Da Instagram ad Anthropic

Mike Krieger racconta come l’AI sta riscrivendo le regole del software (e del business)

Il co-fondatore di Instagram, oggi chief product officer di Anthropic, spiega perché il design non morirà, perché il codice scritto al 100% dall’intelligenza artificiale è già realtà e cosa devono fare le aziende per non restare indietro.

Quando Mike Krieger ha co-fondato Instagram nel 2010, le app mobile erano ancora una novità e la maggior parte delle persone sentiva le proprie foto intrappolate nei dispositivi. Oggi, quindici anni dopo, Krieger guida il prodotto di una delle aziende più influenti nel panorama dell’intelligenza artificiale: Anthropic, la società che ha creato Claude. La sua traiettoria professionale — da Stanford a Instagram, passando per una startup di news basata sull’AI fino ad approdare nel cuore della ricerca sui modelli linguistici — offre una prospettiva privilegiata su come la tecnologia stia ridefinendo il concetto stesso di software, di prodotto e di lavoro in azienda.

In una conversazione con Jeetu Patel, Krieger ha condiviso la sua visione su design, sviluppo software, agenti autonomi e adozione dell’AI nelle imprese. Ne emerge un quadro che ogni azienda — e ogni agenzia di comunicazione che le supporta — dovrebbe conoscere a fondo.

Il percorso: dalla semplicità di Instagram alla complessità dell’intelligenza artificiale

Krieger ha studiato symbolic systems a Stanford, un programma interdisciplinare che combina scienza cognitiva, informatica, filosofia, psicologia e intelligenza artificiale. Un dettaglio apparentemente accademico che in realtà definisce il suo approccio al prodotto: la tecnologia più potente del mondo non ha alcun valore se non è comprensibile per le persone che devono utilizzarla.

Dopo una prima esperienza in Meebo, Krieger ha co-fondato Instagram con un’ossessione precisa: rendere ogni schermata così semplice da far capire immediatamente all’utente cosa fare. Successivamente ha lanciato Artifact, una piattaforma di news personalizzate alimentata dall’AI, dove ha sperimentato in prima persona il potenziale dei modelli linguistici: riassumere articoli con una sola chiamata API, riscrivere titoli sensazionalistici in versioni più fattuali. Funzionalità che senza l’AI avrebbero richiesto mesi di lavoro a un team di ricerca dedicato.

È stata proprio quell’esperienza a convincerlo che la prossima generazione di software sarebbe stata costruita e alimentata dai laboratori di ricerca sull’AI. La scelta di unirsi ad Anthropic è nata da questa consapevolezza.

Il design non è morto: perché il “”vibe coding”” non basta

Una delle convinzioni più diffuse nel mondo tech è che l’intelligenza artificiale renderà superfluo il design. Krieger la considera una credenza fondamentalmente sbagliata. La distinzione che propone è semplice ma potente: esiste una differenza enorme tra il software che si usa e il software che si ama.

Il software generato al volo tramite prompt — quello che viene definito vibe coding — può essere funzionale, ma raramente riesce a creare quel legame che spinge un utente a tornare, a cambiare le proprie abitudini, a raccomandarlo ad altri. Per raggiungere quel livello servono ancora il craft, la visione di brand, la capacità di dare un significato all’esperienza. Elementi che richiedono competenze progettuali e strategiche che l’AI da sola non può sostituire.

Il ruolo dei designer sta sicuramente cambiando, ma resta essenziale quanto lo è sempre stato. La fine del software progettato con cura è ampiamente sovrastimata.

Per le aziende e le agenzie che si occupano di comunicazione e posizionamento, questo è un messaggio chiaro: l’AI amplifica la necessità di un’identità forte, non la elimina. In un mondo in cui chiunque può generare un’interfaccia con un prompt, ciò che distingue un prodotto è la strategia che sta dietro.

