Non abbiamo creato Remio per gli agenti AI. Ma più guardiamo ciò di cui hanno bisogno — occhi su uno schermo vero, mani su una tastiera vera, un tunnel sicuro tra i due — più il desktop remoto sembra l'interfaccia che è sempre mancata.
L'era del computer use con l'AI
Nell'ultimo anno qualcosa di fondamentale è cambiato nel mondo dell'AI. I modelli linguistici hanno smesso di essere semplici generatori di testo. Hanno iniziato a usare i computer.
Anthropic ha lanciato Claude Computer Use. Gli agenti di OpenAI sanno navigare nei browser. Gemini di Google interagisce con Android. Lo schema è inequivocabile: gli agenti AI hanno sempre più bisogno di vedere gli schermi, cliccare i pulsanti e scrivere nelle applicazioni vere.
Ma c'è un problema di cui nessuno parla: come fa un agente AI ad arrivare a un computer?
Dove gli agenti hanno bisogno degli schermi
Prima di parlare di infrastruttura, guarda il lavoro in sé. Gran parte di ciò che si chiede agli agenti non è una pulita chiamata API. È uno schermo pieno di stati, un modulo con campi condizionali, un'app che non espone via HTTP ciò che ti serve. All'agente servono gli occhi. Oggi, nella maggior parte degli stack, ha dita al buio.
01Compilare una dichiarazione dei redditi
L'agente deve vedere la riga 12 di un modulo su più pagine, scegliere il menu a tendina giusto per lo stato civile e verificare che i totali si aggiornino prima di inviare. Il software fiscale sottostante non ha API pubbliche: l'interfaccia grafica è l'interfaccia.
Il desktop remoto mostra il modulo in tempo reale. L'agente legge i campi, li compila e guarda il totale aggiornarsi prima di cliccare su invia.
02Prenotare un viaggio complesso
Più siti, layout diversi, date che dipendono dalla disponibilità, un numero fedeltà che si compila da solo su un sito ma non su un altro. Le API coprono una parte di tutto questo, mai tutto.
Il desktop remoto dà all'agente lo stesso browser che userebbe una persona. Confronta i risultati tra le schede e conferma il prezzo finale a schermo prima di pagare.
03Rivedere un contratto
Il PDF vive in un'app desktop con revisioni, correzioni e commenti. L'agente deve leggere i margini, seguire le note in linea e proporre modifiche che un avvocato può accettare o rifiutare.
Il desktop remoto trasmette il documento così come lo vede l'avvocato. L'agente annota e l'avvocato approva, tutto in un'unica vista.
04Fare il debug di un editor nel browser
Un bug compare solo quando il canvas in Figma è a un certo zoom, dopo l'esecuzione di un plugin particolare. Nessuno strumento headless lo riproduce. L'agente deve vedere ciò che vede l'ingegnere.
Il desktop remoto dà all'agente l'editor dal vivo. Riproduce i passaggi, cattura il fotogramma errato e prepara per il team un caso di riproduzione pulito.
Gli approcci attuali e perché non bastano
Oggi gli agenti AI che devono interagire con interfacce grafiche hanno poche opzioni:
- Automazione del browser — Strumenti come Playwright e Selenium sanno pilotare le app web. Ma non possono usare Photoshop, Xcode o qualsiasi applicazione nativa. Il web è solo una frazione di ciò che le persone fanno davvero con i computer.
- Macchine virtuali — Si avvia una VM headless e ci si punta l'agente. Funziona, ma è lento, costoso e la VM è una sandbox isolata, non il tuo computer con i tuoi file, le tue app, il tuo contesto.
- SDK locali — Si esegue l'agente direttamente sulla macchina. Richiede di installare in locale il software dell'agente e concede un accesso profondo al sistema con un isolamento minimo.
Ogni approccio ha lo stesso limite di fondo: non sono pensati per questo. L'automazione del browser funziona solo nei browser. Le VM sono sandbox costose. Gli SDK locali sollevano problemi di sicurezza.
E se esistesse già un'infrastruttura costruita per permettere a un'entità di vedere e controllare un altro computer, in modo sicuro, in tempo reale, su qualsiasi rete?
Il desktop remoto, sotto gli occhi di tutti
Pensa a ciò che fa davvero un desktop remoto:
- Cattura immagini dello schermo del computer host
- Le trasmette a un client remoto in tempo reale
- Accetta comandi di input (clic del mouse, tastiera, scorrimento)
- Inietta quegli input nel sistema operativo dell'host in modo nativo
- Cifra tutto da un capo all'altro
Ora pensa a ciò che serve a un agente AI per usare un computer:
- Vedere cosa c'è sullo schermo (screenshot)
- Decidere cosa fare (il lavoro dell'agente)
- Cliccare, scrivere, scorrere (iniezione dell'input)
- Vedere il risultato (lo screenshot successivo)
- Mantenere tutto sicuro
È lo stesso ciclo. Un desktop remoto è, in sostanza, esattamente il livello di interfaccia di cui un agente AI ha bisogno.
All'agente servono gli occhi. Oggi, nella maggior parte degli stack, ha dita al buio, e il desktop remoto è il livello che gli permette finalmente di vedere.
Perché l'architettura di Remio è particolarmente adatta
Non tutti i desktop remoti sono pronti allo stesso modo. La maggior parte è nata per persone che guardano uno schermo, non per agenti pilotati da API che inviano comandi a intervalli di millisecondi. Remio ha già i pezzi giusti al loro posto.
