Chiedi a una chat di scrivere una mail e ricevi del testo. Chiedi a un agente AI di gestire una richiesta e, se gli hai dato gli strumenti, può cercare i dati, decidere i passaggi, preparare la risposta e fermarsi prima dell'invio per chiederti conferma.
Questa è la promessa. È anche il punto in cui iniziano i problemi, perché “agente” viene usato per descrivere automazioni molto diverse.
Un agente AI non è semplicemente un chatbot con un nome e un avatar. È un sistema che riceve un obiettivo, sceglie o adatta alcuni passaggi, usa strumenti, osserva il risultato e continua finché completa il lavoro oppure incontra un limite.
La demo qui sotto serve a progettare i confini prima dell'automazione. Scegli un compito, decidi quali strumenti concedere e soprattutto quali azioni devono aspettare la tua approvazione.
Laboratorio agenti AI
Decidi i permessi prima di dare il compito.
Poi il modello, gli strumenti e l'automazione.
Che cos'è un agente AI
Anthropic descrive un agente come un sistema in cui il modello dirige dinamicamente il proprio processo e l'uso degli strumenti. OpenAI parla di sistemi che svolgono compiti per conto dell'utente e combina modelli, strumenti, istruzioni, passaggi di controllo e tracciamento.
In pratica ci sono cinque elementi:
- Obiettivo. Il risultato da raggiungere e il criterio che dice quando fermarsi.
- Modello. Interpreta il contesto e decide il passaggio successivo.
- Strumenti. Ricerca, file, database, API, browser o funzioni della tua applicazione.
- Memoria e stato. Ciò che il sistema deve ricordare durante e, se serve, tra le esecuzioni.
- Controlli. Permessi, approvazioni, limiti, log e valutazioni.
Senza strumenti l'agente può ragionare e produrre testo, ma non può verificare un ordine, aggiornare un CRM o leggere un documento che non gli hai fornito. Senza controlli, invece, può fare troppo con una richiesta interpretata male.
Chatbot, workflow e agente non sono la stessa cosa
| Sistema | Chi decide i passaggi | Quando lo userei |
|---|---|---|
| Chatbot | L'utente formula richieste una alla volta | Domande, scrittura, analisi e attività assistite |
| Workflow | Il processo è definito in anticipo | Attività ripetibili con regole e ordine stabili |
| Agente | Il modello adatta i passaggi entro confini stabiliti | Compiti in cui percorso, strumenti o tentativi cambiano in base al risultato |
Un workflow può includere un modello senza diventare un agente. Per esempio: arriva un modulo, il modello classifica la richiesta, una regola assegna il reparto e parte una notifica. I passaggi restano decisi da te.
Un agente, invece, può scegliere se cercare un documento, fare una seconda domanda o usare un altro strumento in base a ciò che trova.
Andrè, quindi l'agente è sempre migliore?
No. Se il percorso è prevedibile, un workflow è spesso più economico, più rapido e più facile da controllare. L'autonomia ha valore soltanto quando risolve una variabilità reale.
Il ciclo di un agente
Il funzionamento può essere riassunto così:
- legge l'obiettivo e il contesto disponibile;
- sceglie il prossimo passaggio;
- usa uno strumento oppure produce un risultato intermedio;
- osserva ciò che è successo;
- continua, corregge il piano, chiede approvazione o si ferma.
La differenza rispetto a una semplice risposta è nel ciclo. Il modello non deve conoscere in anticipo ogni passaggio, ma deve avere un ambiente in cui le azioni restituiscono risultati comprensibili.
La guida di Anthropic alla costruzione degli agenti consiglia di partire da soluzioni semplici e componibili. È un punto che condivido: aggiungere cinque agenti perché il diagramma sembra più moderno non migliora il lavoro.
Gli strumenti fanno la differenza
Uno strumento è una funzione che il modello può richiamare con dati strutturati. Può leggere il calendario, cercare nel web, interrogare un gestionale oppure preparare un'azione.
OpenAI integra nella Responses API strumenti come ricerca web, ricerca nei file e uso del computer, oltre alle funzioni definite dallo sviluppatore. La guida ufficiale agli agenti di OpenAI collega anche orchestrazione, guardrail e tracciamento del lavoro.
Anthropic distingue strumenti eseguiti sul server e strumenti eseguiti dal sistema del cliente. Anche MCP entra qui: è un protocollo per collegare applicazioni AI a fonti di dati e strumenti con un'interfaccia comune.
La descrizione dello strumento è parte del prodotto. “Gestisci cliente” è troppo vaga. “Leggi il profilo del cliente per ID, senza modificare dati” chiarisce scopo e limite.
Che cosa possono fare davvero
Ricerca documentata
Un agente può scomporre una domanda, cercare fonti, aprire documenti, confrontare le affermazioni e preparare un rapporto. La parte utile non è scrivere più testo: è adattare la ricerca a ciò che manca.
Serve comunque un criterio sulle fonti e un controllo finale. Se vuoi migliorare la richiesta iniziale, usa il builder per i prompt ChatGPT; l'agente non corregge automaticamente un obiettivo vago.
