Come usare gli LLM

Claude Cowork: quando l'assistente IA esce dalla chat e lavora con te

Dall'interazione conversazionale alla collaborazione operativa: come funziona un sistema agentico che agisce sulla tua scrivania

Pubblicato il 15 febbraio 202611 minuti di lettura
Claude Cowork: quando l'assistente IA esce dalla chat e lavora con te
Agentic AIClaudeCoworktool useautonomia controllata
Questo tema nel libroParte II - Come usare gli LLM3 capitoli: apri la sintesi e leggi come iniziano

Questa parte spiega come ottenere quello che ti serve da una chat, cosa cambia quando il modello diventa un agente e come riconoscere i tre modi in cui un modello sbaglia: invenzione, compiacenza, errore di calcolo.

I capitoli di questa parte

  • Capitolo 5 · pagina 95Ottenere quello che ti servePrompt engineering: come parlare ai modelli · Quando la chat si satura · La memoria degli LLM · Come far sì che l’IA si ricordi di te

    Il modello non impara niente mentre gli parli: i suoi pesi sono stati fissati mesi prima e restano fermi per tutta la conversazione. Quello che separa una risposta generica da una calibrata su di te sta in ciò che gli metti davanti e nel modo in cui glielo chiedi. Il capitolo racconta le tre cose che dipendono da te, e alla terza dedica due sezioni. La prima è la richiesta. Dare al modello un ruolo, spiegargli il contesto, dirgli in che formato vuoi la risposta, che cosa deve fare e che cosa no, cambia il risultato più di un cambio di modello; e due o tre esempi di quello che intendi valgono più di una lunga spiegazione. La seconda è accorgersi quando una conversazione è diventata troppo lunga e il modello comincia a perdere lucidità: l’assistente chiede cose che gli avevi già detto, o contraddice una decisione presa poco prima. Succede perché i messaggi più vecchi sono usciti dalla finestra di contesto, e accanirsi rispiegando ogni volta l’errore non serve. Il rimedio è chiedergli un passaggio di consegne e ripartire in una chat nuova. La terza è la memoria. Un chatbot ricorda per cinque vie diverse: quello che ha imparato in addestramento, che è come il suo DNA; la conversazione che ha davanti; un profilo su di te che il prodotto gli passa all’inizio di ogni chat; i materiali di un progetto; e gli strumenti con cui va a cercare le informazioni che gli servono. Conoscere le caratteristiche e i limiti di questi cinque tipi di memoria cambia molto l’esperienza d’uso.

    Perché leggerlo: sono le competenze che rendono da subito, su una chat qualunque, senza comprare niente, e sono il presupposto dei due capitoli che seguono. Leggilo per intero e con la chat aperta: ogni tecnica si prova in trenta secondi su una conversazione tua.

  • Capitolo 6 · pagina 103Dall’assistente all’agenteChe cosa si intende per “Agentic AI” · I quattro pilastri dell’Agentic AI · Sfide dell’Agentic AI: autonomia, sicurezza e responsabilità · Controllare gli agenti: architetture, limiti e supervisione · Dagli agenti episodici agli agenti long-running · L’attenzione come risorsa scarsa: i sistemi multi-agente · Chi costruisce gli agenti, e con quale idea

    Un agente fa la cosa di cui un modello ti parla soltanto. Se chiedi a un modello un’email di ringraziamento, ottieni il testo; se la chiedi a un agente, ti apre la posta, compila il destinatario e la manda. Il capitolo spiega che cosa permette al modello di avere questa autonomia e come si tiene sotto controllo. Il meccanismo è più semplice di quanto il marketing lasci intendere: un agente è un modello che usa strumenti dentro un ciclo. Riceve un obiettivo, compie un’azione, legge il risultato, decide la mossa successiva, e si ferma quando l’obiettivo è raggiunto o quando finiscono i tentativi. Quattro cose distinguono un vero agente da una chat con qualche funzione in più: una memoria che dura oltre la singola conversazione, la capacità di pianificare una sequenza di passi, l’uso di strumenti esterni e un’autonomia controllata, cioè confini entro cui può agire da solo e punti in cui deve chiedere. C’è però un’avvertenza. Gli agenti rendono dove qualcuno può giudicare ogni passo, come i test nel codice; altrove gli errori si accumulano in silenzio, e un passo sbagliato diventa la premessa di quello dopo. Per questo il controllo si distribuisce su quattro livelli, dai dati a cui l’agente può accedere fino alla persona che approva. Il capitolo si chiude con due frontiere: gli agenti che lavorano per giorni, che hanno bisogno di una memoria del lavoro in corso che i prodotti di oggi ancora non danno, e i sistemi in cui più agenti si dividono il compito, perché l’attenzione di uno solo non basta.

