{"id":36909,"date":"2026-11-04T16:11:19","date_gmt":"2026-11-04T15:11:19","guid":{"rendered":"https:\/\/www.codemotion.com\/magazine\/?p=36909"},"modified":"2026-11-04T16:11:21","modified_gmt":"2026-11-04T15:11:21","slug":"dallo-switching-allorchestrazione-lai-del-futuro-non-sara-un-solo-modello","status":"publish","type":"post","link":"https:\/\/www.codemotion.com\/magazine\/it\/intelligenza-artificiale\/dallo-switching-allorchestrazione-lai-del-futuro-non-sara-un-solo-modello\/","title":{"rendered":"Dallo switching all’orchestrazione: l’AI del futuro non sar\u00e0 un solo modello"},"content":{"rendered":"\n

Per molto tempo la corsa all’intelligenza artificiale \u00e8 sembrata una gara lineare, ogni laboratorio impegnato a costruire il modello pi\u00f9 grande, pi\u00f9 costoso e pi\u00f9 capace disponibile sul mercato. Ma nelle applicazioni reali quel modello “migliore” rischia di essere sprecato su operazioni che non richiedono affatto la sua potenza, riassumere una nota, estrarre una data da un documento, produrre una prima bozza, applicare una modifica ripetitiva a un file di codice. Il cambiamento che si sta consolidando in questi mesi non consiste quindi soltanto nell’addestrare modelli linguistici pi\u00f9 performanti. Consiste nel costruire sistemi capaci di decidere, momento per momento, quale modello, agente o strumento debba intervenire, e quando invece sia necessario fermarsi, verificare o chiedere a una persona.<\/em><\/p>\n\n\n\n

Andrew Ng, tra i divulgatori pi\u00f9 ascoltati del settore, ha da tempo indicato reflection, uso di strumenti, pianificazione e collaborazione multi-agente come quattro pattern fondamentali dei cosiddetti workflow agentici, e il punto comune a tutti e quattro \u00e8 che il modello non \u00e8 pi\u00f9 costretto a produrre una risposta definitiva in un solo passaggio.<\/p>\n\n\n\n

Da dove riparte il discorso<\/h2>\n\n\n\n

Questo articolo prosegue un filone gi\u00e0 aperto su Codemotion. Nel primo pezzo, dedicato al task switching<\/a>, avevo raccontato come per la maggior parte delle attivit\u00e0 quotidiane non serva affatto il modello pi\u00f9 recente, e come una gerarchia consapevole di strumenti, dal flagship al modello locale gratuito, permetta di scegliere lo strumento giusto per il compito giusto invece di inseguire sempre l’ultima uscita. Recentemente sul mio portale, ho parlato secondo, del sorpasso di Opus 5 su Fable 5<\/a>, quella intuizione teorica ha trovato conferma nei numeri: le aziende, di fronte a un modello di punta pi\u00f9 caro e vincolato, hanno iniziato a spostare la spesa su alternative pi\u00f9 economiche riservando il top di gamma solo ai compiti che lo giustificano davvero.<\/p>\n\n\n\n

Il passo successivo, naturale, \u00e8 chiedersi cosa succeda quando non si cambia modello una sola volta all’inizio della conversazione, ma si costruisce un sistema che distribuisce il lavoro lungo l’intero processo, con ruoli diversi assegnati in automatico e non da un utente che sceglie manualmente da un men\u00f9 a tendina.<\/p>\n\n\n\n

Cosa significa davvero switching<\/h2>\n\n\n\n

Nella sua forma pi\u00f9 semplice lo switching \u00e8 model selection, cio\u00e8 la scelta del modello pi\u00f9 adatto prima ancora di elaborare la richiesta. In una forma pi\u00f9 sofisticata diventa routing, l’uso di segnali sul prompt, sul dominio, sul rischio o sul costo previsto per inviare il compito lungo un percorso piuttosto che un altro. In una forma ancora pi\u00f9 dinamica si trasforma in cascade, il tentativo di risolvere il problema con un modello economico e la scalata verso uno pi\u00f9 forte soltanto se l’output non viene ritenuto sufficiente. Negli agenti, infine, lo switching diventa delegation, il task viene suddiviso e assegnato a ruoli distinti, spesso dotati di modelli, strumenti e permessi differenti tra loro.<\/p>\n\n\n\n

Un esempio concreto aiuta a fissare l’idea. Una richiesta di assistenza clienti sullo stato di una spedizione pu\u00f2 essere risolta in pochi secondi da un modello economico, mentre un reclamo che coinvolge un rimborso di importo elevato o un possibile problema normativo richiede un modello pi\u00f9 capace, l’accesso a documenti aggiuntivi e, spesso, una revisione umana prima di chiudere il caso.<\/p>\n\n\n\n

Dal modello unico al sistema composto<\/h2>\n\n\n\n

La svolta si pu\u00f2 raccontare con una metafora semplice. Il modello monolitico \u00e8 un professionista eccezionale a cui viene chiesto di occuparsi di tutto, dal lavoro amministrativo pi\u00f9 noioso alla diagnosi pi\u00f9 complessa. Il sistema orchestrato somiglia invece a una redazione o a un team di sviluppo, dove i compiti vengono assegnati in base a competenza, costo, strumenti disponibili e livello di responsabilit\u00e0 richiesto.<\/p>\n\n\n\n

Il punto da tenere fermo \u00e8 che non si tratta necessariamente di un’intelligenza artificiale “pi\u00f9 intelligente” nel senso stretto del singolo modello linguistico. Pu\u00f2 trattarsi, pi\u00f9 semplicemente, di un sistema pi\u00f9 efficace perch\u00e9 impiega meglio il calcolo che ha a disposizione. Un modello piccolo o rapido pu\u00f2 occuparsi di selezione, estrazione, classificazione e prima stesura; un modello di frontiera pu\u00f2 essere richiamato solo per pianificazione, casi ambigui, decisioni ad alto impatto o controllo finale; uno strumento esterno, non un modello linguistico ma un vero pezzo di software, pu\u00f2 verificare dati, eseguire test o interrogare un database con una precisione che nessun LLM garantisce nativamente.<\/p>\n\n\n\n

Routing, cascata e delega: la mappa delle tecniche<\/h2>\n\n\n\n

Il router \u00e8, in un certo senso, il centralinista del sistema. Riceve una richiesta e ne stima natura e difficolt\u00e0, domanda breve o lunga, conoscenza generale o ragionamento strutturato, contenuto a basso o alto rischio, necessit\u00e0 o meno di strumenti esterni. Pu\u00f2 farlo con regole esplicite scritte da chi progetta il sistema, con un classificatore dedicato, con un altro modello linguistico usato come arbitro, oppure con un sistema appreso sui dati che stima il rapporto atteso fra qualit\u00e0 e costo per ciascun modello disponibile.<\/p>\n\n\n\n

