Anthropic ha appena ridistribuito Claude Fable 5, il suo modello il più efficiente, dopo una sospensione di due settimane. Al di là dell'evento, si pone una domanda concreta per le nostre professioni: cosa cambia realmente un modello di questa classe in una pratica di progettazione guidata dall'intelligenza artificiale?

La risposta non risiede nella generazione di immagini. Risiede in una capacità più discreta, ma ben più strutturante: la capacità di eseguire compiti lunghi e complessi in modo autonomo. senza perdere il filo.

Il vero salto non è l'intelligenza, ma la resistenza.

I modelli precedenti, anche quelli eccellenti, presentavano una limitazione: partivano bene, ma poi le prestazioni peggioravano con il prolungarsi del compito. Dopo poche decine di passaggi, la coerenza veniva meno ed era necessario riprendere il controllo.

Fable 5 è progettato per durare nel tempo. Avviato in un ambiente agentico come Claude Code, pianifica in più fasi, delega a sub-agenti, tiene traccia delle sue dipendenze e mantiene un processo decisionale coerente per centinaia di passaggi.

Anthropic documenta sessioni autonome della durata di diverse ore, e Stripe riporta una migrazione di 50 milioni di righe di codice completata in un giorno, rispetto agli oltre due mesi stimati manualmente.

Per un designer, l'analogia è diretta. La transizione da "Genera questa schermata per me" à "rifiuta questa identità completa, del token fino al risultato visivo finale, mantenendo la coerenza dall'inizio alla fine." Diventa realistico. Non è più una successione di suggerimenti incollati a mano, ma una catena che il sistema mantiene autonomamente.

La capacità che meglio rappresenta la nostra professione: la verifica del proprio output.

Questo è il punto più importante per la progettazione, eppure è quello meno discusso.

Fable 5 fa molto più che produrre. Controlla il suo lavoro Scrive i propri test per convalidare il codice e usa la visione per confrontare l'output risultante con il progetto o l'obiettivo iniziale. Un modello che analizza ciò che ha fatto e lo confronta con l'intenzione originale.

Questa è precisamente l'azione che intraprendiamo quando esaminiamo un mockup: ciò che vedo corrisponde a ciò che volevo? Il fatto che questo ciclo di controllo si stia automatizzando sta cambiando la natura del lavoro. Figma, nel suo feedback pubblico, menziona un "Nessun progresso concreto nella fase di prototipazione"Non è un osservatore neutrale: è lo strumento che sta alla base delle nostre pratiche.

Tre effetti concreti in un flusso di lavoro di progettazione basato sull'intelligenza artificiale

• La declinazione end-to-end diventa affidabile. Un'unica fonte di intenti ben definita, il sistema di progettazione, può alimentare una catena più lunga senza che il modello perda coerenza lungo il percorso: dai componenti ai prototipi fino alle varianti del marchio.

• Il recupero manuale è in calo. Un modello che mantiene la coerenza e verifica il proprio rendering ridotto "Rivedo ogni schermata."Il progettista interviene maggiormente a monte, per definire, e a valle, per validare. Meno nella fase intermedia, per l'esecuzione.

• La costanza nello svolgimento di compiti di lunga durata diventa sfruttabile. Ciò che rende una pipeline utilizzabile in produzione non è la performance su un singolo prompt, ma la coerenza su mille passaggi. È proprio in questo che questo modello si differenzia dai suoi predecessori.

Cosa comporta questo nel ruolo del designer?

Un sistema che verifica il proprio operato ha sempre bisogno di qualcuno che definisca cosa sia corretto. La visione che utilizza per autocontrollarsi confronta l'output con un obiettivo, ma questo obiettivo rimane comunque stabilito da un essere umano. Intenzione, gusto, arbitrato Tutto ciò che entra nel processo produttivo, la responsabilità per il prodotto finale: niente di tutto questo può essere delegato.

Il sistema di progettazione cambia quindi il suo status. Da documentazione letta da esseri umani, si trasforma in un'istruzione strutturata che un sistema esegue con crescente autonomia. Il nostro valore risiede dove la macchina non può arrivare: decidere cosa ha sensoe assicurarsi che il risultato lo giustifichi.

Come affrontare la questione, in termini pratici?

L'approccio corretto non è né il rifiuto né lo stupore. Consiste nell'individuare i punti precisi della nostra catena produttiva in cui una lunga autonomia e l'autoverifica consentono di risparmiare tempo senza compromettere la qualità, e quindi nel definire i requisiti e i vincoli che permettano al sistema di funzionare al meglio.

Perché da ogni prova seria si impara una lezione: La qualità del risultato dipende innanzitutto dalla chiarezza dell'intenzione.Un sistema di progettazione mal strutturato, anche con un modello più potente, produrrà incoerenze più rapidamente e più difficili da correggere. Un sistema di progettazione con un nome appropriato e regole esplicite, al contrario, diventa un vero e proprio centro di controllo.

L'aumento di potenza di questi modelli non sostituisce il rigore della progettazione. Lei la ricompensa.

Filippo Elovenko, Product designer presso UX-Republic