    Perché leggerlo: la delega a un agente è una delle cose che il libro promette di farti saper fare, e questo capitolo dice che cosa stai delegando quando la fai. Le sezioni sul ciclo, sui quattro pilastri, sulle sfide e sul controllo servono per seguire il capitolo sul ridisegno del lavoro. Le due sull’orizzonte, gli agenti che lavorano per giorni e i sistemi di più agenti, si possono rimandare senza perdere il filo; l’ultima, su chi li costruisce, si legge quando ti serve un nome.

  • Capitolo 7 · pagina 117Quando il modello sbagliaQuando l’IA inventa: il problema delle allucinazioni · Quando l’IA ti dà ragione: la sicofanzia · Quando l’IA fa i conti: un problema di significato

    Una risposta sbagliata arriva con lo stesso tono di una giusta, nella stessa forma ordinata, nello stesso mezzo secondo. Non c’è un’esitazione che la distingua: te ne accorgi dopo, quando qualcuno controlla un numero o apre una fonte che non esiste. Il capitolo racconta tre modi in cui un modello può sbagliare. Si somigliano nell’aspetto, ma richiedono controlli diversi. Il primo è l’invenzione: il modello afferma qualcosa che non esiste, una sentenza, un articolo di legge, una citazione. Succede perché il modello non consulta un archivio: prevede la continuazione più probabile del testo, e quando su un argomento ha visto poco produce qualcosa che ha l’aspetto di un fatto. Il rischio sale in quattro situazioni riconoscibili: i riferimenti, i fatti rari, i numeri che nessuno ha mai pubblicato e il dettaglio falso dentro una risposta per il resto giusta. Il secondo è la compiacenza: il modello ti dà ragione anche quando hai torto, perché ha imparato che la risposta compiacente è quella che preferisci. Nasce dall’addestramento, dove le persone premiano le risposte in linea con le loro aspettative, e continua nell’uso; per questo “sei sicuro?” è il controllo meno affidabile di tutti. Il terzo è l’errore di calcolo: i dati sono veri e l’operazione è sbagliata, per esempio somma le percentuali o fa la media delle medie, e un numero sbagliato ha la stessa faccia di uno giusto. Per ciascuno dei tre il capitolo dà un controllo che costa poco: verificare che la fonte esista prima di leggere che cosa dice, e chiedere se un numero è un dato o una stima; far difendere al modello la sua risposta prima di cambiarla; far scrivere il calcolo in una forma che si possa rieseguire. La regola generale è una sola: il tono con cui il modello risponde non dice niente sulla sua accuratezza.

    Perché leggerlo: è il capitolo della seconda promessa, e il più utile da solo: vale per la chat, per l’agente e per qualunque sistema della parte aziendale. Va letto tutto, e le tre sezioni in ordine, perché il controllo istintivo contro il primo errore innesca il secondo. Se di questo libro leggi tre capitoli, questo è uno dei tre.

Il libro costruisce le basi in modo progressivo; gli articoli approfondiscono e aggiornano i singoli temi man mano che cambiano.

La modalità Cowork di Claude rappresenta un esempio concreto di ciò che la Agentic AI promette in teoria: un sistema di intelligenza artificiale che non si limita a rispondere, ma agisce. Non è un chatbot più sofisticato, né un semplice assistente che suggerisce cosa fare. È un ambiente operativo in cui il modello linguistico dispone di strumenti reali — un terminale, un editor di file, un browser, accesso a cartelle e documenti — e li utilizza per portare a termine compiti complessi in modo autonomo ma controllato.

Questo articolo analizza il funzionamento di Cowork partendo dall'esperienza d'uso, per poi risalire all'architettura sottostante. L'obiettivo non è una recensione del prodotto, ma una lettura del fenomeno: capire cosa cambia quando un assistente IA smette di spiegare come si fa qualcosa e inizia a farlo davvero, quali sono i meccanismi di sicurezza che lo rendono possibile, e cosa questo significa per chi lavora quotidianamente con l'intelligenza artificiale.

Aggiornamento — agosto 2026. Dalla pubblicazione di questo articolo, Cowork è passato dalla research preview a un prodotto incluso nei piani a pagamento di Claude. È disponibile su desktop (macOS, Windows e Linux), mentre web e mobile sono in beta. Le sessioni remote possono continuare anche a computer spento; sono inoltre arrivate attività programmate, lavorazioni parallele, plugin, connettori e sub-agenti. Resta valida la distinzione centrale dell'articolo: l'assistente non si limita a generare testo, ma prende in carico un obiettivo e consegna un risultato da verificare.

