Sono le 2 del mattino. Fisso quattro finestre che lavorano in parallelo sullo schermo. Una sta elaborando materiali per un cliente. Una sta correggendo codice. Una sta recuperando messaggi Slack non letti. La quarta è bloccata da un limite di frequenza dell'API, in attesa che sia io a decidere il da farsi. Non sto usando l'IA. Sto gestendo l'IA, come un caporeparto che fa il giro della fabbrica alle due del mattino.
Due mesi fa pensavo di aver raggiunto il limite di ciò che l'IA poteva fare per me. La usavo ogni giorno dai tempi di GPT-3.5: due anni di conversazioni, un interlocutore più intelligente, niente di più. Poi le chiacchiere sono finite ed è iniziata la gestione. L'abisso fra quei due modi d'uso, chattare con l'IA e lavorarci davvero, si è rivelato il passaggio professionale più importante che abbia mai fatto. Questo è un resoconto dal campo, dall'altra parte dell'abisso, fallimenti compresi.
Il soffitto che mi ero costruito da solo
Non sono uno spettatore dell'IA. Guido un'azienda che l'ha adottata fino in fondo. Ho scritto Python, lavorato con le API, seguito la ricerca. La usavo più volte al giorno: per scrivere memo, mettere alla prova la strategia, prepararmi alle riunioni.
Quella familiarità era precisamente la trappola.
Perché ciò che facevo, tutto ciò che facevo, era chattare. Aprire una scheda, fare una domanda, ricevere una risposta, chiudere la scheda. Ripartire da zero la volta dopo. Usavo l'IA come la usa la maggior parte dei dirigenti: un assistente brillante con cui parlare, non un collega con cui lavorare. Nel frattempo avevo provato prodotti ad agenti già confezionati. Manus riusciva a mantenere un brief e seguire il contesto tra una sessione e l'altra, utile per le presentazioni; ma l'interazione restava sempre la stessa: io do istruzioni, lui esegue, un passo alla volta.
Conoscevo gli assistenti di programmazione, GitHub Copilot e simili. Ma io sono un CEO, non un ingegnere. Avevo scritto abbastanza codice da essere pericoloso, non abbastanza da essere produttivo. L'idea di sedermi davanti a un IDE mi sembrava un passo indietro nella carriera. Senza accorgermene avevo diviso gli strumenti in categorie: questo è per programmatori, quello è per manager. Quel soffitto non me lo avevano imposto gli strumenti. Me lo ero costruito da solo. Avevo deciso che cosa fosse "per uno come me" e avevo smesso di guardare oltre.
Che cosa si prova quando il muro crolla
Il nostro CTO mi ha spinto a provare Cursor. Un IDE: uno strumento da programmatore. Non scrivevo codice seriamente da anni. Ma la curiosità ha vinto.
A Cursor non interessa il tuo titolo di lavoro. Tu descrivi in linguaggio naturale ciò che vuoi, e lui costruisce: non completa soltanto, costruisce. Per qualcuno che era sempre rimasto a un passo dall'implementazione, capace di specificare le cose ma non di realizzarle, è stato come vedere un muro crollare. Per la prima volta potevo toccare il livello dell'implementazione.
Poi mi ha spinto verso Claude Code, l'agente IA da riga di comando di Anthropic, e qualcosa si è spalancato.
Cursor è un copilota intelligente: stai ancora guidando tu, riga per riga. Claude Code è un collega. Io descrivo l'obiettivo. Lui ragiona sul problema, fa domande di chiarimento, scrive il codice, lo testa, corregge ciò che si rompe. Tiene in testa l'intero progetto: quali file esistono, come sono collegati, che cosa abbiamo costruito ieri. Il mio ruolo è passato dallo scrivere al revisionare. Il collo di bottiglia si è spostato dalla mia capacità tecnica a due cose del tutto diverse: quanto chiaramente so articolare ciò che voglio e quanto bene so giudicare ciò che mi torna indietro.
A quanto pare, queste due capacità sono capacità da CEO. Mi ero raccontato che gli strumenti di programmazione non fossero per me. Quello che non avevo capito è che quegli strumenti si erano spostati esattamente dove mi trovavo già.
