di Giacomo Di Noto

Il World Trade Center di San Marino non è quello che vi state immaginando. Sono due palazzi disposti ad ala, acciaio e vetro, un enorme insetto posato sul centro della Valmarecchia, che ti accoglie nella piccola e ridente repubblica. Ci salgo dentro con la borsa del portatile su una spalla e quella strana sensazione che mi prende quando entro in un enorme edificio pieno di uffici, la sensazione che forse noi umani non siamo davvero dei mammiferi ma degli insetti che vivono dentro degli alveari. Piani su piani, porte dopo porte. Quante di queste persone, in questo preciso istante, stanno usando l'intelligenza artificiale per lavorare? E quante di loro sanno con chi hanno a che fare, quante stanno regalando i dati della propria azienda a uno dei tre “Big” senza essersene mai accorte?

L'ascensore arriva al mio piano. Le porte si aprono e davanti a me, esattamente di fronte, c'è l'ingresso dell'azienda che mi aspetta. In mezzo, in quei tre metri di pianerottolo, ci sono cinque gendarmi. Guardano me, guardano la porta, tornano a guardare me. Iniziamo bene, penso.

Per onestà di cronaca: non erano lì per me e nemmeno per l'azienda, era una coincidenza di quelle che la realtà si concede quando vuole prendersi gioco di chi scrive. Ma il cuore in gola me lo hanno fatto venire lo stesso, e questo articolo comincia da lì.

Perché quel corso esiste

Quel pomeriggio tenevo la prima lezione di un percorso che ho chiamato AI Translator, costruito sul principio del costruzionismo: non si impara una tecnologia ascoltando qualcuno che la descrive, si impara costruendoci qualcosa. A ogni modulo teorico segue una piccola demo pratica, e la seconda lezione è interamente un laboratorio di costruzione. Il corso però non l'ho inventato a tavolino. È nato da un ingegnere, che qui chiamerò Bob, in un laboratorio di misure industriali dove ero andato a fare una lezione teorica ai lavoratori. La sua azienda aveva un abbonamento a un sistema di intelligenza artificiale che quasi nessuno usava, una di quelle spese nate dallo slancio e poi rimaste lì perché nessuno sapeva ancora cosa farci. Bob ha deciso che voleva provarci e piano piano, dopo alcuni consigli da parte mia per ottimizzare il suo lavoro, si è costruito un agente per interrogare il gestionale interno da remoto, così da consultarlo mentre gira per l'azienda a controllare le prove tecniche in corso, con le mani sporche e il telefono in tasca.

La sua storia contiene già in miniatura la tesi di questo articolo: il valore non è arrivato dall'abbonamento, che c'era da mesi e non produceva niente. È arrivato quando qualcuno che conosceva davvero quel gestionale ha deciso di imparare a usarlo, giocarci e poi costruirci attorno qualcosa.

Andrea aveva ragione

Passiamo alla parte in cui sbaglio io. Tempo fa mi sono imbattuto in una giovane matricola che si trovava nel laboratorio industriale dell'università per un tirocinio. Neofita totale: nella sua giovane esistenza non aveva ancora mai usato strumenti di IA se non dal cellulare. La materia erano le misure, la metrologia, quel corso che tutti gli studenti di ingegneria attraversano e che serve a capire cosa stiano davvero facendo gli strumenti che poi useranno in laboratorio. Ero solo di passaggio e avevo poco tempo per aiutare i compagni di laboratorio che avrebbero dovuto formarla. Mi viene un'idea: apro l'unico servizio di IA al quale la studentessa aveva accesso e le preparo in fretta un tutor. Due istruzioni generali scritte in markdown (i.e. formato di file di testo), un connettore per la ricerca sul web, un progetto con dentro qualche file locale. Il tempo era poco e me lo faccio bastare: dieci minuti in tutto.

Faccio un piccolo test prima di lasciare la studentessa in mano al cyborg. Chiedo delle dispense. Tutto funziona, le scorro velocemente, sembrano presentabili. Lei sembra felice, ma alle nostre spalle qualcun altro non lo è affatto. Dietro di noi c'è Andrea, il post doc che avrebbe supervisionato il percorso della matricola, e nello stesso istante in cui io sfogliavo tranquillo il suo sguardo da misurista esperto identificava errori e incongruenze. Alcuni grafici erano ben poco scientifici: valori sugli assi privi di senso o del tutto assenti, legende mancanti e in qualche caso veri e propri errori di contenuto. Aveva ragione lui, del tutto. È un concetto che nei nostri articoli scriviamo spesso: gli artefatti generati con l'IA hanno bisogno di un esperto che li controlli, oppure di voi che siate diventati quell'esperto, prima di poter essere usati davvero.

