Leader di pensiero

Cosa sta succedendo nell’AI: OpenClaw e intelligenza autonoma

mm
Aggiungi Unite.AI alle tue fonti preferite su Google

Ciò che i developer stanno facendo oggi, tutti noi lo faremo domani.

Nel 2023, sono stato sorprendentemente non sorpreso dal lancio di ChatGPT. Quasi tutto ciò che poteva fare era già possibile con GPT-3. Gli sviluppatori di AI capivano questo, ma ci è voluto ChatGPT perché il resto del mondo capisse quanto fosse importante GPT-3. L’eccitazione è arrivata un prodotto generazione in ritardo.

Qualcosa di simile sta bollendo ora.

Un progetto chiamato OpenClaw ha preso d’assalto la comunità degli sviluppatori perché funziona nel tuo stesso computer. Quanto potente sia ChatGPT, immagina se avesse accesso a tutti i tuoi file — con la capacità di leggere, scrivere, eseguire comandi e anche avviare applicazioni. Potresti dire: “Salva queste informazioni in un nuovo file”, o “Guarda quella cartella e incorpora le informazioni nel documento che sto scrivendo”, o anche chiedergli di eseguire software direttamente. (Nella mia esperienza, quest’ultima parte è ancora limitata — ma si sta migliorando rapidamente.)

Claude Code è stato lanciato quasi esattamente un anno fa con la stessa capacità di base, ma era posizionato come uno strumento di coding — essenzialmente un concorrente di Cursor. Gli sviluppatori l’hanno amato. Ciò che OpenClaw ha fatto è dare al resto del mondo uno sguardo su cosa significhi che l’AI operi il tuo computer, non solo pensi insieme a te.

Al suo nucleo, OpenClaw è un insieme di file open-source che si trova accanto a un modello linguistico di grandi dimensioni che ha ricevuto il permesso di eseguire comandi sulla macchina — compreso modificare il proprio codice. OpenClaw stesso potrebbe rivelarsi una moda, ma ha sollevato un insieme di domande che sembrano importanti in termini di direzione.

Il cambiamento più ovvio è il cambiamento di paradigma: software che può agire. Può navigare, modificare file, eseguire programmi — non solo generare testo. Questo singolo cambiamento ha prodotto due effetti secondari sorprendenti.

Primo, OpenClaw sfida l’assunzione che i database debbano essere cittadini di prima classe nel software di prossima generazione. Invece di essere costruito attorno a un database tradizionale, è costruito principalmente su file leggibili dall’uomo. Sebbene consolidi l’apprendimento in un database vettoriale per la memoria a lungo termine, l’architettura di base è basata su file e non su schema. Ad esempio, il suo nome e scopo sono archiviati in un file chiamato Identity.md e dice cose come “vibe: informale e tecnico – accessibile ma preciso” e la sua “anima” è archiviata in Soul.md, che dice cose come “Sii genuinamente utile, non performativamente utile – Salta le parole di riempimento, aiuta solo; Avere opinioni – Posso dissentire, preferire, trovare interessante o noioso – Sii risorsoso prima di chiedere – Prova a capirlo da solo, poi chiedi se sei bloccato.”

Questo è essenzialmente una domanda su come apparirà il livello di applicazione dell’AI. Notoriamente, OpenClaw non richiede ulteriore formazione o regolazione del modello. Ciò si contrappone a un mondo possibile in cui il livello di applicazione sarà principalmente costituito da LLM regolati su dati proprietari. Il mio sospetto è che entrambi gli approcci coesisteranno — ma OpenClaw mostra un percorso interessante.

Secondo, OpenClaw costringe a un confronto diretto con una domanda critica: il software dovrebbe essere autorizzato a eseguire codice e modificare i tuoi file in modo autonomo?

Questo si trova all’intersezione della funzionalità, della privacy e del controllo. Se i sistemi di AI devono essere utili al massimo, avranno bisogno del permesso di scrivere sui nostri sistemi. Ciò richiede fiducia.

La soluzione di OpenClaw al problema della fiducia è semplice: rendere tutto open-source. Invece di dire: “Sono una scatola nera, fidati di me”, dice: “Ecco tutto il codice. Ispezionalo. Esegui localmente. Possedilo.” (Avendo detto questo, le persone hanno fatto proprio questo e la sua sicurezza attuale sembra essere carente).

