Claude ora sogna: gli agenti AI di Anthropic che imparano "durante il sonno"

Il cervello umano, durante il riposo, riorganizza i ricordi e consolida quanto appreso durante la giornata. Anthropic ha deciso di simulare questo meccanismo nella nuova funzione “dreaming”, presentata il 6 maggio 2026, durante la conferenza Code with Claude a San Francisco. Il processo programmato consente agli agenti Claude di sfruttare momenti di quiete tra una sessione di lavoro e l’altra per analizzare le operazioni precedenti, identificare schemi ricorrenti e aggiornare la propria memoria a lungo termine, in un’analogia con il sonno umano.

La nuova funzione riguarda i Managed Agents, la piattaforma di Anthropic per costruire agenti AI autonomi su propria infrastruttura, entrata in beta pubblica ad aprile 2026. Il “dreaming” è per ora disponibile solo come anteprima di ricerca, con accesso su richiesta. Tra una sessione di lavoro e l’altra, l’agente esamina l’intera cronologia recente, estrae i pattern che singoli scambi non avrebbero reso visibili, e aggiorna i file che tracciano le preferenze dell’utente e il contesto operativo. I developer possono scegliere se lasciare che il processo aggiorni la memoria in autonomia o se approvare manualmente ogni modifica prima che venga salvata. Un caso reale già documentato viene da Harvey, azienda specializzata in strumenti legali AI: usando il dreaming, gli agenti della società hanno imparato a gestire meglio i formati di file e i pattern legati a specifici strumenti, con un tasso di completamento dei compiti cresciuto di circa sei volte nei test interni.

La funzione cerca di risolvere un problema tecnico noto. Gli agenti AI operano all’interno di una “finestra di contesto”, cioè una quantità limitata di informazioni che possono tenere in mente in un dato momento. Su progetti lunghi o complessi, le informazioni più vecchie tendono a essere scartate per fare spazio a quelle nuove. Il dreaming lavora trasversalmente a più sessioni e più agenti, estraendo la conoscenza utile prima che vada persa e condividendola come patrimonio comune. Anthropic descrive l’accoppiata “memoria più dreaming” come “a robust memory system for self-improving agents”. In parallelo, la conferenza ha portato alla beta pubblica anche altri due strumenti: outcomes, che permette ai developer di definire i criteri di successo di un compito e usa un agente valutatore separato per verificare se il lavoro li soddisfa, e multiagent orchestration, che consente a un agente principale di suddividere progetti complessi e delegarli ad agenti specializzati. Netflix, ad esempio, ha già usato quest’ultima funzione per analizzare i log di centinaia di build e individuare problemi ricorrenti su scala.

Anthropic ha una tendenza consolidata a descrivere le proprie architetture tecniche con termini presi in prestito dall’esperienza biologica umana. Nei mesi scorsi ha pubblicato un documento che accenna alla possibilità che Claude sviluppi una forma di coscienza, ha dotato il modello di meccanismi per interrompere conversazioni tossiche a tutela del proprio “benessere”, e ha investigato la rete neurale di Claude Sonnet 4.5 cercando tracce di stati emotivi come frustrazione e rabbia. Queste scelte lessicali riflettono un posizionamento mirato: l’azienda costruisce modelli che tratta come entità con una prospettiva interna, non solo come strumenti. Che si tratti di una visione filosofica genuina o di una strategia di comunicazione, il linguaggio orienta la percezione pubblica dell’AI in un modo che nessun white paper tecnico riuscirebbe a replicare.

Se il dreaming manterrà le promesse nei contesti aziendali reali, un agente AI che usa la stessa piattaforma per settimane diventerà progressivamente più preciso sulle abitudini del team, meno soggetto a ripetere gli stessi errori e capace di conservare una memoria istituzionale che oggi si disperde tra una sessione e l’altra. Per molte aziende che delegano compiti ricorrenti all’AI — analisi di documenti, gestione di codice, assistenza clienti complessa — la differenza tra un agente che ricomincia da zero ogni volta e uno che impara nel tempo non è di poco conto.