Prima di procedere
Google ha recentemente introdotto una versione preliminare della sua nuova IA, chiamata Gemini 2.5, equipaggiata con la funzione Computer Use. Questa tecnologia, che rappresenta un importante passo avanti nel campo dell'intelligenza artificiale, è progettata per interagire con i siti web attraverso un browser, simulando le azioni tipiche di un essere umano. Grazie alla sua capacità di comprensione visiva e ragionamento logico, Gemini 2.5 è in grado di eseguire operazioni come la compilazione e l'invio di moduli senza dover ricorrere ad API o ad altri strumenti di interfaccia di programmazione.
Come riportato da The Verge, Gemini 2.5 è stata progettata specificamente per lavorare con interfacce utente ideate per persone, non per sistemi automatizzati. Secondo Google, questa tecnologia è già stata sperimentata in funzioni di intelligenza artificiale agent-based come l’AI Mode e nel prototipo sperimentale Project Mariner, dove gli agenti IA hanno eseguito autonomamente compiti nel browser, come aggiungere prodotti al carrello basandosi su una lista di ingredienti fornita dall'utente.
OpenAI ha recentemente presentato nuove applicazioni per ChatGPT durante il suo evento annuale Dev Day, continuando a migliorare la funzione ChatGPT Agent che è in grado di effettuare compiti complessi per conto dell'utilizzatore. Parallelamente, Anthropic aveva lanciato la sua versione Claude con capacità di computer use già l'anno precedente. Tuttavia, Google sostiene che la sua tecnologia superi i concorrenti leader in vari benchmark sia per il web che per dispositivi mobili.
A differenza di ChatGPT Agent e delle soluzioni di Anthropic, la funzione Gemini 2.5 Computer Use è al momento limitata all’uso del browser piuttosto che avere accesso all'intero sistema operativo. Google sottolinea che la soluzione non è ancora ottimizzata per la gestione a livello di desktop OS e supporta attualmente 13 azioni, tra cui l'apertura del browser web, la digitazione di testo e il trascinamento degli elementi sulla pagina.
La nuova IA è già disponibile per gli sviluppatori tramite le piattaforme Google AI Studio e Vertex AI. Inoltre, una dimostrazione pubblica è stata resa disponibile su un browser virtuale chiamato BrowserBase, dove è possibile osservare l'intelligenza artificiale eseguire compiti come "giocare al gioco 2048" o "esplorare Hacker News alla ricerca di argomenti discussi".
Questa innovazione di Google apre nuove possibilità nel campo dell'interazione tra intelligenza artificiale e interfacce web, promettendo migliorie significative nell'automazione delle attività e nell'efficienza del web design per un'ampia gamma di applicazioni, dall'intrattenimento al lavoro quotidiano. È un segnale chiaro della direzione verso cui stanno evolvendo le tecnologie AI, integrandosi in maniera più naturale e diretta nelle attività digitali quotidiane degli utenti.