Dalla chat alla scrivania condivisa

Stai lavorando a un progetto. Hai bisogno di un documento Word con una struttura precisa, dati estratti da un PDF, qualche tabella formattata. Apri la chat con l'assistente IA e descrivi quello che ti serve. Fin qui, l'esperienza è quella che conosci: scrivi una richiesta, ottieni una risposta testuale. Se va bene, copi il testo, apri Word, incolli, sistemi la formattazione, aggiungi le tabelle a mano. Se il risultato non ti soddisfa, riscrivi il prompt e ricominci.

Con Cowork succede qualcosa di diverso. Descrivi quello che ti serve e l'assistente non ti risponde con un testo da copiare. Si mette a lavorare. Legge il PDF che gli hai indicato. Estrae i dati. Crea il documento Word con intestazioni, tabelle, numeri di pagina. Lo salva nella cartella che hai selezionato. Ti passa un link per aprirlo. Il tutto mentre ti spiega, passo dopo passo, cosa sta facendo e perché.

La differenza può sembrare incrementale, ma è concettuale. In una chat tradizionale, l'assistente produce testo. In Cowork, l'assistente produce risultati. Non ti dice come creare un grafico: lo crea. Non ti suggerisce quale comando usare: lo esegue. Non ti spiega come formattare una tabella in un documento: la formatta.

Chi ha seguito l'evoluzione dei concetti trattati in precedenti articoli di questa serie riconoscerà qui il passaggio descritto nell'analisi della Agentic AI: il salto dalla generazione di risposte all'esecuzione di azioni. Cowork è, in un certo senso, quel salto reso concreto. Non è più un concetto teorico o una promessa delle roadmap dei grandi laboratori di ricerca. È un ambiente che puoi aprire sul tuo computer e in cui l'assistente opera, con i tuoi file, sui tuoi documenti, nel tuo spazio di lavoro.

Come funziona: il modello mentale

Per capire cosa succede "sotto il cofano" di Cowork, è utile partire da un'analogia. Immagina di avere un collaboratore che lavora in una stanza separata dalla tua, collegata da una finestra attraverso cui potete parlarvi. In quella stanza c'è una scrivania con un computer, un browser, un terminale, degli strumenti per creare e modificare documenti. C'è anche un vassoio: tu ci metti i file su cui vuoi che lavori, lui ci mette i risultati quando ha finito.

Nell'esperienza desktop locale descritta originariamente, quella stanza è un ambiente Linux isolato e la cartella condivisa delimita ciò che l'assistente può leggere e dove può salvare i risultati. Oggi esiste anche una modalità remota, ancora in beta: sessioni e file possono essere associati all'account Claude e il lavoro può proseguire senza che il computer resti acceso. Cambia il luogo in cui il compito viene eseguito, non il principio di fondo: accessi, strumenti e permessi devono essere espliciti e controllabili dall'utente o dall'organizzazione.

Il modello linguistico — in questo caso Claude — è il cervello che guida le operazioni. Ma a differenza di una chat tradizionale, qui il modello non si limita a generare testo. Ha a disposizione una serie di strumenti concreti: può eseguire comandi nel terminale, leggere e scrivere file, modificare documenti esistenti, navigare il web, interagire con servizi esterni attraverso connettori. Ogni volta che il modello decide di usare uno strumento, la decisione viene eseguita nell'ambiente protetto della macchina virtuale, e il risultato torna al modello che lo valuta e decide il passo successivo.

È esattamente l'architettura a quattro pilastri descritta nell'articolo sulla Agentic AI: memoria, per mantenere il contesto di ciò che è stato fatto; pianificazione, per scomporre un compito complesso in passaggi gestibili; uso di strumenti, per agire concretamente; autonomia controllata, per operare entro limiti definiti e trasparenti.

Chi ha letto l'articolo sulle diverse forme di memoria della IA ritroverà qui un concetto familiare: la cartella condivisa funziona come quella "memoria del compito" — il progetto — che abbiamo descritto come repository esterna consultabile dal sistema. Non è una memoria incorporata nel modello, ma un ambiente di lavoro strutturato che l'assistente può esplorare, leggere e modificare quando serve.

Cosa sa fare (e cosa no)

Cowork è uno strumento versatile, ma non è onnipotente. Capire dove funziona bene e dove incontra limiti è essenziale per utilizzarlo in modo efficace — lo stesso principio che abbiamo applicato nell'articolo su come decidere quale soluzione LLM adottare: partire dal problema, non dallo strumento.

