Nel primo testo della serie ho raccontato il disagio che mi ha fatto iniziare a ricostruire il tech in Prolog. Alla fine, ho promesso di aprire ogni parte. Comincio da quella che ho impiegato più tempo a capire: l’harness.
Ti avviso subito, qui non esiste una formula magica. È quello che ho letto, quello che ho visto fare ad altre aziende e quello che stiamo provando a fare, con successi e con errori.
Ho passato mesi a cercare un nome per una cosa che sentivo e non sapevo dire.
La parola che mancava
Vedevo aziende di tre persone consegnare quello che prima richiedeva trenta. E vedevo che il guadagno non stava nel modello, perché il modello lo usano tutti più o meno uguale. Stava da un’altra parte, e non avevo la parola.
A febbraio 2026 OpenAI ha pubblicato un testo chiamato Harness Engineering e mi ha dato la parola.
La loro definizione si apre con due righe brevi: “Gli umani dirigono. Gli agenti eseguono.” E ciò che viene dopo cambia il modo di pensare: il lavoro principale di un team di ingegneria smette di essere scrivere codice, e diventa progettare ambienti, specificare l’intenzione e costruire loop di feedback che permettono agli agenti di fare un lavoro affidabile.
Ogni pezzo lì è lavoro vero. Progettare l’ambiente in cui gira l’agente. Rendere chiaro cosa fare, l’intenzione, invece del passo passo. E costruire i loop che dicono all’IA se ha fatto giusto, perché si corregga da sola.
Nota cosa è sparito dalla frase: scrivere il codice. Non è OpenAI che dice che il codice non conta. È OpenAI che dice che, quando l’IA scrive la maggior parte, il lavoro umano sale di un livello. E quando qualcosa si rompe, la domanda cambia con esso. Smette di essere “riprova, mettici più cura” e diventa “quale capacità è mancata nell’ambiente perché l’IA facesse giusto”. Il bug smette di essere colpa dell’IA (“è stupida”) e diventa una domanda su cosa è mancato intorno a lei.
L’harness, quindi, è organizzare codice, processo e lavoro perché l’IA veda, capisca ed esegua. Non è uno strumento che compri. È un modo nuovo di pensare a ciò che il team consegna.
Il modello è una cosa, l’harness è un’altra
La frase più sintetica che ho trovato per fissare questo concetto viene da Vivek Trivedy, ingegnere di LangChain: “se non è un modello, allora è l’harness”.
Il modello è l’LLM grezzo. Opus, GPT, quello che è. Entra testo, esce testo, fine. E il modello ce l’hanno praticamente tutti. È una commodity. La differenza tra chi guadagna il 10% e chi guadagna 5x non sta nel modello.
Sta nell’harness. L’harness è tutto il resto: il codice, gli strumenti che l’IA può chiamare, il contesto che vede, gli hook, l’orchestrazione, la sandbox in cui gira, la memoria, le regole di business. Tutto ciò che avvolge il modello nel flusso, prima che il lavoro arrivi da te finito.
Harness non ha una buona traduzione in italiano. Imbracatura, bardatura, perde il senso. Io lo chiamo “l’infrastruttura dell’agente” e via.
Forse hai già sentito “context engineering”. È una parte di questo, la parte di organizzare ciò che l’IA vede. L’harness è più grande: include il contesto, ma anche gli strumenti, gli hook, la sandbox, la persistenza, l’orchestrazione. Il contesto è un pezzo; l’harness è il tutto.
Modello vs. harness
Il modello è una commodity, quasi tutti usano lo stesso. Ciò che separa il guadagno del 10% da quello di 5x è ciò che lo avvolge.
L’harness è rendere tutto leggibile per l’IA
Se dovessi riassumere l’harness in un solo principio, sarebbe questo: rendere tutto leggibile per l’IA.
Nel testo precedente ho raccontato la diagnosi che mi ha colpito. Il contesto di Prolog viveva sparpagliato. Un pezzo in Notion, un altro in Drive, un altro in Jira, in Figma. Non c’era una fonte unica. Ogni nuova conversazione con l’IA cominciava da zero, perché l’informazione che le serviva stava in cinque posti e curata in nessuno.
Quando rileggi questo con la lente dell’harness, il problema diventa ovvio. L’IA non vedeva. E ciò che non vede, non lo usa.
Peter Pang, CTO di CREAO, ha raccontato una decisione che sembra radicale e ha tutto il senso del mondo: ha messo tutto il codice in un unico monorepo. Il motivo non era l’ordine. Era perché l’IA riuscisse a vedere tutto in una volta.
È questo il lavoro. Non è un prompt furbo, non è un trucco. È prendere ciò che è sparpagliato, implicito, vivo solo nella testa delle persone, e renderlo leggibile in un posto, scritto, accessibile all’agente. Noioso a volte. Ma è esattamente questo che separa il guadagno del 10% dal guadagno di 5x.