Il router, per\u00f2, \u00e8 gi\u00e0 una decisione fallibile. Se sottostima un compito, lo invia a un modello inadeguato e produce un risultato scadente; se sovrastima tutto per prudenza, annulla il vantaggio economico e finisce comunque per inviare ogni richiesta al modello pi\u00f9 caro, vanificando il senso stesso dell’operazione.<\/p>\n\n\n\n

Il cascade funziona diversamente. Nel routing puro il sistema decide prima di generare qualunque cosa, “questa domanda va al modello A”. Nella cascata il modello economico produce un primo output, e soltanto dopo il sistema stima se \u00e8 sufficiente. In caso negativo l’output viene corretto, rigenerato, passato a un revisore o inoltrato a un modello pi\u00f9 costoso. Il vero collo di bottiglia, qui, \u00e8 proprio la stima di qualit\u00e0: un sistema pu\u00f2 basarsi su punteggi di confidenza, valutatori dedicati, test automatici, confronto tra pi\u00f9 risposte o un secondo modello che fa da giudice, ma quel giudice pu\u00f2 a sua volta sbagliare, condividere gli stessi pregiudizi del generatore o premiare risposte persuasive invece che corrette.<\/p>\n\n\n\n

Un livello pi\u00f9 ambizioso \u00e8 la decomposizione del problema. Molti compiti reali non hanno una singola risposta, ma una catena di attivit\u00e0, interpretare l’obiettivo, trovare fonti, leggere documenti, confrontare opzioni, eseguire calcoli o codice, verificare vincoli, produrre un risultato e infine controllarlo. Un agente “planner” pu\u00f2 generare un piano di sotto-task e assegnarne ciascuno in modo diverso, la ricerca a un agente con accesso a browser o database, l’elaborazione numerica a un ambiente Python, la scrittura ripetitiva a un modello veloce, il ragionamento pi\u00f9 delicato a uno pi\u00f9 potente, l’approvazione finale a una persona in carne e ossa.<\/p>\n\n\n\n

Qui vale una precisazione importante: la decomposizione non \u00e8 automaticamente un bene. Se il compito non \u00e8 realmente scomponibile, frammentarlo distrugge contesto, introduce passaggi inutili e rende pi\u00f9 difficile capire, a posteriori, chi abbia effettivamente sbagliato. Anthropic, che ha codificato diversi di questi pattern nella propria guida “Building effective agents”<\/a>, definisce l’orchestrator-workers come un modello centrale che suddivide dinamicamente un compito, delega a modelli lavoratori e sintetizza il risultato finale, e lo considera particolarmente adatto ai problemi complessi in cui non \u00e8 possibile sapere in anticipo quali sotto-task serviranno davvero, citando proprio il coding multi-file come esempio tipico.<\/p>\n\n\n\n

L’ultimo livello \u00e8 l’orchestrazione multi-agente vera e propria, quella che organizza non solo la scelta dei modelli ma l’intero processo, ruoli, ordine delle azioni, strumenti disponibili, memoria condivisa, controlli, permessi, gestione degli errori, condizioni di stop e responsabilit\u00e0 finale su chi risponde di un errore.<\/p>\n\n\n\n

Il caso Astra Flash Orchestrator<\/h2>\n\n\n\n

Un caso concreto rende tutto questo meno astratto. Il repository astra-flash-orchestrator<\/a>, pubblicato dallo sviluppatore Ethan+ (gi\u00e0 autore di altri progetti agentici come l’assistente vocale Jarvis per Claude Code), \u00e8 pensato come workflow nativo per Codex, l’ambiente di coding agentico di OpenAI. Il progetto lascia ad Astra il ruolo di pianificazione, architettura e revisione finale, mentre delega a DeepSeek V4.1 Flash, un modello nettamente pi\u00f9 economico, l’implementazione vera e propria, il testing e il debugging di routine.<\/p>\n\n\n\n

Il flusso, per come lo racconta l’autore in una discussione pubblica sul repository di Codex, \u00e8 semplice da seguire. Di fronte a un obiettivo complesso, Astra interpreta la richiesta, ne delimita l’ambito e definisce i criteri di accettazione. DeepSeek Flash prende in carico l’implementazione, esplora il codice esistente, scrive le modifiche, esegue i test e ripara i problemi ordinari che emergono lungo il percorso. Astra, infine, valuta il diff prodotto, verifica l’aderenza al piano iniziale e accetta il lavoro oppure lo rimanda indietro per un’altra iterazione. Il primo passaggio \u00e8 quindi planning e task decomposition, il secondo \u00e8 delega vera e propria a un lavoratore pi\u00f9 economico, i test automatici forniscono un feedback esterno pi\u00f9 affidabile della semplice autovalutazione linguistica, il ritorno eventuale al lavoratore \u00e8 un ciclo di correzione, non una risposta prodotta in un solo colpo.<\/p>\n\n\n\n

Il punto interessante non \u00e8 il nome dei modelli coinvolti, che a breve saranno probabilmente sostituiti da altri. \u00c8 che l’esempio mostra in modo molto leggibile come un sistema possa riservare il modello pi\u00f9 costoso a ci\u00f2 che richiede giudizio e responsabilit\u00e0, lasciando il lavoro di volume, ripetitivo per definizione, a un lavoratore molto pi\u00f9 economico. Astra resta supervisore, Flash produce gran parte dell’output operativo: \u00e8 una distribuzione asimmetrica di potere decisionale, non semplicemente un modello economico al posto di uno caro.<\/p>\n\n\n\n

La promessa economica e ci\u00f2 che non dimostra<\/h2>\n\n\n\n

Qui vale la pena assumere un tono pi\u00f9 scettico. Nella discussione originale su GitHub, l’autore racconta di aver ridotto l’uso di Astra di circa il 94 per cento<\/a> su una sessione di sviluppo di ventitr\u00e9 ore. Una copertura successiva del progetto, pubblicata da RuntimeWire<\/a>, riporta invece una riduzione fino al 98,9 per cento dell’input consumato da Astra ogni mille righe di implementazione e test, misurata per\u00f2 su un singolo confronto locale, non su un benchmark controllato. Sono due numeri diversi, misurati in modi diversi, e vanno letti come tali: dichiarazioni dell’autore del progetto, non una valutazione indipendente e generalizzabile a qualunque tipo di lavoro.<\/p>\n\n\n\n