Ma dietro a quell’errore se ne celava un altro, ed ho capito solo dopo che non stava nelle istruzioni che avevo scritto. Stava nello strumento che avevo scelto. Avevo aperto un chatbot online e ci avevo caricato dentro dei documenti, che è la cosa che tutti fanno perché è la più immediata. Oltre al controllo dell’esperto infatti serviva un sistema agentico, qualcosa che potesse aprire davvero i file, eseguire un controllo e rigenerare un grafico dopo aver verificato che al precedente mancava la scala. Col senno di poi, il progetto giusto da assegnare a quella studentessa era la costruzione del tutor.

Il prompt non è morto, si è strutturato

Quell'errore sullo strumento capita ovunque, ed è il segno di un cambiamento che quasi tutti stanno attraversando alla cieca. Da qualche mese leggo ovunque che il prompt engineering sarebbe finito e che adesso contano soltanto i loop; Ethan Mollick l'ha chiamato il crepuscolo dei chatbot. A mio parere si tratta di una lettura frettolosa: quello che è successo al prompt secondo me è l'opposto di una morte, si è strutturato.

Chi ha seguito un percorso di alfabetizzazione all'intelligenza artificiale negli ultimi due anni ha quasi certamente incontrato uno schema come CO-STAR, nato da Sheila Teo dopo la prima competizione di prompt engineering organizzata a Singapore, che invita a dichiarare in modo ordinato Contesto, Obiettivo, Stile, Tono, Destinatario e Formato della risposta. Sembra burocrazia ed è invece la prima impalcatura che la maggior parte delle persone incontra, perché costringe a scrivere il contesto invece di darlo per scontato. È esattamente la competenza che serve un gradino più in alto, quando il contesto non sta più in un messaggio ma in una cartella, in una banca dati, in un insieme di regole che l'agente dovrà rispettare per ore senza che voi siate lì a guardare.

La differenza tra le due epoche non è tra chi scrive bene i prompt e chi non li scrive più. È che il modello adesso può agire, e quindi il ciclo “pianifica, agisci, controlla, correggi” non lo eseguite più voi un messaggio alla volta: lo esegue il sistema al suo interno finché non incontra una condizione di arresto che avete scritto voi. Le cose da dichiarare restano quelle di CO-STAR, solo più severe: qual è l'obiettivo, come si verifica che sia stato raggiunto, e quando ci si ferma.

Riferibilità

C'è una parola, in metrologia, che struttura l'esperienza con Bob e spiega l'errore con Andrea. Si chiama riferibilità ed è definita dal Vocabolario Internazionale di Metrologia come la proprietà di un risultato di misura per cui esso è posto in relazione a un riferimento attraverso una documentata catena ininterrotta di tarature, ciascuna delle quali contribuisce all'incertezza di misura. Tradotto: l'importanza di un risultato dipende tanto dal suo valore quanto dalla catena che lo collega a un campione. Ogni anello aggiunge una quota di incertezza, e un anello mancante non aggiunge incertezza: la rende incalcolabile.

Adesso provate a sostituire “misura” con “citazione” e reinterpretate la definizione. Descrive uno dei problemi più attuali del mondo accademico. Un'affermazione vale per la catena documentata che la collega alla fonte, ogni passaggio non verificato aggiunge incertezza, e la citazione secondaria che nessuno è mai andato a controllare è una taratura saltata. Il fatto che stia in bibliografia da vent'anni non la rende vera, soltanto vecchia.

Tre catene, un solo principio

Ed è qui che l'analogia smette di essere un gioco retorico e diventa il metodo che vorrei presentare in questo articolo. Far entrare un modello o un agente nel lavoro scientifico in modo corretto non dipende da quale abbonamento comprate, ma da quale catena riuscite a esibire. Nella ricerca le catene sono almeno tre, esistono da molto prima dell'intelligenza artificiale, e in tutte e tre questi strumenti possono spezzarle o rinforzarle a seconda di come li attrezzate.

