Model Hardware Standard: Anthropic apre il controllo di microscopi e robot agli agenti AI

Il 27 agosto 2026 Anthropic ha aperto la research preview del Model Hardware Standard (MHS), una specifica condivisa che permette agli agenti AI di far funzionare macchine vere: microscopi, bracci robotici, termociclatori, sistemi laser. Non è l’ennesimo annuncio di un modello più bravo a scrivere codice. È il tentativo di standardizzare il punto in cui il software incontra l’hardware, lo stesso problema che MCP ha risolto per i dati, spostato di un piano più in basso, dove le cose si rompono davvero.

In questo articolo scoprirai:

• Che cos'è il Model Hardware Standard e quale problema risolve
• Da settimane a otto ore: i numeri dei laboratori partner
• Perché MHS e MCP sono due standard complementari, non concorrenti
• Il Regolamento macchine UE cambia le carte per chi automatizza in Europa
• Cosa serve davvero per portare un agente AI in laboratorio o su una linea

Che cos’è il Model Hardware Standard e quale problema risolve

Anthropic lo definisce, nella pagina di annuncio ufficiale, «una specifica condivisa perché gli agenti AI possano operare in sicurezza su dispositivi fisici». In pratica: un modo uniforme per descrivere cosa fa un dispositivo e come può essere comandato. Ogni strumento espone le sue funzioni attraverso due primitive elementari, read per leggere uno stato (una temperatura, una posizione), write per mandare un comando. Sotto quella superficie può esserci un protocollo COM degli anni Novanta o un SDK moderno: l’agente non se ne accorge.

Il secondo pezzo è la scoperta. I dispositivi si annunciano sulla rete senza bisogno di un middleware che traduca, e portano con sé metadati in linguaggio naturale che incorporano il sapere tacito dei manuali: quanto pesa un braccio, entro quali angoli e velocità è lecito muoverlo. Qui sta la parte interessante per chi lavora in fabbrica, il vincolo di sicurezza smette di essere una convenzione scritta su un foglio e diventa un dato leggibile dalla macchina. Lo standard è in anteprima riservata a un gruppo selezionato di organizzazioni fra scienza, robotica e manifattura, con lista d’attesa aperta: oggi un’azienda italiana non può adottare MHS, può solo iscriversi alla lista e aspettare, e i risultati dei partner che leggerai qui sotto arrivano da una preview accompagnata dal team di Anthropic, non da installazioni autonome. Anthropic dichiara l’intenzione di rilasciarlo open source al termine della preview, dopo aver pubblicato i risultati sulle valutazioni di sicurezza.

Da settimane a otto ore: i numeri dei laboratori partner

La promessa quantitativa di MHS è la compressione dei tempi di integrazione: da settimane o mesi a ore o minuti. I casi raccolti da Anthropic la sostanziano. La Carnegie Mellon University ha portato a circa otto ore un’integrazione che con un setup fornito dal vendor richiede tipicamente diverse settimane. I laboratori Baker e Pinglay della University of Washington hanno collegato sei strumenti in meno di una settimana. All’HHMI Janelia Research Campus l’aggancio di nuovo hardware si misura in «solo pochi minuti», e Virginie Ruetten descrive il cambiamento nel lavoro quotidiano così: «Avviare un esperimento oggi richiede un clic sul dashboard MHS invece di sette passaggi separati» (le due citazioni sono nell’annuncio ufficiale di Anthropic).

Il dato più netto arriva però da QuEra Computing, sul relocking dei laser per computer quantistici. Il codice scritto su misura da un team di ingegneri otteneva un tasso di successo del 58%, con circa 150 secondi per tentativo. Riscrivendo iterativamente la logica come albero decisionale, Claude ha raggiunto il 99,3% di successo su 700 prove cieche, risolvendo i casi più difficili in 10-14 secondi. Gli altri partner coprono domini diversi: Genentech sul dosaggio proteico BCA, Tetsuwan Scientific su workflow qPCR per la caratterizzazione dell’inquinamento, Janelia su microscopia e imaging neurale. Non è un singolo caso d’uso ottimizzato: è la stessa interfaccia applicata a sei contesti che non si somigliano.

Perché MHS e MCP sono due standard complementari, non concorrenti

Chi ha seguito l’anno del Model Context Protocol si chiederà se MHS lo sostituisca. No: lavorano su strati diversi e si incontrano. La documentazione ufficiale di MCP lo descrive come «uno standard open-source per connettere le applicazioni AI a sistemi esterni», con l’analogia ormai nota della porta USB-C per le applicazioni AI. MHS fa la stessa operazione un piano più sotto, sull’hardware fisico, e Anthropic scrive esplicitamente nell’annuncio del Model Hardware Standard che «qualsiasi agent harness può accedervi usando protocolli standard, come il Model Context Protocol». Le vie di accesso previste sono tre: MCP, interfaccia a riga di comando, e file di codice usati come API.