Poi ho scoperto OpenClaw, un framework open source multi-agente, e il pavimento è crollato di nuovo.
Da Manus a Cursor, poi a Claude Code, poi a OpenClaw. L'intera progressione ha richiesto circa tre o quattro settimane: una curva di accelerazione in cui ogni salto era più rapido e più profondo del precedente. Alla fine non stavo più usando un singolo strumento di IA. Stavo gestendo un sistema.
La curva di accelerazione: ogni salto più rapido e più profondo del precedente
Dall'altra parte
Ecco com'è l'altra parte di quell'abisso. Probabilmente tra un mese avrà già un aspetto diverso:
Gestisco due livelli. OpenClaw è il livello sempre attivo. Vive su un server cloud, monitora lo Slack aziendale e gestisce il ritmo operativo dell'azienda: digerisce gli aggiornamenti del team, esegue flussi di outreach, tiene traccia delle richieste dei clienti, ricorda al team le scadenze. Aggancia fra loro i pezzi dispersi tra persone, strumenti e canali che prima nessuno aveva il tempo di collegare.
Claude Code è il livello del lavoro profondo. Quando devo pensare con intensità a una cosa sola, scrivere questo articolo, progettare un nuovo flusso di lavoro, fare debug di OpenClaw stesso, mi siedo in Claude Code. OpenClaw è il piano della fabbrica; Claude Code è il banco da lavoro.
Riorganizzato per gli agenti: i file markdown fanno da documenti di briefing, così l'IA capisce il progetto
La distinzione conta perché strumenti di IA diversi hanno davvero punti di forza diversi: modelli diversi, memoria diversa, livelli diversi di autonomia. Capire quale agente assegnare a quale compito è già di per sé un nuovo tipo di lavoro, e io sto ancora imparando. Ma il punto non sono gli strumenti specifici. Il punto è che sono passato dal fare domande all'IA al gestire sistemi di IA, e la differenza non è incrementale. È strutturale.
Che cosa si prova davvero
Ecco che cosa è cambiato:
Prima e dopo: cambiamenti concreti in sei aree del lavoro da CEO
Il risparmio di tempo è reale: attività che prima richiedevano una o due settimane ora richiedono un'ora. Ma la velocità non è il punto principale. Per un CEO c'è sempre più da fare di quanto il tempo e l'attenzione consentano. Molte attività stanno in una zona intermedia scomoda: vale la pena farle, ma non sono abbastanza grandi da giustificare un'assunzione. Così, semplicemente, non vengono fatte: l'aggiornamento agli azionisti slitta, la ricerca sui potenziali clienti resta superficiale, il follow-up si perde. L'IA non ha soltanto reso più veloce il mio lavoro esistente. Ha fatto accadere il lavoro che stava cadendo tra le crepe.
E attraversare l'abisso ha aperto una porta che non mi aspettavo: verso l'IA stessa. Uso la chat vocale con l'IA mentre cammino, in taxi, tra una riunione e l'altra: un'idea che nomino attraversando la strada diventa una specifica nel tempo che impiego a sedermi. Lavorando ogni giorno con gli agenti, ho le mani sulla frontiera: passo da un foundation model all'altro (Claude, Gemini, Qwen, Kimi), costruisco pipeline RAG, mi scontro con sistemi di memoria per agenti. Non ne leggo soltanto. Li uso. L'ansia di restare indietro sull'IA, quella sensazione che oggi ogni dirigente porta con sé, è sparita. Non perché io sappia tutto, ma perché ho un assetto che mi permette di toccare tutto.
Che cosa significa se gestisci un family office?
Non stai gestendo codice. Stai gestendo patrimoni multi-generazionali, dinamiche familiari complesse e dati sensibili sotto il profilo regolamentare. La tua prudenza verso l'automazione è giustificata: un'istruzione sbagliata potrebbe incidere su assetti patrimoniali tra generazioni, una violazione dei dati potrebbe distruggere la reputazione di una famiglia. Ma prudenza non significa evitamento.