Iniezione dell'input nativa
Remio non simula l'input con trucchi di accessibilità o tastiere virtuali. Usa la pipeline di input del sistema operativo per un'iniezione di mouse e tastiera precisa, a livello nativo. Il sistema operativo non distingue una persona da Remio. Un agente AI eredita la stessa capacità.
Cattura degli screenshot
L'host di Remio cattura già lo schermo, fino a 6K a 120 FPS, e può consegnare singoli fotogrammi su richiesta. A un agente AI non serve il frame rate pieno: serve un solo screenshot pulito per azione, consegnato in fretta. È banale quando la pipeline di cattura è già in funzione.
Un protocollo pensato per la velocità
Ogni comando tra client e host viaggia in un formato binario zero-copy che si interpreta in meno di un millisecondo. Quando un agente AI invia «clic in (500, 300)», il comando viene interpretato ed eseguito con un sovraccarico trascurabile. Niente parsing JSON, niente XML.
Connessione diretta e cifrata
Tutto è cifrato da un capo all'altro tra i due dispositivi: peer-to-peer diretto per impostazione predefinita, con un relay cifrato solo quando la rete lo richiede. I comandi dell'agente e i dati dello schermo non passano mai dai nostri server in forma leggibile; persino il relay vede solo testo cifrato. È molto importante quando un agente interagisce con il tuo vero computer di lavoro, i tuoi file, le tue applicazioni.
Avvio delle app
Remio sa già avviare applicazioni sulla macchina host per un client connesso. Una volta disponibile un'API per gli agenti, un agente potrebbe dire «apri Terminale» e Remio lo farebbe, senza reinventare un meccanismo di avvio delle app che esiste già.
Come potrebbe andare
Immagina questo flusso di lavoro:
Dici a Claude: «Vai sul mio Mac, apri il report finanziario in Excel, aggiorna i numeri del Q4 con questi dati, esporta in PDF e mandalo per email al team.»
Claude si connette al tuo Mac tramite l'API di Remio. Vede il tuo desktop. Apre Excel. Va al file giusto. Aggiorna le celle. Esporta. Apre Mail. Invia l'email. Ogni passaggio è visibile, verificabile e cifrato da un capo all'altro.
Niente macchina virtuale. Nessun limite al solo browser. Il tuo computer vero, le tue app vere, i tuoi file veri, controllati dall'AI attraverso un tunnel sicuro che esiste già.
La parte difficile è già fatta
Costruire un desktop remoto affidabile richiede anni di lavoro. La pipeline di cattura dello schermo. La codifica video. L'iniezione dell'input che funziona con ogni stranezza dei sistemi operativi. Le connessioni peer-to-peer dirette attraverso router domestici e firewall. La cifratura. L'ottimizzazione della latenza.
Tutto questo esiste già in Remio. Una piattaforma per agenti non dovrebbe essere un nuovo prodotto costruito da zero: sarebbe una nuova interfaccia verso un'infrastruttura già esistente. Invece di una persona che guarda lo schermo, un agente AI elaborerebbe i fotogrammi. Invece di una persona che muove il mouse, una chiamata API invierebbe le coordinate.
Resta da costruire il livello API vero e proprio: un'interfaccia pulita e autenticata che permetta agli agenti AI di connettersi, richiedere screenshot, inviare comandi e ricevere i risultati. Non esiste ancora. È un lavoro di ingegneria significativo, ma è una frazione della complessità dell'infrastruttura sottostante.
Una valutazione onesta
Siamo nelle prime fasi di ricerca su questo tema. Ci sono sfide reali:
- Modello di sicurezza — Come si concede in sicurezza a un agente AI l'accesso al tuo computer? Quali permessi ottiene? Come si revoca l'accesso? Serve una progettazione accurata.
- Frequenza degli screenshot — I modelli AI elaborano le immagini più lentamente di quanto le persone elaborino un video. Lo schema di interazione è diverso: invia lo screenshot, attendi la decisione dell'agente, esegui, ripeti. Ottimizzare questo ciclo è importante.
- Recupero dagli errori — Quando un agente AI clicca il pulsante sbagliato, come si riprende? È più un problema dell'AI che di Remio, ma la piattaforma deve supportarlo con naturalezza.
Non facciamo finta che siano problemi risolti. Ma le fondamenta infrastrutturali, la parte difficile, ci sono già.
La piattaforma nata per caso
Non abbiamo creato Remio per gli agenti AI. Ma guardando ciò che abbiamo costruito — iniezione dell'input nativa, cattura dello schermo in tempo reale, una connessione diretta cifrata da un capo all'altro, un protocollo binario ottimizzato per la velocità — è difficile immaginare una base migliore per il computer use con l'AI.
A volte i prodotti migliori nascono da incroci inattesi. Desktop remoto e agenti AI non dovrebbero stare insieme in modo ovvio. Ma più si guarda a ciò di cui ha bisogno ciascuno dei due mondi, più la combinazione sembra inevitabile.
Gli agenti AI hanno bisogno di schermi. Remio fornisce schermi: in modo sicuro, nativo, in tempo reale, su qualsiasi rete. Il pezzo mancante c'è sempre stato. Semplicemente non sapevamo a cosa mancasse.
Stiamo esplorando attivamente questo campo. Se stai costruendo agenti AI che devono interagire con computer reali, ci farebbe piacere sentirti. Il futuro potrebbe arrivare più in fretta di quanto ci aspettiamo.
