Un agente AI è un modello di linguaggio inserito in un ciclo operativo: riceve un obiettivo, lo scompone in passi, usa gli strumenti aziendali come gestionale o email per compiere azioni reali e verifica il risultato. A differenza di un chatbot, che risponde, un agente porta a termine il compito, dentro permessi e controlli definiti.
Fino a poco tempo fa, l'AI in azienda voleva dire soprattutto una cosa: fai una domanda e ricevi una risposta. Un testo riassunto, una mail riscritta, un dato estratto da un documento. Utile, ma sempre dentro lo stesso schema. Chiedi, leggi, e poi il passo successivo lo fai tu.
Gli agenti AI cambiano proprio quel passo successivo. Invece di limitarsi a rispondere, eseguono. Leggono una richiesta, decidono cosa fare, usano gli strumenti aziendali e portano a termine il compito senza che qualcuno copi il risultato da una parte all'altra. A parole sembra una differenza piccola, nella pratica è grande.
Cosa intendiamo per agente AI
Un agente non è un modello di linguaggio più potente. È un modello messo dentro un ciclo: riceve un obiettivo, lo scompone in passi, sceglie quali strumenti usare (una ricerca, una query al gestionale, l'invio di una mail), valuta il risultato e, se serve, riprova. Il modello resta il cervello, ma intorno c'è una struttura che gli permette di agire e di correggersi.
Un esempio per capirsi. Un chatbot tradizionale, se gli chiedi lo stato di un ordine, ti spiega come controllarlo. Un agente apre il gestionale, trova l'ordine, legge lo stato e ti risponde con il dato vero. Nel primo caso il lavoro lo fai tu, nel secondo lo fa lui.
Dove gli agenti hanno senso, e dove no
Gli agenti danno il meglio sui compiti ripetitivi, con regole chiare e dati accessibili. Smistare le richieste in arrivo, preparare la bozza di una risposta a un cliente recuperando i dati giusti, controllare che una serie di documenti sia completa, aggiornare più sistemi dopo un evento. Lavoro che oggi qualcuno fa a mano, sempre uguale, e che ruba tempo a cose più importanti.
Non hanno senso, invece, dove la posta in gioco è alta e l'errore costa caro senza una rete di sicurezza: decisioni legali, movimenti di denaro non controllati, comunicazioni delicate lasciate partire da sole. Lì un agente può preparare il lavoro, ma la firma resta a una persona.
Il punto difficile: gli strumenti, non il modello
La parte difficile di un progetto con agenti non è scegliere il modello. I modelli buoni ormai si equivalgono per la maggior parte degli usi aziendali. La parte difficile è dargli gli strumenti giusti e i permessi giusti.
Un agente vale quanto vale ciò che può toccare. Se il gestionale non espone i dati in modo pulito, se non c'è un modo affidabile per cercare un cliente o aprire un ticket, l'agente resta un parlatore. Per questo i progetti che funzionano partono quasi sempre da una domanda noiosa: quali azioni vogliamo che faccia, e attraverso quali interfacce?
Il problema dei permessi e del controllo
Un agente che può agire è anche un agente che può sbagliare in modo concreto. Non un testo impreciso, ma un'azione vera dentro il sistema. Per questo il controllo non è un dettaglio da aggiungere alla fine, è parte del progetto.
In pratica significa tre cose. Limitare ciò che l'agente può fare a un perimetro definito. Tenere un registro di ogni azione, così da poter ricostruire cosa è successo. E mettere un passaggio umano sulle operazioni che lo richiedono, prima che diventino definitive. Un agente fatto bene chiede conferma quando deve, e procede da solo quando può.
Come parte un progetto serio
Il modo più rapido per buttare soldi con gli agenti è partire dall'entusiasmo: mettiamo l'AI ovunque. Il modo per ottenere qualcosa di vero è partire da un compito solo, misurabile, che oggi pesa.
Scegliamo un flusso che si ripete spesso e ha confini chiari. Lo descriviamo come lo farebbe una persona, passo per passo. Costruiamo gli strumenti che servono all'agente per replicarlo. Lo facciamo girare in parallelo a chi lo fa oggi, confrontando i risultati. Solo quando i numeri tornano gli diamo più spazio. È meno spettacolare di una demo, ma è così che un agente entra davvero nel lavoro.
Cosa resta alle persone
La paura ricorrente è che gli agenti tolgano lavoro. Quello che vediamo nei progetti reali è diverso: tolgono il lavoro che nessuno voleva fare. Il copia-incolla tra sistemi, il controllo manuale di liste lunghe, la caccia a un dato sepolto in una cartella.
Quel tempo non sparisce, si sposta. Su ciò che richiede giudizio, relazione, contesto. Un agente non sa perché quel cliente merita un'eccezione, ma sa preparare tutto quello che serve a chi quella decisione la prende. È questa la divisione del lavoro che ha senso cercare.
La domanda da cui partire
Prima di chiedersi quale modello o quale piattaforma, conviene chiedersi un'altra cosa: qual è il compito ripetitivo che oggi ci porta via più tempo e che segue regole abbastanza chiare da poter essere spiegate a voce a un nuovo collega? Se quella risposta esiste, probabilmente esiste anche un agente che vale la pena costruire.
Noi gli agenti AI li costruiamo partendo da lì, da un flusso concreto e dai sistemi che l'azienda usa già. Se vuoi capire se nel tuo caso c'è margine, parliamone.