Il lavoro di base di un family office è, alla radice, questo: raccogliere informazioni frammentate, sintetizzarle in una comprensione, formulare un giudizio, eseguire, verificare. Dal consolidamento delle posizioni tra banche depositarie, alla previsione dei flussi di cassa dei fondi di private equity, fino alla personalizzazione dei report per ciascun membro della famiglia: quanta parte di tutto questo è assemblaggio ripetitivo di dati, e quanta è vero processo decisionale?
L'IA non prenderà le tue decisioni di asset allocation e non ti dirà di quale gestore fidarti. Ma può darti una visione completa del portafoglio su più depositari quindici minuti prima di una riunione, e può segnalarti le clausole chiave e i fattori di rischio nascosti nei materiali di due diligence prima che tu abbia finito il caffè. La linea che conta è quella tra elaborazione delle informazioni, che può essere automatizzata, e giudizio, che deve restare umano. Una volta tracciata chiaramente quella linea, il volano parte, e il divario tra chi ha attraversato l'abisso e chi non l'ha fatto si allarga in fretta.
La parte di cui nessuno ti avverte
Quella era la versione rosea. Ecco il resto.
La configurazione ti divora. Le attività che ho descritto ora richiedono meno tempo. Ma costruire e mantenere il sistema che le rende più veloci è un lavoro nuovo e continuo. Ho scambiato tempo di esecuzione con tempo di infrastruttura, e per me il saldo netto è chiaramente positivo. Ma ho la motivazione, il background tecnico e le ore da bruciare. Per la maggior parte delle persone non sarebbe così.
Il mondo non è costruito per gli agenti. CAPTCHA, richieste di autenticazione a due fattori, timeout di sessione, PDF, fogli di calcolo legacy, limiti di frequenza delle API pensati per un uso a velocità umana: ogni volta che un agente sbatte contro uno di questi muri, sei tu a dover trovare una soluzione. (Questo attrito è anche un'enorme opportunità, anche per aziende come la nostra. Le barriere sono modelli di business.) E gli agenti costruiti in proprio non sono prodotti. Sono LEGO: memoria, reporting, orchestrazione dei compiti, permessi, monitoraggio, gestione degli errori, integrazioni con strumenti. Ogni blocco richiede decisioni; molti richiedono giudizio tecnico. Non finisce mai, perché i modelli, le API e gli strumenti sottostanti cambiano ogni poche settimane.
Anche se gli agenti più recenti capiscono il linguaggio naturale, devi comunque guidarli e scavalcarli quando il loro ragionamento prende una brutta piega.
Di recente mi sono messo a costruire per OpenClaw un sistema di memoria a tre livelli: memoria in tempo reale, memoria giornaliera, memoria settimanale. Sembra pulito, no? Ho fatto leggere a Claude Code una pila di paper di ricerca e gli ho chiesto di progettare l'architettura. Ha prodotto un piano che sembrava accurato e completo. Ho tirato il fiato, pensando che fosse fatta.
Non girava.
Ho chiesto a una seconda istanza di Claude di rivedere l'architettura. Ha trovato problemi strutturali. Li ho corretti. Si è rotto di nuovo. Ho aperto Codex, l'agente di programmazione di OpenAI, per avere un paio d'occhi freschi. Ha individuato nuovi casi limite che mi erano sfuggiti. Corretti anche quelli. Poi OpenClaw ha rilasciato una nuova versione che ha sovrascritto il codice che stavo modificando da giorni. Punto e a capo.
La parte più assurda: Claude e Codex a volte introducevano refusi. Non errori di ragionamento, semplici errori ortografici nelle istruzioni che scrivevano per sé stessi. Questi sbagli banali hanno raddoppiato il tempo che passavo a cercare il problema, perché dai sempre per scontato che si sia rotto qualcosa di fondamentale, e passi ore a guardare il quadro generale prima di scoprire che a una parola manca una lettera.
Quattro o cinque giorni di questo ciclo: correggi, rompi, correggi, rompi. La sensazione di correre sul posto. Alla fine ho dovuto estrarre le sezioni critiche e rivederle manualmente, riga per riga. Era quanto di più lontano dal "risparmiare tempo con l'IA" potessi immaginare.
