Dentro Clevera: come l'IA agentica trasforma le registrazioni dello schermo in voci fuori campo

Il caos nascosto dietro l'automazione#

Quando abbiamo creato Clevera, avevamo pochi modelli che facevano troppo. Ognuno cercava di destreggiarsi tra più compiti contemporaneamente: guardare lo schermo, interpretare le azioni, decidere cosa fosse importante, scrivere la narrazione, scegliere il tono e trasformare il tutto in un tutorial coerente. Pochi cervelli, ma tutti sotto carico di lavoro completo.

Immagina una troupe cinematografica in cui tre persone cercano di gestire venti ruoli diversi. Regista, operatore di ripresa, sceneggiatore e montatore, tutto fatto da uno solo. Puoi immaginare come sia andata. I risultati erano accettabili, ma mai grandiosi. La narrazione suonava rigida. I momenti importanti venivano saltati. I video più lunghi mandavano i modelli in confusione e rendevano il tutto incoerente.

Il problema non erano i modelli in sé. Il problema era trattarli come un singolo pensatore invece che come una squadra.

Abbiamo capito che gli umani non sono pensatori lineari#

Inizialmente abbiamo cercato di imitare come un essere umano sembra creare un tutorial: guarda lo schermo, pensa per un secondo, spiega. Semplice. Almeno in superficie.

Ma il pensiero umano reale non è affatto così. Quando spieghi qualcosa, il tuo cervello attiva decine di piccoli specialisti contemporaneamente. Noti cosa è cambiato. Ignori ciò che non conta. Ricordi cosa fa la funzione. Scegli un tono. Regoli il ritmo. Modifichi mentre parli.

Sembra lineare, ma in realtà sono molti piccoli agenti che lavorano in sottofondo. È stato quello il momento in cui tutto ha avuto senso per noi. Per far suonare Clevera come un umano, doveva pensare come una squadra.

Così abbiamo adottato l'approccio agentico.

Da un cervello a molti#

Pensa a Clevera ora come a una troupe cinematografica piccola ma estremamente disciplinata.

L'Osservatore#

Questo studia il tuo schermo. Fotogramma per fotogramma. Vede clic, testo digitato, scorrimenti, menu aperti, cambiamenti dell'interfaccia. Cattura la verità grezza prima che accada qualsiasi altra cosa.

Lo Strategista#

Una volta che l'Osservatore ha fatto rapporto, lo Strategista decide cosa conta davvero.

“Salta l'icona di caricamento.”
“Unisci questi tre passaggi, sono un'unica idea.”
“Spiega questo momento, è importante.”

È qui che viene definita la logica del tutorial.

Lo Scrittore#

Con il piano pronto, lo Scrittore crea la narrazione in un linguaggio semplice e amichevole. Spiega cosa sta succedendo senza divagare ed evita il tono robotico.

L'Editor#

L'Editor taglia. Rifinisce. Corregge le parti in cui lo Scrittore si è fatto prendere troppo la mano o è stato troppo prolisso. Regola la fraseggiatura in modo che ogni riga arrivi in modo pulito.

Il Revisore#

Questo è quello pignolo. Riceve l'intero script e si assicura che si legga come una storia fluida e coesa. Niente salti strani. Niente contraddizioni. Nessun tono irregolare.

E nel mezzo siede l'Orchestratore, il capo silenzioso che tutti ascoltano.

Delega i compiti, controlla la qualità e sprona gli agenti quando perdono la rotta. Se lo Strategista perde un momento chiave, l'Orchestratore li rimanda indietro con un semplice: “Guarda di nuovo, pensa meglio”. Se una frase suona goffa, l'Orchestratore chiede all'Editor di fare un altro passaggio.

Questa struttura non ha solo migliorato la qualità. Ha sbloccato un nuovo livello di chiarezza e coerenza che un singolo modello non avrebbe mai potuto raggiungere.

Iterativo è meglio#

Il salto di qualità più grande è avvenuto quando abbiamo fatto in modo che gli agenti ripensassero al proprio lavoro.

Invece di un solo tentativo per passaggio, l'Orchestratore permette ad alcuni agenti di fare più passaggi con una profondità crescente. Prima una bozza rapida. Poi una più approfondita. Poi una completamente riflessiva, se necessario.

Questa “modalità di pensiero” ha aiutato molto a migliorare l'accuratezza e la qualità.

Lo Strategista è diventato molto più intelligente nel raggruppare i passaggi e riconoscere i pattern.

Lo Scrittore è diventato più bravo a spiegare azioni complesse con calma.

I capitoli hanno iniziato ad allinearsi con il modo in cui gli umani comprendono naturalmente un compito.

È la differenza tra correre attraverso uno script e comprendere davvero la storia.

Il nostro flusso agentico#

Ogni video di Clevera ora segue un ritmo semplice:

Vedi: L'Osservatore cattura la verità di ciò che è accaduto sullo schermo.
Pianifica: Lo Strategista capisce cosa conta e in quale ordine.
Parla: Lo Scrittore spiega ogni passaggio come farebbe un umano.
Leviga: L'Editor e il Revisore rifiniscono il ritmo e il flusso in modo che sembri naturale.

Questo ciclo non corre su binari fissi. È flessibile. Collaborativo. L'Orchestratore guida l'intero processo e interviene ogni volta che qualcosa non sembra corretto.

Perché il design agentico è importante per te#

Tutta questa complessità “dietro le quinte” ripaga in modi che puoi percepire immediatamente. Eccone alcuni:

• I tutorial suonano come una persona reale, non come uno script generato automaticamente.
• I passaggi sono raggruppati logicamente, non cronologicamente.
• I momenti irrilevanti scompaiono semplicemente.
• Le spiegazioni risultano chiare, calme e sicure.
• I capitoli corrispondono al modo in cui gli utenti imparano davvero i prodotti.
• Il sistema può evolversi senza rompere tutto.

Prossimamente: il tuo agente personale#

Il prossimo salto non è solo rendere i nostri agenti più intelligenti. È permettere loro di parlare direttamente con te.

Vuoi che la narrazione suoni più informale? Scrivilo nella chat.

Vuoi che un capitolo venga rimosso o ampliato? Chiedilo.

Parli semplicemente con Clevera e l'agente giusto prende in carico il compito. Sembrerà meno di usare uno strumento di editing e più di lavorare con un team che comprende il tuo stile, ascolta le tue istruzioni ed esegue istantaneamente.

È verso questa direzione che si sta muovendo Clevera.

non solo creazione automatizzata, ma uno studio di produzione conversazionale all'interno della tua app.