coda per canale
    Metricool FreeUn brand, assistente IA e programmazioneVenti contenuti mensili; niente LinkedIn o X
    Agente con browser disponibile nel pianoOperazioni sul web quando supportateAccessi, compatibilità e limiti da verificare

    Le prime tre configurazioni permettono di contenere i costi, ma offrono livelli differenti di automazione. La scelta dipende soprattutto da quanti account gestisci e da quanto lavoro manuale puoi sostenere.

    Il progetto: un metodo pratico per cominciare

    Parti da un obiettivo misurabile. Per un consulente potrebbe essere ottenere conversazioni con potenziali clienti; per una testata, portare lettori verso gli approfondimenti. Il numero di post è soltanto uno strumento.

    Prepara poi un documento con pubblico, tono, argomenti, esempi autentici e informazioni da verificare. Dai all’assistente fonti e materiali originali: esperienze, articoli, domande ricevute e casi reali rendono i contenuti più riconoscibili.

    Puoi utilizzare questa richiesta:

    Prepara sei post per il mio profilo LinkedIn usando esclusivamente i materiali allegati. Alterna spiegazioni, esempi e domande. Non inventare dati, clienti o esperienze personali. Per ogni post indica obiettivo, testo e informazioni che richiedono una verifica.

    Rivedi i contenuti e programma una prima settimana attraverso LinkedIn oppure Buffer Free. Dopo la pubblicazione, osserva quali interventi generano conversazioni utili. Puoi riportare all’IA risultati e commenti, eliminando i dati personali non necessari, e chiedere proposte per il ciclo successivo.

    Per i commenti, mantieni un criterio distinto dalla produzione dei post. L’assistente può suggerire risposte, ma una lamentela o una richiesta commerciale possono richiedere informazioni che non possiede. Evita di delegare risposte indiscriminate soltanto per aumentare la velocità. Una procedura semplice consiste nel raccogliere le domande ricorrenti, preparare risposte di riferimento e controllare personalmente i casi particolari. Il tempo risparmiato nella scrittura può essere investito proprio nelle relazioni.

    L’opportunità: risparmiare senza inseguire l’automazione totale

    Il rischio economico più comune è confondere l’abbonamento alla chat con qualsiasi utilizzo del modello. Un’automazione costruita con API può avere una fatturazione distinta o richiedere crediti aggiuntivi. Anthropic, per esempio, documenta una gestione specifica dei crediti API: occorre verificare cosa copre effettivamente il proprio piano.[9]

    Anche un programma gratuito installato su un computer richiede configurazione, manutenzione e risorse. Se servono hosting, servizi esterni o assistenza tecnica, il costo complessivo può aumentare.

    Per iniziare conviene quindi provare un processo piccolo e ripetibile. Misura il tempo risparmiato nella preparazione, quello impiegato nelle correzioni e la qualità delle conversazioni ottenute. Se il calendario gratuito basta, non serve aggiungere strumenti. Un eventuale servizio a pagamento dovrebbe risolvere una difficoltà già osservata: troppi account, approvazioni complesse o analisi insufficienti.

    La risposta alla domanda iniziale è questa: puoi gestire buona parte del lavoro social senza altri abbonamenti, combinando l’IA con strumenti gratuiti. Per LinkedIn, la programmazione interna e Buffer Free sono percorsi concreti. Una gestione autonoma, universale e illimitata richiede invece verifiche che nessuna promessa pubblicitaria può sostituire.

    Fonti ufficiali

    1. OpenAI: presentazione di ChatGPT agent.
    2. Anthropic: piani e funzionalità di Claude.
    3. Google: Gemini e scrittura di post social.
    4. LinkedIn: pubblicazione e programmazione degli aggiornamenti.
    5. Buffer: listino e piano gratuito.
    6. Buffer: limiti della coda di programmazione.
    7. Buffer: programmazione su LinkedIn.
    8. Metricool: listino italiano.
    9. Anthropic: fatturazione e crediti API.

