L’idea che un’intelligenza artificiale possa fermarsi, rielaborare ciò che ha fatto e migliorarsi qualche tempo fa sembrava fantascienza.
Il tema dell’AI non riguarda più soltanto chatbot capaci di rispondere velocemente a una domanda o generare un testo. Le grandi aziende del settore stanno cercando di costruire sistemi che mantengano memoria, apprendano dalle esperienze precedenti e riescano a lavorare in modo più autonomo nel tempo. Ed è proprio in questa direzione che si inserisce la nuova funzione “dreaming” annunciata da Anthropic per gli agenti gestiti di Claude.
Il nome scelto da Anthropic è volutamente evocativo. “Dreaming”, cioè “sognare”, richiama il modo in cui il cervello umano riorganizza ricordi e informazioni durante il sonno. Ovviamente non si tratta di sogni nel senso umano del termine, ma di un processo tecnico che permette agli agenti AI di rivedere ciò che hanno fatto dopo aver terminato un’attività.
In pratica, il sistema passa in rassegna il lavoro recente, individua errori ricorrenti, flussi operativi efficaci, preferenze dell’utente e pattern condivisi tra più agenti. Tutte queste informazioni vengono poi consolidate nella memoria interna dell’agente per rendere il comportamento futuro più coerente ed efficiente.
È un cambiamento importante soprattutto per chi utilizza l’AI in progetti lunghi e complessi. Uno dei limiti più evidenti dei modelli linguistici è infatti la cosiddetta “finestra di contesto”: quando le conversazioni diventano troppo grandi, parte delle informazioni rischia di andare persa. Anthropic vuole ridurre proprio questo problema.
Perché questa funzione cambia il modo di usare gli agenti AI
Fino a oggi molti strumenti AI hanno funzionato come collaboratori “senza memoria reale”. Ogni sessione ripartiva quasi da zero oppure richiedeva continui riassunti manuali da parte dell’utente. Con il dreaming, invece, Claude prova a costruire una continuità operativa.
Questo significa che un agente potrebbe ricordare procedure già utilizzate, riconoscere strategie che hanno funzionato meglio in passato oppure evitare errori ripetuti. In ambito aziendale l’impatto potrebbe essere notevole, soprattutto per attività ripetitive, gestione documentale, sviluppo software e organizzazione di flussi di lavoro complessi.
Anthropic sostiene che alcune aziende stiano già testando queste funzioni. Tra i casi citati compaiono Netflix, che utilizza gli agenti per analizzare log di build, e Harvey, piattaforma legale che avrebbe registrato un aumento significativo nel completamento delle attività grazie al dreaming.
La sensazione è che il mercato dell’AI stia entrando in una nuova fase. Non basta più avere il modello linguistico più veloce o creativo: conta sempre di più la capacità di costruire sistemi che mantengano continuità, memoria e autonomia operativa.
Non solo dreaming: arrivano anche agenti che si controllano da soli(www.melablog.it)
Anthropic non si è limitata a questa novità. Insieme al dreaming sono state presentate anche altre funzioni che mostrano chiaramente dove sta andando il settore degli agenti AI.
Una delle più interessanti è quella chiamata “outcomes”. In sostanza gli sviluppatori possono definire quale debba essere il risultato corretto di un compito, mentre un secondo agente separato controlla automaticamente il lavoro svolto dal primo. Se qualcosa non soddisfa gli standard previsti, il sistema richiede una revisione senza intervento umano diretto.
C’è poi l’orchestrazione multi-agente, che permette a un agente principale di dividere attività complesse tra agenti specializzati diversi. È una logica che assomiglia sempre di più a quella di un piccolo team digitale coordinato da un supervisore centrale.
Il punto interessante è che tutto questo non riguarda un futuro lontano. Queste tecnologie stanno già entrando negli strumenti professionali usati ogni giorno da aziende, sviluppatori e team operativi. E più gli agenti diventano autonomi, più cresce il dibattito su quanto controllo umano resterà davvero necessario nelle attività digitali più avanzate.
Per ora Anthropic precisa che il dreaming è ancora una preview di ricerca e non dovrebbe essere utilizzato in contesti troppo sensibili o critici. Ma il segnale è chiaro: il settore dell’intelligenza artificiale sta cercando di costruire sistemi che non si limitino più a rispondere, ma che inizino davvero a ricordare, correggersi e migliorare nel tempo.
