Glossario

Agente AI (AI agent)

Un agente AI è un sistema in cui un modello linguistico decide da sé i passaggi da compiere e gli strumenti da usare per raggiungere un obiettivo, osservando i risultati a ogni passo. Si distingue da un chatbot, che risponde, e da un flusso automatico, i cui passaggi sono fissati in anticipo da chi lo costruisce.

Cos’è un agente AI

Un agente AI è un sistema in cui un modello linguistico dirige in autonomia il proprio lavoro: decide quali passaggi compiere, quali strumenti usare e quando fermarsi, tenendo il controllo su come arriva al risultato. Anthropic, nella sua guida alla costruzione di agenti, lo distingue dal flusso di lavoro (workflow), in cui il modello e gli strumenti sono orchestrati da percorsi di codice fissati in anticipo. Nell’agente la sequenza non è scritta in anticipo: nasce durante l’esecuzione, in base a ciò che l’agente osserva.

Si parla spesso di AI agentica per indicare l’insieme di questi sistemi, che fanno parte dell’intelligenza artificiale generativa ma vanno oltre la semplice risposta a una domanda.

Come funziona un agente

Un agente si compone di pochi elementi:

  • Un modello che ragiona sull’obiettivo e sceglie la prossima azione.
  • Strumenti che può richiamare, come la ricerca sul web, la lettura di file, un database, la posta, un calendario o altre API.
  • Un contesto: le istruzioni, la storia delle azioni già svolte e le informazioni recuperate, anche con tecniche di RAG.
  • Un ciclo: l’agente agisce, osserva il risultato, aggiorna il piano e ripete, finché considera raggiunto l’obiettivo o incontra un limite fissato.

Nei compiti più delicati si prevede un punto in cui una persona controlla e approva, per esempio prima di inviare un messaggio o di compiere un pagamento.

Differenza tra agente AI, chatbot e automazione

Strumento Come lavora Chi decide i passaggi
Chatbot Risponde a domande in una conversazione La persona, a ogni messaggio
Flusso di lavoro automatico Esegue una sequenza fissa, anche con passaggi affidati a un modello Chi lo ha progettato
RPA Ripete azioni su programmi, con regole precise Chi lo ha configurato
Agente AI Sceglie azioni e strumenti verso un obiettivo, in un ciclo Il modello, entro limiti stabiliti

Esempi di impiego

  • Assistenza ai clienti: un agente che consulta la base di conoscenza, verifica lo stato di un ordine e prepara la risposta.
  • Ricerca e analisi: raccoglie fonti, confronta i dati e produce una sintesi con i riferimenti.
  • Sviluppo software: legge il codice, propone e prova modifiche, esegue i test.
  • Attività amministrative: smista le email, estrae dati dai documenti, aggiorna il CRM.
  • Acquisti e prenotazioni, con approvazione finale di una persona.

Quando usare un agente e quando no

Secondo Anthropic conviene cercare la soluzione più semplice e aggiungere complessità solo quando migliora il risultato. Per molte applicazioni basta una singola richiesta a un modello, arricchita con documenti e esempi. I flussi di lavoro si adattano ai compiti ben definiti, dove i passaggi sono noti. Gli agenti sono indicati per problemi aperti, in cui non si può prevedere quante tappe servano e dove la flessibilità vale il costo. Il prezzo di questa autonomia sono tempi di risposta più lunghi e costi più alti.

Rischi e limiti degli agenti

  • Errori che si sommano: uno sbaglio a un passaggio può influenzare tutti i successivi, e l’agente non sempre se ne accorge.
  • Azioni con effetti reali: un agente con accesso a posta, file o pagamenti può compiere operazioni difficili da annullare.
  • Istruzioni nascoste nei contenuti: una pagina web o un documento letto dall’agente può contenere comandi pensati per deviarlo. Si limita il danno con permessi ridotti e controlli sulle azioni.
  • Costi imprevisti: un ciclo che non si ferma consuma molti token.
  • Tracciabilità: senza registri dettagliati è difficile capire perché l’agente abbia agito in un certo modo.

Anthropic raccomanda di provare gli agenti in ambienti isolati, con protezioni adeguate, e di usare i framework con attenzione, perché gli strati aggiuntivi nascondono istruzioni e risposte e rendono più difficile il controllo.

Come introdurre un agente in azienda

  1. Si sceglie un compito circoscritto, frequente e con un risultato verificabile.
  2. Si descrivono gli strumenti che l’agente può usare e si assegnano i permessi minimi necessari.
  3. Si fissano limiti: numero di passaggi, tempo, spesa e azioni che richiedono l’approvazione di una persona.
  4. Si registra ogni azione, per verificarla e correggere gli errori.
  5. Si prova su casi reali, con un confronto tra il lavoro dell’agente e quello di una persona, prima di estendere l’uso.

Se l’agente tratta dati di persone, valgono gli obblighi del GDPR e, per i sistemi di IA, quelli dell’AI Act.

Agenti singoli e sistemi con più agenti

In alcuni progetti più agenti collaborano: uno coordina e divide il lavoro, altri lo eseguono su parti diverse, un altro verifica i risultati. Sono schemi utili per compiti ampi, ma moltiplicano costi, punti di errore e difficoltà di controllo. Si adottano quando un solo agente non basta e dopo aver verificato che la complessità in più produca un vantaggio misurabile.

Fonti e approfondimenti