Ci sono attività al computer che sappiamo svolgere senza pensarci, ma che diventano sorprendentemente difficili da spiegare. Scaricare una fattura, rinominarla, inserirla nella cartella giusta e aggiornare un foglio di controllo richiede pochi minuti. Se dobbiamo descrivere ogni passaggio a un’altra persona, compaiono subito le eccezioni: quale versione del documento conservare, che cosa fare quando manca un dato, come accorgersi che il totale non torna. Skill Recorder nasce per catturare questo sapere mentre viene messo in pratica. Il progetto open source pubblicato nell’organizzazione Microsoft su GitHub registra una sessione reale sul computer: cambi di finestra, pagine visitate, clic, schermate, brevi anteprime della clipboard e, se l’utente lo desidera, una spiegazione pronunciata a voce. Quando la sessione termina, GitHub Copilot CLI ricostruisce un obiettivo generale e una sequenza ordinata di passaggi. L’utente può correggere l’analisi e trasformarla in uno SKILL.md, cioè un file che insegna a un agente come affrontare quel compito, oppure in un’automazione eseguibile secondo una pianificazione o un evento.
Perché è importante
- Trasforma una dimostrazione reale in una procedura strutturata, rendendo più semplice spiegare a un agente come svolgere un’attività digitale.
- Non si limita a ricordare i clic: prova a ricostruire obiettivo, sequenza, condizioni e strumenti più adatti.
- La registrazione resta locale, ma premendo Analyze schermate, URL, anteprime della clipboard e trascrizione vengono inviati al cloud GitHub per l’elaborazione.
Non registra soltanto dove clicchi: prova a capire perché lo fai
La differenza rispetto a una macro è importante. Una macro ricorda che il pulsante si trovava in una certa posizione e ripete il gesto; basta che il sito cambi aspetto perché il flusso si rompa. Skill Recorder prova invece a generalizzare: comprende, per esempio, che l’obiettivo non era aprire una cartella qualsiasi, ma archiviare un documento con un nome coerente e verificare che fosse leggibile. Quando esistono strumenti nativi dell’agente, come un comando, un’API o una funzione di ricerca, il progetto dichiara di preferirli alla ripetizione cieca dei clic. È lo stesso salto raccontato nel nostro approfondimento su come gli agenti AI passano dalla risposta all’esecuzione. La chat risponde a una domanda; una skill fornisce metodo, regole e controlli per portare a termine un lavoro. La promessa è affascinante perché permette di insegnare mostrando. La realtà resta più concreta: la registrazione è una prima bozza della procedura, non una certificazione che l’agente abbia compreso ogni eccezione.
Dalla vita quotidiana al lavoro: le procedure che vale la pena registrare
L’utilità non riguarda soltanto le grandi aziende. Una persona può mostrare come raccoglie ogni mese bollette e ricevute, le rinomina con data e fornitore e aggiorna il proprio prospetto delle spese. Uno studente può registrare il metodo con cui cerca fonti, salva i documenti, aggiunge i riferimenti alla bibliografia e distingue gli appunti dalle citazioni. Un creatore di contenuti può documentare come prepara un’immagine, inserisce titolo e testo nel proprio sito, controlla i collegamenti e programma la pubblicazione. In tutti questi casi il valore non è il singolo clic, ma l’ordine con cui vengono eseguiti i controlli. Per un negozio online, la procedura potrebbe partire dalle fotografie di un nuovo prodotto e arrivare alla scheda pubblicata: ridimensionare le immagini, compilare nome e descrizione, assegnare la categoria, inserire prezzo e disponibilità, controllare l’anteprima mobile. Per un piccolo ufficio potrebbe riguardare la gestione di una richiesta ricevuta via email: salvare l’allegato, individuare il responsabile, creare un’attività, preparare una risposta e verificare che nulla resti senza proprietario. Un team di assistenza potrebbe mostrare come distingue una domanda semplice da un problema urgente e quando deve coinvolgere una persona più esperta.
