Una reference sull’AI che va in produzione
Programmato nasce da un problema concreto: troppo contenuto su AI scritto per impressionare, troppo poco per far funzionare un agente. Documentiamo sistemi autonomi con lo stesso rigore con cui si scrive software.
Perché agenti
Un modello risponde. Un agente agisce: pianifica, chiama tool, osserva il risultato e decide il passo successivo. È lì che nascono i problemi veri — permessi, contesto, costo per task, comportamento imprevisto in produzione.
Per questo non pubblichiamo novità per il gusto di farlo. Scriviamo di orchestrazione, tool use, memoria, RAG, valutazione e sicurezza quando possiamo mostrarne le conseguenze su un sistema reale.
Come lavoriamo
Ogni playbook viene eseguito prima di essere pubblicato. Ogni affermazione sulle prestazioni di un agente è accompagnata da come è stata misurata: task, dataset, metrica e condizioni. Se un passaggio non funziona, non esce.
Il team è distribuito e indipendente. Non abbiamo investitori che dettano l’agenda e non accettiamo contenuti che non firmeremmo.
Eval prima della demo
Una tecnica entra qui solo se è stata misurata su task reali, non su un prompt fortunato.
Trace o non esiste
Ogni passo di un agente deve essere ricostruibile: input, tool call, output, latenza e costo.
Produzione come benchmark
Costi, latenza e failure mode contano quanto la qualità dell’output. Spesso di più.
Indipendenza
Nessun contenuto sponsorizzato mascherato da analisi. Se collaboriamo con un brand, lo diciamo.
Hai portato un agente in produzione?
Cerchiamo chi progetta, valuta e mantiene sistemi autonomi: architetti, ML engineer e sviluppatori che hanno visto cosa succede quando l’agente incontra utenti veri. Non serve essere famosi: serve avere qualcosa di verificabile da raccontare.