Cosa dovrebbe indicare, invece, un benchmark davvero informativo? Modelli esatti, versioni, prezzi e data della misurazione. Tipo, dimensione e difficolt\u00e0 dei repository testati. Numero di task affrontati, tasso di successo e definizione operativa di “stessa qualit\u00e0”. Token generati da tutti gli agenti coinvolti, non solo dal modello premium messo sotto la lente. Costo degli errori, cio\u00e8 retry, correzioni, contesto aggiunto e tempo umano speso a sistemare ci\u00f2 che non ha funzionato. Latenza end to end, non solo i token risparmiati sulla carta. Tasso di regressioni e gravit\u00e0 degli errori non intercettati. Condizioni precise in cui il workflow delegato peggiora rispetto al modello di punta usato direttamente, senza intermediari.<\/p>\n\n\n\n

Va aggiunto un dettaglio non secondario: al momento della pubblicazione di questo articolo il repository non ha ancora release pubblicate, segno di un progetto ancora giovane e sperimentale pi\u00f9 che di uno strumento maturo pronto per la produzione. Risparmiare token del modello premium, va detto con chiarezza, non equivale automaticamente a risparmiare denaro, tempo o rischio complessivo.<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n


Screenshot dal repository ufficiale su GitHub<\/a><\/p>\n\n\n\n

Verificare \u00e8 difficile quanto delegare<\/h2>\n\n\n\n

C’\u00e8 un videogioco indipendente, Return of the Obra Dinn, in cui il giocatore deve ricostruire la sorte di un intero equipaggio partendo da frammenti di prove ambigue, un fermo immagine, una frase colta a met\u00e0, un dettaglio nella disposizione dei corpi, e il gioco conferma la correttezza di una deduzione solo dopo che almeno tre fatti collegati sono stati indovinati insieme, non uno alla volta. \u00c8 un paragone meno bizzarro di quanto sembri per il problema centrale dell’orchestrazione. Un sistema di delega funziona solo se possiede un segnale affidabile per capire quando l’output del lavoratore \u00e8 effettivamente corretto, e quel segnale, quasi mai, arriva da un singolo controllo isolato: va costruito incrociando pi\u00f9 indizi, proprio come nel gioco, altrimenti si finisce per accettare per buona una ricostruzione solo apparentemente coerente.<\/p>\n\n\n\n

Nel coding alcuni segnali sono relativamente solidi, build riuscita, test unitari e di integrazione, analisi statica, linting, benchmark, diff revisionato da un umano o da un altro modello. Ma anche qui “tutti i test passano” non equivale automaticamente a “la modifica \u00e8 corretta, sicura e coerente con l’intento originario del prodotto”: i test, dopotutto, li ha scritti qualcuno, e quel qualcuno pu\u00f2 aver lasciato scoperti proprio i casi limite pi\u00f9 insidiosi.<\/p>\n\n\n\n

Nei compiti editoriali, di ricerca, legali o medici la verifica \u00e8 molto pi\u00f9 complessa. Un testo fluido pu\u00f2 apparire perfettamente convincente pur contenendo fonti errate, citazioni inventate o inferenze non giustificate dal materiale di partenza. L’orchestrazione, va detto con onest\u00e0, non elimina il problema dell’affidabilit\u00e0 del sistema: lo sposta semplicemente dalla generazione alla progettazione dei controlli, che \u00e8 un problema diverso, non necessariamente pi\u00f9 facile da risolvere.<\/p>\n\n\n\n

Non \u00e8 un fenomeno isolato<\/h2>\n\n\n\n

Il caso Astra Flash si inserisce in una tendenza pi\u00f9 ampia e pi\u00f9 visibile nell’industria. Le piattaforme non si limitano ad aggiungere modelli sempre pi\u00f9 grandi, ma stanno costruendo strumenti per comporre agenti, farli dialogare tra loro, assegnare loro strumenti e farli cooperare attraverso workflow condivisi.<\/p>\n\n\n\n

Un segnale concreto di questa direzione \u00e8 l’emergere di protocolli di interoperabilit\u00e0 dedicati. Google ha presentato nell’aprile 2025 l’Agent2Agent Protocol, noto come A2A, pensato per consentire ad agenti costruiti su framework o piattaforme differenti di comunicare, scambiare informazioni e coordinare azioni tra loro. Due mesi dopo, a giugno, Google ha donato il protocollo alla Linux Foundation<\/a>, affiancata in questo passaggio da aziende come AWS, Cisco, Salesforce, SAP e ServiceNow. Il dettaglio della donazione conta pi\u00f9 di quanto sembri: mostra che la discussione si sta spostando dall’agente isolato, costruito da un singolo fornitore, alla compatibilit\u00e0 fra interi sistemi di agenti prodotti da fornitori diversi. Non va presentato come prova che il problema della delega sia risolto, \u00e8 piuttosto un indicatore che interoperabilit\u00e0 e coordinamento sono ormai considerati problemi infrastrutturali seri, non pi\u00f9 esperimenti da conferenza.<\/p>\n\n\n\n

Le opinioni che contano<\/h2>\n\n\n\n

Anthropic sostiene un approccio pragmatico nella sua guida sulla costruzione di agenti: partire dalla soluzione pi\u00f9 semplice possibile e introdurre agenti, routing e autonomia aggiuntiva soltanto quando il guadagno misurato giustifica la complessit\u00e0 in pi\u00f9. Nel suo schema, l’orchestrator-workers \u00e8 utile proprio quando i sotto-task non sono prevedibili in anticipo, come accade spesso nel coding che tocca pi\u00f9 file contemporaneamente.<\/p>\n\n\n\n

Andrew Ng, dal canto suo, identifica reflection, tool use, planning e collaborazione multi-agente come pattern centrali di quello che chiama design agentico. La sua prospettiva conta perch\u00e9 rimette la progettazione del workflow al centro della discussione: spesso il miglioramento reale non deriva soltanto dall’ultimo modello disponibile sul mercato, ma dalla sequenza con cui il sistema pianifica, agisce, riceve un feedback esterno e si corregge di conseguenza.<\/p>\n\n\n\n

