--- title: "Gemini 3.5 Flash: l'IA che controlla il PC è ora una realtà nativa" date: "2026-06-25" category: "Intelligenza Artificiale" tags: ["agenti ai", "automazione", "gemini 3.5 flash", "intelligenza artificiale"] author: "Giuseppe Carruezzo" description: "Google integra la funzione computer use in Gemini 3.5 Flash: gli agenti AI possono ora navigare e operare sul desktop in modo autonomo e sicuro." source: "https://ainsights.it/blog/gemini-3-5-flash-controllo-pc-nativo" --- # Gemini 3.5 Flash: l'IA che controlla il PC è ora una realtà nativa ![Gemini 3.5 Flash: l'IA che controlla il PC è ora una realtà nativa](/blogai/backend/uploads/6a3cdb6bc5ee8.webp) Un modello di intelligenza artificiale che fa clic, scrive e naviga sul desktop al posto tuo non è più una demo futuristica da laboratorio: Google ha integrato nativamente il controllo del PC all'interno di Gemini 3.5 Flash. Questa mossa sposta l'automazione software verso la nuova era degli agenti autonomi, pronti a operare su browser, mobile e desktop con la velocità e l'efficienza di un modello ultra-leggero. ## La svolta di Google: il controllo del PC diventa nativo Ieri, 24 giugno 2026, Mateo Quiros (Product Manager di Google DeepMind) ha annunciato una novità destinata a ridefinire lo sviluppo software: la funzionalità di **computer use** (letteralmente "uso del computer") è ora uno strumento nativo integrato in **Gemini 3.5 Flash**. Fino ad oggi, gli sviluppatori che desideravano creare agenti in grado di controllare lo schermo dovevano affidarsi al modello specialistico stand-alone Gemini 2.5 computer use. Con questa integrazione, l'intera pipeline di visione, ragionamento e azione viene eseguita direttamente dal modello Flash standard. Questo significa che Gemini, già ampiamente utilizzato per il _function calling_ (la capacità di richiamare funzioni di codice esterne) e per la connessione in tempo reale a Google Search o Google Maps, ora può agire come un vero e proprio operatore umano virtuale. Gli sviluppatori possono sfruttare le API per costruire agenti in grado di vedere cosa succede sullo schermo, pianificare i passaggi logici necessari e simulare l'uso di mouse e tastiera in qualsiasi ambiente software. ## Prestazioni a confronto: il benchmark OSWorld Per misurare l'efficacia di un agente AI nell'interazione con un sistema operativo reale, la comunità scientifica utilizza il benchmark **OSWorld**. Questo test mette alla prova i modelli su flussi di lavoro complessi e "a lungo raggio" (_long-horizon tasks_), che richiedono decine di passaggi consecutivi all'interno di sistemi desktop standard (come l'installazione di software, la gestione di fogli di calcolo o il trasferimento di dati tra applicazioni diverse). I risultati ottenuti mostrano un netto incremento di affidabilità, rendendo Gemini 3.5 Flash uno dei motori più competitivi per l'automazione aziendale. A differenza dei sistemi di automazione tradizionali (RPA - _Robotic Process Automation_), l'approccio basato sul computer use non richiede la scrittura di regole rigide o il tracciamento dei selettori HTML di una pagina web: l'AI "guarda" lo schermo esattamente come farebbe un utente umano, adattandosi istantaneamente se un pulsante cambia colore o viene spostato di posizione.

Caratteristica

RPA Tradizionale

Gemini 3.5 Flash (Computer Use)

Adattabilità al layout

Si rompe se l'interfaccia grafica subisce modifiche minimi.

Si adatta autonomamente grazie alla comprensione visiva dello schermo.

Integrazione applicativa

Richiede script specifici o API dedicate per ogni software.

Interagisce direttamente tramite interfaccia grafica su browser, desktop e mobile.

Gestione degli imprevisti

Richiede la programmazione preventiva di ogni scenario di errore.

Risolve problemi logici in tempo reale ri-pianificando le azioni.

