Sposta il punto di controllo dalla fine dell'esecuzione di un agente al suo centro, e il tempo di completamento del compito cala del 13,54%. È il risultato principale di uno studio within-subjects su 48 partecipanti impegnati a monitorare agenti AI e a riparare i loro errori, pubblicato alla 2026 CHI Conference (Zhou et al., CHI 2026). L'ottantuno per cento di quei partecipanti ha preferito il design a conferma intermedia rispetto al default conferma-alla-fine che oggi è integrato nella maggior parte degli strumenti agentici.
Rileggilo, perché la direzione è la sorpresa. Più supervisione non è costata throughput. Ha comprato throughput. I controlli dell'agente a metà compito sono stati più veloci del lasciarlo correre pulito fino alla fine.
Questo ribalta l'argomento che la maggior parte dei responsabili operativi porta avanti da due anni. La posizione standard nel mid-market è che lo human-in-the-loop sia una spesa di sicurezza che si paga attingendo al budget di velocità: reale, difendibile, ma una tassa. Questo studio dice che la premessa è sbagliata sui suoi stessi termini, e che il punto in cui un checkpoint si colloca rispetto ai passaggi irreversibili di un agente è una variabile di scheduling che al momento stai lasciando non impostata.
Il default conferma-alla-fine è una scelta di design che non hai fatto tu
La maggior parte dei prodotti agentici esegue un compito multi-step in autonomia e fa emergere una singola approvazione alla fine. Gli autori sono diretti sul perché questo sia fragile: durante l'esecuzione l'utente ha poco controllo, quindi un singolo errore si propaga a cascata e costringe a un riavvio completo. Non scopri al passo tre che l'agente ha letto male l'input. Lo scopri al passo undici, dopo che altri otto passi ci sono stati costruiti sopra.
La correzione ovvia — confermare ogni passo — elimina la cascata ma, nelle parole del paper, impone un overhead tedioso. Così il campo si è assestato su un falso binario: mettere gate ovunque e procedere al rallentatore, oppure non metterne nessuno e scommettere. Nessuna delle due è una decisione. Entrambe sono default.
Il contributo del paper è smettere di trattare la questione come una manopola di sicurezza e modellarla come un problema di scheduling a tempo minimo. La domanda non è più quanta supervisione, che è la domanda su cui ogni team operativo litiga in riunione di budget. È dove, e questa è una domanda che quasi nessuno sta ponendo ad alta voce.
Cosa hanno fatto davvero 48 partecipanti
La ricerca si è svolta in due fasi. Uno studio formativo con otto partecipanti ha fatto emergere un pattern comportamentale ricorrente nel modo in cui le persone monitorano gli errori degli agenti, che gli autori chiamano Confirmation–Diagnosis–Correction–Redo (CDCR). Quando un utente intercetta un problema, conferma che qualcosa non va, diagnostica cosa è andato storto, corregge e rifà il lavoro interessato. Ciascuna di queste quattro fasi richiede tempo misurabile, e la fase di redo scala con quanti passi sono stati eseguiti dall'introduzione dell'errore.
Quel pattern è il motore del risultato. Poiché i costi CDCR sono prevedibili, possono essere stimati in anticipo per ogni passo. Il team ha costruito un modello decision-theoretic che colloca i punti di conferma usando il tempo atteso di interazione dell'utente, decidendo passo per passo se l'agente prosegue in autonomia o se chiede a un umano di supervisionare.
Poi l'hanno testato: 48 partecipanti, within-subjects, a monitorare agenti e riparare errori durante l'esecuzione dal vivo. Il tempo di completamento è sceso del 13,54% rispetto a conferma-alla-fine. La preferenza si è attestata all'81% a favore (Zhou et al., CHI 2026).
Due cautele vanno incluse in qualsiasi lettura operativa. Il campione è di 48 persone in uno studio HCI controllato, non un deployment in produzione su una funzione: tratta il 13,54% come indicativo per i tuoi flussi, non come una previsione. E entrambe le cifre sono misurate nello specifico contro conferma-alla-fine. Il paper non sostiene che la conferma intermedia batta sui tempi la conferma passo-per-passo. Sostiene che il default caricato sulla fine perde contro uno schedulato.