  • Claude, i progetti diventano una conversazione: come funzionano coordinatore e thread (e come usarli bene)

    Anthropic ha ridisegnato i Progetti di Claude. Non sono più una cartella di file e chat separate, ma una conversazione continua con un “coordinatore” che smista il lavoro a più thread paralleli, ognuno con il proprio Claude. Nei primi account i vecchi progetti stanno già migrando nel nuovo formato. Vi raccontiamo cosa cambia e come usarli al meglio, partendo dalla nostra esperienza diretta.

    La notizia

    Per oltre due anni i Progetti di Claude sono stati soprattutto un contenitore: si caricavano documenti di riferimento, si scrivevano istruzioni personalizzate e si aprivano chat che attingevano a quel materiale. Ogni conversazione però restava un’isola.

    Con il redesign annunciato a metà settembre 2026, che Anthropic descrive come il passaggio “dalla cartella alla conversazione”, il progetto diventa invece un ambiente di lavoro. Secondo l’azienda, nei nuovi progetti ci sono “thread che fanno il lavoro e un coordinatore che li dirige”. Claude “inquadra la richiesta, delega il lavoro, coordina i thread in parallelo, rivede i risultati e assembla il prodotto finito”.

    Il debutto è avvenuto in beta dentro Claude Code (sul web su claude.ai/code, nella scheda Code dell’app desktop e nelle app iOS e Android), per gli abbonati Pro e Max. L’estensione ad altri piani è annunciata per una fase successiva. Nel frattempo Anthropic ha unificato Cowork e la chat in un’unica esperienza e ha cominciato a spostare i progetti “classici” di alcuni utenti nel nuovo formato. Il centro assistenza è esplicito: “Nel trasferimento non si perde né si cancella nulla”. Istruzioni, file, cronologia completa delle chat e attività pianificate vengono portate nel nuovo progetto. Chi ha usato un progetto negli ultimi 30 giorni riceve un’email prima della migrazione.

    Lo sappiamo per esperienza diretta: il progetto che usiamo in redazione per ia24.it è stato aggiornato proprio oggi, 5 novembre 2026, e questo articolo è stato preparato al suo interno.

    Cosa trovate dopo l’aggiornamento

    Aprendo un progetto aggiornato ci si trova davanti a una chat principale, la chat di progetto, dove si parla con il coordinatore. Accanto c’è una panoramica (Overview) con le schede Threads, Library, Pull requests e Scheduled tasks.

    Nel nostro caso l’aggiornamento ha portato con sé:

    • le vecchie chat, che ora compaiono nell’elenco dei thread e si possono riprendere rispondendo;
    • le attività di Cowork collegate al progetto, anch’esse elencate tra i thread;
    • la memoria del progetto, cioè ciò che Claude aveva imparato su ia24.it, copiata in una cartella dedicata della nuova memoria;
    • una nota di aggiornamento nei file del progetto, che elenca cosa è stato trasferito e dove si trova ora.

    Tutorial: come sfruttare al meglio i nuovi progetti

    1. Capire chi fa cosa: coordinatore e thread

    Il concetto chiave è la divisione dei ruoli. Il coordinatore è il Claude con cui parlate nella chat di progetto. Risponde subito alle domande veloci e, quando la richiesta è un lavoro vero, apre un thread: una sessione separata, con un proprio Claude e un proprio “contesto”, che lavora in autonomia e riferisce al coordinatore quando ha finito. Ogni nuovo thread compare come una scheda sotto il vostro messaggio.

    Il coordinatore, come precisa la documentazione, “vede ciò che i thread riferiscono, non ogni singolo passo”. È un vantaggio: la chat principale resta pulita e leggibile anche dopo settimane, mentre i dettagli tecnici rimangono dentro i singoli thread.