Anche chi sviluppa software può trovare casi interessanti. Può registrare come riproduce un errore, raccoglie i messaggi utili, individua i file coinvolti, esegue i test e prepara una richiesta di revisione. Un professionista può documentare la preparazione periodica di un report, dall’esportazione dei dati al controllo finale dei numeri. Una famiglia può creare una procedura per organizzare foto e documenti digitali prima del backup. Skill Recorder diventa utile quando l’attività è ripetitiva, ha un risultato verificabile e contiene decisioni che possono essere spiegate. Il primo esperimento dovrebbe durare meno di dieci minuti e usare materiale fittizio. Si registra una sola variante completa, poi si legge lo SKILL.md come se fosse stato scritto per una persona che non ha mai visto quella procedura. Indica quali informazioni servono? Spiega che cosa controllare prima di concludere? Distingue un errore da un caso normale? Dice quando fermarsi e chiedere aiuto? Solo dopo questa revisione ha senso aggiungere varianti e casi limite.
Serve anche ridimensionare le aspettative. Skill Recorder non consegna automaticamente all’agente password, accesso ai programmi, permessi o capacità di risolvere situazioni mai osservate. Descrive e generalizza ciò che vede; l’esecuzione dipende dagli strumenti disponibili e dalle autorizzazioni concesse. Prima di affidargli un’attività reale valgono i criteri della nostra guida su come valutare un agente AI prima della produzione: casi di prova, permessi minimi, registro delle azioni e approvazione umana nei punti delicati.
Cosa puoi farci concretamente
- Scegliere un’attività breve e ripetitiva che possa essere ricreata con dati di prova, come archiviare documenti o pubblicare una scheda prodotto.
- Spiegare a voce non soltanto che cosa si sta facendo, ma anche perché si prende una decisione e quando bisogna fermarsi.
- Revisionare la skill generata e provarla in un ambiente di test prima di concedere accessi o autorizzare azioni irreversibili.
Il punto, oltre l’annuncio
Skill Recorder conserva localmente l’acquisizione, l’estrazione delle immagini e la trascrizione facoltativa mentre si registra. Il confine cambia quando si preme Analyze. In quel momento la timeline degli eventi, i titoli delle finestre e dei documenti, gli URL, le anteprime del testo copiato, le immagini estratte e la trascrizione vengono inviati al servizio cloud GitHub affinché Copilot possa elaborarli. Il repository lo dichiara chiaramente e raccomanda di non registrare, digitare, copiare, mostrare o pronunciare password, token, chiavi API e altre informazioni riservate. Il rischio non riguarda soltanto le credenziali. Una notifica può mostrare il nome di una persona; una scheda lasciata aperta può contenere dati bancari; la clipboard può conservare una frase copiata pochi secondi prima. La sessione più sicura non si registra durante il normale lavoro, ma in un ambiente preparato: account di prova, dati inventati, notifiche disattivate e finestre non necessarie chiuse. Se un passaggio richiede davvero un segreto, conviene sostituirlo con un segnaposto e descrivere la regola senza mostrarne il valore. Anche l’installazione richiede un minimo di attenzione tecnica. Skill Recorder è distribuito come sorgente con licenza MIT: il comando indicato nelle release scarica una revisione precisa, prepara un runtime Node.js e costruisce l’app sul computer. macOS è il sistema indicato come obiettivo principale; Windows 11 è supportato nelle versioni x64 e ARM64, mentre lo script per macOS copre anche Ubuntu. Serve un account GitHub con accesso a Copilot. La versione consultata per questo articolo è la 0.3.1: è un progetto giovane, più vicino a uno strumento da sperimentare con consapevolezza che a un’app da installare distrattamente su un computer pieno di dati sensibili.
Il giudizio finale è positivo perché Skill Recorder affronta un problema reale: molte attività non sono difficili da eseguire, ma sono difficili da trasferire. Può aiutare un privato a rendere ripetibile un metodo, un professionista a documentare il proprio lavoro e un’impresa a trasformare abitudini sparse in procedure verificabili. Il percorso corretto ha tre tappe: osservare, correggere, provare. L’automazione viene dopo. Se la skill generata non viene riletta, il rischio non è soltanto che l’agente sbagli; è che renda veloce e sistematico un errore che prima compariva una volta ogni tanto.
Fonti
Documenti, comunicati e pubblicazioni consultati per ricostruire dati e contesto.
