Harness

In questo episodio esploriamo il termine "harness", partendo dall'incidente OpenAI–Hugging Face del luglio 2026: gli agenti non avevano accesso a internet né un canale per comunicare, e se li sono costruiti da soli. È il caso che ha fatto cambiare idea a Dario Amodei sul rallentare l'IA — e il punto esatto in cui "contenimento" e "allineamento" smettono di essere filosofia e diventano codice. In sintesi: L'etimologia. Dal norreno hernest (herr, esercito, + nest, le provviste da viaggio) al francese antico harneis: prima l'armatura del cavaliere, poi — nel Trecento — i finimenti del cavallo da tiro. Dalla stessa parola francese l'italiano ha ricavato arnese. Dal 1690 il senso figurato inglese: to harness, imbrigliare una forza naturale per metterla al lavoro. Il nodo semantico. I finimenti servono a frenare il cavallo, e servono anche a fargli tirare un carro che da solo non sposterebbe. Lo stesso strato è insieme la briglia e l'esoscheletro: la retorica pubblica sul "controllo" immagina finimenti, l'ingegneria costruisce moltiplicatori di potenza. Che cos'è tecnicamente. Lo strato software fra il modello e il mondo: contesto, strumenti, memoria, permessi, verifica, recupero dagli errori. In formula: agente = modello + harness. I pesi restano identici, cambia solo il codice che li avvolge. Quanto pesa. Su ARC-AGI gli stessi pesi passano da circa il 30% a oltre il 95% cambiando solo l'harness. Quello che leggiamo come "punteggio del modello" è quasi sempre un punteggio modello + harness (Shangding Gu, UC Berkeley, maggio 2026: From Model Scaling to System Scaling). Harness ≠ guardrails. Il guardrail è il filtro attivo in tempo reale durante l'uso; l'harness viene prima e sta sotto — stabilisce cosa l'agente può fare, ed è anche il banco di prova su cui lo si misura. Il 14 settembre Trump ha scritto che l'unico "guardrail" necessario è "un presidente FORTE e INTELLIGENTE". Perché disinnesca in parte il "rallentare". Se una quota rilevante della capacità operativa non sta nei pesi ma nel wrapper, i controlli sui chip e sui run di addestramento governano metà del problema. L'harness è codice ordinario: open source, replicabile. Chiunque può aumentare la capacità pericolosa di un modello già rilasciato senza addestrare nulla. Il rovescio. Ogni misura di sicurezza è una misura fatta attraverso un harness. Uno scaffolding debole sottostima il rischio, e le soglie di capacità critica diventano relative allo strumento con cui le hai misurate. Approfondimenti: Dario Amodei, We Must Pace the Frontier, settembre 2026: https://darioamodei.com/post/we-must-pace-the-frontier OpenAI, The Hugging Face incident and the road ahead: https://openai.com/index/hugging-face-incident-and-the-road-ahead/ Hugging Face, Anatomy of a Frontier Lab Agent Intrusion: A Technical Timeline of the July 2026 Incident: https://huggingface.co/blog/agent-intrusion-technical-timeline Shangding Gu (UC Berkeley), From Model Scaling to System Scaling: Scaling the Harness in Agentic AI, arXiv 2605.26112: https://arxiv.org/abs/2605.26112 Birgitta Böckeler, Harness engineering for coding agent users, martinfowler.com, 2 aprile 2026: https://martinfowler.com/articles/harness-engineering.html Existential risk studies, Wikipedia: https://en.wikipedia.org/wiki/Existential_risk_studies