L'automazione del web sta compiendo un salto evolutivo, passando dalla lettura del codice alla percezione visiva. Microsoft Research AI Frontiers ha reso pubblici i pesi di Fara1.5-27B, un agente per l'uso del computer (CUA) progettato per operare all'interno dei browser web. A differenza della maggior parte degli strumenti di automazione, Fara non analizza il DOM o l'albero di accessibilità della pagina; percepisce l'interfaccia esclusivamente tramite screenshot, simulando il modo in cui un utente umano osserva uno schermo.

Percezione visiva e azione strutturata

Il cuore tecnologico di Fara1.5-27B risiede nella sua capacità di trasformare l'input visivo in azioni concrete. Il modello osserva lo stato attuale del browser e, incrociandolo con la cronologia delle azioni precedenti, predice il passo successivo. Questo processo culmina nell'emissione di chiamate a strumenti strutturati: click su coordinate precise, digitazione di testo, scorrimento della pagina o navigazione verso nuovi URL.

L'architettura si basa su un fine-tuning supervisionato di Qwen3.5-27B, ottimizzato attraverso una pipeline multi-agente chiamata FaraGen1.5. Questo sistema sintetizza task web complessi ed esegue traiettorie di azione per addestrare il modello a completare flussi di lavoro end-to-end in modo autonomo.

La sfida dell'efficienza e l'ecosistema open-weight

I Put Microsoft's AI Browser to the Test. Here's What Actually Works — https://au.pcmag.com/ai/113938/i-put-microsofts-ai-browser-to-the-test-heres-what-actually-works

Il rilascio di Fara1.5 si inserisce in un trend più ampio verso l'ottimizzazione dei modelli da 27 miliardi di parametri. Mentre il modello in precisione FP16 richiederebbe circa 54 GB di VRAM, la comunità sta spingendo verso quantizzazioni aggressive per l'esecuzione locale. Progetti come Bonsai 27B stanno esplorando rappresentazioni a 1 bit, riducendo l'impronta di memoria fino a 14 volte per permettere a modelli di questa taglia di girare su laptop consumer o tramite WebGPU direttamente nel browser.

Questa apertura riflette la strategia di Microsoft di integrare modelli open-weight all'interno di Microsoft Foundry, facilitando il deployment di modelli curati da Hugging Face su infrastrutture Azure gestite.

Verso un'interfaccia agentica universale

L'approccio di Fara rappresenta una risposta tecnologica alla necessità di agenti più flessibili. Mentre Chrome evolve in un agente AI integrando Gemini profondamente nel browser, Fara punta su un'astrazione visiva che lo rende potenzialmente indipendente dalla struttura tecnica del sito web.

Tuttavia, l'autonomia di questi agenti solleva criticità di sicurezza. Recentemente, un attacco sofisticato ha svuotato il portafoglio di un agente Grok tramite prompt injection, ricordando che l'abilità di un agente di interagire con il web reale espande drasticamente la superficie d'attacco per i sistemi AI.

Impatto sul mercato italiano

Per le aziende italiane, l'adozione di agenti come Fara1.5 potrebbe accelerare la digitalizzazione dei processi back-office, automatizzando l'interazione con portali della Pubblica Amministrazione o software gestionali legacy che non offrono API moderne, permettendo all'AI di "leggere" e operare su interfacce web datate senza richiedere costosi interventi di refactoring del codice.