bubblesbubbles
Agenti AI
  • 3 marzo 2026
  • 5 minuti

Agenti AI in azienda: dalla teoria al primo progetto

Un esempio concreto di cosa fa un agente, i suoi componenti, quando conviene rispetto a chatbot e automazioni, i costi reali e i rischi da tenere sotto controllo.

Marco Mariella
Marco MariellaHead of design

Sono le nove del mattino e arriva una nuova richiesta via email. Nel giro di due minuti, senza che nessuno tocchi il computer, il mittente è già stato cercato nel CRM, valutato secondo i criteri dell'azienda, inserito con un punteggio, e il commerciale di riferimento ha già in mano un riepilogo pronto per la prima chiamata. Non è un team notturno di assistenti: è un agente AI al lavoro.

Questa guida parte da cosa fa concretamente un agente, per poi spiegare come è costruito, quando ha senso investirci e cosa aspettarsi in termini di costi e rischi.

Cosa fa, davvero, un agente

Nell'esempio di apertura, l'agente ha letto l'email ed estratto le informazioni chiave, ha cercato il mittente nel CRM e in fonti pubbliche, lo ha valutato secondo i criteri di qualificazione dell'azienda, ha assegnato un punteggio, aggiornato la scheda cliente, inviato una prima risposta personalizzata e avvisato il commerciale se il punteggio superava una certa soglia. Tutto questo senza che una persona intervenisse passo dopo passo.

Ciò che rende possibile questa catena è la capacità di pianificare e agire verso un obiettivo, non solo rispondere a un input. Un chatbot risponde a una domanda alla volta; un'automazione tradizionale segue regole fisse e si blocca davanti a un'eccezione; un agente, invece, ragiona sul contesto, sceglie quali strumenti usare, valuta il risultato ottenuto e corregge il piano se serve. Ed è proprio questo che lo rende utile su processi che coinvolgono più passaggi e più sistemi diversi, non solo una conversazione.

I quattro pezzi che lo fanno funzionare

Dietro un agente ci sono quattro componenti che lavorano insieme. Il modello linguistico è il ragionamento: uno dei grandi modelli di OpenAI, Anthropic o Google, oppure un modello aperto come Llama, che comprende il compito e pianifica i passi. La memoria tiene insieme il contesto del compito in corso, le informazioni persistenti su clienti e preferenze, spesso in un database vettoriale, e le istruzioni su come si svolge ogni tipo di attività. Gli strumenti sono ciò che trasforma il ragionamento in azione: accesso a CRM, ERP e gestionali, database, posta e agenda, ricerca web, esecuzione di codice per calcoli e analisi. E infine l'orchestrazione, il livello che coordina modello e strumenti, gestisce il flusso e tiene traccia di dove si trova il compito.

Su questa base si possono costruire tre tipi di architettura: un agente singolo con i propri strumenti, adatto a compiti ben definiti; un sistema multi-agente, dove più agenti specializzati collaborano sotto un coordinatore, più potente ma anche più costoso e complesso da gestire; e un modello con approvazione umana, in cui l'agente propone e una persona conferma prima che l'azione venga eseguita, la scelta giusta per le decisioni più delicate.

Dove conviene, per una PMI italiana

Nelle vendite, un agente può qualificare i nuovi contatti raccogliendo informazioni da email, moduli e LinkedIn, seguire chi non ha risposto da giorni con messaggi personalizzati sulla loro storia, o preparare bozze di offerte commerciali complete di prezzi e casi simili.

Nel back office, legge le fatture in arrivo, anche scansionate, le registra nel gestionale e segnala le discrepanze; oppure segue l'inserimento di un nuovo dipendente creando account, comunicazioni e appuntamenti; oppure sorveglia scorte e consegne e propone correttivi quando qualcosa si discosta dal previsto.

Nell'assistenza clienti, affianca gli operatori recuperando in tempo reale le informazioni utili dalla storia del cliente, oppure analizza i reclami in arrivo e prepara una risposta secondo le regole aziendali, passando il caso a una persona quando serve.

Nel marketing, scrive contenuti a partire da un brief, con la revisione finale di una persona, o segue concorrenti e tendenze producendo un report settimanale.

Costruirlo: cinque passaggi, non uno

Si parte scegliendo un caso d'uso che sia ripetitivo ma non puramente meccanico, con input variabili e un risultato definito, dati strutturati da consultare e un margine di errore gestibile. Poi si definiscono i confini: cosa può e non può fare l'agente, a quali sistemi accede, quando deve fermarsi e passare a una persona. Si individuano i dati e le integrazioni necessarie, con attenzione alle autorizzazioni e alla tutela dei dati personali. Si sviluppa e si collauda, con istruzioni dettagliate, prove su scenari reali e un avvio sempre accompagnato da supervisione umana. Infine si monitora: quanti compiti vengono completati correttamente, quanti passano a una persona, quanto costa ogni esecuzione, quanto sono soddisfatti chi lo usa e chi ne riceve i risultati.

Quanto costa, e quanto rende

Un agente semplice, con un solo processo e pochi strumenti, costa indicativamente 5.000-15.000 euro di sviluppo e 200-500 euro al mese di gestione. Uno di media complessità, con più integrazioni, sale a 15.000-40.000 euro e 500-1.500 euro al mese. Un sistema multi-agente parte da 40.000 euro in su.

Per dare un ordine di grandezza al ritorno: un agente che qualifica 200 contatti al mese, risparmiando mezz'ora di lavoro commerciale per ciascuno a 30 euro l'ora, vale circa 3.000 euro al mese. Su un investimento di 20.000 euro, il rientro arriva in circa sette mesi, prima ancora di contare l'effetto di una risposta più rapida sulle conversioni, che spesso è il beneficio più grande.

I rischi da tenere sotto controllo

Un agente può sbagliare o inventare informazioni: si contiene ancorandolo a fonti verificate con la RAG, verificando i risultati prima di eseguire azioni e lasciando le decisioni più delicate a una persona. Un agente collegato a sistemi critici è anche un punto di accesso da proteggere: accessi minimi, autenticazione solida, registro completo delle azioni. E se tratta dati personali, servono un'informativa aggiornata, una base giuridica chiara e un accordo con il fornitore del modello, tenendo conto dell'AI Act, che si applica per gradi fino al 2028.

Costruire un agente su misura richiede competenze specifiche di integrazione, progettazione delle istruzioni e conoscenza dei processi aziendali: non è lavoro da improvvisare. Il modo migliore per iniziare è individuare un processo preciso e chiedersi se un agente può davvero trasformarlo. Se vuoi valutare il tuo caso, parliamone.