Cosa sono gli interaction model per l'AI?

Gli interaction model sono un'architettura a due livelli per la collaborazione tra persone e AI in tempo reale: un modello in primo piano elabora continuamente input e output in micro-turni da 200 millisecondi: gestisce audio, video e testo insieme e non aspetta che l'utente finisca di parlare prima di iniziare a rispondere. Un modello in background lavora invece in modo asincrono su ragionamento più profondo, uso di strumenti e task a orizzonte lungo: i suoi risultati entrano nella conversazione in corso non appena sono pronti, senza mai bloccare l'interazione in tempo reale. Il termine è stato coniato da Thinking Machines Lab, il laboratorio fondato da Mira Murati, che a maggio 2026 ha presentato il primo modello di questa categoria, TML-Interaction-Small. La differenza rispetto ai modelli conversazionali tradizionali, che aspettano un input completo prima di generare una risposta completa, è strutturale: qui percezione e generazione avvengono nello stesso flusso continuo, non in due fasi separate.

Il collo di bottiglia che risolve

I sistemi conversazionali a turni rigidi impongono un limite che non dipende dall'intelligenza del modello ma dalla forma dell'interazione stessa: l'utente deve completare il pensiero, il sistema deve completare la risposta, e nel mezzo non può succedere nulla. Non si può interrompere in modo naturale, non si può reagire a un'esitazione nel tono di voce, non si può correggere a metà frase come farebbe una persona in una conversazione reale. Thinking Machines Lab chiama questo limite il "collo di bottiglia della collaborazione": più il modello diventa capace, più questa rigidità nei turni diventa il vero freno, perché la larghezza di banda della comunicazione tra umano e AI resta quella di un'interfaccia a botta e risposta, indipendentemente da quanto sia sofisticato ciò che sta dietro.

Un esempio enterprise concreto

Un caso applicativo chiaro è un agente vocale per il customer service: con un modello a turni, l'agente aspetta che il cliente finisca di parlare, poi elabora ed emette la risposta intera, anche se il cliente sta già mostrando frustrazione a metà frase. Con un interaction model, il livello in primo piano coglie il cambio di tono in tempo reale e può adattare il registro o proporre un'escalation prima che il cliente finisca di esprimere il problema, mentre il modello in background verifica in parallelo lo storico dell'account o esegue un rimborso, senza far attendere la conversazione. Questo non è computer use, che riguarda un agente che opera un'interfaccia grafica al posto di una persona: qui il tema è il canale conversazionale stesso, come audio, video e testo vengono scambiati in tempo reale tra umano e AI.

Perché conta, con la cautela dovuta

Per chi valuta un caso d'uso di customer experience o di agentic CX con interazione vocale o video, questo paradigma promette di eliminare la latenza percepita e la rigidità dei turni che oggi tradiscono l'interlocutore artificiale. Va però trattato per quello che è al momento: TML-Interaction-Small è disponibile solo in research preview limitata per un numero selezionato di partner e non è stato ancora annunciato un rilascio pubblico generale; altri laboratori come ElevenLabs stanno intanto convergendo indipendentemente sullo stesso linguaggio di categoria, segno che il paradigma è emergente e non ancora uno standard di mercato. Costruirci sopra un caso d'uso di produzione oggi significa dipendere da un accesso ristretto e da un'API non ancora stabilizzata: la decisione sensata, per ora, è monitorare l'evoluzione e valutare un pilota quando l'accesso si allarga, non pianificare un lancio in produzione sulla sola base dell'annuncio.