La controargomentazione: Stanford ha trovato che i gate costano 31 punti
Esiste un risultato molto citato che sembra contraddire tutto questo. Lo Stanford Digital Economy Lab ha studiato 51 deployment AI enterprise in produzione e ha riportato un divario mediano di 31 punti percentuali legato a una sola scelta architetturale: i deployment in cui l'AI possedeva il compito end-to-end senza gate di approvazione umana hanno prodotto un guadagno di produttività mediano del 71%, mentre quelli che richiedevano approvazione umana su ogni azione significativa si sono fermati al 40% — tra aziende che usavano gli stessi modelli di frontiera (Stanford Digital Economy Lab, 2026).
Quindi com'è? I gate ti costano 31 punti o ti fanno guadagnare il 13,54%?
Entrambe le cose, e i due risultati non collidono. Stanford ha misurato la presenza del gate — approvazione su ogni azione significativa contro nessuna. Lo studio CHI ha misurato il posizionamento del gate — lo stesso budget di supervisione, schedulato diversamente. La condizione perdente di Stanford è conferma-a-ogni-passo. La condizione perdente dello studio CHI è conferma-alla-fine. Sono due modalità di fallimento diverse, e la riconciliazione è l'istruzione operativa vera: non mettere un gate su ogni azione significativa, e non metterlo solo alla fine.
Il riflesso del mid-market è leggere il numero di Stanford, togliere i gate e chiamarla delega di autorità. Così però atterri esattamente nella condizione che il paper CHI ha battuto del 13,54%.
Il controllo tardivo è anche il controllo debole
Il posizionamento incide su più del tempo di orologio. Incide sul fatto che la revisione intercetti qualcosa o niente.
Uno studio within-subjects separato del 2026 ha sottoposto 36 partecipanti a compiti di coding agentico in cui l'agente produceva output corretto, un fallimento visibile oppure un difetto silente. Sui compiti con difetto silente il tasso di intercettazione complessivo è stato del 39% — ma variava di quasi dieci volte a seconda del compito, dall'8% al 75%, mentre la fiducia auto-riportata dei revisori restava quasi piatta tra 3,83 e 4,50 su 5 (Dissanayake et al., 2026). Tra i compiti con difetto silente falliti e con valutazioni di fiducia valide, il 79% ha ricevuto 4 o 5 su 5 dal revisore che il difetto se l'era perso.
I tuoi revisori non riescono a percepire la differenza tra un compito in cui intercettano tre difetti su quattro e uno in cui ne intercettano uno su dodici. La fiducia non segue l'accuratezza. Il che significa che una singola approvazione a fine esecuzione non è solo un controllo tardivo: è un controllo non misurato, e chi lo firma non ha alcun segnale interno che gli dica su quale tipo di compito si trova.
Il posizionamento dei checkpoint ti dà qualcosa che la fiducia non dà: un difetto intercettato al passo tre è attribuibile al passo tre. Un difetto intercettato alla fine è attribuibile all'intera esecuzione.
Il costo di riavvio è la variabile che non hai prezzato
Se il posizionamento è la leva, l'input che la imposta è il costo di riavvio per passo — quanto lavoro già eseguito un errore intercettato tardi in quel punto ti costringerebbe a rifare.
Due numeri aiutano a calibrare dove quel costo si concentra. L'Agent Delegability Index, che valuta tutte le 18.796 descrizioni di compito di O*NET pesandole per l'occupazione in 146 paesi, ha rilevato che il 35,2% del tempo-compito mondiale è almeno parzialmente delegabile ad agenti, ma solo il 2,5% può essere ceduto per intero, concentrato in poche categorie impiegatizie. Il suo risultato più utile sul piano operativo è che la delega completa raggiunge il picco per compiti che a un umano richiedono circa dodici minuti (Espinal Maya & Jiménez Londoño, 2026). I compiti brevi costano poco da rifare; le esecuzioni lunghe e multi-step sono dove il costo di riavvio si accumula, e sono esattamente quelle che i tuoi strumenti confermano solo alla fine.