    Consiglio pratico: usate la chat di progetto come fareste con un caporedattore. Scrivete l’obiettivo (“prepara un articolo sulla nuova funzione X, con un tutorial”) e lasciate che sia il coordinatore a decidere come suddividerlo. Se volete vedere come lavora un thread, apritelo: potete correggerlo dal suo campo di testo o fermarlo.

    2. Partire dalle istruzioni di progetto

    Prima di affidare lavoro ai thread conviene scrivere le istruzioni di progetto (in Impostazioni del progetto > Memory > Project instructions, fino a 16.000 caratteri). Sono le regole permanenti che ogni thread legge prima di iniziare.

    Per una redazione come la nostra, ad esempio:

    • lingua e tono (“italiano, registro giornalistico, frasi brevi, niente anglicismi superflui”);
    • regole di verifica (“ogni dato va controllato su una fonte ufficiale, cita sempre il link”);
    • cosa richiede approvazione (“non pubblicare mai su WordPress senza conferma”);
    • formato di consegna (“bozza in Markdown con titolo, sommario e meta description”).

    Dieci righe scritte bene all’inizio vi risparmiano decine di correzioni dopo. E siccome ogni thread parte da zero, le istruzioni sono l’unico modo per essere certi che tutti seguano le stesse regole.

    3. Usare la memoria per ciò che non volete ripetere

    La memoria di progetto è diversa dalle istruzioni: sono appunti, salvati come file, che Claude aggiorna man mano che impara qualcosa. Ogni thread legge l’indice della memoria all’avvio. Anthropic la presenta come una memoria condivisa a cui “ogni thread contribuisce e da cui ogni thread attinge”.

    Potete chiedere esplicitamente a Claude di ricordare o dimenticare qualcosa (“ricorda che le news del lunedì escono alle 8”). I file si gestiscono da Impostazioni del progetto > Memory.

    Regola utile: nelle istruzioni mettete le regole, nella memoria i fatti. “Non pubblicare senza conferma” è un’istruzione. “Il sito gira su WordPress con hosting proprio, collegato tramite Jetpack” è un fatto da memoria.

    Dopo un aggiornamento da progetto classico date un’occhiata alla cartella della memoria importata: è il modo più rapido per verificare che Claude “si ricordi” davvero del vostro lavoro precedente.

    4. I file condivisi: la Library

    I documenti di riferimento del vecchio progetto non spariscono, ma il loro ruolo cambia. Nella scheda Library trovate i file del progetto, condivisi tra tutti i thread. È lì che i thread salvano i risultati (bozze, report, tabelle) ed è lì che li ritroverete anche quando il thread che li ha prodotti è chiuso.

    Due cose da sapere. Primo, i file caricati sono copie: se modificate l’originale sul vostro computer dovete ricaricarlo e sostituirlo. Secondo, ci sono limiti di dimensione (ad esempio 480 MB per singolo file nella Library), quindi gli archivi molto pesanti vanno spezzati.

    Consiglio: chiedete ai thread di salvare i lavori in sottocartelle con nomi chiari (per esempio articoli/, ricerche/, newsletter/). Dopo un mese di lavoro la differenza si vede.

    5. Dividere il lavoro in thread paralleli

    Il vero salto di qualità sta nel parallelismo. Una richiesta come “prepara la rassegna settimanale” può diventare tre thread contemporanei: uno raccoglie le notizie, uno scrive i riassunti, uno prepara i titoli per i social. Il coordinatore poi rivede e assembla.

    Il coordinatore può anche proporre dei thread suggeriti e avviarli tutti insieme con un pulsante. All’inizio, però, la documentazione consiglia di andare per gradi: fate proporre i thread e avviatene pochi alla volta, finché non vi fidate di come Claude suddivide il lavoro.

    Consiglio: un thread, un obiettivo. Se a metà lavoro vi viene in mente qualcosa di scollegato, chiedetelo al coordinatore e non al thread aperto. Avrà un thread suo e potrete ritrovarlo facilmente.

