Gli agenti IA possono svolgere attività in background, ma affidare loro un compito non rende automaticamente autonomo il processo. In un articolo per Social Media Examiner, la stratega delle operazioni di IA Rachel Woods afferma che la chiave è documentare come va svolto il lavoro, quindi perfezionare le istruzioni finché i risultati non sono abbastanza costanti da richiedere meno verifiche da parte delle persone.

Woods chiama questi flussi di lavoro documentati «playbook». Ognuno si concentra su un tipo specifico di attività e definisce quattro elementi: l’evento che lo avvia, le informazioni necessarie all’IA, i passaggi da seguire e il risultato atteso. Per esempio, il suo playbook per il triage delle email si attiva ogni ora, elabora i nuovi messaggi, prepara le risposte e segnala per una verifica successiva i casi che non riesce a risolvere.

L’articolo consiglia di mantenere i playbook circoscritti. Una campagna di marketing, per esempio, comprende diversi contenuti da realizzare, come email, post sui social e pagine di destinazione. Invece di chiedere a un solo playbook di gestire l’intera campagna, Woods suggerisce di crearne uno distinto per ciascun contenuto e di collegarli tramite un flusso di lavoro generale. Descrive questo approccio come «stacking».

Per sviluppare e migliorare un playbook, Woods usa un processo in cinque parti chiamato CRAFT: quadro chiaro, progettazione realistica, trasformazione in IA, ciclo di feedback e introduzione al team. Nella prima versione può essere prevista la revisione del lavoro da parte di una persona. Questa verifica aiuta a individuare dove l’IA funziona, dove commette errori e quali istruzioni vanno chiarite. Un ciclo successivo può quindi ridurre o eliminare l’intervento umano nei punti in cui il flusso di lavoro è affidabile.

I feedback dovrebbero essere aggiunti al playbook, invece di restare correzioni informali. Se, per esempio, l’IA aggiunge un riepilogo indesiderato, le istruzioni possono specificare esplicitamente di non includerlo. Woods avverte inoltre che gli agenti che modificano autonomamente le proprie istruzioni devono avere dei limiti: il suo team permette all’IA di apportare piccole modifiche ai playbook, mentre le revisioni importanti vengono discusse prima.

Woods consiglia di conservare i playbook separatamente dai prodotti di IA che li eseguono. I documenti archiviati in servizi come Google Drive o Notion possono essere riutilizzati con diversi strumenti, anziché essere legati a un’unica piattaforma. Dice che il suo team usa Google Drive e GitHub, osservando che GitHub è più adatto ai team che devono collaborare tra diversi account.

Una volta che sono operativi più playbook, afferma Woods, un «middle manager» IA può supervisionarli. Un agente del genere può suddividere il lavoro in attività, monitorare i risultati e coordinare altri agenti. Un’opzione è usare i subagenti in Claude, affidando a un agente principale la gestione del loro lavoro. Un’altra consiste nel collegare gli agenti a un servizio di gestione delle attività come Asana o ClickUp, dove l’attività può attivare assegnazioni e lasciare traccia di ciò che è stato completato.

L’approccio dipende dal flusso di lavoro: Woods afferma che i sistemi di gestione delle attività possono offrire un monitoraggio utile ai team, mentre una routine personale potrebbe non aver bisogno di un’organizzazione così strutturata. In entrambi i casi, la raccomandazione centrale dell’articolo è costruire fiducia attraverso istruzioni specifiche, feedback ripetuti e passaggi di consegne graduali, prima di aspettarsi che l’IA operi senza supervisione.

Fonti: Social Media Examiner.