L’errore più grande che i product manager stanno commettendo

Secondo Krieger, il problema più rilevante nell’attuale sviluppo prodotto è restare troppo a lungo nella fase di mockup e prototipi simulati, senza confrontarsi con le reali capacità dei modelli. In Anthropic l’approccio è radicalmente diverso: si costruiscono prodotti che ancora non funzionano e si aspetta il modello successivo per verificare se le cose sono cambiate.

L’esempio più emblematico è quello di computer use, la funzionalità che permette a Claude di pilotare un computer cliccando e navigando come farebbe un essere umano. Il prototipo è stato costruito nel terzo mese di Krieger in Anthropic, nel 2024, e all’inizio era, nelle sue parole, terribile: cliccava nel posto sbagliato, non riusciva a completare operazioni banali. Ma ad ogni nuova versione del modello di ricerca, il team lo testava nuovamente. Un giorno, senza aspettarselo, un ricercatore ha scritto a Krieger: il modello aveva fatto un salto qualitativo. Era diventato utilizzabile.

Senza quel framework di test continuo, il team non avrebbe mai colto quel momento. La lezione per le aziende è diretta: nel contesto dell’AI, il prodotto è un sistema vivo e non deterministico. Non si può più ragionare in termini di specifiche consegnate all’ingegneria; occorre sperimentare con il modello reale il prima possibile.

Agenti AI nelle aziende: autonomia sì, ma dentro un perimetro controllato

Sul tema dell’autonomia degli agenti AI in ambito enterprise, Krieger adotta una posizione pragmatica. La capacità di questi modelli di trovare soluzioni creative ai problemi è parte del loro valore: se un agente non riesce ad accedere a una risorsa, proverà strade alternative, a volte in modi inaspettati e sorprendenti. Bloccare del tutto questa creatività significa rinunciare a una parte fondamentale del vantaggio offerto dalla tecnologia.

Tuttavia, l’autonomia deve operare all’interno di un sandbox ben definito. Le aziende che adottano sistemi agentici devono concentrarsi su tre elementi fondamentali:

• Permessi minimi: definire con precisione cosa l’agente può e non può fare all’interno del proprio ambiente operativo.
• Flussi di informazione controllati: stabilire quali dati entrano ed escono dal perimetro dell’agente.
• Osservabilità: integrare strumenti di monitoraggio che permettano di comprendere in tempo reale cosa sta facendo il sistema e intervenire quando necessario.

La formula è sintetica: autonomia all’interno di sandbox, con la giusta connettività verso l’esterno.

Il codice è scritto al 100% dall’AI: cosa significa davvero per le aziende

Uno dei passaggi più significativi dell’intervista riguarda lo stato attuale della scrittura di codice in Anthropic. Quando il CEO Dario Amodei aveva dichiarato circa un anno fa che entro fine anno il 90% del codice sarebbe stato scritto dall’AI, molti lo avevano considerato un eccesso di ottimismo. Oggi, per la maggior parte dei prodotti Anthropic, la percentuale è effettivamente del 100%. Claude scrive Claude.

Ma l’aspetto più interessante non è la percentuale in sé. È come è cambiato l’intero ciclo di vita dello sviluppo software.

La revisione adversariale del codice

In Anthropic, Claude viene utilizzato come revisore critico del codice. Non si limita a verificare la sintassi: identifica vulnerabilità di sicurezza, propone refactoring, suggerisce miglioramenti architetturali. Il prompt alla base di questo sistema non è particolarmente complesso — si tratta essenzialmente di istruire il modello a comportarsi come un valutatore estremamente severo — ma i risultati sono notevoli.

Il debito tecnico si ripaga molto più velocemente

Anthropic non è un’azienda vecchia, ma accumula debito tecnico a ritmi accelerati proprio a causa della velocità di sviluppo consentita dall’AI. La buona notizia è che il calcolo costi-benefici per ripagare quel debito è cambiato radicalmente: far ristrutturare intere architetture al modello è diventato sostenibile.