## Casi d'uso pratici: dal testing all'accessibilità L'integrazione di questa tecnologia sblocca scenari di automazione applicata che fino a poco tempo fa richiedevano ore di lavoro manuale. Google ha mostrato due scenari concreti di utilizzo del modello: - **Analisi ed estrazione dati dalle applicazioni:** Gemini 3.5 Flash è in grado di navigare in un'applicazione complessa (come l'app Gemini stessa), analizzarne le sezioni e restituire un elenco categorizzato di funzionalità senza alcun input strutturato a monte. - **Audit di accessibilità automatizzati:** Il modello può scorrere intere pagine di documentazione tecnica per verificare la conformità agli standard di accessibilità web, individuando bug visivi, problemi di contrasto o barriere di navigazione per utenti con disabilità. Queste capacità sono particolarmente preziose per le imprese che devono eseguire continuativamente test del software (_continuous software testing_) o gestire enormi volumi di lavoro amministrativo su applicazioni professionali non dotate di API pubbliche. ## Sicurezza e Prompt Injection: la strategia di Google Lasciare che un'intelligenza artificiale controlli autonomamente mouse e tastiera espone i sistemi a gravi rischi di sicurezza. Il pericolo principale è rappresentato dalle **prompt injection** indirette: un attacco informatico in cui un testo malevolo, nascosto ad esempio all'interno di una pagina web visitata dall'agente, riesce a sovrascrivere le istruzioni di sistema originarie, spingendo l'AI a compiere azioni dannose (come eliminare file o inviare dati riservati). **Attenzione:** L'esecuzione di agenti AI dotati di controllo desktop in ambienti di produzione reali richiede l'adozione di un approccio di sicurezza multilivello (_defense-in-depth_). Per mitigare questi rischi, Google ha implementato due difese principali su Gemini 3.5 Flash: 1. **Addestramento avversario mirato (Targeted Adversarial Training):** Il modello è stato addestrato per riconoscere e ignorare i tentativi di manipolazione nascosti nei testi visibili sullo schermo. 2. **Sistemi di salvaguardia aziendali (Enterprise Safeguards):** Gli sviluppatori possono attivare l'arresto automatico delle attività se viene identificata una potenziale injection o forzare la richiesta di una conferma esplicita da parte di un supervisore umano (_human-in-the-loop_) prima di eseguire azioni sensibili o irreversibili. ## Come testare e sviluppare con Gemini 3.5 Flash oggi Per chi vuole toccare con mano le potenzialità della tecnologia, le risorse sono già attive: - **Demo Web Gratuita:** È possibile testare il controllo del browser in tempo reale all'interno di un ambiente sicuro e isolato (_sandbox_) ospitato da Browserbase su [gemini.browserbase.com](http://gemini.browserbase.com/). - **Reference Implementation:** Google ha rilasciato un modello di implementazione di riferimento su GitHub alla repository [computer-use-preview](https://github.com/google-gemini/computer-use-preview) per accelerare lo sviluppo. - **Accesso Cloud:** La funzionalità è disponibile tramite le API ufficiali di Gemini e sulla piattaforma aziendale Gemini Enterprise Agent Platform. ## Punti chiave - Integrazione nativa: la funzionalità di controllo del computer passa da modello stand-alone a strumento integrato in Gemini 3.5 Flash, riducendo tempi di sviluppo e latenza. - Sicurezza multilivello: Google introduce l'addestramento avversario mirato e sistemi automatici di arresto per prevenire attacchi di prompt injection. - Pronto all'uso: gli sviluppatori possono iniziare subito i test grazie a una demo interattiva su Browserbase e alla reference implementation disponibile su GitHub. ### Un passo da gigante per gli agenti autonomi — 4.5/5 L'integrazione di 'computer use' all'interno di un modello ultra-rapido ed economico come Gemini 3.5 Flash democratizza lo sviluppo di agenti capaci di usare il PC come un essere umano. Nonostante i rischi intrinseci legati alla sicurezza delle prompt injection, le nuove misure preventive rendono questo strumento il punto di riferimento attuale per l'automazione di livello enterprise. ## FAQ ### Cos'è la funzione 'computer use' di Gemini 3.5 Flash? È una tecnologia integrata che consente al modello AI di interagire con lo schermo di un computer, simulando azioni umane come fare clic su pulsanti, digitare testo e navigare tra diverse applicazioni desktop o web. ### In cosa si differenzia dal precedente modello Gemini 2.5? Prima questa capacità richiedeva l'uso di un modello stand-alone specializzato (Gemini 2.5 computer use). Ora è integrata nativamente all'interno di Gemini 3.5 Flash, che garantisce maggiore velocità, costi inferiori e una gestione più fluida delle chiamate di funzione. ### Come viene protetto il sistema dalle minacce di prompt injection? Google ha addestrato il modello con tecniche avversarie mirate. Inoltre, offre due sistemi di salvaguardia opzionali: la richiesta di conferma utente prima di eseguire azioni sensibili e l'arresto automatico del processo qualora venga intercettata un'istruzione dannosa nascosta. ### Come posso iniziare a testare questa funzionalità? Puoi provare una demo interattiva gratuita ospitata da Browserbase sul sito gemini.browserbase.com o scaricare la reference implementation ufficiale di Google disponibile su GitHub. ## Fonti e riferimenti 1. [Introducing computer use in Gemini 3.5 Flash - Google DeepMind](https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-computer-use-gemini-3-5-flash/) 2. [Documentazione Ufficiale Gemini API Computer Use](https://ai.google.dev/gemini-api/docs/interactions/computer-use) 3. [Repository GitHub - Computer Use Preview](https://github.com/google-gemini/computer-use-preview) --- *Fonte: [https://ainsights.it/blog/gemini-3-5-flash-controllo-pc-nativo](https://ainsights.it/blog/gemini-3-5-flash-controllo-pc-nativo)*