La prima è la bibliografia, la catena che va dall'affermazione che scrivete alla fonte che la sostiene. Si rompe da sempre quando si cita qualcosa che non si è letto, e si rompe in un modo nuovo quando si lascia che sia un modello a compilare i riferimenti.

La seconda è l'analisi dei dati, la catena che va dal risultato al dato grezzo. Si spezza nell'istante preciso in cui “l'ho chiesto alla chat” prende il posto di uno script che qualcun altro può rieseguire. Un numero ottenuto dentro una conversazione non ha versione, non è riproducibile. Più di ogni altra cosa questo metodo non ha la garanzia di esistere ancora fra sei mesi o anche meno.

La terza è la scrittura, la catena che va dal testo a chi lo ha pensato. Non si rompe perché usate un modello per scrivere, si rompe perché non lo dichiarate, non tenete traccia di cosa avete chiesto e alla fine non sapete più distinguere la frase che avete difeso da quella che avete accettato distrattamente.

Uscire dall'ombra, in tutti e tre i casi, vuol dire la stessa cosa: essere in grado di mostrare la catena. Le prendo una alla volta, in quest'ordine.

Prima catena. L'imbragatura e il friend

Vediamo la bibliografia da vicino con una metafora a me molto cara, l'arrampicata. La parola che definisce l'infrastruttura del nostro agente, del resto, è harness, che in italiano si traduce imbragatura: un termine da arrampicata, appunto. E nell'arrampicata l'imbragatura fa molto più che reggerci: è una struttura che estende le nostre possibilità, ci si appendono gli attrezzi, ci si legano le corde per calarsi o salire, e ci si tiene a portata di mano l'immancabile guida della falesia, quella con le informazioni precise sul posto in cui stiamo salendo. Tenete a mente la guida: è il pezzo che quasi tutti dimenticano, e ci torneremo. Sulla bibliografia l'imbragatura serve in due movimenti opposti, che sono lo stesso ciclo montato al contrario e che ogni arrampicatore ripete decine di volte in una giornata.

Il primo corrisponde a estrarre il friend dall'imbragatura e incastrarlo nella fessura giusta. In questo caso significa aprire un progetto locale e assegnargli la cartella con la banca dati, i criteri di inclusione scritti per esteso e nient'altro. È il filtro di ingresso: avete ottocento record esportati e dovete decidere quali entrano nel corpus. L'obiettivo è applicare criteri espliciti, la regola di verifica è un campione validato a mano contro cui misurare l'accordo, la regola di arresto è la fine dell'elenco oppure un accordo che scende sotto una soglia decisa prima. Su questo la letteratura è confortante quanto basta: uno screening condotto con GPT-4 su oltre quarantottomila citazioni ha raggiunto una sensibilità media del 97,7%. Il che non è in contraddizione con quello che segue: allo screening il modello non deve ricordare niente, deve applicare un criterio a un testo che gli avete messo davanti. È quando gli si chiede di andare a pescare nella propria memoria che le cose si complicano.

Il secondo movimento è quello che nessun arrampicatore salta: prima di caricarci sopra il peso, il friend si tira. Si prova da più angoli, si verifica che tenga anche quando la trazione arriva da dove non te l'aspetti. Nel nostro caso significa controllare a mano un campione di citazioni prima di fidarsi del ciclo. Poi, e solo poi, il vostro lavoro torna a essere quello per cui siete lì: salire. “Fare scienza”. Ed è qui che la ricerca degli ultimi due anni racconta una storia diversa da quella che si ripete di solito. I numeri che tutti citano per chiudere il discorso sono vecchi: nel 2023 Walters e Wilder misuravano che il 55% dei riferimenti prodotti da GPT-3.5 erano inventati, contro il 18% di GPT-4. Sono misure fatte su sistemi che oggi non usa più nessuno.

