Probabilmente non ti serve il fine-tuning
Il fine-tuning è spesso il primo rimedio proposto quando una funzione AI rende poco. Quasi sempre al modello manca contesto, non capacità, e senza un set di eval non sai nemmeno se il tuning ha aiutato.
Riscritti per essere letti fuori dal feed, in tre lingue. Il canonical punta sempre qui.
Il fine-tuning è spesso il primo rimedio proposto quando una funzione AI rende poco. Quasi sempre al modello manca contesto, non capacità, e senza un set di eval non sai nemmeno se il tuning ha aiutato.
Nei progetti con agenti AI il vincolo non è il modello, è il sistema che tiene i dati dell'azienda. Leggere è la metà facile; scrivere è dove stanno integrità, identità e preventivo.
Quasi ogni sistema multi-agente prende un compito, lo taglia a pezzi e affida il coordinamento a un modello a runtime. La colla è dove muoiono affidabilità e margine.
Un agente AI passa la demo sull'accuratezza. In produzione a decidere se sopravvive è il costo per pratica: token, tool call, retry e un loop che si può avvitare.
Mettere una persona sul tasto «approva» sembra controllo. Sotto carico l'automation bias trasforma la revisione in un timbro — e il sistema non conserva la prova di cosa sia stato davvero controllato.
Tutto il codice ha una rete di sicurezza tranne la parte che prende le decisioni. Perché un componente non deterministico va comunque testato con un eval harness — input dorati, proprietà attese, un punteggio che fa da gate in CI — e perché per una software house .NET è la stessa disciplina degli unit test.
Un agente decide da solo il passo successivo in un loop; un workflow segue un percorso fisso e chiama il modello solo dove l'input è ambiguo. Perché di solito il workflow è più economico, più testabile e più facile da dimostrare — e quando l'agente serve davvero.
Una demo gira sul percorso felice, su dati scelti. La produzione gira su tutto il resto: retry, idempotenza, identità del servizio, backpressure, e la prova di cosa ha fatto l'agente.
All'incrocio fra AI e blockchain si vendono due cose diverse. Una usa la catena come fonte dati, l'altra come notaio. Confonderle costa caro in fase di scope.
Le software house .NET non rifiutano blockchain e agenti AI perché siano cattive idee. Le rifiutano perché costruire quella competenza costa due anni.