OpenAI, nella propria guida operativa sull’ottimizzazione degli agenti<\/a>, consiglia di misurare sempre una baseline prima di intervenire, poi procedere per gradi: igiene del contesto passato al modello, controllo degli strumenti disponibili, instradamento dei passaggi pi\u00f9 semplici verso modelli pi\u00f9 piccoli, caching dei prompt ripetuti, separazione tra lavoro in tempo reale e lavoro asincrono, monitoraggio continuo e valutazioni sistematiche. La guida avverte implicitamente anche contro il routing indiscriminato: troppa logica di smistamento pu\u00f2 aggiungere solo overhead quando il compito, in realt\u00e0, era gi\u00e0 semplice in partenza.<\/p>\n\n\n\n

La sintesi possibile \u00e8 questa: non esiste, tra le fonti pi\u00f9 operative, una scuola seria secondo cui moltiplicare gli agenti sia sempre e comunque un bene. Convergono piuttosto su un principio pi\u00f9 sobrio, introdurre complessit\u00e0 solo quando misurazioni ripetute dimostrano che quella complessit\u00e0 migliora davvero il risultato.<\/p>\n\n\n\n

Dove questa architettura ha senso, e dove no<\/h2>\n\n\n\n

La convenienza dell’orchestrazione dipende da quanto un compito \u00e8 ripetibile, misurabile e dotato di controlli chiari. Nel supporto clienti, classificazione delle richieste, recupero di risposte da una base di conoscenza e bozze di prima risposta si delegano bene, mentre reclami complessi, eccezioni e rimborsi di importo elevato restano territorio per l’escalation. Nello sviluppo software, ricerca nel repository, modifiche ripetitive, test e linting sono terreno adatto alla delega, mentre decisioni di architettura, migrazioni importanti e revisioni di sicurezza restano appannaggio del modello pi\u00f9 capace o, meglio ancora, di una persona.<\/p>\n\n\n\n

Nella ricerca editoriale, quella che questo stesso articolo ha praticato, come ogni volta che ne scrivo uno, l’estrazione da documenti, il clustering di fonti simili e una prima sintesi possono essere delegati a un lavoratore pi\u00f9 economico, ma la selezione delle fonti affidabili, il controllo delle citazioni e la formulazione di un giudizio devono rimanere sotto revisione umana diretta, perch\u00e9 \u00e8 l\u00ec che si gioca la credibilit\u00e0 del pezzo finito.<\/p>\n\n\n\n

Il costo nascosto del coordinamento<\/h2>\n\n\n\n

Ogni agente o passaggio aggiunto a un workflow comporta pi\u00f9 chiamate, pi\u00f9 token consumati e potenzialmente pi\u00f9 latenza complessiva. Comporta pi\u00f9 contesto da trasferire o riassumere tra un nodo e l’altro del sistema, pi\u00f9 possibilit\u00e0 che un errore iniziale si propaghi lungo la catena senza essere intercettato, pi\u00f9 difficolt\u00e0 nel riprodurre e diagnosticare un fallimento dopo che si \u00e8 verificato. Comporta anche pi\u00f9 credenziali, strumenti, permessi e superfici di attacco da gestire, e pi\u00f9 complessit\u00e0 nel ricostruire, a posteriori, quale modello o agente abbia effettivamente preso una certa decisione.<\/p>\n\n\n\n

L’efficienza apparente nasconde un costo di coordinamento enorme, e nessuno nell’organizzazione ha pi\u00f9 una visione d’insieme di cosa stia realmente accadendo. L’errore opposto a “un modello fa tutto” \u00e8 “molti agenti fanno tutto insieme”: una rete di agenti non \u00e8 automaticamente pi\u00f9 competente, cos\u00ec come una riunione con dieci partecipanti non \u00e8 automaticamente pi\u00f9 efficace di una persona preparata che lavora da sola.<\/p>\n\n\n\n

Sicurezza: delegare significa anche distribuire potere<\/h2>\n\n\n\n

L’orchestrazione non riguarda soltanto l’efficienza economica. Quando un agente possiede strumenti operativi, pu\u00f2 cercare documenti, eseguire codice, modificare un repository, inviare comunicazioni, aggiornare un database o avviare un processo aziendale. A quel punto la domanda non \u00e8 pi\u00f9 solo “il testo prodotto \u00e8 buono?”, ma “quali azioni pu\u00f2 realmente compiere questo sistema nel mondo reale?”.<\/p>\n\n\n\n

Alcuni principi restano validi indipendentemente dall’architettura scelta: il minimo privilegio, per cui ogni lavoratore ha solo i permessi strettamente necessari al suo compito, la separazione netta tra lettura, scrittura e azioni irreversibili, la richiesta di conferma umana per invii, acquisti, cancellazioni, pubblicazioni e modifiche in produzione. Servono log e tracciabilit\u00e0 completi, cos\u00ec che piano, strumenti chiamati, fonti consultate, output prodotto, revisore ed eventuale escalation possano sempre essere ricostruiti a posteriori. Serve isolamento per i lavoratori che eseguono codice o manipolano materiale non fidato, e una difesa attiva contro l’iniezione di istruzioni nascoste in documenti, pagine web o input esterni. Un orchestratore, detto senza troppi giri di parole, \u00e8 anche un sistema di autorizzazione: decidere chi esegue cosa significa decidere chi pu\u00f2 agire su quali risorse, e con quali limiti precisi.<\/p>\n\n\n\n

Le metriche che contano davvero<\/h2>\n\n\n\n

Prima di dichiarare un workflow “migliore” del precedente andrebbero misurate almeno alcune variabili con attenzione. Il tasso di successo sul compito reale, perch\u00e9 un sistema economico ma fallimentare non \u00e8 affatto efficiente, per quanto costi poco. La qualit\u00e0 rispetto a una baseline concreta, un modello singolo o un processo interamente umano con cui confrontarsi onestamente. Il costo totale end to end, che include router, lavoratori, revisori, retry, strumenti esterni e supervisione umana residua, non solo il prezzo del modello di punta. La latenza complessiva, perch\u00e9 pi\u00f9 fasi aggiunte possono trasformare una risposta rapida in un’attesa fastidiosamente lunga.<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

Il tasso di escalation dice molto: se quasi tutto finisce comunque per salire al modello premium, il routing serve a poco. Gli errori non intercettati restano il rischio pi\u00f9 pericoloso in assoluto, output accettati dal sistema ma in realt\u00e0 sbagliati. Il carico umano di revisione conta altrettanto, perch\u00e9 un risparmio sui costi delle API pu\u00f2 facilmente spostarsi sul tempo delle persone, senza che questo risulti da nessuna parte nel bilancio. Riproducibilit\u00e0 e sicurezza chiudono il quadro, servono per capire, correggere e verificare i fallimenti quando, inevitabilmente, si presentano. Qui il richiamo ad Astra Flash Orchestrator \u00e8 diretto: il claim sui token risparmiati da Astra \u00e8 un dato utile, ma da solo non basta a stabilire la superiorit\u00e0 di un workflow. La misura che conta davvero resta sempre l’efficienza complessiva, a parit\u00e0 di qualit\u00e0 e di rischio.<\/p>\n\n\n\n