Il costo è già nei tuoi conti, semplicemente non sotto una voce che riconosci. In un'indagine su 2.500 lavoratori della conoscenza in cinque paesi, il 42% ha dichiarato di passare più tempo a verificare l'output dell'AI di quanto ne risparmi usandola, e il 52% corregge regolarmente lavoro generato dall'AI prodotto da colleghi (Adaptavist, 2026). È rielaborazione che atterra a valle della generazione — il loop CDCR, che gira non schedulato e non contato, sulle ore di qualcun altro.
Schedulare la conferma è il modo per anticipare quel costo là dove è più economico e visibile.
Cosa fare sui controlli dell'agente a metà compito questo trimestre
Non è un acquisto di tooling. È un esercizio di mappatura, e sta dentro un trimestre.
- Scegli i tuoi tre flussi agentici a maggior volume e scrivine i passi in ordine. Per ogni passo registra un numero: quanti minuti di lavoro già eseguito un umano dovrebbe rifare se un errore introdotto in quel punto venisse intercettato solo a fine esecuzione.
- Segna ogni passo irreversibile — qualsiasi cosa che invii, paghi, pubblichi, scriva su un sistema di record o tocchi una terza parte. Il costo di riavvio su un passo irreversibile non si misura in minuti; è un processo di recupero. Questi sono i tuoi checkpoint obbligatori a prescindere da cosa dica il modello temporale.
- Colloca i checkpoint immediatamente prima dei passi in cui il costo di riavvio cumulato fa un salto, non a intervalli regolari e non alla fine. Il controllo a intervalli piatti è la condizione di overhead tedioso che la ricerca ha già respinto.
- Strumenta la revisione, non solo l'esecuzione. Registra il tasso di intercettazione per checkpoint e per tipo di compito. Dato che la fiducia dei revisori resta piatta mentre il tasso di intercettazione oscilla dall'8% al 75%, nessuno ti segnalerà un checkpoint debole: devi misurarlo.
- Rifai la mappa quando allarghi l'autonomia. Concedere a un agente un nuovo tipo di azione cambia il profilo di riavvio di ogni passo a valle.
L'architettura di governance determina quanto di tutto questo puoi configurare. I Digital Employee di Scovai hanno come default il confirm-first — ogni azione visibile all'esterno diventa una richiesta di approvazione con un nome umano sopra, una richiesta senza risposta scade invece di passare in silenzio, e l'autonomia si guadagna per tipo di azione a partire da un registro di approvazioni tracciato, non si concede in blocco per postazione (Scovai Digital Employees). Questo risponde alla domanda sulla presenza. Il risultato CHI dice che la domanda sul posizionamento le sopravvive: una volta che sai quali tipi di azione un lavoratore digitale può compiere senza supervisione, devi ancora decidere dove, dentro un'esecuzione multi-step, cadono i controlli rimanenti.
La decisione che hai davanti
La maggior parte dei team operativi sta conducendo un argomento di budget — quante ore di revisione possiamo permetterci di spendere nella supervisione degli agenti, e possiamo in generale giustificare controlli dell'agente a metà compito. La ricerca dice che quell'argomento si sta svolgendo sull'asse sbagliato. Il tuo costo di supervisione degli agenti è già fissato; quello che non è fissato è dove atterra, e il posizionamento vale il 13,54% del tempo di completamento prima di qualsiasi cambiamento di organico, modello o fornitore.
Quindi la chiamata concreta per questo trimestre è abbastanza stretta da poter essere fatta di martedì: prendi il tuo singolo flusso agentico a maggior volume, trova il primo passo irreversibile al suo interno e verifica se qualcosa conferma prima di quel passo. Se non lo fa nulla, non stai usando un modello di supervisione snello. Ne stai usando uno costoso, con la fattura rinviata al riavvio.