Un agente AI è un software basato su un modello linguistico che riceve un obiettivo, sceglie i passaggi per raggiungerlo e li esegue sui sistemi aziendali, come CRM, gestionale o ticketing. Conviene introdurlo su processi con molti casi simili, richieste scritte in testo libero e regole chiare, con permessi limitati e una persona che conferma le azioni che contano.
Cos’è un agente AI
Un agente AI è un software che riceve un obiettivo, decide i passaggi per raggiungerlo e li esegue con gli strumenti a cui ha accesso: sistemi aziendali, documenti, API.
Al centro c’è un modello linguistico (LLM), che legge il testo, capisce la richiesta e sceglie l’azione successiva. Intorno al modello ci sono tre elementi:
- gli strumenti, cioè le azioni che l’agente può compiere: cercare un cliente nel CRM, leggere un PDF, aprire un ticket, preparare una risposta;
- il contesto, cioè le informazioni su cui ragiona: la richiesta in arrivo, lo storico, i documenti aziendali recuperati con tecniche come il RAG (Retrieval-Augmented Generation);
- le regole, che stabiliscono cosa può fare da solo, cosa deve far confermare a una persona e quando si ferma.
L’agente lavora a ciclo: legge la situazione, sceglie un’azione, controlla il risultato e decide il passo successivo, finché il compito è chiuso o serve una persona. Questo ciclo gli permette di gestire casi che nessuno ha descritto passo per passo.
Un esempio. Un cliente scrive per sapere a che punto è un ordine e per cambiare l’indirizzo di consegna. L’agente riconosce le due richieste, trova l’ordine nel gestionale, verifica che la spedizione non sia partita, prepara la modifica e chiede all’operatore di confermarla prima di applicarla.
Agenti, chatbot e RPA
La differenza sta in cosa succede dopo che la richiesta è stata capita: un chatbot risponde, un’automazione esegue sempre la stessa sequenza, un agente sceglie i passaggi e li esegue.
| Strumento | Cosa fa | Dove si ferma |
|---|---|---|
| Chatbot | Risponde alle domande, su contenuti predefiniti o su una knowledge base | Non agisce sui sistemi aziendali |
| Copilot | Suggerisce testi e azioni a chi sta lavorando | Decisione e azione restano alla persona |
| Workflow a regole | Esegue una sequenza fissa quando scatta un evento | Si blocca sul testo libero e sui casi fuori regola |
| RPA | Ripete le azioni di una persona sull’interfaccia dei programmi | Si rompe quando cambiano schermate o regole |
| Agente AI | Interpreta il caso, sceglie i passaggi, usa i sistemi | Richiede permessi, controlli e un processo definito |
Nei progetti reali le soluzioni sono quasi sempre ibride. Un workflow a regole gestisce i passaggi stabili, l’agente interviene dove c’è testo libero o una scelta da fare, le API eseguono le azioni sui sistemi. L’RPA resta un’opzione per i sistemi che non hanno API, da usare come ultima scelta.
Per i processi che non richiedono l’AI, la pagina Automazione dei processi descrive workflow, API e webhook. Le differenze tra chatbot e assistente virtuale sono spiegate in due articoli del blog.
Come si progetta un agente
Si parte dal processo: prima si descrive il lavoro che l’agente deve fare, poi si scelgono strumenti, modello e integrazioni.
- Mappare il processo com’è oggi: chi fa cosa, con quali dati, dove si perde tempo, quali eccezioni ricorrono.
- Definire il perimetro: l’evento che avvia l’agente, il risultato che deve produrre e il sistema in cui finisce.
- Scegliere gli strumenti: le azioni che l’agente può compiere su ciascun sistema, con i permessi minimi necessari.
- Preparare il contesto: procedure, documenti e dati da cui l’agente recupera le informazioni.
- Fissare i punti di controllo: i passaggi in cui una persona conferma e il percorso per i casi che l’agente non sa gestire.
- Provare su casi reali, misurare e correggere, prima di estendere l’agente ad altri casi o reparti.