Conclusione: dall’AI come modello all’AI come organizzazione<\/h2>\n\n\n\n

La domanda “qual \u00e8 il modello migliore” non scompare, resta decisiva per capire le capacit\u00e0 di base disponibili in un dato momento. Ma da sola descrive sempre meno il funzionamento reale delle applicazioni di intelligenza artificiale che le persone usano ogni giorno. Un sistema moderno pu\u00f2 scegliere un modello per pianificare, un altro per svolgere il lavoro ripetitivo, uno strumento esterno per verificare dati o eseguire azioni concrete, e una persona per approvare ci\u00f2 che non deve mai essere automatizzato del tutto.<\/p>\n\n\n\n

Gli articoli sul task switching, il caso di Fable 5 e Opus 5, e strumenti come Astra Flash Orchestrator raccontano quindi la stessa trasformazione da angolazioni diverse: l’intelligenza artificiale sta smettendo di essere pensata come un singolo interlocutore a cui rivolgersi per tutto. Sta diventando, sempre pi\u00f9 chiaramente, un’infrastruttura fatta di delega, controllo, strumenti e responsabilit\u00e0 distribuita.<\/p>\n\n\n\n

La conclusione critica da tenere ferma \u00e8 che la promessa non va mai confusa con il risultato ottenuto. La vera innovazione non consiste semplicemente nel far collaborare molti modelli tra loro, magari con nomi in codice suggestivi e percentuali di risparmio impressionanti da titolo. Consiste nel progettare un workflow in cui ogni singolo passaggio sia utile, misurabile, verificabile e, soprattutto, governato da qualcuno che se ne assume la responsabilit\u00e0.<\/p>\n","protected":false},"excerpt":{"rendered":"