Nell'aprile del 2026 Rao e Callison-Burch hanno rifatto la misura su tre modelli di frontiera con la ricerca sul web attiva. Il risultato è più interessante di un tasso di errore: i singoli campi bibliografici sono corretti nell'83,6% dei casi, ma le voci integralmente corrette sono soltanto la metà, e l'accuratezza crolla passando dagli articoli molto citati a quelli recenti. Il modello continua ad attingere alla propria memoria interna anche quando avrebbe gli strumenti per andare a controllare. Poi gli stessi autori hanno aggiunto quello che qui abbiamo chiamato il secondo movimento: un recupero deterministico dei metadati da archivi autorevoli e una seconda passata in cui le voci generate vengono corrette contro il record ufficiale. Le voci integralmente corrette passano dal 50,9% al 78,3%, e i peggioramenti si fermano sotto l'uno per cento. Non è servito un modello più intelligente: è servito un anello in più nella catena. E se pensate che il controllo lo faccia già qualcun altro per voi, nel luglio 2026 un gruppo di ricercatori ha verificato le bibliografie di articoli già pubblicati e sottoposti a revisione tra pari: oltre l'85% delle citazioni allucinate presenti nei preprint sopravvive fino alla versione definitiva. Detto in parole povere, la peer review da sola non le ferma.

Seconda catena. Il numero e lo script

La bibliografia era la catena più facile da esibire, perché ogni anello ha un nome e un DOI. La seconda è più insidiosa, perché il punto in cui si spezza non lascia traccia: nessuno si accorge che un numero è nato dentro una conversazione finché non prova a rifarlo. Se il vostro agente analizza dei dati, il risultato che portate a casa non è la risposta che vi ha dato: è lo script che ha scritto, salvato ed eseguito davanti a voi. Qui la domanda diventa pratica: con che cosa lo faccio. E la risposta dipende da dove finirà il risultato. I due livelli che seguono sono due gradi di attrezzatura, da scegliere in base a quanto in profondità dovrete mostrare la catena.

Livello 1. L'agente chiavi in mano

Claude Desktop, ChatGPT Desktop e Antigravity sono i prodotti di punta dei tre “grandi” per l'opzione chiavi in mano. Collegate una cartella, caricate i file, e l'agente legge, scrive, esegue comandi e chiama strumenti esterni. Sono imbragature molto complete e ogni settimana guadagnano connettori nuovi, quindi il numero di cose che potete delegare cresce mentre voi state fermi. Per il lavoro esplorativo, per capire se una direzione ha senso, per ripassare le citazioni di un manoscritto prima di spedirlo, sono la scelta giusta.

Il loro limite sta nel poterlo dichiarare. Il modello che usate oggi cambierà: riceverà aggiornamenti che nessuno vi annuncia, poi verrà deprecato, e nel frattempo a parità di prompt il comportamento si sposterà. Non è un sospetto: uno studio del 2025 sulla riproducibilità dei modelli commerciali negli studi empirici di ingegneria del software mostra quanto sia fragile rieseguire un lavoro fatto su un'interfaccia proprietaria. Usateli pure, ma sapendo che alla domanda del revisore “è riproducibile?” la risposta onesta è no. Il che non vi esime dal tenere traccia, anzi. Anche qui registrate nome e versione del modello, data della sessione, il file di istruzioni per esteso, quali connettori erano attivi e l'output grezzo prima delle vostre correzioni. Non vi rende riproducibili, vi rende tracciabili, ed è già la differenza tra un lavoro che si può discutere e uno che si può soltanto credere sulla parola.

Livello 2. Il modello sotto controllo

Quando invece il risultato deve entrare nella sezione Metodi serve un anello in più, e la differenza è metodologica: con un modello a pesi aperti che gira su una macchina che controllate voi potete fissare tutto ciò che in un servizio commerciale non potete nemmeno vedere. Strumenti come Ollama o LM Studio scaricano il modello in locale (o in cloud con abbonamento) ma al contrario dei sistemi proprietari vi restituiscono le manopole: versione, quantizzazione, lunghezza del contesto, temperatura, gestione del seme. Con temperatura a zero, seme impostato e ambiente bloccato l'uscita torna stabile a parità di ingresso. Non è assoluto, perché cambiare quantizzazione, motore o hardware può ancora spostare qualcosa: per questo chi ha misurato quanto la casualità dei modelli si propaghi nei risultati raccomanda di ripetere ogni esecuzione cinque o dieci volte e riportare media e dispersione invece di un numero solo.

Quello che segue è il minimo sindacale da incollare nei Metodi, e vale la pena imparare a compilarlo prima di averne bisogno.