Sul piano della creazione di documenti, Cowork è sorprendentemente capace. Può generare file Word con formattazione professionale, presentazioni PowerPoint strutturate, fogli Excel con formule e grafici, PDF compilati. Non si tratta di template preconfezionati: il sistema scrive codice per costruire il documento pezzo per pezzo, controlla il risultato, corregge eventuali errori e consegna un file pronto all'uso. Se gli fornisci materiale di partenza — un PDF da cui estrarre dati, un documento da riformattare, una tabella da trasformare — può lavorare direttamente sui tuoi file.

Può navigare il web per cercare informazioni, consultare siti, estrarre contenuti da pagine pubbliche. Può scrivere ed eseguire codice in diversi linguaggi di programmazione, analizzare dati, produrre visualizzazioni. Può interagire con servizi esterni attraverso un sistema di connettori: se hai bisogno che l'assistente acceda a uno strumento specifico, come un servizio di gestione progetti o un archivio cloud, è possibile collegarlo attraverso estensioni dedicate.

I limiti dipendono ora dal tipo di sessione, dal piano e dagli strumenti collegati. Nelle sessioni locali l'accesso resta circoscritto alle cartelle e agli strumenti scelti; nelle sessioni remote i file e lo stato del lavoro seguono l'account e il compito può continuare anche senza un dispositivo online. In entrambi i casi, un risultato operativo non va confuso con un'autorizzazione illimitata: eliminazioni, accessi sensibili e azioni rilevanti devono restare soggetti a permessi, conferme e supervisione.

Un altro confine riguarda la complessità. Cowork funziona al meglio su compiti che possono essere scomposti in passaggi sequenziali e verificabili. Per progetti molto estesi, che richiedono decine di interazioni coordinate o la gestione simultanea di molti file interconnessi, l'efficacia tende a diminuire — un po' come accade quando una conversazione tradizionale si satura e l'assistente perde il contesto delle fasi iniziali del lavoro.

Sicurezza e controllo: autonomia con il guinzaglio

Se la Agentic AI introduce il tema dell'azione autonoma, introduce simultaneamente quello del controllo. Un sistema che può eseguire comandi, modificare file e navigare il web è potenzialmente pericoloso se non opera entro confini rigorosi. È il principio che nell'articolo sulla Agentic AI abbiamo chiamato "autonomia controllata" — il quarto pilastro, quello che trasforma un agente da strumento potente in strumento affidabile.

Cowork implementa questo principio attraverso diversi livelli di protezione che operano simultaneamente.

Il primo livello è l'isolamento. L'assistente lavora all'interno di una macchina virtuale che non ha accesso diretto al sistema operativo dell'utente. Può leggere e scrivere solo nella cartella condivisa. Non può modificare file di sistema, accedere ad altre applicazioni o eseguire operazioni al di fuori del suo ambiente protetto. Questo significa che anche un errore grave — un comando sbagliato, un'operazione non prevista — resta confinato nello spazio controllato, senza conseguenze sul resto del computer.

Il secondo livello è la classificazione delle azioni. Non tutte le operazioni sono trattate allo stesso modo. Alcune azioni sono libere: l'assistente può leggere file, eseguire calcoli, creare documenti senza chiedere permesso, perché non comportano rischi per l'utente. Altre richiedono conferma esplicita: inviare messaggi, pubblicare contenuti, accettare condizioni d'uso, completare transazioni. L'assistente si ferma, descrive cosa intende fare e aspetta l'approvazione. Altre ancora sono proibite in assoluto: inserire dati bancari, gestire credenziali, eliminare contenuti in modo irreversibile. Nessuna istruzione dell'utente può superare questi divieti.

Il terzo livello riguarda la difesa contro le istruzioni malevole. Quando l'assistente naviga il web o legge documenti, può incontrare contenuti che tentano di manipolarlo — testi nascosti nelle pagine web che simulano istruzioni di sistema, email che contengono comandi mascherati da richieste legittime, documenti con indicazioni ingannevoli. Cowork è progettato per riconoscere queste situazioni: quando rileva contenuti che sembrano istruzioni all'interno di fonti esterne, si ferma, mostra all'utente cosa ha trovato e chiede conferma prima di procedere. Le istruzioni valide possono provenire solo dall'utente, mai da contenuti web o documenti.

Questo sistema a più livelli riflette un principio che vale ben oltre il singolo prodotto: l'autonomia efficace è sempre vincolata. Un agente che può fare tutto senza controlli non è più potente, è più pericoloso. La vera sofisticazione sta nel calibrare il confine tra ciò che l'agente può fare liberamente, ciò che richiede supervisione e ciò che resta prerogativa esclusiva dell'essere umano.