Per molto tempo la corsa all’intelligenza artificiale \u00e8 sembrata una gara lineare, ogni laboratorio impegnato a costruire il modello pi\u00f9 grande, pi\u00f9 costoso e pi\u00f9 capace disponibile sul mercato. Ma nelle applicazioni reali quel modello “migliore” rischia di essere sprecato su operazioni che non richiedono affatto la sua potenza, riassumere una nota, estrarre una data… Read more<\/a><\/p>\n","protected":false},"author":336,"featured_media":36910,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_editorskit_title_hidden":false,"_editorskit_reading_time":0,"_editorskit_is_block_options_detached":false,"_editorskit_block_options_position":"{}","_uag_custom_page_level_css":"","_genesis_hide_title":false,"_genesis_hide_breadcrumbs":false,"_genesis_hide_singular_image":false,"_genesis_hide_footer_widgets":false,"_genesis_custom_body_class":"","_genesis_custom_post_class":"","_genesis_layout":"","footnotes":""},"categories":[10261,10277],"tags":[14368,10317,14231,14490,12642,14471,14493,14088,12069,14496,14499,14465,11573,14502],"collections":[14279],"class_list":["post-36909","post","type-post","status-publish","format-standard","has-post-thumbnail","category-intelligenza-artificiale","category-machine-learning-it","tag-agentic-ai","tag-ai-it","tag-ai-agents-it","tag-ai-orchestration-it","tag-anthropic-it","tag-context-engineering-it","tag-google-a2a-it","tag-intelligenza-artificiale","tag-llm-it","tag-model-routing-it","tag-model-switching-it","tag-multi-agent-systems","tag-openai","tag-workflow-automation-it","collections-dalla-community-en","entry"],"yoast_head":"\nDallo switching all'orchestrazione: l'AI del futuro non sar\u00e0 un solo modello - Codemotion Magazine<\/title>\n<meta name=\"description\" content=\"Dallo switching al model routing, fino agli agenti AI: scopri come orchestrare modelli e strumenti per migliorare efficienza, qualit\u00e0 e costi.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/www.codemotion.com\/magazine\/it\/intelligenza-artificiale\/dallo-switching-allorchestrazione-lai-del-futuro-non-sara-un-solo-modello\/\" \/>\n<meta property=\"og:locale\" content=\"en_US\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Dallo switching all'orchestrazione: l'AI del futuro non sar\u00e0 un solo modello\" \/>\n<meta property=\"og:description\" content=\"Dallo switching al model routing, fino agli agenti AI: scopri come orchestrare modelli e strumenti per migliorare efficienza, qualit\u00e0 e costi.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/www.codemotion.com\/magazine\/it\/intelligenza-artificiale\/dallo-switching-allorchestrazione-lai-del-futuro-non-sara-un-solo-modello\/\" \/>\n<meta property=\"og:site_name\" content=\"Codemotion Magazine\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/Codemotion.Italy\/\" \/>\n<meta property=\"article:published_time\" content=\"2026-11-04T15:11:19+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2026-11-04T15:11:21+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2026\/11\/orchestrator.jpg\" \/>\n\t<meta property=\"og:image:width\" content=\"1200\" \/>\n\t<meta property=\"og:image:height\" content=\"896\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"author\" content=\"Dario Ferrero\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:creator\" content=\"@CodemotionIT\" \/>\n<meta name=\"twitter:site\" content=\"@CodemotionIT\" \/>\n<meta name=\"twitter:label1\" content=\"Written by\" \/>\n\t<meta name=\"twitter:data1\" content=\"Dario Ferrero\" \/>\n\t<meta name=\"twitter:label2\" content=\"Est. reading time\" \/>\n\t<meta name=\"twitter:data2\" content=\"16 minutes\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\\\/\\\/www.codemotion.com\\\/magazine\\\/it\\\/intelligenza-artificiale\\\/dallo-switching-allorchestrazione-lai-del-futuro-non-sara-un-solo-modello\\\/#article\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/www.codemotion.com\\\/magazine\\\/it\\\/intelligenza-artificiale\\\/dallo-switching-allorchestrazione-lai-del-futuro-non-sara-un-solo-modello\\\/\"},\"author\":{\"name\":\"Dario Ferrero\",\"@id\":\"https:\\\/\\\/www.codemotion.com\\\/magazine\\\/#\\\/schema\\\/person\\\/d3aecf71fcce8c6de1ae67518f3f1de1\"},\"headline\":\"Dallo switching all’orchestrazione: l’AI del futuro non sar\u00e0 un solo modello\",\"datePublished\":\"2026-11-04T15:11:19+00:00\",\"dateModified\":\"2026-11-04T15:11:21+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\\\/\\\/www.codemotion.com\\\/magazine\\\/it\\\/intelligenza-artificiale\\\/dallo-switching-allorchestrazione-lai-del-futuro-non-sara-un-solo-modello\\\/\"},\"wordCount\":3424,\"publisher\":{\"@id\":\"https:\\\/\\\/www.codemotion.com\\\/magazine\\\/#organization\"},\"image\":{\"@id\":\"https:\\\/\\\/www.codemotion.com\\\/magazine\\\/it\\\/intelligenza-artificiale\\\/dallo-switching-allorchestrazione-lai-del-futuro-non-sara-un-solo-modello\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/www.codemotion.com\\\/magazine\\\/wp-content\\\/uploads\\\/2026\\\/11\\\/orchestrator.jpg\",\"keywords\":[\"Agentic AI\",\"AI\",\"AI Agents\",\"AI Orchestration\",\"Anthropic\",\"Context Engineering\",\"Google A2A\",\"intelligenza artificiale\",\"LLM\",\"Model Routing\",\"Model Switching\",\"Multi-Agent Systems\",\"OpenAI\",\"Workflow Automation\"],\"articleSection\":[\"Intelligenza artificiale\",\"Machine learning\"],\"inLanguage\":\"en-US\"},{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/www.codemotion.com\\\/magazine\\\/it\\\/intelligenza-artificiale\\\/dallo-switching-allorchestrazione-lai-del-futuro-non-sara-un-solo-modello\\\/\",\"url\":\"https:\\\/\\\/www.codemotion.com\\\/magazine\\\/it\\\/intelligenza-artificiale\\\/dallo-switching-allorchestrazione-lai-del-futuro-non-sara-un-solo-modello\\\/\",\"name\":\"Dallo switching all'orchestrazione: l'AI del futuro non sar\u00e0 un solo modello - Codemotion Magazine\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/www.codemotion.com\\\/magazine\\\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\\\/\\\/www.codemotion.com\\\/magazine\\\/it\\\/intelligenza-artificiale\\\/dallo-switching-allorchestrazione-lai-del-futuro-non-sara-un-solo-modello\\\/#primaryimage\"},\"image\":{\"@id\":\"https:\\\/\\\/www.codemotion.com\\\/magazine\\\/it\\\/intelligenza-artificiale\\\/dallo-switching-allorchestrazione-lai-del-futuro-non-sara-un-solo-modello\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/www.codemotion.com\\\/magazine\\\/wp-content\\\/uploads\\\/2026\\\/11\\\/orchestrator.jpg\",\"datePublished\":\"2026-11-04T15:11:19+00:00\",\"dateModified\":\"2026-11-04T15:11:21+00:00\",\"description\":\"Dallo switching al model routing, fino agli agenti AI: scopri come orchestrare modelli e strumenti per migliorare efficienza, qualit\u00e0 e costi.