Gli agenti IA guidano la tua pipeline foto

Il 3 settembre 2026 OpenAI ha rilasciato GPT-6 Astra, un modello costruito per usare da solo un software: compilare moduli, navigare tra pagine web, portare avanti attività su più passaggi su un computer, non solo rispondere a domande su di esse. Il co-fondatore di OpenAI l'ha definito un passo verso l'AGI. Che meriti o meno quell'etichetta, la direzione è chiara.

Non è la storia di una sola azienda. Claude di Anthropic sa usare un computer dal 2024. Operator di OpenAI ha fatto lo stesso a partire dal 2025. La modalità agente di ChatGPT ha unito entrambe le idee in un unico prodotto più tardi quello stesso anno. Astra è l'ultimo, più capace tassello di uno schema ormai profondo di diversi lanci: sistemi IA che non si limitano a dirti cosa fare, ma lo fanno da soli.

Questo cambiamento ridefinisce cosa deve significare "costruito per l'IA" per ogni software che un agente potrebbe toccare. Un'interfaccia chat va bene per una persona. Un agente ha bisogno di tutt'altro: un endpoint che può chiamare, un job che può avviare e controllare, un risultato che può recuperare quando il lavoro è finito. Un software che espone solo un campo di prompt e un pulsante di download è un vicolo cieco per un agente, per quanto sia bravo il modello dietro.

La parte che On-Model aveva già capito

Abbiamo trattato questa idea dal lato dell'acquirente in L'infrastruttura IA per le immagini moda: On-Model è stato costruito come infrastruttura che un rivenditore collega alla propria pipeline, non come strumento creativo che una persona apre per creare un'immagine. Questa distinzione si rivela importante oggi, per un motivo completamente diverso. L'infrastruttura, per definizione, è costruita per essere chiamata da qualcosa di diverso da una persona che clicca in un'interfaccia. On-Model ha una API REST, ID di job asincroni, webhook ed elaborazione in batch da prima che "IA agentica" fosse un termine usato da qualcuno. Non l'abbiamo costruita per gli agenti. L'abbiamo costruita perché una pipeline di produzione deve girare senza supervisione, e si dà il caso che sia esattamente la forma di interfaccia di cui ha bisogno anche un agente.

Che il chiamante sia una persona nell'app, uno script in un cron job notturno, o ora un agente autonomo che agisce su un obiettivo espresso in linguaggio naturale, l'interazione sottostante è identica:

L'agente riceve un obiettivo
        │
Autenticarsi (Bearer token)
        │
Creare o riutilizzare un progetto
        │
Caricare ogni immagine prodotto  →  ottiene un file_id
        │
Avviare un job — model swap / flat-to-model / packshot / garment recolor
        │
Osservare l'avanzamento (stream di eventi o webhook)  →  status: completed
        │
Recuperare i risultati  →  URL delle immagini finali
        │
Passare a PIM / DAM / e-commerce

Per un agente che guida l'API non cambia nulla nell'API. È proprio questo il punto.

Cosa chiama davvero un agente

Un framework per agenti non legge la nostra documentazione, legge una definizione di tool. Ecco più o meno la forma che registreresti per l'endpoint model-swap, costruita direttamente sui campi reali della richiesta:

{
"name": "start_model_swap_job",
"description": "Swap an approved brand identity onto one or more uploaded product images and start an async job.",
"parameters": {
  "type": "object",
  "properties": {
    "identity_code": {
      "type": "string",
      "description": "The approved model identity to apply"
    },
    "project_id": { "type": "string" },
    "images": {
      "type": "array",
      "items": { "type": "string" },
      "description": "Uploaded file_id values"
    },
    "swap_options": {
      "type": "object",
      "properties": {
        "model": { "type": "string", "enum": ["auto", "onda", "nano_banana_2"] },
        "num_variations": { "type": "integer", "minimum": 1, "maximum": 4 },
        "use_anchor": { "type": "boolean" }
      }
    }
  },
  "required": ["identity_code", "project_id", "images"]
}
}

Chiamalo, ottieni un job_id, e poi interrogalo periodicamente oppure lascia che sia un webhook ad avvisarti quando è pronto. Tutto il resto — flat-to-model, create-packshot, garment recolor — segue lo stesso schema: richiedere un job, lasciarlo girare, recuperare i risultati. È documentato allo stesso modo, che chi legge sia uno sviluppatore o che a generare la richiesta sia un modello linguistico.

Un compito da lunedì mattina

Immagina che una responsabile operativa dica al proprio agente: "La collezione di felpe autunnali è appena arrivata. Applica la nostra identità Priya e prepara le taglie per Zalando e Shopify prima dello standup." Un agente capace non ha bisogno di una persona che traduca questo in clic. Può:

1. Controllare il feed PIM per le nuove SKU e recuperare le immagini flat-lay.
2. Caricare ciascuna e raccogliere i valori file_id.
3. Avviare un job model-swap con identity_code impostato sull'identità di brand approvata, use_anchor attivo così il modello sembra la stessa persona in tutto il set.
4. Osservare lo stream di eventi del job finché ogni immagine non riporta completed.
5. Recuperare i risultati, e ridimensionare secondo le specifiche del marketplace nella stessa chiamata oppure avviare un job successivo con la width/height giusta per ogni piattaforma.
6. Reinserire i file finiti nel DAM e rispondere "fatto" con un link.

È esattamente lo stesso playbook che oggi un coordinatore di produzione segue a mano, solo eseguito da qualcosa che non dorme tra il passaggio 2 e il 5. Niente in questa sequenza è ipotetico. Sono sei chiamate a un'API che esiste già.

Perché tutta la categoria si sta muovendo in questa direzione

Gli agenti computer-use continueranno a migliorare esattamente nel tipo di lavoro noioso, su più passaggi e strutturato di cui è fatta una pipeline di contenuti: controllare il feed, elaborare il batch, instradare l'output, confermare l'arrivo. Questo favorisce il software costruito fin dall'inizio come infrastruttura rispetto a quello che si è sempre aspettato una persona dall'altra parte della richiesta. Uno strumento a campo di prompt non offre nulla a cui un agente possa aggrapparsi. Un sistema costruito attorno a job, ID e controlli di stato è esattamente la superficie che un agente è pensato per guidare.

On-Model non ha dovuto diventare pronto per gli agenti. Lo era già, perché lo abbiamo costruito come infrastruttura fin dall'inizio, non come strumento creativo. GPT-6 Astra non crea questo fatto, lo rende semplicemente rilevante in un modo nuovo. Man mano che gli agenti si assumono sempre più il lavoro operativo che i team moda oggi svolgono a mano, le piattaforme che parlano già API, non solo chat, sono quelle che un agente può davvero prendere in mano e far girare.

• Integrazione API — endpoint, avvio rapido ed esempi di codice per collegare On-Model a una pipeline
• Documentazione API — autenticazione, forma completa di richiesta/risposta per ogni tipo di job
• L'infrastruttura IA per le immagini moda — perché abbiamo costruito On-Model come una pipeline, non un campo di prompt
• Cinque tipi di input, un'unica piattaforma — i tipi di job che un agente (o una persona) può avviare
• Prova On-Model gratis — ottieni un token API e avvia il tuo primo job in pochi minuti