Google DeepMind ha trasformato l'uso del computer in uno strumento integrato all'interno di Gemini 3.5 Flash, offrendo agli sviluppatori un modo nativo per creare agenti IA in grado di interagire con il software su più piattaforme senza ricorrere a framework di terze parti.
L'annuncio, pubblicato il 24 giugno 2026 sul blog ufficiale di Google Keyword, posiziona Gemini 3.5 Flash come concorrente nel mercato in rapida evoluzione degli agenti in grado di vedere uno schermo, spostare un cursore, fare clic e digitare, funzionalità che fino a poco tempo fa richiedevano un'ingegneria personalizzata significativa. Per maggiori informazioni su questa storia, consulta la nostra tendenze IA.
"L'uso del computer è ora uno strumento integrato in Gemini 3.5 Flash per creare agenti in grado di interagire su piattaforme diverse", ha scritto la società. Il post è stato scritto da Mateo Quiros, product manager di Google DeepMind.
Come funziona
L'uso del computer consente a un modello di utilizzare un computer in modo molto simile a un essere umano: interpretando ciò che è sullo schermo ed eseguendo azioni come fare clic, scorrere e inserire testo. Inserendo la funzionalità direttamente in Gemini 3.5 Flash invece di offrirla come prodotto separato, Google sta abbassando la barriera per gli sviluppatori che desiderano creare agenti in grado di navigare in applicazioni, siti Web e sistemi operativi reali.
Secondo il post sul blog, gli sviluppatori e le aziende possono iniziare a utilizzare il computer in 3.5 Flash tramite l'API Gemini e la Gemini Enterprise Agent Platform, l'ambiente dedicato di Google per la creazione e l'implementazione di agenti su larga scala.
Google ha dimostrato questa capacità con casi d'uso concreti. In un esempio, Gemini 3.5 Flash ha utilizzato l'uso del computer per analizzare l'app Gemini stessa e restituire un elenco classificato di funzionalità. In un altro, il modello ha controllato la propria documentazione per problemi di accessibilità, un compito autoreferenziale che suggerisce come gli agenti che utilizzano i computer potrebbero un giorno aiutare a mantenere gli ecosistemi software su cui funzionano.
Sicurezza: formazione contraddittoria e approccio di "difesa in profondità".
La parte più importante del comunicato potrebbe essere ciò che Google ha detto sulla sicurezza. Gli agenti che operano in ambienti live sono particolarmente vulnerabili al prompt injection: attacchi in cui istruzioni nascoste incorporate in una pagina Web, un'e-mail o un documento dirottano l'agente inducendolo a intraprendere azioni non intenzionali.
Google ha affermato di aver utilizzato una formazione mirata sul contraddittorio per l'uso del computer in Gemini 3.5 Flash per mitigare tali rischi. Sta inoltre rilasciando due sistemi di salvaguardia aziendale opzionali che, secondo la società, consentono alle organizzazioni di controllare meglio ciò che possono fare i loro agenti.
Adottando un approccio di "difesa in profondità", Google ha incoraggiato gli sviluppatori a combinare queste funzionalità con sandboxing sicuro, verifica human-in-the-loop e severi controlli di accesso. L'azienda ha pubblicato ulteriori indicazioni nella documentazione sulle migliori pratiche per la funzionalità.
Questa inquadratura è importante. L'uso del computer è ampiamente considerato come una delle funzionalità più pericolose da implementare, poiché un agente compromesso può eseguire azioni reali all'interno degli account e dei sistemi di un utente. Leader con formazione contraddittoria e garanzie a più livelli, Google sta cercando di rassicurare gli acquirenti aziendali che hanno esitato a cedere il controllo di un cursore a un’intelligenza artificiale.
Perché l'uso del computer sta diventando un campo di battaglia
L'uso dei computer di Gemini 3.5 Flash arriva mentre i principali laboratori di intelligenza artificiale corrono per creare agenti che possano svolgere un lavoro utile piuttosto che limitarsi a rispondere a domande. Anthropic ha introdotto uno strumento di utilizzo del computer per Claude alla fine del 2024 e i prodotti per operatori e agenti di OpenAI hanno spinto nella stessa direzione. Rendere la funzionalità nativa per un modello veloce ed economicamente vantaggioso come Flash, anziché riservarla a un livello premium, segnala che Google vuole rendere rapidamente il controllo degli agenti una commodity.
La scelta di Flash è di per sé notevole. Flash è il modello di livello di efficienza di Google, ottimizzato per velocità e costi. Incorporare l’uso del computer lì, piuttosto che solo nel modello Pro più grande, suggerisce che Google si aspetta carichi di lavoro degli agenti ad alto volume e sensibili alla latenza, del tipo che automatizza le attività ripetitive sui software aziendali su larga scala.
Google ha affermato che sta già vedendo i clienti generare valore con l'uso del computer, anche se il post sul blog non nomina implementazioni commerciali specifiche né quantifica i risultati.
La posta in gioco
Per gli sviluppatori, l'attrattiva di uno strumento integrato per l'utilizzo del computer è semplice: meno integrazioni da mantenere e un unico fornitore responsabile sia del modello che del livello agente. Ma approfondisce anche la dipendenza dalla piattaforma di Google, un compromesso che le aziende valuteranno rispetto alla flessibilità dei framework degli agenti indipendenti dal modello.
Il comunicato acuisce inoltre una tensione più ampia nell’economia degli agenti. I gateway di agenti open source sviluppati in modo indipendente, come il framework Lightport che rende compatibili con OpenAI più provider LLM, mostrano quanta domanda esiste per l'infrastruttura di agenti portatili. La scommessa di Google è che uno strumento di utilizzo del computer di prima parte e con maggiore sicurezza conquisterà gli sviluppatori che altrimenti metterebbero insieme strumenti di terze parti. Man mano che i modelli acquisiscono la capacità di agire sugli schermi, il confine tra un assistente AI e un operatore autonomo continua a sfumare, così come il confine tra una svolta in termini di produttività e una responsabilità in termini di sicurezza. La risposta di Google a questa tensione sono garanzie stratificate e formazione contraddittoria. Se ciò sarà sufficiente a soddisfare le imprese avverse al rischio determinerà la rapidità con cui gli agenti che utilizzano il computer passeranno dalle demo all'uso quotidiano.
Con Gemini 3.5 Flash, Google ha fatto una scommessa chiara: il futuro dell’intelligenza artificiale non è costituito solo da modelli che rispondono, ma da modelli che agiscono – e vuole che gli sviluppatori costruiscano questi modelli di azione sulla sua piattaforma.
---
Rimani Aggiornato sull'IALe ultime notizie, analisi e scoperte sull'intelligenza artificiale — tutto in un posto.
Leggi altre notizie sull'IA →