\",\"breadcrumb\":{\"@id\":\"https:\\\/\\\/www.codemotion.com\\\/magazine\\\/it\\\/intelligenza-artificiale\\\/dallo-switching-allorchestrazione-lai-del-futuro-non-sara-un-solo-modello\\\/#breadcrumb\"},\"inLanguage\":\"en-US\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/www.codemotion.com\\\/magazine\\\/it\\\/intelligenza-artificiale\\\/dallo-switching-allorchestrazione-lai-del-futuro-non-sara-un-solo-modello\\\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"en-US\",\"@id\":\"https:\\\/\\\/www.codemotion.com\\\/magazine\\\/it\\\/intelligenza-artificiale\\\/dallo-switching-allorchestrazione-lai-del-futuro-non-sara-un-solo-modello\\\/#primaryimage\",\"url\":\"https:\\\/\\\/www.codemotion.com\\\/magazine\\\/wp-content\\\/uploads\\\/2026\\\/11\\\/orchestrator.jpg\",\"contentUrl\":\"https:\\\/\\\/www.codemotion.com\\\/magazine\\\/wp-content\\\/uploads\\\/2026\\\/11\\\/orchestrator.jpg\",\"width\":1200,\"height\":896},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/www.codemotion.com\\\/magazine\\\/it\\\/intelligenza-artificiale\\\/dallo-switching-allorchestrazione-lai-del-futuro-non-sara-un-solo-modello\\\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\\\/\\\/www.codemotion.com\\\/magazine\\\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Intelligenza artificiale\",\"item\":\"https:\\\/\\\/www.codemotion.com\\\/magazine\\\/it\\\/intelligenza-artificiale\\\/\"},{\"@type\":\"ListItem\",\"position\":3,\"name\":\"Dallo switching all’orchestrazione: l’AI del futuro non sar\u00e0 un solo modello\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/www.codemotion.com\\\/magazine\\\/#website\",\"url\":\"https:\\\/\\\/www.codemotion.com\\\/magazine\\\/\",\"name\":\"Codemotion Magazine\",\"description\":\"We code the future. Together\",\"publisher\":{\"@id\":\"https:\\\/\\\/www.codemotion.com\\\/magazine\\\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/www.codemotion.com\\\/magazine\\\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"en-US\"},{\"@type\":\"Organization\",\"@id\":\"https:\\\/\\\/www.codemotion.com\\\/magazine\\\/#organization\",\"name\":\"Codemotion\",\"url\":\"https:\\\/\\\/www.codemotion.com\\\/magazine\\\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"en-US\",\"@id\":\"https:\\\/\\\/www.codemotion.com\\\/magazine\\\/#\\\/schema\\\/logo\\\/image\\\/\",\"url\":\"https:\\\/\\\/www.codemotion.com\\\/magazine\\\/wp-content\\\/uploads\\\/2019\\\/11\\\/codemotionlogo.png\",\"contentUrl\":\"https:\\\/\\\/www.codemotion.com\\\/magazine\\\/wp-content\\\/uploads\\\/2019\\\/11\\\/codemotionlogo.png\",\"width\":225,\"height\":225,\"caption\":\"Codemotion\"},\"image\":{\"@id\":\"https:\\\/\\\/www.codemotion.com\\\/magazine\\\/#\\\/schema\\\/logo\\\/image\\\/\"},\"sameAs\":[\"https:\\\/\\\/www.facebook.com\\\/Codemotion.Italy\\\/\",\"https:\\\/\\\/x.com\\\/CodemotionIT\"]},{\"@type\":\"Person\",\"@id\":\"https:\\\/\\\/www.codemotion.com\\\/magazine\\\/#\\\/schema\\\/person\\\/d3aecf71fcce8c6de1ae67518f3f1de1\",\"name\":\"Dario Ferrero\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"en-US\",\"@id\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/860e20df873940f3a6bb7f64e995c70b9fd9d18f64e3233dd779168cc6a75dca?s=96&d=mm&r=g\",\"url\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/860e20df873940f3a6bb7f64e995c70b9fd9d18f64e3233dd779168cc6a75dca?s=96&d=mm&r=g\",\"contentUrl\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/860e20df873940f3a6bb7f64e995c70b9fd9d18f64e3233dd779168cc6a75dca?s=96&d=mm&r=g\",\"caption\":\"Dario Ferrero\"},\"sameAs\":[\"https:\\\/\\\/www.verbanianotizie.it\\\/\"],\"url\":\"https:\\\/\\\/www.codemotion.com\\\/magazine\\\/author\\\/dario-ferrero\\\/\"}]}<\/script>\n<!-- \/ Yoast SEO Premium plugin. -->","yoast_head_json":{"title":"Dallo switching all'orchestrazione: l'AI del futuro non sar\u00e0 un solo modello - Codemotion Magazine","description":"Dallo switching al model routing, fino agli agenti AI: scopri come orchestrare modelli e strumenti per migliorare efficienza, qualit\u00e0 e costi.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/www.codemotion.com\/magazine\/it\/intelligenza-artificiale\/dallo-switching-allorchestrazione-lai-del-futuro-non-sara-un-solo-modello\/","og_locale":"en_US","og_type":"article","og_title":"Dallo switching all'orchestrazione: l'AI del futuro non sar\u00e0 un solo modello","og_description":"Dallo switching al model routing, fino agli agenti AI: scopri come orchestrare modelli e strumenti per migliorare efficienza, qualit\u00e0 e costi.","og_url":"https:\/\/www.codemotion.com\/magazine\/it\/intelligenza-artificiale\/dallo-switching-allorchestrazione-lai-del-futuro-non-sara-un-solo-modello\/","og_site_name":"Codemotion Magazine","article_publisher":"https:\/\/www.facebook.com\/Codemotion.Italy\/","article_published_time":"2026-11-04T15:11:19+00:00","article_modified_time":"2026-11-04T15:11:21+00:00","og_image":[{"width":1200,"height":896,"url":"https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2026\/11\/orchestrator.jpg","type":"image\/jpeg"}],"author":"Dario Ferrero","twitter_card":"summary_large_image","twitter_creator":"@CodemotionIT","twitter_site":"@CodemotionIT","twitter_misc":{"Written by":"Dario Ferrero","Est. reading time":"16 minutes"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/www.codemotion.com\/magazine\/it\/intelligenza-artificiale\/dallo-switching-allorchestrazione-lai-del-futuro-non-sara-un-solo-modello\/#article","isPartOf":{"@id":"https:\/\/www.codemotion.com\/magazine\/it\/intelligenza-artificiale\/dallo-switching-allorchestrazione-lai-del-futuro-non-sara-un-solo-modello\/"},"author":{"name":"Dario Ferrero","@id":"https:\/\/www.codemotion.com\/magazine\/#\/schema\/person\/d3aecf71fcce8c6de1ae67518f3f1de1"},"headline":"Dallo switching all’orchestrazione: l’AI del futuro non sar\u00e0 un solo modello","datePublished":"2026-11-04T15:11:19+00:00","dateModified":"2026-11-04T15:11:21+00:00","mainEntityOfPage":{"@id":"https:\/\/www.codemotion.com\/magazine\/it\/intelligenza-artificiale\/dallo-switching-allorchestrazione-lai-del-futuro-non-sara-un-solo-modello\/"},"wordCount":3424,"publisher":{"@id":"https:\/\/www.codemotion.com\/magazine\/#organization"},"image":{"@id":"https:\/\/www.codemotion.com\/magazine\/it\/intelligenza-artificiale\/dallo-switching-allorchestrazione-lai-del-futuro-non-sara-un-solo-modello\/#primaryimage"},"thumbnailUrl":"https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2026\/11\/orchestrator.jpg","keywords":["Agentic AI","AI","AI Agents","AI Orchestration","Anthropic","Context Engineering","Google A2A","intelligenza artificiale","LLM","Model Routing","Model Switching","Multi-Agent Systems","OpenAI","Workflow Automation"],"articleSection":["Intelligenza artificiale","Machine learning"],"inLanguage":"en-US"},{"@type":"WebPage","@id":"https:\/\/www.codemotion.com\/magazine\/it\/intelligenza-artificiale\/dallo-switching-allorchestrazione-lai-del-futuro-non-sara-un-solo-modello\/","url":"https:\/\/www.codemotion.com\/magazine\/it\/intelligenza-artificiale\/dallo-switching-allorchestrazione-lai-del-futuro-non-sara-un-solo-modello\/","name":"Dallo switching all'orchestrazione: l'AI del futuro non sar\u00e0 un solo modello - Codemotion Magazine","isPartOf":{"@id":"https:\/\/www.codemotion.com\/magazine\/#website"},"primaryImageOfPage":{"@id":"https:\/\/www.codemotion.com\/magazine\/it\/intelligenza-artificiale\/dallo-switching-allorchestrazione-lai-del-futuro-non-sara-un-solo-modello\/#primaryimage"},"image":{"@id":"https:\/\/www.codemotion.com\/magazine\/it\/intelligenza-artificiale\/dallo-switching-allorchestrazione-lai-del-futuro-non-sara-un-solo-modello\/#primaryimage"},"thumbnailUrl":"https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2026\/11\/orchestrator.jpg","datePublished":"2026-11-04T15:11:19+00:00","dateModified":"2026-11-04T15:11:21+00:00","description":"Dallo