1. Modello e versione esatta, con la quantizzazione se ne usate una.

2. Motore di esecuzione e sua versione.

3. Temperatura, top-p, lunghezza del contesto, seme.

4. Il prompt o il file di istruzioni, per esteso e allegato, non riassunto: è il CO-STAR di prima, più elaborato.

5. Numero di ripetizioni, con media e dispersione dei risultati.

6. Data, e output grezzo conservato prima di qualsiasi ritocco umano.

Non me lo sono inventato io. TRIPOD-LLM, la linea guida di reporting per gli studi che impiegano modelli linguistici pubblicata su Nature Medicine, chiede esattamente queste cose: nome e versione del modello, provenienza dei dati usati per costruire i prompt, metodo di prompt engineering, condizioni di valutazione. Diciannove voci e cinquanta sottovoci, disponibili da più di un anno. Lo standard esiste già, quasi nessuno sa che c'è, ed è una delle ragioni per cui tanta gente continua a lavorare nell'ombra convinta che un modo corretto non esista.

Io mi sono avvicinato costruendomi un assistente documentale che gira in locale oppure via interfaccia, a seconda di quanto sono sensibili i documenti che gli do in pasto. Non è un capolavoro di ingegneria, ma è mio e so cosa fa. Ci ho messo mesi, non un pomeriggio: la stessa distanza che passa tra il tutor montato in dieci minuti e l'agente che Bob si è costruito un pezzo alla volta.

Fatevi spiegare

A dirlo non è soltanto la mia esperienza. Anthropic ha analizzato circa quattrocentomila sessioni di lavoro con il proprio agente e ha trovato che a predire il successo non era la professione di chi lo usava ma la sua esperienza nel dominio: più expertise una persona porta nella sessione, più lavoro il sistema riesce a fare per ogni istruzione ricevuta. Non vi sostituirà l'intelligenza artificiale. Vi supererà un collega con esattamente le vostre stesse competenze, che ha investito ore, giorni e mesi nel comprendere questa tecnologia.

Resta una cosa da dire, ed è quella che ho imparato sbagliando due volte allo stesso modo. Con la studentessa avevo montato un'impalcatura troppo rada e il modello aveva prodotto grafici senza scale; a San Marino, dentro il grande insetto di acciaio e vetro che è il suo World Trade Centre, avevo montato un laboratorio troppo grosso e chi partiva da zero era rimasto indietro. In entrambi i casi avevo sbagliato la distanza tra un appoggio e l'altro.

E qui arriva il consiglio più utile che ho da darvi, valido sia per il modello sia per voi: prima di costruire qualsiasi cosa, fatevi spiegare. Chiedete al sistema di illustrarvi il dominio, controllate che lo faccia senza inventare, e costruite insieme a lui un glossario condiviso dei termini che userete. Quel glossario è la prova che avete capito, riduce la deriva ed è verificabile: o il sistema usa le vostre parole nel modo giusto, o non le usa. È la guida della falesia che vi avevo detto di tenere a mente: vi dice come si chiamano gli appigli, poi salire tocca comunque a voi.

Terza catena. Quello che non si dichiara

Resta la catena più corta e la più facile da spezzare, perché per romperla basta non dire niente. A giugno un deputato dell'Assemblea legislativa del New Brunswick, in Canada, ha letto ad alta voce durante un intervento la frase “Here's a more natural, flowing version of that section that reads like a legislative speech rather than a series of short points”. L'ha letta due volte. Si è poi scusato spiegando che stampando la versione definitiva i prompt non erano stati rimossi, il che è il dettaglio davvero interessante: nessuno aveva riletto.

È un concetto che ho richiamato più volte in questo articolo parlando di ombre ma in inglese si chiama shadow AI (utilizzo non dichiarato di strumenti di intelligenza artificiale) e non nasce dal fatto che le persone siano sciocche. Nasce dal fatto che usano questi strumenti senza formazione e spesso senza dirlo al proprio responsabile, perché chiedere permesso sembrerebbe ammettere di non sapere. E quindi finiscono su canali dove, per impostazione predefinita, le conversazioni alimentano l'addestramento a meno che non si vada a spegnere un'opzione, mentre sui contratti aziendali quella stessa garanzia è scritta nero su bianco e non dipende da una levetta che qualcuno può dimenticare. Non ho trovato alcuna prova che questi dati vengano venduti e non voglio insinuarlo; ma non ho trovato nemmeno un dato pubblico su quante conversazioni di lavoro passino ogni giorno da canali non aziendali, e quella è un'assenza che vale la pena chiedere di colmare.