Assistenza clienti
Può leggere una richiesta, recuperare ordine e condizioni, proporre una risposta e, nei casi semplici autorizzati, eseguire un rimborso. Io terrei l'approvazione umana per importi alti, eccezioni e messaggi delicati.
Sviluppo software
Agenti come Codex e Claude Code possono esplorare una base di codice, modificare file, eseguire test e correggere errori. Il vantaggio arriva quando il compito ha un criterio verificabile. “Migliora il progetto” è una richiesta enorme; “correggi questo errore senza cambiare l'API e fai passare questi test” ha un confine.
Anthropic ha osservato nelle sessioni di Claude Code che la competenza nel dominio amplifica l'uso efficace dello strumento. Non mi sorprende: se non riconosci una soluzione sbagliata, l'autonomia ti fa soltanto arrivare più velocemente all'errore.
Operazioni interne
Un agente può raccogliere dati da strumenti diversi, preparare un aggiornamento, classificare documenti e segnalare eccezioni. Eviterei di iniziare dal processo più critico dell'azienda. Scegli un compito frequente, reversibile e abbastanza noioso da poter misurare il tempo risparmiato.
Dove gli agenti sbagliano
- interpretano male un obiettivo ambiguo;
- usano lo strumento giusto con parametri sbagliati;
- si fidano di una pagina o di un dato manipolato;
- ripetono tentativi e aumentano costi e tempi;
- eseguono un'azione valida nel momento sbagliato;
- producono un risultato plausibile ma non verificato.
Un agente che usa il browser può incontrare istruzioni nascoste in una pagina. Questo rischio viene chiamato prompt injection. L'agente deve trattare il contenuto esterno come dato, non come un ordine superiore alle regole del sistema.
Alt! Non dare al primo prototipo accesso in scrittura a posta, pagamenti, produzione e database. Parti in sola lettura, registra le azioni e aggiungi permessi uno alla volta.
Dove metterei l'approvazione umana
La richiesta di conferma ha senso quando un'azione è difficile da annullare, coinvolge un'altra persona, spende denaro, pubblica qualcosa oppure usa dati sensibili.
Anthropic distingue permessi sempre consentiti, azioni che richiedono approvazione e azioni bloccate. È una buona struttura anche fuori da Claude:
- Consenti. Leggere un file del progetto, cercare documentazione, calcolare un totale.
- Chiedi. Inviare una mail, pubblicare, cancellare, acquistare, modificare produzione.
- Blocca. Accedere a dati o sistemi che non servono al compito.
L'approvazione non deve arrivare dopo venti minuti con un messaggio incomprensibile. Deve mostrare che cosa verrà fatto, dove, con quali dati e quale conseguenza produrrà.
Come misurare se serve davvero
Prima del prototipo misura il processo attuale: tempo, errori, costo e casi che richiedono una persona. Poi prova l'agente su un insieme rappresentativo di attività.
Registrerei almeno:
- percentuale di compiti completati correttamente;
- numero di correzioni umane;
- azioni rifiutate o bloccate dai controlli;
- tempo e costo per esecuzione;
- casi in cui avrebbe dovuto fermarsi prima.
Non usare la demo più riuscita come valutazione. Costruisci casi normali, difficili e volutamente ambigui. Anthropic raccomanda eval per agenti che coprano più turni, chiamate agli strumenti e modifiche di stato.
Come inizierei senza complicare tutto
- Scegli un compito. Deve avere un risultato osservabile e un proprietario.
- Definisci gli strumenti minimi. Se basta leggere due fonti, non collegare l'intero gestionale.
- Scrivi i limiti. Che cosa non può fare e quando deve fermarsi?
- Parti in simulazione. L'agente propone l'azione, una persona la esegue.
- Costruisci i test. Includi errori, dati mancanti e istruzioni malevole.
- Concedi autonomia gradualmente. Prima lettura, poi azioni reversibili, infine ciò che hai misurato.
Se devi scegliere anche il modello, nella guida alle migliori intelligenze artificiali parto dal lavoro da svolgere. Per gli agenti conta però tutto il sistema: strumenti, permessi, dati e verifica pesano almeno quanto il nome del modello.
Un agente utile sa anche quando fermarsi
Non partire dalla domanda “quale agente installo?”. Parti da un lavoro che oggi richiede passaggi variabili e controllabili.
Se il processo è fisso, costruisci un workflow. Se serve soltanto una risposta, usa una chat. Se il sistema deve scegliere tra più azioni in base a ciò che trova, allora un agente può avere senso.
L'obiettivo non è eliminare la persona dal processo. È mettere la persona nel punto in cui il suo giudizio cambia davvero il risultato.
Commenti
Hai una domanda o un’esperienza utile? Scrivila qui.
Ricevuto
In attesa di pubblicazione
Il commento è stato inviato. In questa pagina ne vedi un’anteprima finché non viene controllato.
Ultimi interventi
Non ci sono ancora commenti. Puoi aprire tu la discussione.