TL;DR
A ottobre dell'anno scorso il miglior agente AI portava a termine il 2,5% dei progetti freelance reali. Questo mese il primo in classifica sta al 21,25%, sugli stessi 240 lavori. Quel titolo ha girato in tutto il mondo. L'analisi dei fallimenti stampata poche pagine piu' sotto non ha girato, e dice una cosa molto piu' utile: quando gli agenti sbagliano, sbagliano a finire e a consegnare, non a ragionare. Il che significa che la via piu' economica per muovere il tuo numero non passa da un modello piu' intelligente, e chi taglia personale nel nome dell'AI sta leggendo lo strumento sbagliato.
A ottobre dell'anno scorso il miglior agente AI al mondo chiudeva il due e mezzo per cento dei progetti freelance reali. Questo mese quattro modelli diversi superano il diciassette per cento e il primo sta a 21,25. Stessi 240 lavori, stesso criterio, circa otto volte e mezzo in meno di dodici mesi.
Il numero lo hanno citato tutti. L'analisi dei fallimenti, poche pagine dopo, quasi nessuno. Ed e' li' che sta la parte che serve.
Il numero che hanno citato tutti
Il Remote Labor Index e' un benchmark congiunto di Scale AI e Center for AI Safety, pubblicato il 29 ottobre 2025 come arXiv 2510.26787. Mette gli agenti davanti a 240 progetti reali e pagati in 23 domini, ciascuno un lavoro che un freelance umano ha consegnato davvero. Progetto mediano: 11,5 ore e 200 dollari. In totale oltre 6.000 ore di lavoro umano per piu' di 140.000 dollari.
Quello che lo rende interessante e' l'asticella. Niente risposta multipla, niente mezzo voto per il tentativo elegante. Tre valutatori umani guardano il deliverable e decidono se un cliente vero lo avrebbe accettato. L'accordo fra valutatori sta al 94,4%.
Al lancio nessuno superava il 2,5%. Manus in testa con 2,5, Grok 4 e Sonnet 4.5 a 2,1, Gemini 2.5 Pro a 0,83. Oggi la classifica pubblica dice Opus 5.5 al 21,25, GPT 6 Astra al 20,83, Fable 5.1 al 17,92, Gemini Argon 4 al 17,08.
Il numero che non ha citato nessuno
Lo stesso lavoro contiene la scomposizione dei motivi per cui i fallimenti sono falliti. Le categorie si sovrappongono, quindi non fanno cento.
Qualita' insufficiente: 45,6%. Consegna incompleta: 35,7. File corrotti: 17,6. Incoerenze fra deliverable: 14,8.
Leggi gli ultimi tre insieme e il quadro cambia. Piu' di un fallimento su tre si e' fermato prima della fine. Quasi uno su sei e' arrivato come un file che il cliente non riusciva ad aprire. Circa uno su sette si contraddiceva da solo fra i propri documenti.
Niente di tutto questo e' un problema di ragionamento. E' un problema di consegna.
La banchina, non la nave
Nell'aprile del 1956 una petroliera riconvertita, la Ideal X, parte da Port Newark verso Houston con 58 container saldati sul ponte. Le navi funzionavano gia'. Le rotte funzionavano. Il carico funzionava. Quello che non funzionava era la banchina, dove fino a meta' del costo di una spedizione marittima se ne stava in silenzio nel lavoro di caricare e scaricare a mano.
Nessuno ha risolto il problema con una nave piu' veloce. I numeri di Marc Levinson in The Box: caricare merce sfusa costava circa 5,83 dollari a tonnellata, caricare la Ideal X costo' meno di 16 centesimi.
Il lavoro degli agenti e' pre-container. Il ragionamento e' cresciuto di otto volte e mezzo in un anno. La banchina e' ancora a mano.
Perche' conta per la tua azienda
Quando guardo le pipeline ad agenti che si sono inchiodate dentro un'azienda, il postmortem non dice quasi mai che il modello non era abbastanza sveglio. Dice che l'output e' tornato nel formato sbagliato, o che si e' fermato al secondo di quattro deliverable, o che tre documenti riportavano cifre diverse per la stessa voce. Tre dei quattro modi di fallire censiti nell'indice si possono testare senza alcun modello nel ciclo: il file si apre, ci sono tutti gli artefatti richiesti, i numeri coincidono fra loro.
Poi c'e' la parte costosa. Il Center for AI Safety gestisce anche una dashboard sulle retribuzioni perse, online dal 29 luglio 2026. L'aggiornamento di ottobre mette i tagli di posti negli Stati Uniti che citano l'AI a oltre 117.000 per il 2026, e la stima delle retribuzioni annue perse a circa 8,5 miliardi di dollari, costruita sui licenziamenti annunciati e sulle medie salariali statali. Il CAIS scrive a chiare lettere che non verifica se l'AI abbia causato alcuno di quei tagli.
Quindi uno strumento conta deliverable accettati e l'altro conta comunicati stampa. Le aziende che tagliano nel nome dell'AI non hanno mai fatto girare il test di accettazione sul proprio lavoro. Se lo facessero, la frase onesta non sarebbe "l'AI fa il 21% dei mestieri". Sarebbe "l'AI porta a termine il 21% dei progetti autonomi che arrivano con un brief, un cliente e una scadenza", che dentro un'organizzazione vera descrive quasi niente.
La percentuale continuera' a salire. Quando arrivera' al quaranta per cento la storia verra' scritta di nuovo su un modello piu' intelligente, e sara' di nuovo sbagliata. Qualcuno avra' standardizzato la scatola. (Scommetto che non siedera' nel team AI.)