Cos’è l’harness nelle AI e perché se ne parla così tanto

L’harness è il software che trasforma un modello linguistico in un agente: strumenti, memoria, permessi e verifica. Ecco cos’è e perché conta più del modello.
Immagine realizzata con IA
Le immagini presenti nel post possono essere realizzate o elaborate con strumenti di Intelligenza Artificiale. Questa scelta nasce anche dalla necessità di prevenire le continue contestazioni e richieste economiche improprie che ricevo relative a fotografie utilizzate che sono sempre state acquistate con regolare licenza.
Contenuti dell'articolo

Se frequenti forum di intelligenza artificiale, changelog di tool o discussioni tra sviluppatori, la parola harness ti sarà saltata addosso almeno una volta. Compare nei titoli, nelle recensioni dei modelli, nei benchmark, perfino nelle offerte di lavoro. E il più delle volte viene usata come se tutti sapessero di cosa si parla.

Non è così. L’harness è un concetto semplice, ma viene raccontato male: mezzo vocabolario inglese, qualche riferimento al mondo dei cavalli e tanta confusione con i framework. Vale la pena metterlo in ordine, perché capire cos’è un harness significa capire dove finisce il modello e dove comincia il prodotto che usi ogni giorno.

Che cosa significa harness, prima di tutto

In inglese harness è l’imbragatura che collega un cavallo al carro. Non è il cavallo, non è il carro: è il sistema di cinghie, fibbie e redini che trasmette la forza del primo al secondo, tenendo tutto sotto controllo. Chi guida non tira il cavallo a mano, tira le redini.

Nel software il termine esiste da decenni sotto forma di test harness: l’infrastruttura che fa girare i test, prepara i dati, lancia il codice e raccoglie i risultati. Di nuovo: non è il codice da testare, è ciò che lo mette in condizione di lavorare e di essere misurato.

Nell’AI generativa l’idea è la stessa, applicata a un modello linguistico. L’harness è tutto il software che sta intorno al modello: gli passa il contesto giusto, gli mette a disposizione gli strumenti, esegue le sue richieste, controlla i risultati e decide quando fermarsi.

TIP – La formula da ricordare. Nel gergo del settore circola una sintesi molto efficace: agente = modello + harness. Il modello ragiona, l’harness agisce. Senza la seconda parte hai un interlocutore brillante che però non può aprire un file, lanciare un test o prenotare una riunione.

Perché il modello da solo non basta

Un modello linguistico, di per sé, è una funzione che riceve una sequenza di token e ne restituisce un’altra. È senza stato: tra una chiamata e la successiva non ricorda niente, se non ciò che gli rimandi dentro. Sa scrivere, riassumere, tradurre, programmare, ma non ha mani.

Non può leggere il tuo repository, non può eseguire il codice che ha appena scritto, non può verificare se il file esiste davvero. Può solo produrre testo che descrive un’azione. Il passaggio dalla descrizione all’azione lo fa l’harness.

Il meccanismo è quello del ciclo reason, act, observe: il modello ragiona, l’harness esegue, il risultato torna al modello come nuovo contesto. E si riparte. Questo schema è noto come ciclo ReAct, introdotto in un paper del 2022, ed è la base di quasi tutti gli agenti che funzionano davvero.

Il ciclo di un agente

Modello
ragiona e decide
→
Harness
esegue e controlla
→
Strumenti
e ambiente reale

Il risultato torna al modello come nuovo contesto: il giro si ripete finché il compito non è chiuso.

Cosa c’è dentro un harness

Non esiste un progetto standard, ma i componenti ricorrono sempre gli stessi. Se ne conti sei o sette, hai in mano la mappa di qualunque agente professionale.

  • System prompt: le istruzioni permanenti che definiscono ruolo, obiettivi e limiti del modello.
  • Dispatch degli strumenti: il livello che traduce la richiesta del modello in una chiamata API, un comando, una query al database.
  • Memoria e stato: ciò che permette di riprendere un lavoro interrotto, ricordare le preferenze dell’utente, non ricominciare da zero a ogni messaggio.
  • Workspace o sandbox: la cartella, il container o l’ambiente isolato in cui l’agente può leggere e scrivere senza combinare disastri.
  • Gestione del contesto: la selezione di cosa entra nella finestra di contesto, che è limitata e costosa.
  • Guardrail e permessi: quali azioni sono consentite, quali richiedono approvazione umana, cosa viene bloccato a priori.
  • Osservabilità: log, tracciamento dei passaggi, metriche di costo e di successo, utili quando qualcosa va storto.

