Skip to content
Chatta con un agente AI
Custom vs piattaforma

Harness AI su misura o copilot SaaS: dove si trova davvero un vantaggio difendibile

Orange ITS — Team di ingegneria AI 8 min di lettura

Il tuo team ha già un copilot nel client di posta e un fornitore ti ha appena proposto una piattaforma di agenti in aggiunta. Qualcuno in direzione pone la domanda più sensata: se tutti possono acquistare in licenza gli stessi modelli e gli stessi assistenti, da dove nasce un vantaggio? La risposta più ripetuta nel 2026 è «l’harness», cioè tutto ciò che sta tra il modello e il risultato aziendale. È una buona risposta, ma solo a metà della domanda.

Un harness su misura rende solo dove custodisce asset che un concorrente non può acquistare in licenza, mentre la maggior parte delle sue componenti generiche viene già venduta come prodotto. In questo articolo separiamo le due cose, vediamo che cosa dimostrano le prove disponibili e ti proponiamo un test da fare prima di scegliere.

Se ti serve prima il vocabolario, agente AI, assistente AI e copilot spiega i livelli di autonomia dietro ogni etichetta.

Se i tuoi flussi di lavoro passano dai tuoi sistemi e dalle tue regole, il nostro servizio di sviluppo AI su misura è il luogo in cui costruiamo quello strato.


Che cos’è un harness e che cosa offre già un copilot

Un harness è il sistema che circonda il modello. Stabilisce quale contesto il modello riceve, quali strumenti può richiamare, che cosa ricorda da una sessione all’altra, quali controlli girano sul suo output, come viene testato e come si orchestrano i passaggi. Il modello fornisce il ragionamento. L’harness decide con quali elementi quel ragionamento deve lavorare e se il risultato può passare.

Anche un copilot SaaS ne ha uno, costruito dal fornitore per il cliente medio. Porta nella tua casella di posta e nei tuoi documenti una pipeline di contesto, un set fisso di strumenti, protezioni del fornitore e un processo di valutazione gestito dal fornitore. Per il lavoro generico, come redigere, riassumere e cercare nei propri file, spesso basta, e si attiva in fretta.

La vera scelta riguarda chi gestisce lo strato che esegue il tuo lavoro, chi ne controlla le parti e quali parti puoi portare con te se cambi strada.


Quanto vale intervenire sullo strato attorno al modello

La prova pubblicata più solida viene dall’articolo di LangChain di febbraio 2026. A parità di modello, il team ha modificato soltanto l’harness: un ciclo di costruzione e verifica nel prompt di sistema, un passaggio di verifica prima che l’agente potesse concludere, il rilevamento dei cicli e una pianificazione dello sforzo di ragionamento. Il suo agente di programmazione è passato dal 52,8% al 66,5% su Terminal-Bench 2.0. Un salto notevole, senza cambiare modello. L’anatomia di un agent harness passa in rassegna le sei parti una per una.

Lo stesso articolo porta con sé tre avvertenze:

  • Si tratta di un solo benchmark, eseguito da un’azienda che vende strumenti per agenti, e l’articolo non distingue quanto abbia pesato ciascuna modifica.
  • Gli autori avvertono che le modifiche ottimizzate per un compito possono causare regressioni su altri.
  • Scrivono che le protezioni diventeranno probabilmente superflue con il miglioramento dei modelli.

Il risultato dimostra che lo strato attorno al modello conta. Non dimostra che uno strato su misura batta uno generico di buona qualità. Non abbiamo trovato alcuno studio indipendente che confronti una soluzione su misura con un copilot generico sugli stessi compiti, con lo stesso costo e negli stessi tempi. Questa lacuna è il vero centro onesto del dibattito.

Le indicazioni di Anthropic vanno nella stessa direzione, da un’altra angolazione. Nel suo articolo Building effective agents raccomanda di cercare «the simplest solution possible» e di aggiungere complessità solo quando serve. Avverte inoltre che i framework possono nascondere i prompt sottostanti e invita a capire il codice che si adotta. Per una PMI questo significa preferire un harness snello che si comprende a uno ampio di cui si è semplicemente proprietari.


Perché la vendita dell’infrastruttura indebolisce la tesi dell’harness come fossato

Basta guardare che cosa offrono oggi i fornitori di modelli. L’Agent SDK di Anthropic mette a disposizione degli sviluppatori il ciclo dell’agente, gli strumenti e la gestione del contesto che alimentano il suo prodotto per la programmazione. La beta di Managed Agents va oltre e gestisce per te ciclo, esecuzione degli strumenti e runtime. OpenAI ha aggiornato il proprio Agents SDK in aprile 2026 in modo simile, come ha riportato Help Net Security. Si stanno formando anche standard condivisi: a dicembre 2025 la Linux Foundation ha costituito l’Agentic AI Foundation attorno a MCP, goose e AGENTS.md.