    6. Leggere lo stato dei lavori senza perdere tempo

    La panoramica raggruppa i thread per stato: Ready for review (pronti da rivedere), Waiting on you (in attesa di una vostra risposta), Working (al lavoro), Idle e Resolved (chiusi). Quando un thread aspetta voi, sul pulsante della panoramica compare un pallino.

    Nell’uso quotidiano abbiamo notato che i thread mostrano una checklist dei passaggi in corso. Quando serve una vostra scelta, come approvare un’azione o decidere tra due opzioni, ve lo chiedono esplicitamente. Un punto importante: se un thread ha bisogno di un’approvazione, la richiesta compare dentro quel thread, e dire al coordinatore “vai pure” non basta.

    Consiglio: controllate prima “Waiting on you”, poi “Ready for review”. È lì che il vostro intervento sblocca il lavoro.

    7. Riprendere le vecchie chat

    Le chat del progetto classico ora sono thread. Per continuarne una basta aprirla e rispondere: il Claude del thread rilegge la conversazione e riparte da lì. In alternativa potete chiedere al coordinatore di aprire un nuovo thread che parta da una vecchia chat. È spesso la scelta migliore se volete cambiare direzione.

    C’è anche un motivo economico. Secondo la documentazione, riprendere un thread rimasto fermo per più di circa un’ora costringe Claude a rileggere l’intera conversazione. Per le discussioni molto lunghe un thread nuovo, con un buon riassunto, può costare meno.

    8. Tenere d’occhio i consumi

    I progetti usano lo stesso limite di utilizzo del vostro piano, e più thread attivi insieme lo consumano più in fretta. Anthropic lo dice chiaramente: i progetti “possono raggiungere i limiti di utilizzo più velocemente”, e chi ha un piano Pro deve aspettarsi di arrivarci prima. Quando si raggiunge il limite, un thread resta in attesa e riparte da solo al reset. Un progetto inattivo, senza thread in esecuzione, invece non consuma nulla.

    Consiglio: per i lavori semplici non serve aprire cinque thread. Le domande rapide fatele direttamente nella chat di progetto. Dalle impostazioni (General) potete anche scegliere modello e livello di “effort” separatamente per coordinatore e thread.

    9. Le azioni irreversibili restano vostre

    Il nuovo modello è pensato per lavorare in autonomia, ma non per decidere al posto vostro sulle azioni che non si possono annullare. Pubblicare un articolo, inviare un’email, cancellare dati: per questo genere di azioni conviene scrivere nelle istruzioni che serve sempre la vostra conferma. Nel nostro progetto, per esempio, Claude prepara la bozza ma non la pubblica sul sito senza un via libera esplicito.

    10. Quando chiudere un thread

    Un thread finito va “risolto”: esce dalla vista principale ma resta recuperabile. Tenete aperti solo i thread che aspettano qualcosa, come una revisione, una vostra risposta o una correzione. Così la panoramica resta una vera lista di cose da fare e non un archivio.

    Un esempio concreto: la giornata di una redazione

    Ecco come lo usiamo noi. La mattina scriviamo nella chat di progetto: “Trova le tre notizie IA più importanti delle ultime 24 ore, verifica le fonti e proponi un titolo per ciascuna”. Il coordinatore apre un thread di ricerca. Quando il thread ha finito, il riepilogo torna nella chat principale e il materiale completo finisce nella Library.

    A quel punto scegliamo le notizie che ci interessano e chiediamo: “Scrivi i pezzi sulla prima e sulla terza, e prepara i post social per tutte e tre”. Partono così tre thread in parallelo. Mentre lavorano possiamo fare altro: la panoramica ci avvisa quando una bozza è pronta da rivedere o quando un thread ci chiede una scelta, come il taglio da dare a un titolo.

