Riscritti per essere letti fuori dal feed, in tre lingue. Il canonical punta sempre qui.
Ancorare un hash on-chain è il lavoro di un pomeriggio. Quello che decide se serviva a qualcosa è il percorso di verifica: chi controlla, con cosa in mano, fra cinque anni.
Coniare un token è il decimo facile del lavoro. Il legame, il riscatto e la prova delle riserve sono il prodotto — e il punto dove i progetti di tokenizzazione riescono o falliscono.
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.
Spostare valore on-chain è la parte risolta. Il lavoro vero è la riconciliazione: idempotenza, finalità, ricorso e audit trail che trasformano un trasferimento in un pagamento che la contabilità accetta.
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.
Il registro resta nel database del cliente. Sulla catena vanno 32 byte. I quattro passi, e la parte che nessuno dice: cosa non dimostrano.
Ha risolto un problema che le aziende non avevano ancora. Poi gli agenti AI hanno iniziato a toccare denaro vero, e la domanda è cambiata.