Il sistema di memoria ora funziona, forse nell'ottanta-novanta per cento dei casi. La memoria in tempo reale genera ancora errori occasionali, ma almeno gli agenti hanno registrato abbastanza della propria storia di correzioni da permettermi di risalire a ciò che è andato storto. Ci sono ancora bug? Sì. Sono ragionevolmente convinto che i tre livelli reggano? Per lo più. Incrociamo le dita.
Gli strumenti non sono mai stati così accessibili. Il giudizio necessario per usarli bene non è mai stato così raro.
Claude Code in azione: che aspetto ha davvero "lavorare con l'IA"
Poi c'è quello che fa a te. Per circa due settimane mi sono sentito davvero soffocare. Agenti che chiedevano continuamente permessi, domandavano decisioni, producevano output più in fretta di quanto riuscissi a revisionarlo. Ho lavorato fino alle 2-3 del mattino ogni notte, non perché dovessi, ma perché non riuscivo a smettere. Ho iniziato a chiamarlo il limite umano di token: il collo di bottiglia del sistema non è più la macchina. Sei tu.
E ti aggancia. I ricercatori hanno scoperto che la natura non deterministica delle risposte dell'IA attiva circuiti dopaminergici simili a quelli delle slot machine: ricompense variabili che ti spingono a cercare il colpo successivo. Uno studio di HBR uscito questo mese ha confermato il pattern: “gli strumenti di IA non hanno ridotto il lavoro: lo hanno costantemente intensificato.”
C'è una scena in The Matrix in cui Neo si sveglia e capisce di essere stato collegato a un sistema, generando output che credeva fossero la sua vita. Il parallelo non è esatto, ma la sensazione è scomodamente familiare. La mia terapeuta l'ha detta in modo più semplice: "Mi avevi detto che l'IA doveva liberarti tempo. Perché sei più stressato di prima?"
Sospetto che questa sia una delle domande esistenziali dell'ondata IA: non se la tecnologia funzioni, ma che cosa faccia alle persone che la usano meglio. È qualcosa di più grande della mia esperienza personale. Sto ancora cercando di capire come viverci dentro. Se imbocchi questa strada, dovrai capirlo anche tu.
Se inizi adesso
Se intuisci che nell'IA c'è più di quanto tu stia ottenendo, hai ragione. Quello che non avevo capito è che l'IA stava chiudendo la distanza dal suo lato: gli strumenti sono migliorati così tanto, così in fretta, che potresti essere a un passo da un salto qualitativo senza saperlo. Scegli un'attività che ti interessa davvero. Dai all'IA contesto reale. Lascia che la fiducia cresca da lì. Il dubbio non sparirà: cambierà soltanto forma. E la tassa dell'apprendimento continuerà a essere riscossa. Ma i ritorni sono reali.
La linea tra chattare con l'IA e lavorare con l'IA si sta allargando. Angelo Robles, che ha lavorato con oltre cento famiglie miliardarie, lo ha detto senza mezzi termini: “What used to require twenty employees now requires one or two people with AI.” Io ho attraversato l'abisso due mesi fa. È stato disordinato, estenuante e incompiuto: ho quasi finito per bruciarmi. Non scrivo dalla vetta. Scrivo da metà salita, senza fiato.
Ma non tornerei indietro.
Nei prossimi articoli entrerò più in profondità: dati concreti sugli agenti IA, come il mio team usa questi strumenti giorno per giorno e come stiamo ripensando il prodotto di Canopy all'intersezione tra IA e wealth management. Ma se c'è una cosa da portare via da questo pezzo è questa: l'abisso si può attraversare. Si comincia con un'attività.
Mu Chen è il CEO di Canopy, che serve oltre 60 family office e clienti UHNW in tutto il mondo, monitorando più di 90 miliardi di USD in asset. È anche guest lecturer presso Tsinghua PBCSF. Scrive dell'intersezione di frontiera tra IA e wealth management su Amongst Families.
[1] M. Karen Shen & Dongwook Yoon, “The Dark Addiction Patterns of Current AI Chatbot Interfaces”, CHI 2025
[2] Aruna Ranganathan & Xingqi Maggie Ye, “AI Doesn’t Reduce Work — It Intensifies It”, Harvard Business Review, February 2026
[3] Angelo Robles, Family Office Association
