A quattordici anni, lo sviluppatore austriaco Stanislaus Hees ha costruito Autark, un orchestratore open source che trasforma gli agenti AI in un team virtuale capace di lavorare senza prompting continuo. Il meccanismo è semplice: gli utenti depositano i compiti in una inbox, un agente manager li assegna ad altri agenti che eseguono il lavoro e riportano i risultati. Se un task è troppo vago, gli agenti possono chiedere chiarimenti. Secondo il sito del progetto, gli agenti non aspettano un prompt: li svegliano un timer, un messaggio, un evento o un nuovo compito. Decidono cosa fare, lo fanno e pianificano il passo successivo.

Il punto più interessante, per chi segue il deployment locale, è che Autark è model agnostic. Può collegarsi a OpenAI Codex, Claude Code, Gemini CLI, GitHub Copilot CLI e Kimi Code tramite le rispettive CLI, ma supporta anche modelli locali. Il sito avverte però che il supporto per modelli diversi da Codex e Claude Code è integrato ma non ancora testato in esecuzioni reali. Il progetto è in sviluppo attivo e distribuito con licenza Apache open source, incluso il codice del meeting server per il relay del traffico crittografato. In teoria, tutto può essere self-hosted.

La vera anomalia non è l'età dell'autore, ma la filosofia di sicurezza. Autark non mette muri attorno agli agenti: niente sandbox, niente prompt di approvazione, niente gate di permessi. Gli agenti girano con i privilegi dell'utente e possono spendere denaro, cancellare file o inviare email non richieste. Anche il "parley" iniziale, in cui l'AI chiede fin dove può spingersi, è una domanda, non una barriera tecnica. Se un agente riceve un compito in conflitto con i limiti dichiarati, potrebbe comunque tentare di eseguirlo. Nei test dal vivo del progetto, agenti con una richiesta vaga hanno raggiunto repository reali, backup, chiavi SSH e file .env nel giro di pochi minuti; uno ha persino modificato i permessi di un file trovato. Lo stesso Hees ammette che l'app non è adatta all'accesso non presidiato a sistemi sensibili.

Questo cambia il tipo di ragionamento che un team tecnico deve fare. Non si tratta più di valutare se un modello è sicuro in astratto, ma se l'infrastruttura attorno all'agente è in grado di isolarlo davvero. In un contesto on-premise, dove la sovranità dei dati spinge verso self-hosting e modelli locali, Autark è un esperimento che porta all'estremo la delega: toglie il controllo umano dal ciclo operativo e lo sposta sulla configurazione dell'ambiente. Chi vince sono i laboratori, gli sviluppatori che vogliono studiare orchestrazione agentica su macchine dedicate e i team che possono permettersi ambienti usa e getta. Chi perde, almeno per ora, è chi cerca un orchestratore da collegare a sistemi con dati reali o credenziali di produzione: il costo di un errore non è solo un task fallito, ma l'accesso non autorizzato a chiavi e file di configurazione.

C'è un segnale strutturale da cogliere. Strumenti come Autark nascono perché la parte difficile non è più generare testo o completare un task singolo, ma coordinare lavoro continuativo tra più agenti. La delega diventa il vero oggetto del contendere. Per chi valuta deployment on-premise, il trade-off è netto: il codice aperto dà controllo e modificabilità, ma questo controllo non include per impostazione predefinita le barriere che un sistema enterprise normalmente richiederebbe. La lezione non è che l'autonomia agentica sia da evitare, ma che va costruita dentro un perimetro tecnico, non solo dichiarato. Il fatto che un quattordicenne abbia potuto assemblare un orchestratore di questo tipo mostra quanto si sia abbassata la soglia di ingresso per l'automazione multi-agente, ma alza la responsabilità di chi decide dove farlo girare. Per chi valuta deployment on-premise di strumenti simili, esistono trade-off tra controllo, isolamento e autonomia che i framework di AI-RADAR su /llm-onpremise aiutano a sistematizzare.