La parte meno visibile è spesso la più importante: la gestione degli errori. Un harness serio si aspetta che il modello sbagli, che inventi un comando inesistente, che dichiari finito un lavoro ancora a metà. Per questo prevede verifiche, retry e punti di controllo.

Harness interno e harness esterno

Una distinzione utile è quella proposta da Birgitta Böckeler di Thoughtworks. Esiste un harness interno, fornito da chi costruisce il modello: è l’SDK, il tool di coding, l’ambiente che trovi già pronto quando installi un prodotto come Claude Code o Codex.

Poi esiste un harness esterno, quello che assembli tu sopra il primo: file di istruzioni, server MCP, skill personalizzate, script di verifica. È qui che un’azienda costruisce il proprio vantaggio, perché il modello è lo stesso per tutti mentre il contorno no.

Böckeler aggiunge un’ulteriore divisione, molto pratica: da una parte le guide, che orientano l’agente prima che agisca (prompt, esempi, regole); dall’altra i sensor, che osservano il risultato e gli permettono di autocorreggersi. Entrambi possono essere deterministici, come un linter o una suite di test, oppure inferenziali, come un secondo modello chiamato a giudicare l’output.

Perché se ne parla così tanto

Il termine non è nuovo, ma è esploso per una ragione precisa: i modelli si stanno assomigliando. Le differenze di qualità tra i primi cinque modelli sul mercato sono sempre più sottili e sempre più difficili da percepire in un compito reale. Quando il cervello è più o meno lo stesso, la differenza la fa il corpo.

Succede la stessa cosa nei benchmark. Un punteggio come quelli su MMLU o SWE-bench non misura solo il modello: misura modello più harness. Due laboratori possono ottenere numeri diversi con lo stesso modello cambiando prompt, numero di tentativi, strumenti disponibili e criteri di valutazione. Ecco perché il settore ha imparato a chiedersi con quale harness è stato ottenuto un risultato.

C’è poi una ragione commerciale. I prodotti che usiamo ogni giorno sono, di fatto, harness: Claude Code, Codex, Cursor, gli agenti dentro gli IDE, i connettori dei chatbot. Il modello è la componente che si compra all’ingrosso, l’harness è quella che si progetta, si rifinisce e si difende dalla concorrenza.

Infine c’è la questione dei fallimenti. Quando un agente combina un pasticcio, raramente è perché il modello non sapeva ragionare. Più spesso ha chiamato lo strumento sbagliato, ha interpretato male un output, ha perso il filo dopo il decimo passaggio, oppure ha dichiarato vittoria senza verificare. Sono tutti problemi di harness.

TIP – Perché “harness engineering” è diventato un mestiere. All’inizio del 2026 il termine ha iniziato a circolare come disciplina a sé. L’idea di fondo è semplice: ogni volta che un agente sbaglia, non si corregge il modello con un prompt più lungo, si modifica l’ambiente in modo che quell’errore non possa ripetersi. Un test in più, un permesso in meno, un controllo automatico al posto della buona volontà.

Harness di agente e harness di valutazione: due cose diverse

La confusione più comune nasce dal fatto che la stessa parola indica due oggetti distinti. L’harness di agente è il runtime che fa lavorare il modello: strumenti, memoria, sandbox, permessi.

L’harness di valutazione è invece il banco di prova. Il più noto è lm-evaluation-harness di EleutherAI, un framework open source che raccoglie oltre sessanta benchmark e centinaia di sotto-attività, da MMLU a GSM8K, con un modo comune di configurare prompt e criteri di punteggio. Serve a confrontare modelli diversi a parità di condizioni.

In mezzo ci sono i banchi di prova per compiti complessi, come il SWE-bench harness per la programmazione, che prepara l’ambiente, applica la patch proposta dal modello e lancia i test. Anche qui il principio è identico: qualcosa che mette il modello in un ambiente controllato e misura ciò che combina.

TIP – Come non confondersi. Se la frase parla di “punteggi”, “confronto tra modelli” o “riproducibilità”, è un harness di valutazione. Se parla di “tool”, “permessi”, “memoria” o “loop”, è un harness di agente. La radice è la stessa, l’uso no.

Un esempio concreto, senza giri di parole

Immagina un agente che deve correggere un bug nel tuo progetto. Il modello legge il codice e propone una modifica. Da solo si fermerebbe lì, con un bel blocco di testo da copiare a mano.

