Il problema non è trovare informazioni, ma farlo in modo continuo, strutturato e affidabile — senza sedersi ogni mattina e aprire browser, cercare, leggere, filtrare, copiare, incollare e formattare.
Quel lavoro esiste in quasi ogni organizzazione, ed è invisibile finché non si calcola quanto tempo assorbe davvero.
L'applicazione che vi voglio proporre è questa: un agente AI con accesso al web raccoglie dati su un argomento definito, li struttura in JSON e aggiorna automaticamente un'interfaccia — senza backend, senza database, senza intervento umano, in gergo tecnico: un loop schedulato.
Circa 80 righe di codice. Zero infrastruttura.
In pratica funziona così. Si definisce un agente tramite le API di un modello con capacità di web search integrata. Gli si passa un system prompt che descrive il formato di output atteso — un JSON con campi fissi: titolo, fonte, riassunto, categoria, timestamp. L'agente naviga, legge, filtra e restituisce dati già strutturati. Un semplice script Node.js riceve la risposta, fa il merge con i dati precedenti, scarta i duplicati e sovrascrive il file JSON su disco. L'interfaccia HTML legge quel file ad ogni caricamento — o ogni N minuti tramite un fetch periodico — e renderizza le informazioni aggiornate. Nessun server applicativo. Nessuna base dati. L'intero sistema vive in tre file.
Lo scheduling si gestisce con un cron job: una riga nel crontab del server, o una GitHub Action se si preferisce non avere infrastruttura propria. Il costo operativo è trascurabile — qualche centesimo per ogni esecuzione, a seconda del volume di testo elaborato.
Quello che rende questo approccio potente non è la semplicità tecnica — è la generalità del pattern.
La stessa architettura funziona ovunque ci sia un flusso informativo che oggi qualcuno gestisce a mano.
Il monitoraggio normativo in ambito legale e compliance, dove un professionista passa ore a tracciare aggiornamenti regolatori che cambiano continuamente.
La ricerca scientifica applicata, dove un team deve restare aggiornato su pubblicazioni, studi e trial per un settore specifico. L'intelligence competitiva, dove le mosse dei competitor, i loro comunicati e i segnali di mercato vengono oggi aggregati con processi artigianali. I feed interni per team commerciali o editoriali, che oggi vivono su fogli condivisi aggiornati a mano.
In tutti questi contesti il collo di bottiglia non è l'analisi — è la raccolta. Ed è esattamente lì che un agente autonomo elimina attrito.
La distinzione che conta non è tra “usare l'AI” e “non usarla”.
È tra usarla in modo reattivo — apri una chat, fai una domanda, ottieni una risposta — e usarla in modo proattivo, dove il sistema agisce in autonomia su obiettivi definiti, senza aspettare un input.
Nel primo caso l'AI amplifica il tuo lavoro. Nel secondo lo sostituisce su tutto ciò che è ripetitivo, strutturato e prevedibile — liberando attenzione per ciò che non lo è.
La domanda da farsi non è “cosa può fare l'AI per me?” ma “quali processi nel mio flusso di lavoro hanno la forma giusta per essere delegati completamente?”
Quello è il punto di partenza.