La prova: 3 ingegneri, 1 milione di righe
Diffido dell’hype per natura. Quindi ciò che mi ha convinto che non fosse una moda passeggera è stato un caso con dei numeri.
Il team di OpenAI che ha costruito il Codex CLI, il loro strumento a riga di comando, era di tre ingegneri. Nel giro di settimane, hanno consegnato circa un milione di righe di codice: applicazione, infra, tooling, documentazione. E zero righe scritte a mano. La filosofia del team, detta da loro, era “nessun codice scritto manualmente”. Sono stati circa millecinquecento pull request, tutti integrati, nessuno digitato da una persona. I tre dirigevano, l’IA costruiva.
Per non confondere: OpenAI ha Codex, che è il modello addestrato per il codice, e il Codex CLI, che è lo strumento. I tre hanno usato il modello, tramite lo strumento, per costruire lo strumento stesso. La cosa che si costruisce con se stessa.
E non finisce qui. In tutta OpenAI, Codex revisiona il 100% dei pull request dell’azienda.
Ciò che ha chiuso il cerchio per me non è stato il numero di OpenAI da solo. È stato che Peter Pang, in CREAO, è arrivato alla stessa conclusione per una strada separata, senza mettersi d’accordo con nessuno. Due posti diversi che descrivono la stessa cosa. Quando succede, di solito non è una moda. È un pattern.
Tre persone che dirigono, l'IA che costruisce. Zero codice scritto a mano.
no manually-written code la filosofia dichiarata dal team. E dentro tutta OpenAI, Codex revisiona il 100% dei pull request.
AI-assisted non è la stessa cosa di AI-first
Qui devo essere onesto su dove sta Prolog.
C’è una differenza che quasi nessuno nota tra usare l’IA per assistere il lavoro e mettere l’IA al centro di esso.
AI-assisted è l’umano al centro e l’IA collegata alle estremità. Stesso sprint, stessa board, stessa riunione, stesso flusso. L’IA aiuta dentro il processo che già esisteva. Il guadagno è reale ed è piccolo: 10, 20%. È dove sta la maggior parte delle aziende. È dove sta Prolog oggi, e non farò finta del contrario.
AI-first è l’IA al centro e l’umano che dirige. Parti dal presupposto che l’agente sia il costruttore primario e rifai il processo, l’architettura e perfino l’organizzazione intorno a questo. L’umano critica, valida, giudica. Il guadagno è di un altro ordine: 5x, 10x. È quello che stanno facendo Codex, CREAO e Anthropic.
La differenza, come riassume Peter Pang, è moltiplicativa, non incrementale. Ed è per questo che l’harness conta così tanto. Non arrivi all’AI-first collegando l’IA a ciò che già esiste. Ci arrivi ricostruendo perché l’IA veda, capisca ed esegua. In altre parole, facendo harness.
E questo non è solo un problema di ingegneria
La frase di OpenAI, “il lavoro principale non è più scrivere codice”, è stata scritta pensando all’ingegneria. Ma quando l’ho riletta cambiando il soggetto, calzava per ogni ruolo nel tech.
Il prodotto non scrive più solo il documento; abilita l’agente a proporre la soluzione. Il design non disegna più solo la schermata; abilita l’agente a generare l’interfaccia dentro il sistema. Il QA non esegue più solo il test a mano; abilita l’agente a validare. I dati non eseguono più solo la query; abilitano l’agente a rispondere alla domanda di business.
In tutti la domanda diventa la stessa: quale capacità manca all’agente per farlo, e come la rendo visibile e controllabile per lui.
Cosa mi porto da questo
Un harness non è uno strumento che si compra né un modello migliore a cui ci si abbona. È lavoro. Il lavoro di prendere ciò che sta nella testa delle persone e sparpagliato in dieci sistemi e renderlo leggibile, in un posto solo, perché una macchina riesca a usarlo.
La parte noiosa è che non c’è una scorciatoia. La parte buona è che, essendo lavoro, si può fare. Noi siamo nel mezzo: lontani dall’AI-first, più vicini di quanto fossimo due mesi fa. Continuerò a raccontare come va.
Fonti
- OpenAI, Harness Engineering: leveraging Codex in an agent-first world (febbraio 2026). Da dove vengono la frase “gli umani dirigono, gli agenti eseguono” e il caso del team del Codex CLI.
- Vivek Trivedy, LangChain, The Anatomy of an Agent Harness. La definizione “se non è un modello, allora è l’harness”.
- Peter Pang, CREAO, sul mettere l’IA al centro. Il monorepo perché l’IA veda tutto e la differenza moltiplicativa.
- How OpenAI’s Codex Team Works and Leverages AI, Eng Leadership Newsletter. I numeri del team del Codex.