Man mano che pensiamo al futuro livello di applicazione dell’AI, OpenClaw punta in una direzione intrigante, ma è chiaramente solo la prima scintilla di ciò che sembra un’esplosione cambriana. Nelle due settimane dal rilascio di OpenClaw, abbiamo già visto gli sviluppatori personalizzare per lavori specifici (ad esempio, flussi di lavoro finanziari) e rilasciare quelle personalizzazioni open-source; esperimenti che collegano più agenti tramite Moltbook; e Moltbook che consente agli agenti di “socializzare” — il che, come sottoprodotto, consente agli agenti di discutere quali strumenti preferiscono, portando alla costruzione di strumenti per gli agenti stessi.

Se crediamo che ciò che gli sviluppatori stanno facendo oggi è ciò che tutti noi faremo domani, allora l’AI ha già cambiato il modo in cui il software viene costruito attraverso tre primitive di base:

  • Harness — IDE come Cursor o strumenti da riga di comando come Claude Code che forniscono interfacce personalizzabili e orientate ai modelli
  • Framework personalizzati — artifact leggeri e in formato testo (spesso README) che codificano come uno sviluppatore pensa e lavora. I modelli saltano tra questi file come una macchina da flipper: consultano linee guida di progettazione, verificano valutatori e validano la propria uscita
  • Modelli ispezionabili — sistemi che generano output che gli sviluppatori possono verificare. Man mano che le bardature e i valutatori migliorano, gli sviluppatori hanno sempre meno bisogno di guardare il codice

Siamo ancora nel primo inning di un cambiamento drammatico nel modo in cui il software viene costruito.

C’è anche un lato negativo qui. Ogni industria sta avendo il suo “momento Napster”. Lo sviluppo del software accade per caso essere il primo, proprio come la musica è stata la prima a essere disruptata da Internet. Altri seguiranno. Ma questo non è solo un cambiamento nella distribuzione — è un cambiamento nel modo in cui il lavoro viene svolto. Somiglia più all’invenzione del database relazionale che all’ascesa dei social media.

Ma c’è anche un lato positivo — questo cambiamento va ben oltre il tradizionale SaaS. Questi sistemi sono così personalizzabili per il contesto individuale che molte persone potrebbero finire con il proprio software su misura.

Non si pensa solitamente al fatto che creare un account Instagram crea una riga in un database con ID associati — ma lo fa. Allo stesso modo, con questo nuovo tipo di software, potresti semplicemente sentire il suo impatto sulla tua vita senza render ti conto che, attraverso l’interazione, stai effettivamente scrivendo codice — o che il codice viene scritto per tuo conto.

C’è un mantra nella scienza informatica: “Non ripeterti”. Se esegui un compito più di una volta, dovresti scrivere una funzione. Con l’AI, sto sempre più trovando che se anche solo penso a fare qualcosa una volta, è spesso abbastanza facile da automatizzare che ha senso automatizzarlo immediatamente.

Nel corso dei prossimi giorni, nota quanto della tua vita non è toccata in modo significativo dal software oggi. La mia convinzione è che questa nuova classe di strumenti vivrà in quelle lacune.

Matt Hartman è il fondatore e socio gestore di Factorial Capital, dove utilizza la sua formazione tecnica e la sua rete di imprenditori tecnici per sostenere aziende come Modal, Factory AI e LanceDB, nonché Software Inc (acquisita da OpenAI) e altre startup che operano alla frontiera della tecnologia.

Prima di Factorial, Matt ha trascorso 8 anni in Betaworks, dove hanno scritto i primi assegni per Huggingface (ora valutata 4,5 miliardi di dollari), Anchor (acquisita da Spotify) e numerose altre aziende fondate da fondatori che codificano. Prima di diventare un venture capitalist, Matt era uno sviluppatore di software e imprenditore - ha costruito la piattaforma tecnica di CBRE, si è unito a Hot Potato (acquisita da Facebook) e ha costruito un prodotto tecnologico immobiliare che è diventato parte di Apartments.com.

Nel 2023, Matt ha lanciato Factorial Capital con una nuova tesi: investire nella prossima generazione di startup di intelligenza artificiale richiede una profonda comprensione tecnica, che Factorial Capital esegue attraverso un modello distribuito di soci fondatori tecnici che lavorano con Matt per individuare e sostenere nuovi investimenti.