Capita in aziende di ogni settore e dimensione: qualcuno chiede una soluzione AI, e in sala ognuno ha in testa un’idea diversa di cosa significhi davvero. In riunione ci sono il marketing, il responsabile customer service e un fornitore esterno. Il marketing chiede “un chatbot per il sito”. Il fornitore risponde che la soluzione giusta è “un agente AI basato su un LLM proprietario”. Il responsabile customer service, che alla fine dovrà usare la cosa tutti i giorni, guarda entrambi con un’espressione che dice: “ma di cosa state parlando, esattamente?“
Chatbot, LLM e agente AI sono tra i termini più usati, e più confusi, quando si parla di intelligenza artificiale in azienda. Vengono spesso trattati come sinonimi, ma descrivono tre cose diverse, con capacità diverse e costi diversi. Se non sai distinguerli, rischi di chiedere, o pagare, la cosa sbagliata.
Vediamo cosa significa ciascuno dei tre termini, come si collegano tra loro, e come capire di cosa ha bisogno la tua azienda prima ancora di parlare con un fornitore.
Perché questi termini si confondono così spesso
Non è colpa tua se fai fatica a distinguerli. Da un lato la stampa generalista usa “intelligenza artificiale”, “chatbot” e “agente” in modo intercambiabile, come se fossero la stessa cosa raccontata con parole diverse. Dall’altro, molte aziende tech li usano con la stessa disinvoltura nei materiali commerciali, perché “agente AI” suona più innovativo di “chatbot”, anche quando la tecnologia dietro è identica.
Il risultato pratico è che due persone nella stessa riunione possono usare la parola “agente” intendendo cose completamente diverse: c’è chi immagina un sistema che gestisce autonomamente gli ordini, e chi immagina semplicemente una finestra di chat sul sito. Chiarire i tre termini ti evita di pagare un preventivo pensato per un problema diverso dal tuo.
LLM: il modello che genera il linguaggio
Un LLM (Large Language Model, modello linguistico di grandi dimensioni) è un modello addestrato su enormi quantità di testo, capace di capire e generare linguaggio naturale. GPT, Claude e Gemini sono tutti LLM: la tecnologia di base dietro a moltissimi prodotti AI che usi ogni giorno, anche senza saperlo.
Un LLM genera testo su richiesta: non ha memoria delle conversazioni precedenti, non prende iniziative, non fa nulla finché non gli viene posta una domanda o assegnato un compito preciso.
Da solo, un LLM è una componente tecnica, non ancora uno strumento che un’azienda usa direttamente. Serve altro sopra di esso, un’interfaccia, delle integrazioni con i tuoi sistemi, perché diventi un prodotto utilizzabile: non ha accesso automatico ai tuoi dati aziendali, non si collega al tuo gestionale, non ricorda la conversazione di ieri con un cliente.
Se vuoi approfondire il funzionamento tecnico, Cloudflare ha una spiegazione chiara di cosa sono i modelli linguistici di grandi dimensioni. E se ti interessa capire come ottenere risposte migliori da un LLM strutturando le richieste in più passaggi, ne parliamo in Catena di prompt: cos’è e perché funziona.
Chatbot: l’interfaccia con cui si parla
Un chatbot è l’interfaccia che permette a una persona di conversare in linguaggio naturale con un sistema, invece di navigare menu o compilare moduli. È la parte “visibile”: la finestra di chat sul sito, l’assistente che risponde su WhatsApp, la vecchia interfaccia con i pulsanti a scelta multipla del servizio clienti.
Un dettaglio che aiuta a fare chiarezza: un chatbot può esistere anche senza un LLM. I chatbot di dieci anni fa funzionavano a regole fisse (“se l’utente scrive X, rispondi Y”) e non capivano nulla oltre a quello che era stato programmato. I chatbot moderni, invece, spesso usano un LLM per interpretare il linguaggio naturale del cliente in modo molto più flessibile. Ecco perché oggi “chatbot” e “AI” vengono associati quasi automaticamente, anche se storicamente non è sempre stato così.
Quello che un chatbot fa molto bene: rispondere a domande, guidare una conversazione, raccogliere informazioni. Quello che non fa, da solo: eseguire azioni autonome su più sistemi, prendere decisioni con più passaggi, consultare fonti diverse per portare a termine un compito. Se hai già letto i nostri approfondimenti su come progettare un chatbot per le prenotazioni online, per la vendita online o per il supporto clienti, hai già visto cosa vuol dire concretamente lavorare bene su questo fronte.