Quando ciclo, protocollo degli strumenti e runtime sono confezionati e standardizzati, costruirli in proprio dà costi e controllo, ma nessun vantaggio sui concorrenti: tra un trimestre potranno acquistare in licenza gli stessi componenti. Resta poi rilevante la gestione dei dati. La documentazione di Anthropic stessa afferma che Managed Agents non è attualmente idoneo alla zero data retention e che le trascrizioni restano finché non le elimini. È un vincolo da verificare prima di far passare dati dei clienti da qualunque harness gestito.


Dove si trova un vantaggio difendibile

Due commentatori concordano sull’importanza di questo strato, ma ne sottolineano rischi diversi. Johnson Lee lo presenta come un fatto ingegneristico (conta) contrapposto a un giudizio di business (resiste alla sostituzione). Si aspetta che i meccanismi di verifica diventino commodity e colloca la parte duratura nel processo di verità di riferimento di un’azienda: risultati in produzione, giudizio degli esperti, vincoli di business e un ciclo di feedback che trasforma gli errori in test di regressione.

Kai Waehner sostiene che il lock-in si è spostato di un livello, nello strato dell’harness, e consiglia di scegliere il modello per le sue capacità e l’harness per ciò che permette di conservare. Waehner lavora per un fornitore di orchestrazione dei flussi di lavoro e nessuno dei due contributi offre dati sui risultati: vanno quindi letti come argomentazioni informate, non come misurazioni.

Lette insieme, suggeriscono un elenco pratico di asset che vale la pena possedere:

  • La tua definizione di risultato corretto, scritta abbastanza bene da permettere a un estraneo di valutare con essa.
  • Un set di test costruito su ticket, ordini o pratiche reali del tuo lavoro. Per costruire un set di test di questo tipo dai tuoi ticket di supporto, vedi eval dell’IA da ticket reali.
  • Le correzioni dei tuoi collaboratori, conservate come regole riutilizzabili e non come cronologia di chat.
  • Un registro di audit di ciò che l’agente ha visto, fatto e deciso.
  • Definizioni degli agenti e prompt in un formato che funziona con più di un fornitore.

I primi quattro sono specifici per te per costruzione. Il quinto è ciò che li mantiene utilizzabili se cambi fornitore. Questa esposizione la trattiamo in lock-in sulle piattaforme di agenti AI.

Questo elenco è una nostra sintesi dei due ragionamenti. È un’ipotesi su dove si trovi il vantaggio, e nessuno l’ha misurata.


Quanto costa un copilot e che cosa si può aggiungere

Un confronto equo parte da un quadro equo del copilot. La pagina svizzera dei prezzi di Microsoft Copilot, consultata a novembre 2026, indica il componente aggiuntivo Microsoft 365 Copilot Business a CHF 17.00 per utente al mese, con un prezzo promozionale di CHF 14.57 con fatturazione annuale, entrambi IVA esclusa. Il prezzo promozionale vale per il primo anno per gli ordini fino al 31 dicembre 2026 e fino a 300 utenti. Il componente richiede un piano Microsoft 365 Business idoneo. A titolo indicativo, 20 utenti costano circa CHF 3,500 nell’anno promozionale e circa CHF 4,100 all’anno al prezzo di listino di CHF 17.00, prima della licenza di base.

Credere che un copilot generico non accetti strumenti personalizzati è un errore. La documentazione di Microsoft elenca agenti dichiarativi, azioni API personalizzate, Copilot Studio e il Microsoft 365 Agents SDK, e Copilot Studio dispone di una funzione di valutazione degli agenti con set di test che puoi rieseguire per individuare regressioni. La differenza sta nel controllo. Gli agenti nativi di Copilot girano sull’orchestratore di Microsoft, e le opzioni di sviluppo più avanzate cedono un po’ di comodità in cambio di maggiore voce in capitolo su orchestrazione, integrazione dei modelli e distribuzione.

Prima di firmare un contratto in Svizzera conviene verificare due aspetti. Microsoft ha annunciato a novembre 2025 che l’elaborazione in-country delle interazioni di Copilot per la Svizzera è prevista entro la fine del 2026. È un obiettivo e non uno stato raggiunto, quindi controlla la situazione attuale. E se costruisci il tuo set di valutazione dentro lo strumento di un fornitore, chiedi se puoi esportare casi, valutatori e cronologia. Il nostro modello TCO tra soluzione su misura e piattaforma mostra come si incrociano le curve dei costi al crescere del volume.


Un test decisionale da fare prima di impegnarti

Poni queste domande in ordine e fermati alla prima che risolve il caso.