I colli di bottiglia si sono spostati

Quando ogni ingegnere produce almeno una dozzina di pull request al giorno invece di una, i processi tradizionali diventano il vero freno. Un’interruzione del sistema di continuous integration che prima era un lieve fastidio diventa un blocco paralizzante. L’infrastruttura per gli sviluppatori, i sistemi di test automatizzato e le pipeline di deploy non sono più “”importanti””: sono il fattore critico che determina la velocità di un team.

La scarsità non è più nella scrittura del codice. È nella revisione, nell’integrazione, nell’allineamento su cosa il prodotto debba essere e su quali principi architetturali seguire.

Cosa funziona davvero nell’adozione enterprise dell’AI

Krieger è diretto nel descrivere cosa distingue i progetti di successo dai fallimenti nell’adozione dell’intelligenza artificiale nelle grandi organizzazioni. L’approccio che non funziona è quello prudente e frammentario: adottare l’AI per un singolo processo a basso valore, costruire un agente personalizzato per un compito marginale, aspettare di vedere come va.

Questi progetti sono destinati a fallire per due ragioni. La prima è che il problema non è abbastanza ambizioso da generare un apprendimento reale sulle capacità della tecnologia. La seconda è che, al primo ostacolo, le persone abbandonano.

Il modello di adozione che funziona secondo Anthropic

• Scegliere un processo critico per il business, anche se l’idea di automatizzarlo può sembrare rischiosa.
• Definire criteri di successo chiari e guardrail precisi prima di iniziare.
• Stabilire una timeline aggressiva e rispettarla, perché la velocità è essenziale per restare sulla frontiera tecnologica.
• Non trarre conclusioni premature su successo o fallimento: la costanza e la capacità di iterare sono il vero vantaggio competitivo.
• Mantenere un layer centralizzato sottile: il team AI centrale dovrebbe occuparsi di accesso ai modelli e osservabilità, lasciando ai team di prodotto le decisioni operative sugli strumenti da utilizzare.

Krieger ha lavorato con grandi banche e compagnie assicurative seguendo questo schema e sottolinea che la persistenza nel tempo si trasforma in un vero superpotere aziendale. Le organizzazioni che creano troppa instabilità e cambiano direzione troppo presto si condannano al fallimento.

Oltre il codice: la produttività come prossima frontiera

Una tendenza che Anthropic ha osservato con grande interesse è l’uso di Claude code — uno strumento nato per lo sviluppo software — per attività completamente diverse dalla programmazione. Utenti che lo impiegano per orchestrare processi aziendali, creare liste di attività, gestire flussi di lavoro personali.

Questa osservazione ha portato allo sviluppo di Claude co-work, un prodotto costruito interamente con Claude in sole tre settimane, che rappresenta il tentativo di portare le capacità agentiche a un pubblico più ampio, senza richiedere il livello di autonomia totale che strumenti come computer use implicano.

L’obiettivo dichiarato è trovare il giusto equilibrio: potenza e sicurezza, capacità e controllo. Non si tratta di sostituire tutti gli strumenti di lavoro esistenti, ma di individuare i punti in cui l’integrazione e l’automazione generano il massimo valore.

L’interpretabilità meccanicistica: capire perché un modello fa quello che fa

Una delle aree di ricerca più distintive di Anthropic è la mechanistic interpretability, ovvero lo studio di come i modelli AI funzionano internamente. Krieger riconosce che il campo è ancora agli inizi, ma in rapida evoluzione.

Nei primi studi, il team è riuscito a identificare singole feature all’interno del “”cervello”” del modello e persino a manipolarle — un risultato documentato nel celebre paper su Golden Gate Claude. Più recentemente, la ricerca si è spostata sui circuiti: non più singoli concetti, ma il modo in cui il modello esegue operazioni complesse come il calcolo mentale, una capacità che non discende direttamente dal processo di addestramento.

Oggi la ricerca si concentra su domande ancora più applicate: quando il modello resta sincero? quando è incline all’inganno? come reagisce a istruzioni contraddittorie? Queste risposte sono fondamentali per le aziende che devono costruire fiducia nei sistemi AI che adottano.