La conseguenza pratica è che chi ha già un server MCP in azienda ha metà del lavoro fatto: l’agente che oggi interroga un gestionale domani può, in linea di principio, leggere un sensore con la stessa grammatica. Se il livello dei protocolli non è ancora chiaro, conviene partire dalla nostra guida su cos’è un MCP Server e cosa serve davvero per usarlo in azienda. La direzione è la stessa che avevamo visto nel field report OpenAI sullo scientific computing agentico: la ricerca è il banco di prova dove gli agenti smettono di essere demo.

Il Regolamento macchine UE cambia le carte per chi automatizza in Europa

Qui il discorso si fa concreto per un’azienda italiana, e va detto con precisione. Il Regolamento (UE) 2023/1230 sostituisce integralmente la Direttiva Macchine 2006/42/CE e, per la prima volta, tratta esplicitamente le macchine con «self-evolving behaviour» basate su intelligenza artificiale. Il considerando 54 chiede che i sistemi con comportamento auto-evolutivo che assicurano funzioni di sicurezza rientrino nell’Allegato I, proprio per caratteristiche come dipendenza dai dati, opacità, autonomia e connettività. E i componenti di sicurezza, all’articolo 3, comprendono ora anche il software.

Come nota TNW, la conseguenza è tutt’altro che teorica: un file MHS che limita velocità e angoli di un braccio robotico sta svolgendo a tutti gli effetti una funzione di sicurezza, e per le categorie ad alto rischio l’autodichiarazione di conformità non basta più. La data che conta è il 20 gennaio 2027, quando il regolamento diventa applicabile. Chi scriverà quei descrittori in Europa non sta configurando un tool: sta redigendo un componente regolamentato. Il tema si incrocia con quanto abbiamo già scritto su governance degli agenti AI, policy e AI Act e nella guida alle scadenze dell’AI Act.

Cosa serve davvero per portare un agente AI in laboratorio o su una linea

Lo standard toglie l’attrito dell’integrazione, non la responsabilità di chi lo adotta. Anthropic stessa elenca i limiti osservati: Claude fatica con i vincoli fisici, chimici e biologici. In Genentech ha ritentato operazioni fallite in modo identico dopo la formazione di bolle, perché non aveva il modello mentale per distinguere un guasto fisico da un errore software; altrove la prudenza si è tradotta in agenti fermi tutta la notte in attesa di conferma. L’annuncio ufficiale del Model Hardware Standard è netto sul punto: per i compiti critici serve «expert oversight». Il modello non basta da solo, come abbiamo argomentato parlando di agenti AI sicuri.

Perché Anthropic entra nel mondo fisico proprio adesso

Vale la pena inquadrare la mossa nel contesto industriale, perché il salto non è soltanto tecnico. CNBC la legge come l’ingresso di Anthropic nel mondo fisico: fino a ieri la competizione fra i laboratori di frontiera si giocava su codice, testo e strumenti software, ora si sposta sulle macchine che stanno in un capannone o in una stanza sterile. Investing.com registra l’apertura della research preview come notizia di mercato, segno che lo standard viene letto anche come posizionamento competitivo. E AlphaSignal mette il dito sul dettaglio che interessa di più un responsabile di produzione: agenti che comandano robot di laboratorio durante la notte, quando in reparto non c’è nessuno a guardare. È lì che la qualità del descrittore di sicurezza smette di essere una formalità documentale.

Fra PLC, LIMS e il punto in cui serve una conferma umana

Ed è esattamente il punto in cui un’azienda non ce la fa da sola. Fra il PLC di una linea, un LIMS, un gestionale e un descrittore MHS scritto bene c’è un lavoro di interpretazione che nessuno standard automatizza: capire quali passaggi vale la pena delegare, dove mettere il punto di conferma umano, come si documenta tutto questo per l’auditor del 2027. È il motivo per cui, come raccontiamo nell’articolo su perché nell’AI agent enterprise il servizio conta più del modello, il valore si sposta sull’accompagnamento, e perché l’onboarding degli agenti AI è una fase progettuale, non una formalità.

Se stai valutando dove un agente potrebbe innestarsi nei tuoi processi, in laboratorio, in produzione o sui sistemi gestionali che li tengono insieme, noi di MIMIR affianchiamo le aziende in questo passaggio: analisi dei processi, integrazione con i sistemi esistenti e onboarding seguito da persone, non solo da un modello. Se hai un’esigenza concreta, scrivici: partiamo da cosa fa oggi il tuo flusso di lavoro, non da cosa promette lo standard.

Fonti:

• Anthropic, Model Hardware Standard research preview (annuncio ufficiale)
• CNBC, Anthropic pushes into the physical world with a new standard for AI agents
• TNW, MHS e il Regolamento macchine UE in vigore dal 2027
• AlphaSignal, Claude controlla robot di laboratorio durante la notte
• Model Context Protocol, documentazione ufficiale
• Investing.com, Anthropic apre la research preview dello standard hardware
• EUR-Lex, Regolamento (UE) 2023/1230 sulle macchine