Agente AI: il sistema che agisce in autonomia
Un agente AI porta a termine un compito con più passaggi in modo autonomo: legge una richiesta, consulta più fonti o strumenti, decide cosa fare dopo e agisce di conseguenza, senza bisogno di supervisione a ogni singolo step.
La differenza chiave rispetto al chatbot è questa: il chatbot risponde, l’agente…agisce. Un agente AI può, ad esempio, verificare la disponibilità di un prodotto in un gestionale, generare una conferma d’ordine e aggiornare un calendario, tutto in sequenza e senza che qualcuno debba dare l’ok a ogni passaggio intermedio.
Spesso un agente AI usa un LLM per interpretare le richieste e decidere i passi successivi. È anche per questo che i tre concetti si sovrappongono così facilmente nella percezione comune: un agente può avere sopra di sé un’interfaccia che assomiglia a un chatbot, ma dietro c’è un livello di autonomia molto più alto. Per decidere quale strumento o percorso attivare in base alla richiesta, molti agenti usano pattern come il routing AI.
Ne parliamo più nel dettaglio in È il momento giusto per gli agenti AI? e in Collaborazione multi-agente: la nuova frontiera dell’AI aziendale. Se preferisci un’introduzione più tecnica al concetto, IBM spiega cos’è l’agentic AI in modo molto approfondito.
La mappa comparativa
Per riassumere in un colpo d’occhio le differenze principali.
Nella pratica, i tre livelli lavorano spesso insieme, uno sopra l’altro, sullo stesso processo.
Come lavorano insieme: un esempio concreto
Immagina un cliente che scrive sul sito: “Vorrei prenotare un tavolo per quattro persone venerdì sera.” Ecco cosa succede, livello per livello:
L’LLM interpreta la frase in linguaggio naturale e capisce cosa sta chiedendo il cliente, anche se l’ha scritta in modo informale o con un errore di battitura. Il chatbot gestisce la conversazione: fa le domande di completamento se mancano dettagli (“a che ora preferisci?”), mantiene il filo del dialogo, mostra la risposta in un’interfaccia comprensibile. L’agente AI, infine, esegue i passaggi concreti: controlla la disponibilità nel sistema di prenotazione, blocca il tavolo, invia la conferma via email e aggiorna il calendario del ristorante, tutto senza intervento umano.
Come capire di cosa ha bisogno davvero la tua azienda
Prima di chiedere un preventivo o firmare un contratto, vale la pena rispondere a queste domande:
- Il problema che vuoi risolvere è “rispondere a domande” o “portare a termine un intero processo”? Nel primo caso probabilmente ti basta un chatbot, nel secondo probabilmente ti serve un agente.
- Il sistema deve solo conversare, o deve anche agire su altri strumenti (CRM, gestionale, calendario, magazzino)? Più azioni servono, più sali di livello di complessità (e di autonomia).
- Quanta autonomia sei disposto a dare al sistema prima che intervenga una persona a verificare? Un conto è far rispondere in autonomia a domande frequenti, un altro è far confermare ordini o pagamenti senza supervisione.
- Hai già dati e documenti aziendali pronti da collegare, o si parte da zero? Un sistema che deve “sapere” cose specifiche della tua azienda ha bisogno di essere collegato alle tue fonti informative, non solo di un buon modello linguistico generico.
Non esiste una risposta valida per tutti: la combinazione giusta dipende dal processo che vuoi migliorare, non dalla tecnologia più di moda del momento.
Errori comuni da evitare quando ne parli con un fornitore
Un paio di accorgimenti pratici, utili soprattutto se non hai un background tecnico in casa:
- Diffida di chi ti propone un “agente AI” e, a un esame più attento, si rivela un chatbot a regole fisse senza reale autonomia decisionale.
- Chiedi sempre un esempio concreto: “cosa farà questo sistema in autonomia, passo per passo, su un caso reale della mia azienda?” Se la risposta resta vaga, è un segnale da non ignorare.
- Verifica cosa succede quando qualcosa va storto: come si comporta il sistema davanti a una richiesta ambigua o a un errore? Chi interviene, e quando?