Uscire dall'ombra

Una cosa però non riesco a dimostrarla. Che io sia più veloce di prima posso provarlo, e di ogni numero che ho scritto qui sopra posso mostrarvi la catena. Che io sia un ricercatore migliore no: non ho un modo per misurarlo, e non ho intenzione di far finta di sì solo perché renderebbe il pezzo più convincente.

Ed è il rovescio esatto del verso da cui prende il titolo questo articolo: non seguire virtute e canoscenza, ma cavarsela di nascosto sperando che nessuno faccia domande.

Tra qualche settimana torno in quel palazzo per la seconda lezione, quella in cui si costruisce. Stavolta a blocchi più corti, con più appoggi e meno esempi. E mentre l'ascensore sale mi farò la stessa domanda di allora, girata dall'altra parte: quante di quelle persone, in questo preciso istante, stanno usando l'intelligenza artificiale come si deve? Qualcuna sì, di sicuro. Bob lo faceva già, e non l'aveva imparato da me. Forse si impara così, uno alla volta, ciascuno a partire da quello che sa già fare.

E voi, invece? Quante delle citazioni che avete in bibliografia siete davvero andati a controllare?

Nota metodologica: le fonti citate in questo articolo sono state verificate risolvendo i riferimenti contro archivi pubblici, e le pagine di policy sono state lette in originale. Gli scarti sono annotati nel repository indicato sotto, insieme al template di glossario, alle specifiche dei due cicli e alle liste di controllo per i due livelli.

Fonti

Vocabolario Internazionale di Metrologia, JCGM 200 (UNI CEI 70099), § 2.41 - https://www.bipm.org/en/committees/jc/jcgm/publications

Sheila Teo, How I Won Singapore's GPT-4 Prompt Engineering Competition - https://towardsdatascience.com/how-i-won-singapores-gpt-4-prompt-engineering-competition-34c195a93d41/

Ethan Mollick, The twilight of the chatbots - https://www.oneusefulthing.org/p/the-twilight-of-the-chatbots

Automated title and abstract screening for scoping reviews using the GPT-4 Large Language Model - https://arxiv.org/abs/2311.07918

Walters & Wilder, Fabrication and errors in the bibliographic citations generated by ChatGPT (2023) - https://www.nature.com/articles/s41598-023-41032-5

Rao & Callison-Burch, BibTeX Citation Hallucinations in Scientific Publishing Agents: Evaluation and Mitigation (aprile 2026) - https://arxiv.org/abs/2604.03159

Russinovich, Siva Kumar & Salem, Phantom References: Hallucinated Citations That Survive Peer Review at Top-Tier Conferences (luglio 2026) - https://arxiv.org/abs/2607.00738

Reflections on the Reproducibility of Commercial LLM Performance in Empirical Software Engineering Studies - https://arxiv.org/abs/2510.25506

Randomness in large language models: what researchers need to know (and report) - https://arxiv.org/abs/2607.24372

Gallifant, Afshar et al., The TRIPOD-LLM reporting guideline for studies using large language models, Nature Medicine - https://www.nature.com/articles/s41591-024-03425-5

Anthropic, How Claude Code is used in practice (Hitzig, Massenkoff, Lyubich, Heller, McCrory, giugno 2026) - https://www.anthropic.com/research/claude-code-expertise

Anthropic, Updates to Consumer Terms and Privacy Policy - https://www.anthropic.com/news/updates-to-our-consumer-terms

Al Jazeera, Moment Canadian politician accidentally reads AI prompt during speech - https://www.aljazeera.com/video/newsfeed/2026/7/28/moment-canadian-politician-accidentally-reads-ai-prompt-during-speech

Raggy, assistente documentale self-hosted - https://github.com/gcmdnt90/Raggy

Letture consigliate

Chelli et al., Hallucination Rates and Reference Accuracy of ChatGPT and Bard for Systematic Reviews, JMIR 2024 - https://www.jmir.org/2024/1/e53164

Detecting and Correcting Reference Hallucinations in Commercial LLMs and Deep Research Agents - https://arxiv.org/abs/2604.03173

Large language models show promising performance for some systematic review tasks but call for cautious implementation - https://www.sciencedirect.com/science/article/pii/S089543562600096X

Johnston, Holtz et al., The Shift to Agentic AI: Evidence from Codex - https://arxiv.org/abs/2606.26959

Tutte le immagini di questo articolo sono state generate con lo strumento ImageGen integrato in Codex.