    Le correzioni le scriviamo direttamente nel thread della bozza, che conosce già il contesto. Se invece una correzione vale per tutti gli articoli futuri (“usa sempre ‘intelligenza artificiale’ per esteso alla prima occorrenza”), la chiediamo al coordinatore e gli diciamo di ricordarla. Così finisce in memoria e il thread successivo la applica senza che nessuno debba ripeterla.

    I primi quindici minuti dopo l’aggiornamento

    Se il vostro progetto classico è appena stato aggiornato, ecco una breve lista di controllo:

    1. Leggete la nota di aggiornamento nei file del progetto, per sapere cosa è arrivato e dove si trova.
    2. Controllate la memoria importata: correggete i fatti superati e cancellate ciò che non serve più.
    3. Rivedete le istruzioni di progetto: quelle scritte per il vecchio progetto erano pensate per una chat singola. Aggiungete le regole su cosa richiede la vostra approvazione e su dove salvare i file.
    4. Fate una prova piccola: chiedete un compito reale ma breve, e guardate come il coordinatore lo affida a un thread e come il thread riferisce.
    5. Scegliete i modelli: verificate nelle impostazioni quale modello e quale livello di effort usano coordinatore e thread, in base al vostro piano e ai vostri consumi.

    Limiti da conoscere

    Siamo ancora in beta e alcune cose mancano. Un progetto appartiene a un solo utente e per ora non si può condividere con il team. Non ci sono controlli a livello di organizzazione. I progetti non si possono unire tra loro. Per i flussi di sviluppo software, i repository supportati sono solo quelli su GitHub. La disponibilità per i piani Team ed Enterprise è annunciata, ma non ancora attiva.

    In sintesi

    Il passaggio dai progetti-cartella ai progetti-conversazione cambia il modo di lavorare con Claude. Non si chiacchiera più con un assistente: si dirige una piccola squadra. Funziona bene se si fanno tre cose: scrivere subito istruzioni chiare, usare la memoria per i fatti stabili e affidare a ogni thread un solo obiettivo. Il resto, dalla suddivisione del lavoro all’assemblaggio finale, lo fa il coordinatore.

    Fonti ufficiali

  • Sicurezza informatica e intelligenza artificiale: l’IA scopre le falle del software, ma può anche renderle più pericolose

    Una ricerca pubblicata da OpenAI rivela centinaia di vulnerabilità nel sistema Linux. L’intelligenza artificiale promette di rendere il software più sicuro, ma apre anche nuove sfide per aziende, sviluppatori e cittadini.

    5 novembre 2026 | IA24.it — Tecnologia e Cybersecurity

    L’intelligenza artificiale cambia le regole della sicurezza informatica

    L’intelligenza artificiale sta rivoluzionando la sicurezza dei programmi che utilizziamo quotidianamente. Grazie alla capacità di analizzare enormi quantità di codice, i nuovi sistemi IA possono individuare errori e vulnerabilità rimasti nascosti per anni.

    Si tratta di una buona notizia, ma anche di un potenziale pericolo: gli stessi strumenti che aiutano gli esperti a proteggere i sistemi informatici potrebbero essere impiegati dai criminali per scoprirne i punti deboli.

    Il problema riguarda tutti, non soltanto i programmatori. Smartphone, siti Internet, banche, ospedali e pubbliche amministrazioni dipendono da software che deve essere continuamente aggiornato e protetto.

    Il caso Linux: 948 vulnerabilità individuate con l’IA

    Il 4 novembre 2026, OpenAI ha pubblicato una ricerca intitolata A thousand fewer paths to root, dedicata all’impiego dell’intelligenza artificiale nell’analisi della sicurezza del kernel Linux.

    Il sistema automatizzato ha individuato 2.308 potenziali problemi, riuscendo a riprodurre dinamicamente 1.724 vulnerabilità e a sviluppare exploit per 948 distinte falle che potevano consentire un aumento non autorizzato dei privilegi.