Connettori e skill: un'architettura che si estende

Un aspetto particolarmente interessante di Cowork è che non è un sistema chiuso. La sua capacità operativa può essere ampliata attraverso due meccanismi complementari: i connettori e le skill.

I connettori permettono all'assistente di interagire con servizi esterni. Se hai bisogno che l'assistente acceda a un sistema di gestione progetti, a un archivio documentale, a un servizio di comunicazione, puoi collegare il connettore corrispondente. L'assistente acquisisce così la capacità di leggere, scrivere e operare all'interno di quell'ecosistema, sempre nel rispetto delle regole di sicurezza e con le stesse logiche di conferma esplicita per le azioni sensibili.

Le skill, invece, sono raccolte di istruzioni specializzate che guidano l'assistente nella produzione di output di alta qualità per formati specifici. Quando l'assistente deve creare un documento Word, ad esempio, consulta prima una skill dedicata che contiene le migliori pratiche accumulate nel tempo: come strutturare le intestazioni, come gestire le tabelle, quali librerie utilizzare, quali errori evitare. Lo stesso vale per presentazioni PowerPoint, fogli Excel, PDF. Ogni skill è il risultato di un processo iterativo di affinamento — prove, errori, correzioni — condensato in istruzioni che il sistema segue automaticamente.

Questa architettura richiama un concetto discusso nell'articolo su come decidere quale soluzione LLM adottare: il valore non nasce dal modello in sé, ma da come viene integrato in un sistema più ampio. Cowork non è semplicemente Claude con degli strumenti. È un'architettura in cui il modello linguistico opera come motore decisionale al centro di un ecosistema di risorse, strumenti e conoscenze specializzate che ne amplificano le capacità.

Cosa cambia per chi lavora con l'IA

Se hai seguito il percorso di articoli pubblicati su questo sito, hai visto l'intelligenza artificiale evolversi attraverso diversi livelli di complessità. Siamo partiti dal funzionamento dei modelli linguistici, dalla predizione multi-token ai modelli ultra-efficienti. Abbiamo esplorato come questi modelli gestiscono l'informazione, dalla finestra di contesto alle diverse forme di memoria. Abbiamo affrontato il tema pratico di come scegliere la soluzione giusta e quello architetturale della RAG. Abbiamo visto nascere il paradigma della Agentic AI e, sul versante fisico, della Physical AI.

Cowork si colloca al punto di convergenza di questi filoni. È il momento in cui la teoria diventa pratica quotidiana. L'assistente che prima poteva solo spiegarti come fare qualcosa, ora lo fa. I concetti di memoria, pianificazione, tool use e autonomia controllata non sono più categorie astratte: sono meccanismi operativi che puoi osservare mentre l'assistente lavora sui tuoi file.

Questo cambia il rapporto con lo strumento. In una chat tradizionale, l'utente è l'esecutore: chiede informazioni, poi agisce in prima persona. Con un sistema agentico come Cowork, l'utente diventa il supervisore: definisce l'obiettivo, valuta i risultati, interviene quando serve. Non chiede più "come si fa", ma dice "fallo". È lo stesso spostamento di ruolo che abbiamo descritto parlando della differenza tra interrogare un collega esperto e affidare un compito a un assistente operativo.

Questo non significa che le competenze dell'utente diventino irrilevanti. Al contrario: saper formulare un obiettivo chiaro, saper valutare la qualità di un risultato, saper riconoscere quando l'assistente sta sbagliando strada — queste capacità diventano più importanti, non meno. Il valore si sposta dalla capacità di eseguire alla capacità di dirigere, verificare e decidere. È un cambiamento che riguarda non solo chi lavora con l'IA, ma il modo stesso in cui pensiamo al lavoro intellettuale.

Per chi ha seguito fin qui il percorso di approfondimento proposto da Libro Vivo, Cowork offre anche un'opportunità concreta di mettere alla prova i concetti appresi. La prossima volta che gestisci la memoria permanente del tuo assistente, o che ti accorgi che una chat si sta saturando, puoi osservare questi fenomeni non più come meccanismi astratti, ma come dinamiche concrete di uno strumento che stai usando per lavorare. E questo, in fondo, è esattamente quello che l'intelligenza artificiale promette di essere: non un sostituto dell'intelligenza umana, ma un'estensione controllata della nostra capacità di agire.

Resta aggiornato

Un solo aggiornamento per articoli, eventi e nuove edizioni

Nuovi articoli sull'IA
Nuove edizioni del libro ed eventi