Generazioni di Agenti AI: un Claude Fresco Lavora Meglio

Gli agenti AI non rendono sempre allo stesso modo: a inizio sessione vanno in profondità, dopo ore nella stessa sessione sorvolano, anche se il modello è identico. È il primo articolo di Automate Travel Labs, un resoconto pratico dal lavoro quotidiano con gli agenti di intelligenza artificiale.

Ogni giorno apro una dozzina di sessioni in Claude Code. Lo stesso fa il team di Automate Travel, sette persone. Insieme passiamo in questo strumento dalle 12 alle 14 ore al giorno, spesso con cinque sessioni parallele a testa. Abbiamo consumato così tanto contesto che comincio a vedere schemi che nell'uso occasionale non emergono.

Uno di questi schemi ha cambiato il mio modo di lavorare con gli agenti. Lo chiamo «la regola delle generazioni».

Un agente fresco e un agente maturo sono due animali diversi

Apri una nuova sessione e il contesto è vuoto. L'agente non sa nulla del tuo progetto, del tuo stile, di quello su cui avete lavorato ieri. Gli dai il primo compito. (Il contesto è tutto ciò che l'agente ha letto e scritto nella sessione, e si misura in token.)

Un agente fresco si comporta come una persona al primo giorno di lavoro: motivato e scrupoloso. Se gli chiedi di analizzare un documento, va a fondo. Apre i file, controlla i collegamenti, fa domande, si costruisce un quadro completo. Non ha niente da perdere, quindi investe tempo nel capire. È stato addestrato praticamente su tutto internet e porta tutta quella conoscenza nel compito, con piena energia.

Lo stesso agente qualche ora dopo, con 700k token sulle spalle, è un animale completamente diverso. Tecnicamente è lo stesso modello: stessi pesi, stessa architettura. Ma il comportamento è cambiato.

La mia finestra di alta qualità: quattro fasce di contesto

Dalle mie osservazioni, la qualità di un agente segue più o meno queste quattro fasce.

Da 0 a 150k token. L'agente è fresco. Lavora bene, ma a volte gli manca il contesto che sta ancora costruendo, e le cose vanno spiegate da zero. In questa finestra rendono meglio i compiti mirati e ben definiti.

Da 150k a 500k token. La mia finestra preferita. L'agente conosce il progetto, ha il contesto, ma ha ancora spazio e voglia di andare a fondo. Qui funzionano meglio compiti come «analizza questo materiale e proponi modifiche» o «rivedi questi dati e trova lo schema». È qui che si fa il lavoro vero.

Da 500k a 700k token. Comincia il calo silenzioso. L'agente sembra ancora sicuro di sé, ma noto che le risposte diventano un po' più superficiali. Da qualche parte in mezzo c'è una soglia: superata quella, la qualità scende anche se da fuori sembra tutto a posto. È la finestra più pericolosa, perché è facile non accorgersene.

Oltre 700k token. Ora si vede. L'agente prende scorciatoie senza rendersene conto. Se gli dai un report approfondito da analizzare, lo scorre. Se chiedi un refactoring, lo fa in superficie. Se chiedi di una sfumatura, ricevi generalità. Lo stesso modello che quattro ore prima scriveva in modo brillante ora produce un risultato mediocre.

Perché gli agenti AI perdono qualità: il context rot

La risposta più ovvia è «il contesto è sovraccarico», ma è solo una parte della verità. Se qualcuno ti chiede perché un agente diventa pigro dopo 700k token, è la spiegazione più allettante. Secondo me, però, non è la parte interessante.

La mia teoria, basata su quello che vedo nel terminale ogni giorno da mesi, è un po' diversa.

L'agente dà per scontato in partenza che nei documenti non entrerà più. Anche se gli dici di analizzare qualcosa, si limita a scorrerlo. Non se ne rende conto: dentro non c'è nessuna introspezione che gli dica «attenzione, il tuo contesto è pieno». Ma da qualche parte, al livello in cui genera i token successivi, vede il proprio contesto. Per questo sceglie i compiti in modo da consumarne il meno possibile. Vuole lasciarsi un po' di spazio, per riuscire comunque a finire il progetto su cui sta lavorando.

Succede lo stesso con le persone. Dopo otto ore di lavoro intenso su un unico problema, quando il cervello ha già bruciato parecchi zuccheri, la nona ora è diversa dalla prima. Anche se sei sempre tu, con la stessa formazione e la stessa esperienza. Lavori in modalità consegna, non in modalità scoperta.

Il fenomeno ha un nome: context rot. Un rapporto tecnico di Chroma del luglio 2025 lo ha studiato su più modelli e conclude che le prestazioni peggiorano con l'aumentare della lunghezza dell'input. Anthropic lo riprende nella sua guida al context engineering per gli agenti (settembre 2025): cita gli studi di questo tipo e scrive che la caratteristica emerge in tutti i modelli, anche se alcuni peggiorano in modo più graduale di altri. Per me, più dei numeri, conta che lo vedo ogni giorno nelle risposte che cominciano a sbiadire dopo qualche ora nella stessa sessione.

Come lavorare con agenti AI: cosa faccio in pratica

Negli ultimi mesi ho preso alcune abitudini. Nessuna rivoluzione, ma vale la pena scriverle, perché insieme formano un sistema.

Dividere le responsabilità tra sessioni: supervisione ed esecuzione

Sui progetti più grandi, quando lavoro su un tema per molti giorni, ho fatto un passo in più. Divido il lavoro in due ruoli, su due sessioni.

La prima sessione lavora ad alto livello. Fa supervisione, mantiene la comprensione ampia del problema e la visione d'insieme. Ha accesso alla documentazione, al piano, allo stato dei lavori. Raramente produce qualcosa da sola: più spesso delega.

La seconda sessione è l'esecutore. Riceve dalla prima un compito preciso, insieme a tutte le informazioni che servono, e si concentra solo sul portarlo a termine. Il suo contesto si riempie più in fretta, ma all'inizio di ogni nuovo compito riparte da zero.

Perché conta nel tuo lavoro

La regola delle generazioni vale allo stesso modo per qualsiasi lavoro con gli agenti AI. Che tu scriva codice, report, analisi, email ai clienti o faccia ricerca su un tema che stai ancora imparando, la qualità del lavoro di un agente non dipende solo da come scrivi i prompt, ma anche dal momento della «vita» dell'agente in cui ci stai lavorando.

Da quando applico la regola delle generazioni in modo consapevole, la qualità del mio lavoro è migliorata in modo evidente. Meno momenti in cui l'agente fa qualcosa in superficie e devo tornarci sopra a mano. Meno risposte che suonano sicure ma sono vuote dentro.

Lavorare con questi strumenti in modo intensivo, con diverse sessioni parallele per molte ore al giorno, è ancora uno sport nuovo. Non ci sono ancora buoni libri sull'argomento. Chi lo fa per mestiere impara sul campo. Se hai osservazioni tue su questo tema, mi interessano: le sto raccogliendo.

Domande frequenti sugli agenti AI e il contesto