  1. Il lavoro è generico? Redigere, riassumere e cercare nei propri file di solito lo sono. Acquista un copilot e investi lo sforzo nella formazione dei collaboratori.
  2. Il lavoro dipende dai tuoi sistemi, dalle tue regole o dal tuo livello di qualità? Se un assistente generico sbaglia in modi che i tuoi collaboratori devono correggere ogni giorno, hai un candidato per una soluzione su misura.
  3. Sai scrivere la soglia di superamento? Se non riesci a definire un risultato corretto e a valutare dieci casi reali in base ad esso, una soluzione su misura non avrà nulla da ottimizzare.
  4. Puoi portare con te i tuoi asset? Chiedi a qualsiasi fornitore, noi compresi, se casi di test, regole di correzione, log e definizioni degli agenti si esportano in un formato documentato.
  5. Il volume lo giustifica? Come regola empirica tratta dal nostro lavoro sul TCO, sotto poche centinaia di compiti al mese di solito vince una piattaforma, mentre sopra qualche migliaio una soluzione su misura tende a recuperare terreno.

Per la maggior parte delle aziende la soluzione sarà mista. Un copilot copre il lavoro generico e un piccolo strato su misura copre quello che è solo tuo. È anche una copertura sensata: se lo strato diventa commodity, quello su misura si riduce a prompt e wrapper di strumenti, e gli asset dell’elenco qui sopra restano.


Il dibattito resta aperto

Il fronte del costruire indica i guadagni ottenuti cambiando solo lo strato attorno al modello e lo spostamento verso l’alto del lock-in. Il fronte dell’acquistare indica le protezioni che i modelli assorbono e i fornitori che confezionano il ciclo. Il dato di MIT NANDA, molto citato e riportato da Fortune, secondo cui gli strumenti acquistati hanno successo circa due volte su tre mentre le realizzazioni interne hanno successo un terzo delle volte, è a sua volta controverso: le dimensioni dei campioni riportate dai media divergono, la definizione di successo non è chiara.

Tratta quindi con cautela ogni affermazione sicura, la nostra compresa. La conclusione difendibile oggi è circoscritta. Possiedi ciò che è specifico della tua azienda e mantienilo portabile. Prendi a noleggio ciò che chiunque può noleggiare. Rivedi la ripartizione ogni volta che un aggiornamento del modello rende superfluo un pezzo della tua impalcatura.

Domande frequenti

Che cos'è un harness AI su misura?

Un harness AI su misura è il sistema che costruisci attorno a un modello linguistico: il contesto che riceve, gli strumenti che può richiamare, la memoria, le protezioni e i controlli sul suo output, il set di valutazione che lo misura e l'orchestrazione che esegue i passaggi. Il modello fornisce il ragionamento. L'harness decide che cosa vede, che cosa può fare e come viene verificato il suo lavoro.

Un harness AI su misura è davvero un vantaggio competitivo?

In parte, e le prove sono ancora scarse. Una sola modifica all'harness ha portato l'agente di programmazione di un fornitore dal 52,8% al 66,5% in un benchmark, ma lo stesso fornitore si aspetta che alcune delle sue protezioni diventino superflue con il miglioramento dei modelli. Gli asset più duraturi sono la tua verità di riferimento, i casi di test, i dati sulle correzioni e il registro di audit, perché un concorrente non può acquistarli.

Microsoft 365 Copilot si può personalizzare con strumenti propri?

Sì. Microsoft documenta agenti dichiarativi, azioni API personalizzate, Copilot Studio e il Microsoft 365 Agents SDK per estendere Copilot. Il compromesso riguarda il controllo. Gli agenti nativi di Copilot girano sull'orchestratore di Microsoft, mentre gli agenti personalizzati ti danno più voce in capitolo su orchestrazione, scelta del modello e distribuzione, al prezzo di dover costruire e gestire di più in proprio.

Quanto costa Microsoft 365 Copilot per una PMI svizzera?

A novembre 2026 la pagina svizzera di Microsoft indica Copilot Business a CHF 17.00 per utente al mese a listino e a CHF 14.57 nel primo anno per gli ordini fino al 31 dicembre 2026 (fatturazione annuale, IVA esclusa, fino a 300 utenti). Richiede un piano Business idoneo di base, quindi 20 utenti costano circa CHF 3,500 nell'anno promozionale e CHF 4,100 a listino, prima della licenza di base.

Quando conviene acquistare un copilot invece di costruire un harness?

Conviene acquistare quando il lavoro è generico, il volume è contenuto e non sai indicare uno standard di qualità specifico della tua azienda. Conviene costruire, almeno in parte, quando i flussi di lavoro dipendono dai tuoi sistemi, dalle tue regole e dal tuo livello di qualità, e quando puoi conservare i casi di valutazione e i dati sulle correzioni in un formato trasferibile a un altro fornitore.

Insights

Metti queste idee al lavoro

Bastano 30 minuti per capire se un agente AI si adatta al tuo flusso di lavoro — e quanto può rendere.