Con un harness succede altro: la modifica viene scritta in una sandbox, il progetto viene compilato, i test partono, l’output torna al modello. Se il test fallisce, il modello vede l’errore e riprova. Se il test passa, l’harness controlla che non siano stati toccati file fuori scope. Poi chiede il permesso prima di fare commit, perché quella è un’azione con conseguenze.

Tutto ciò che non è “il modello che pensa” è harness. Ed è la parte che determina se il sistema è utile o è solo una demo suggestiva.

Cosa cambia per chi usa l’AI, non solo per chi programma

Non serve essere sviluppatori per avere a che fare con un harness. Ogni volta che scrivi istruzioni personalizzate in un chatbot, colleghi un calendario, dai accesso a una cartella o imposti un’automazione, stai configurando un harness.

La differenza tra un utente frustrato e uno soddisfatto spesso non è il modello scelto, ma la qualità di questo contorno. Istruzioni vaghe, strumenti inutili e permessi eccessivi producono risultati incoerenti anche con il miglior modello disponibile.

Vale anche il contrario: un modello medio, dentro un harness ben progettato, con istruzioni chiare, verifiche automatiche e strumenti mirati, batte un modello top lanciato alla cieca. È la lezione più utile di tutta questa storia.

Se vuoi approfondire come si costruisce la parte software, ho scritto una guida su LangChain e LangGraph per gli agenti AI, mentre il funzionamento della memoria a breve termine dei modelli è spiegato nell’articolo sulla KV cache.

Come riconoscere un harness fatto bene

Non esiste un certificato di qualità, ma ci sono segnali affidabili. Un buon harness è prevedibile: a parità di input si comporta più o meno allo stesso modo. Quando cambia comportamento, sai perché.

È trasparente: ti mostra quali strumenti ha usato, quali passaggi ha fatto, quanto è costato. È prudente: chiede conferma prima delle azioni irreversibili e non si inventa permessi che non ha. Ed è verificabile: prevede test, controlli o revisioni umane su ciò che produce.

Il segnale negativo opposto è l’agente che sembra magico finché non lo guardi da vicino: nessun log, nessun limite, nessuna traccia del perché abbia fatto una certa cosa. In quel caso non stai usando un harness, stai usando una scatola chiusa con un modello dentro.

Domande frequenti sull’harness nelle AI

Harness e framework sono la stessa cosa?

No. Un framework come LangChain è una libreria con cui costruisci il flusso di lavoro. L’harness è il runtime che esegue quel flusso: gestisce tool, stato, permessi, errori e contesto. In pratica usi un framework per scrivere l’harness, ma i due concetti restano distinti.

Un harness migliore può salvare un modello scarso?

In parte sì, ma non fa miracoli. Un harness solido compensa dimenticanze, errori di formato e passaggi mancanti. Non può inventare capacità di ragionamento che il modello non ha. Amplifica quello che c’è, nel bene e nel male.

Devo costruire un harness da zero?

Quasi mai. Esistono SDK e runtime pronti per i casi più comuni, dal coding all’analisi dati. La parte che conviene costruire su misura è quella esterna: istruzioni, strumenti specifici del tuo lavoro, controlli di qualità e regole di accesso.

Perché due fonti danno punteggi diversi sullo stesso modello?

Perché stanno misurando sistemi diversi. Cambiano i prompt, il numero di tentativi concessi, gli strumenti disponibili, il modo di estrarre la risposta e i criteri con cui si decide se è corretta. Il modello è lo stesso, l’harness di valutazione no.

L’harness riguarda solo chi sviluppa?

No. Chiunque imposti istruzioni permanenti, connettori, automazioni o livelli di permesso sta già configurando un harness. La differenza è che uno sviluppatore lo scrive nel codice, un utente lo compone con le impostazioni del prodotto.

Qual è il rischio di un harness troppo permissivo?

Che l’agente faccia danni senza chiedere: cancelli file, invii messaggi, spenda denaro. La regola pratica è concedere il minimo necessario per il compito e richiedere approvazione esplicita su tutto ciò che è irreversibile.

Articolo aggiornato a novembre 2026.

Newsletter settimanale con le ultime novità sull’intelligenza artificiale

Corso gratuito sull’Intelligenza Artificiale, dalle nozioni base ai concetti più complessi

Condividi:

Potrebbero interessarti