Il modello si sceglie per ultimo, in base al compito, ai costi e ai requisiti sui dati. Lavoriamo con modelli diversi (Claude, OpenAI, Gemini, Mistral e modelli open source) e con strumenti di orchestrazione come n8n. Tenendo procedure e conoscenza fuori dal modello, il modello si può cambiare senza rifare il progetto.
Nel metodo digitalevolution® questo lavoro è la fase BUILD, da cui parte ogni progetto. L’automazione con gli agenti arriva nella fase AUTOMATE, quando il processo è chiaro e i dati sono in ordine.
Dove funziona e dove no
Un agente rende di più su processi con molti casi simili, input in testo libero e passaggi tra più sistemi. Rende poco dove ogni caso richiede una valutazione nuova.
Le condizioni favorevoli sono quattro:
- volume alto e ripetitivo: molte richieste dello stesso tipo ogni giorno o ogni settimana;
- input non strutturato: email, PDF, moduli compilati a testo libero, fogli di calcolo;
- conoscenza che esiste già: procedure, manuali, storico delle risposte;
- una persona che oggi fa il lavoro a mano e sa spiegare come lo fa.
Alcuni esempi: lo smistamento delle richieste di assistenza, l’estrazione dei dati dai documenti in ingresso, un assistente su policy e procedure HR.
È presto per un agente quando:
- il processo non è definito e ogni persona lo gestisce a modo suo: prima si mette in ordine;
- i dati di partenza sono incompleti o duplicati;
- l’obiettivo non ha un indicatore che dica se l’agente funziona;
- i casi sono pochi: progettare, integrare e mantenere un agente ha un costo che il volume deve ripagare.
Le condizioni sono approfondite nell’articolo Agenti AI in azienda: quando introdurli e quando no.
Sicurezza, permessi e controllo
Un agente lavora con accessi limitati: vede solo i dati che servono al suo compito, ogni azione resta registrata e le azioni che contano passano da una persona.
- Permessi minimi: lettura dove basta leggere, scrittura solo sui campi e sui sistemi necessari.
- Tracciamento: ogni passaggio registrato, con i dati usati e le fonti delle risposte.
- Conferma umana: nessuna azione verso l’esterno, come un’email al cliente, un ordine o un pagamento, parte senza la conferma di una persona.
- Escalation: quando il caso esce dalle regole, l’agente si ferma e passa la pratica con un riepilogo.
- Dati: dove vengono elaborati, se escono dall’Unione europea, se il fornitore del modello li usa per l’addestramento. Sono domande da chiudere prima di partire.
Il quadro normativo europeo fa parte del progetto: il GDPR (Regolamento UE 2016/679) per i dati personali e l’AI Act (Regolamento UE 2024/1689), che stabilisce obblighi diversi secondo il livello di rischio del sistema.
Un agente può sbagliare, come una persona. Con permessi limitati, tracciamento e conferme, l’errore si vede, si corregge e non arriva al cliente.
Da dove partire
Il primo passo è scegliere un processo preciso e misurarne il costo di oggi: quante richieste, quanto tempo, quanti errori.
Per partire servono:
- un processo descritto in poche righe, con il problema che crea oggi;
- una persona che lo gestisce e può dedicare un paio di sessioni alla mappatura;
- il materiale che esiste già, anche disordinato: procedure, modelli, risposte passate;
- l’accesso ai sistemi coinvolti, per verificare cosa si può integrare;
- uno o due indicatori da confrontare prima e dopo.
Con DEGG il percorso parte dall’analisi del processo e da una prova su casi reali, prima di estendere l’agente. Formazione e adozione fanno parte del progetto: DEGGLAB accompagna i team nell’uso quotidiano dell’AI. Il servizio è descritto nella pagina Agenti AI.
Per approfondire
Dal blog
Casi d’uso
- Smistamento delle richieste con un agente AILegge le richieste in arrivo, le classifica, le assegna e prepara una bozza di risposta.
- Estrazione dei dati dai documenti in ingressoLegge i documenti in arrivo, ne estrae i dati, li controlla e li registra.
- Un assistente AI su policy e procedure HRRisponde alle domande su policy, procedure e regole interne, citando il documento.