Personalizzazione e preferenze: la sfida dell’AI che impara da chi la usa

Un tema cruciale per il futuro dei prodotti AI riguarda la personalizzazione. Oggi gli utenti possono impostare le proprie preferenze in modo esplicito — tono, formato delle risposte, livello di dettaglio — ma questa resta una modalità da power user. Per raggiungere miliardi di persone, i modelli dovranno imparare le preferenze in modo più intuitivo.

Krieger descrive due direzioni su cui Anthropic sta lavorando. La prima è l’osservazione passiva: un agente integrato in strumenti come Slack ha già accesso a enormi quantità di informazioni su come una persona lavora, comunica e prende decisioni, senza che l’utente debba compilare alcun modulo. La seconda è la conversazione attiva: permettere a Claude di generare interfacce dinamiche — piccoli elementi di UI creati al momento — per raccogliere le preferenze in modo naturale durante l’interazione.

Dati aziendali: la prossima killer app

Alla domanda su quale sarà la prossima grande applicazione dell’AI al di fuori del coding, Krieger punta con decisione sui flussi di dati aziendali. Ogni impresa dispone di dati interessanti che restano sistematicamente sottoutilizzati: dalla cybersecurity ai dati finanziari, dal trading ai segnali provenienti dal mondo manifatturiero.

L’approccio non è far analizzare al modello ogni singolo punto dati — un uso inefficiente delle risorse — ma piuttosto elevare il livello di preparazione dei dati e costruire sistemi di ingestione, aggregazione e generazione di insight che trasformino quei flussi in valore concreto. Per le aziende, questo rappresenta un’opportunità significativa di differenziazione competitiva.

La preoccupazione più grande: non la tecnologia, ma i processi

Quando viene chiesto a Krieger cosa lo preoccupa di più — escludendo i temi di sicurezza già ampiamente dibattuti — la risposta è sorprendente: non teme un rallentamento delle capacità tecnologiche, ma l’incapacità delle organizzazioni di integrare l’AI nelle proprie strutture.

Il problema è profondamente umano e organizzativo. La differenza tra Claude configurato con le giuste integrazioni (tramite MCP, il protocollo di connessione ai sistemi aziendali) e Claude nella sua versione base è radicale. Ma qualcuno in azienda deve approvare quelle integrazioni. Qualcuno deve concedere i permessi. Ed è proprio lì che il potenziale si blocca.

La mia paura più grande è che la versione di Claude che usiamo internamente in Anthropic, con tutti i permessi attivati, sia radicalmente diversa da quella che l’utente finale sperimenta, dopo che l’accesso è stato negato. A quel punto la reazione è: a cosa serve davvero questo prodotto?

Per le aziende, il messaggio è inequivocabile: investire nell’AI senza affrontare i colli di bottiglia organizzativi e i processi di approvazione interna equivale a comprare un’automobile da corsa e lasciarla in garage.

Cosa significa tutto questo per le aziende e la comunicazione

La visione di Krieger traccia un quadro in cui l’intelligenza artificiale non è più uno strumento accessorio, ma il motore centrale attorno al quale ripensare prodotti, processi e strategie. Per le aziende che cercano un partner di comunicazione, le implicazioni sono molteplici.

La capacità di scrivere codice non è più un elemento differenziante. Lo sono invece il brand, la fiducia costruita nel tempo, le relazioni con i clienti, i dati proprietari, le integrazioni strategiche. In un ecosistema dove la produzione diventa quasi istantanea, ciò che conta è la visione, la strategia e la capacità di creare esperienze che le persone non si limitano a usare, ma che scelgono di amare.

Il design del prodotto non scompare: si evolve. L’adozione dell’AI non si delega a un team periferico: si integra al centro della strategia. E la comunicazione aziendale, in questo contesto, diventa lo strumento attraverso cui un’impresa racconta la propria capacità di innovare — non perché usa l’intelligenza artificiale, ma perché sa come usarla.