La programmazione agentica richiede obiettivi, strumenti operativi e capacità di correggere gli errori prima di fallire
Nel 2023 un modello di frontiera risolveva il 4% dei task sui benchmark di riferimento. Nel 2026 i modelli di frontiera superano il 90% di task risolti. Non è un miglioramento lineare: è il motivo per cui l’ottimizzazione per i motori di risposta (AEO) smette di essere una nicchia e diventa un canale. Ma proprio quando i modelli sembrano risolti, la partita si sposta altrove.
La dashboard di Microsoft Advertising ora espone le metriche di AI visibility come grounding queries, citation share e share of authority. Cloudflare ha introdotto un tool di answer engine optimization nei client dashboard giovedì 6 agosto 2026. Il mercato si riempie di strumenti, promesse e tutorial. Ma il segnale più importante arriva da un’altra parte.
Il fenomeno per cui prodotti esistenti vengono rietichettati come agentici ha un nome preciso: il fenomeno dell’agent washing. E la previsione di Gartner indica che oltre il 40% delle iniziative agentiche verrà cancellato entro il 2027.
L’agent washing è già arrivato nell’AEO.
Il tutorial che promette l’80% e chiede di controllare il robots.txt
Il tutorial Learn 80% of AEO promette di imparare l’80% dell’ottimizzazione per i motori di risposta in 19 minuti. Poi, però, entra nel tecnico: la verifica del robots.txt per GPTBot, OAI-SearchBot, ClaudeBot e Google-Extended. E ancora: la misurazione del traffico di riferimento AI con Ahrefs Web Analytics o GA4. Il messaggio è chiaro: l’AEO non si improvvisa, si misura.
Perché le iniziative agentiche falliscono prima di arrivare in SERP
La programmazione agentica è l’uso di sistemi che ricevono un obiettivo anziché un’istruzione e lavorano in un ciclo autonomo finché non lo raggiungono, non esauriscono le risorse o non si arrendono. La definizione di programmazione agentica non è un dettaglio: è il confine tra un tool che esegue e un agente che agisce. Perché un sistema sia agentico servono tre condizioni: riceve un obiettivo, ha accesso a strumenti che modificano lo stato, ed è in grado di accorgersi di un proprio errore e riprovare con una strategia diversa. Le tre condizioni per un sistema agentico separano i progetti che restano da quelli che falliscono.
Il vantaggio non è il modello, è l’impalcatura
La formula dell’agente come modello dentro un’impalcatura è il punto di svolta: nel 2026 l’impalcatura conta più del modello. La traiettoria del settore negli ultimi quattro anni si riassume in tre fasi: prompt engineering (2022-2023), context engineering (2024-2025), harness engineering (2026). Le tre fasi del settore mostrano che il focus si è spostato dal prompt all’architettura. Il Model Context Protocol è lo standard che ha uniformato il collegamento fra agenti e fonti dati esterne: il Model Context Protocol non è un protocollo tra i tanti, è il collante dell’impalcatura.
Chi lavora già con agenti conosce la differenza: la gestione della finestra di contesto è una risorsa da amministrare, non un contenitore da riempire. I due meccanismi che contano sono le istruzioni persistenti di progetto e la memoria su filesystem. non sono glamour, ma sono ciò che separa un agente che lavora da una demo. E il file di istruzioni è il singolo intervento con il miglior rapporto fra sforzo e resa. è la prima cosa da rivedere domani mattina, prima di qualsiasi tool AEO.
L’autore di riferimento ha una batteria di server MCP collegati stabilmente: Google Ads, Google Analytics, Google Search Console, DataForSEO, Semrush, Google Calendar, Playwright. La batteria di server MCP non è un lusso: è l’infrastruttura di chi fa AEO senza scorciatoie.
Per chi ottimizza un sito domani mattina, il messaggio è semplice: smetti di inseguire il modello.
Prima di comprare l’ennesimo tool AEO, controlla il robots.txt, misura il traffico di riferimento AI, scrivi istruzioni persistenti di progetto e attiva una memoria su filesystem. Il modello ormai è quasi perfetto nei benchmark: la differenza la fa l’impalcatura.