    Sono state inoltre elaborate correzioni candidate, da sottoporre alla revisione dei responsabili del progetto.

    Il risultato dimostra quanto l’intelligenza artificiale possa accelerare il lavoro dei ricercatori di sicurezza. Non significa, tuttavia, che tutte le vulnerabilità siano già state corrette nei sistemi utilizzati dagli utenti.

    Fonte: OpenAI – A thousand fewer paths to root.

    Il paradosso: l’IA può creare nuovi problemi

    L’intelligenza artificiale viene utilizzata sempre più spesso anche per scrivere programmi.

    Strumenti di programmazione assistita consentono di realizzare siti, applicazioni e servizi digitali in tempi ridotti. Ma il codice prodotto automaticamente non è necessariamente sicuro.

    Un programma può funzionare perfettamente e contenere comunque errori capaci di esporre informazioni riservate o consentire accessi non autorizzati.

    Particolarmente delicato è il caso degli agenti IA, capaci di leggere documenti, modificare file ed eseguire operazioni per conto degli utenti.

    Se questi sistemi ricevono autorizzazioni eccessive o interpretano contenuti malevoli come istruzioni attendibili, le conseguenze possono essere significative.

    Per questo gli esperti raccomandano verifiche indipendenti, controllo degli accessi e supervisione umana.

    Come proteggersi: cinque precauzioni fondamentali

    Anche chi non possiede competenze informatiche avanzate può ridurre sensibilmente i rischi adottando alcune buone pratiche:

    1. Aggiornare regolarmente sistemi operativi, applicazioni e plugin.
    2. Utilizzare l’autenticazione a due fattori per proteggere gli account più importanti.
    3. Effettuare backup periodici, verificando che i dati possano essere recuperati.
    4. Limitare i permessi concessi agli strumenti IA, soprattutto quando possono accedere a file e informazioni personali.
    5. Non considerare automaticamente sicuro il codice generato dall’intelligenza artificiale, ma sottoporlo a controlli prima della pubblicazione.

    La sicurezza informatica deve essere considerata un processo continuo, non un intervento da effettuare soltanto dopo un incidente.

    Il metodo APPO: trasformare il rischio in opportunità

    La nuova sfida della cybersecurity può essere interpretata attraverso il metodo APPO, basato su quattro elementi.

    Aspirazione: costruire un ambiente digitale affidabile, nel quale cittadini e imprese possano utilizzare la tecnologia senza esporsi a rischi inutili.

    Problema: l’intelligenza artificiale accelera la scoperta delle vulnerabilità, ma può anche facilitare la creazione di software difettoso e nuovi attacchi.

    Progetto: adottare sistemi di prevenzione, aggiornamenti continui, controlli automatizzati e verifiche umane.

    Opportunità: utilizzare l’IA per rendere la sicurezza informatica più accessibile, migliorare il software open source e proteggere meglio le infrastrutture digitali.

    La vera sfida sarà correggere gli errori prima dei criminali informatici

    L’intelligenza artificiale sta modificando profondamente l’equilibrio tra chi protegge i sistemi digitali e chi tenta di comprometterli.

    In futuro, la capacità di individuare una vulnerabilità potrebbe diventare molto meno costosa e richiedere tempi sempre più brevi. Di conseguenza, aziende e istituzioni dovranno migliorare la velocità con cui verificano, correggono e aggiornano il software.

    La vera innovazione non sarà soltanto sviluppare programmi più intelligenti, ma costruire sistemi digitali dei quali le persone possano fidarsi.

    La sicurezza informatica, dunque, non è più soltanto una questione tecnica: sta diventando una condizione fondamentale per il progresso dell’intera società.

    Fonti

    La notizia da cui nasce questo approfondimento: IEEE Spectrum — The PHP2Shell Vulnerability Heralds Cybersecurity Hell. Altre notizie tecnologiche su Hacker News di Y Combinator.

Powered by CookieAdmin