DeepSeek lascia lavorare il suo agente da solo. Ma prima gli chiede il permesso

DeepSeek Super-agent non è un nuovo chatbot e nemmeno il solito assistente che aspetta istruzioni davanti a una casella di testo. Il 31 ottobre 2026 il gruppo DeepSeek Harness ha pubblicato su GitHub un prototipo open source capace di seguire il lavoro di un repository, ricevere richieste autorizzate ed eseguirle in sessioni separate, fino a proporre modifiche al codice. La novità più interessante, però, non è quello che riesce a fare. È quello che gli viene impedito di fare senza permesso.

Il progetto si chiama dsh-superagent, è distribuito con licenza MIT e funziona come componente di DeepSeek Harness, l’ambiente per orchestrare agenti di programmazione. Gli sviluppatori avvertono subito che si tratta di un prototipo di ricerca: non è un prodotto commerciale pronto da installare in azienda e non coincide con la versione impiegata internamente dal team. Una precauzione meno spettacolare dei consueti annunci sull’intelligenza artificiale autonoma, ma decisamente più utile.

Dietro il codice c’è una domanda che riguarda ben più dei programmatori: se un assistente può lavorare senza essere seguito passo per passo, chi gli concede il diritto di cominciare, quanto può spingersi avanti e quando deve tornare a chiedere?

DeepSeek Super-agent: come funziona il prototipo su GitHub

Il sistema sorveglia gli eventi di un singolo repository su GitHub e, facoltativamente, quelli provenienti da Feishu, una piattaforma di comunicazione aziendale. Quando un membro autorizzato gli affida un compito, il software lo registra come attività da svolgere e apre una sessione dedicata. Un agente può quindi analizzare il problema, modificare file, eseguire controlli e restituire il risultato nella conversazione di partenza, per esempio tramite una pull request: una proposta di modifica che altri possono esaminare prima di integrarla.

Non si tratta di un’unica chat che accumula incarichi e messaggi. L’architettura distingue una sessione principale, incaricata di instradare gli eventi, dalle sessioni operative che eseguono i singoli lavori. Le attività possono procedere in parallelo entro i limiti configurati; un pannello web indica soprattutto quali passaggi richiedono l’intervento di una persona. Questa organizzazione è descritta nella documentazione sull’esecuzione.

È un passaggio concreto dalla logica del «dimmi cosa fare» a quella del «affidami un lavoro e torna quando serve». Ma il software non interpreta ogni commento trovato online come un ordine.

Autorizzazioni e regole: l’agente non può assegnarsi il lavoro da solo

Le regole di autorizzazione distinguono le richieste esplicite, provenienti da persone abilitate, dagli altri messaggi osservati. Il sistema può lavorare anche sulla base di regole scritte in precedenza dal gruppo, ma l’attività proattiva non autorizzata direttamente da una persona viene inizialmente registrata in una modalità di prova: mostra che cosa avrebbe fatto, senza avviarlo automaticamente.

La distinzione evita una scorciatoia pericolosa: scambiare qualsiasi testo letto da un’intelligenza artificiale per un’istruzione legittima. Una conversazione, un commento su GitHub o un documento possono contenere indicazioni; non per questo possono riscrivere le autorizzazioni stabilite dal gestore. È uno dei punti su cui si misura la sicurezza degli agenti AI e dei loro permessi.

Il team insiste inoltre su una regola operativa: l’agente deve parlare quando il suo interlocutore può usare un risultato, deve prendere una decisione o deve sapere perché il lavoro si è fermato. Non deve produrre notifiche per dimostrare di essere occupato. Perfino il pannello preferisce mostrare gli elementi in attesa di una persona invece di riempire lo schermo con attività che non richiedono attenzione.

Un agente autonomo può eseguire comandi: il problema della sicurezza resta

Il prototipo non offre, tuttavia, una barriera magica fra il software e il computer che lo ospita. La guida di installazione spiega che le sessioni operative possono eseguire programmi con i privilegi dell’utente del sistema operativo e che i meccanismi che indirizzano le credenziali verso l’account GitHub dell’agente non costituiscono un isolamento di sicurezza. La raccomandazione è usare un account del sistema operativo dedicato, con credenziali limitate a quelle necessarie.

Qui cade l’equivoco più comune sull’autonomia. Un agente che chiede il permesso prima di avviare una mansione può comunque disporre di strumenti potenti dopo l’autorizzazione. Regole conversazionali, restrizioni applicative e isolamento tecnico sono tre cose diverse. La prima stabilisce ciò che il software dovrebbe fare; l’ultima limita quello che potrebbe fare se qualcosa andasse storto.

La stessa documentazione non presenta il prototipo come una soluzione pronta per ambienti produttivi. Il codice è pubblicato per essere esaminato, modificato e sperimentato, non come garanzia che un’assistente autonomo possa essere lasciato senza controlli sui sistemi di un’azienda.

Il vero costo dell’automazione non sono soltanto i token

Nella filosofia del progetto DeepSeek mette al centro una risorsa che spesso manca nelle presentazioni dei nuovi modelli: l’attenzione delle persone. Ogni messaggio, domanda, notifica o schermata ha un costo. Se il sistema interrompe continuamente gli sviluppatori per ottenere conferme su dettagli irrilevanti, ha soltanto trasformato lavoro informatico in lavoro di supervisione.

Il prototipo prova a risolvere il problema separando i compiti che possono arrivare a una proposta verificabile da quelli che richiedono una scelta umana. Il risultato non va confuso con l’idea di un’AI che decide tutto. È più simile a un collaboratore cui vengono assegnati un perimetro, un mandato e un momento preciso per fermarsi.

Su Terza Pillola abbiamo già raccontato come gli agenti AI autonomi cambiano il lavoro. L’esperimento di DeepSeek aggiunge un tassello: il valore non dipende soltanto da quanto codice una macchina sa scrivere, ma da quante decisioni inutili evita di scaricare sulle persone, senza sottrarre loro quelle importanti.

C’è anche una contraddizione istruttiva. Il gruppo dichiara che una parte considerevole del prototipo è stata realizzata con l’aiuto di agenti di programmazione. Il software che dovrebbe ridurre la supervisione umana è dunque nato, almeno in parte, dal lavoro di strumenti che esigono proprio quel tipo di supervisione. Non è una prova di affidabilità: è un buon motivo per pretendere regole verificabili, prima ancora di celebrare l’autonomia.

Il futuro degli assistenti AI, insomma, potrebbe non assomigliare a un dipendente instancabile che prende iniziative senza chiedere niente. Potrebbe assomigliare a qualcosa di molto più rivoluzionario per l’industria del software: una macchina che, finalmente, sa anche quando farsi gli affari propri.