switching al model routing, fino agli agenti AI: scopri come orchestrare modelli e strumenti per migliorare efficienza, qualit\u00e0 e costi.","breadcrumb":{"@id":"https:\/\/www.codemotion.com\/magazine\/it\/intelligenza-artificiale\/dallo-switching-allorchestrazione-lai-del-futuro-non-sara-un-solo-modello\/#breadcrumb"},"inLanguage":"en-US","potentialAction":[{"@type":"ReadAction","target":["https:\/\/www.codemotion.com\/magazine\/it\/intelligenza-artificiale\/dallo-switching-allorchestrazione-lai-del-futuro-non-sara-un-solo-modello\/"]}]},{"@type":"ImageObject","inLanguage":"en-US","@id":"https:\/\/www.codemotion.com\/magazine\/it\/intelligenza-artificiale\/dallo-switching-allorchestrazione-lai-del-futuro-non-sara-un-solo-modello\/#primaryimage","url":"https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2026\/11\/orchestrator.jpg","contentUrl":"https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2026\/11\/orchestrator.jpg","width":1200,"height":896},{"@type":"BreadcrumbList","@id":"https:\/\/www.codemotion.com\/magazine\/it\/intelligenza-artificiale\/dallo-switching-allorchestrazione-lai-del-futuro-non-sara-un-solo-modello\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/www.codemotion.com\/magazine\/"},{"@type":"ListItem","position":2,"name":"Intelligenza artificiale","item":"https:\/\/www.codemotion.com\/magazine\/it\/intelligenza-artificiale\/"},{"@type":"ListItem","position":3,"name":"Dallo switching all’orchestrazione: l’AI del futuro non sar\u00e0 un solo modello"}]},{"@type":"WebSite","@id":"https:\/\/www.codemotion.com\/magazine\/#website","url":"https:\/\/www.codemotion.com\/magazine\/","name":"Codemotion Magazine","description":"We code the future. Together","publisher":{"@id":"https:\/\/www.codemotion.com\/magazine\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/www.codemotion.com\/magazine\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"en-US"},{"@type":"Organization","@id":"https:\/\/www.codemotion.com\/magazine\/#organization","name":"Codemotion","url":"https:\/\/www.codemotion.com\/magazine\/","logo":{"@type":"ImageObject","inLanguage":"en-US","@id":"https:\/\/www.codemotion.com\/magazine\/#\/schema\/logo\/image\/","url":"https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2019\/11\/codemotionlogo.png","contentUrl":"https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2019\/11\/codemotionlogo.png","width":225,"height":225,"caption":"Codemotion"},"image":{"@id":"https:\/\/www.codemotion.com\/magazine\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/www.facebook.com\/Codemotion.Italy\/","https:\/\/x.com\/CodemotionIT"]},{"@type":"Person","@id":"https:\/\/www.codemotion.com\/magazine\/#\/schema\/person\/d3aecf71fcce8c6de1ae67518f3f1de1","name":"Dario Ferrero","image":{"@type":"ImageObject","inLanguage":"en-US","@id":"https:\/\/secure.gravatar.com\/avatar\/860e20df873940f3a6bb7f64e995c70b9fd9d18f64e3233dd779168cc6a75dca?s=96&d=mm&r=g","url":"https:\/\/secure.gravatar.com\/avatar\/860e20df873940f3a6bb7f64e995c70b9fd9d18f64e3233dd779168cc6a75dca?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/860e20df873940f3a6bb7f64e995c70b9fd9d18f64e3233dd779168cc6a75dca?s=96&d=mm&r=g","caption":"Dario Ferrero"},"sameAs":["https:\/\/www.verbanianotizie.it\/"],"url":"https:\/\/www.codemotion.com\/magazine\/author\/dario-ferrero\/"}]}},"featured_image_src":"https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2026\/11\/orchestrator-600x400.jpg","featured_image_src_square":"https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2026\/11\/orchestrator-600x600.jpg","author_info":{"display_name":"Dario Ferrero","author_link":"https:\/\/www.codemotion.com\/magazine\/author\/dario-ferrero\/"},"uagb_featured_image_src":{"full":["https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2026\/11\/orchestrator.jpg",1200,896,false],"thumbnail":["https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2026\/11\/orchestrator-150x150.jpg",150,150,true],"medium":["https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2026\/11\/orchestrator-300x224.jpg",300,224,true],"medium_large":["https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2026\/11\/orchestrator-768x573.jpg",768,573,true],"large":["https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2026\/11\/orchestrator-1024x765.jpg",1024,765,true],"1536x1536":["https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2026\/11\/orchestrator.jpg",1200,896,false],"2048x2048":["https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2026\/11\/orchestrator.jpg",1200,896,false],"small-home-featured":["https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2026\/11\/orchestrator-100x100.jpg",100,100,true],"sidebar-featured":["https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2026\/11\/orchestrator-180x128.jpg",180,128,true],"genesis-singular-images":["https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2026\/11\/orchestrator-896x504.jpg",896,504,true],"archive-featured":["https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2026\/11\/orchestrator-400x225.jpg",400,225,true],"gb-block-post-grid-landscape":["https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2026\/11\/orchestrator-600x400.jpg",600,400,true],"gb-block-post-grid-square":["https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2026\/11\/orchestrator-600x600.jpg",600,600,true]},"uagb_author_info":{"display_name":"Dario Ferrero","author_link":"https:\/\/www.codemotion.com\/magazine\/author\/dario-ferrero\/"},"uagb_comment_info":0,"uagb_excerpt":"Per molto tempo la corsa all’intelligenza artificiale \u00e8 sembrata una gara lineare, ogni laboratorio impegnato a costruire il modello pi\u00f9 grande, pi\u00f9 costoso e pi\u00f9 capace disponibile sul mercato. Ma nelle applicazioni reali quel modello “migliore” rischia di essere sprecato su operazioni che non richiedono affatto la sua potenza, riassumere una nota, estrarre una data……","lang":"it","_links":{"self":[{"href":"https:\/\/www.codemotion.com\/magazine\/wp-json\/wp\/v2\/posts\/36909","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.codemotion.com\/magazine\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.codemotion.com\/magazine\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.codemotion.com\/magazine\/wp-json\/wp\/v2\/users\/336"}],"replies":[{"embeddable":true,"href":"https:\/\/www.codemotion.com\/magazine\/wp-json\/wp\/v2\/comments?post=36909"}],"version-history":[{"count":2,"href":"https:\/\/www.codemotion.com\/magazine\/wp-json\/wp\/v2\/posts\/36909\/revisions"}],"predecessor-version":[{"id":36914,"href":"https:\/\/www.codemotion.com\/magazine\/wp-json\/wp\/v2\/posts\/36909\/revisions\/36914"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.codemotion.com\/magazine\/wp-json\/wp\/v2\/media\/36910"}],"wp:attachment":[{"href":"https:\/\/www.codemotion.com\/magazine\/wp-json\/wp\/v2\/media?parent=36909"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.codemotion.com\/magazine\/wp-json\/wp\/v2\/categories?post=36909"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.codemotion.com\/magazine\/wp-json\/wp\/v2\/tags?post=36909"},{"taxonomy":"collections","embeddable":true,"href":"https:\/\/www.codemotion.com\/magazine\/wp-json\/wp\/v2\/collections?post=36909"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}