Notizie dal mercato AI: la scommessa di Meta su Manus Agent, l’accordo Apple–Google per Gemini Siri e l’adozione del checkout in-chat

Lo stack dell’AI sta passando da una logica di “chat” a una di “azione”: agenti autonomi, commerce integrato e audit di livello enterprise stanno convergendo in un nuovo piano di controllo per il lavoro. Il filo conduttore è la distribuzione: chi riesce a essere incorporato nei workflow quotidiani (e nei pagamenti) di miliardi di utenti e milioni di dipendenti avrà il vantaggio.

Notizie principali

Meta acquisisce Manus per accelerare gli autonomous AI agents

Meta sta acquisendo lo startup agent di Singapore, Manus, in un’operazione superiore a 2 miliardi di dollari, rafforzando la strategia di Meta di passare da un’AI di tipo assistenziale a sistemi agentici capaci di eseguire autonomamente i task su tutta la gamma di prodotti. Le cronache mettono inoltre in evidenza l’attenzione riservata alle origini cinesi di Manus: un primo segnale che, in futuro, le capacità agentiche e la governance della provenienza saranno valutate congiuntamente nelle trattative. (The Wall Street Journal)

Google aggiunge il checkout in-chat a Gemini, colmando il gap “assistant-to-transaction”

Google ha annunciato funzionalità shopping ampliate in Gemini, includendo un checkout istantaneo che consente agli utenti di acquistare direttamente nella chat tramite i provider di pagamento supportati. Gemini si posiziona quindi come conversion channel, non solo come discovery tool.
Questo riflette esplicitamente la direzione di OpenAI con Instant Checkout (alimentato da Stripe) e trasforma le “AI answers” in GMV misurabile. (AP News)

Apple collabora con Google: Gemini diventa la base dei modelli next-gen di Siri

Apple e Google hanno confermato una collaborazione pluriennale secondo cui la prossima generazione di Apple Foundation Models sarà basata sui Gemini models e sulla Google cloud technology, con l’obiettivo di alimentare le future funzionalità di Apple Intelligence, inclusa una Siri più personalizzata.
Le cronache indicano che Apple ha valutato altri fornitori di modelli prima di scegliere Google, pur mantenendo l’accento su ambienti Apple-controlled per la privacy. (blog.google)

Perché Apple non ha scelto OpenAI per il “core Siri” layer: la spiegazione più semplice è controllo e rischio della supply-chain. Apple utilizza già OpenAI per “complex queries”, ma l’architettura core dell’assistente richiede termini commerciali pluriennali, capacità prevedibile e un vendor posture che Apple possa operazionalizzare a scala iPhone—Google può offrire un pacchetto integrato model+cloud, mentre Apple mantiene leva rendendo l’accordo non esclusivo.
(Ironia strategica: Google ottiene distribuzione privilegiata sull’install base Apple.)

Allianz collabora con Anthropic: enterprise agents regolamentati con auditabilità come feature

Allianz e Anthropic hanno annunciato una partnership globale per implementare Claude sulla piattaforma AI interna di Allianz e costruire sistemi agentic personalizzati per automatizzare workflow assicurativi, inclusi i processi legati alle claims, integrati con sistemi che registrano decisioni, razionali e fonti dati per tracciabilità e compliance normativa.
Questo rappresenta il pattern più chiaro di “agent rollout in una industry regolamentata”: creazione di valore con registro evidenziabile. (Allianz.com)

Benchmark che cambia il comportamento dei dirigenti: la delega diventa default

Ethan Mollick ha evidenziato i risultati di benchmark (GDPval framing) suggerendo un salto da ~39% a ~72% nei risultati pari o superiori a quelli degli esperti umani sulla stesura di bozze per modelli di classe GPT-5.2.
L’implicazione operativa non è produttività marginale, ma un ridisegno dei workflow: se i success rates superano una soglia, i leader smettono di considerare l’AI come “supporto draft” e iniziano a trattare review e controllo come task manageriale centrale. (oneusefulthing.org)

Ciò che conta davvero qui è la percentuale di volte in cui l’AI produce un lavoro almeno tanto valido quanto quello di un esperto umano al primo tentativo. GPT5 ha eguagliato gli esperti umani nel 39% dei casi, mentre GPT5.2 si attesta intorno al 72%.

Conclusioni

Il mercato sta valutando tre capacità come un unico pacchetto, riconoscendone l’interdipendenza e l’impatto strategico:

1. Autonomia dell’agente, cioè la capacità dei sistemi di eseguire attività in modo indipendente e di prendere decisioni operative senza intervento umano diretto;
2. Distribuzione su larga scala, che consente di applicare queste capacità in modo consistente su più prodotti, processi e contesti, moltiplicandone l’efficacia;
3. Governance della tracciabilità, fondamentale per garantire trasparenza, auditabilità e conformità normativa in tutte le attività delegate ai sistemi intelligenti.

I vincitori del 2026 non saranno soltanto coloro che possiedono modelli più avanzati. Saranno invece quelli in grado di controllare le superfici operative in cui il lavoro viene delegato, di monitorare gli acquisti completati e di assicurare che tutte le decisioni siano tracciabili e soggette ad audit. In pratica, il vero vantaggio competitivo non deriva solo dalla potenza dei modelli, ma dalla capacità di orchestrare autonomia, scalabilità e governance in modo integrato.