Negli ultimi due anni quasi tutte le aziende hanno acquistato una chat con un modello linguistico. Molte hanno aggiunto i propri documenti, con un sistema RAG. Poche hanno visto cambiare il loro modo di lavorare: la gente usa la chat per scrivere una email e il RAG per cercare i documenti, e il lavoro non cambia, non migliora.
I sistemi agentici sono il passo successivo. Un agente non risponde: riceve un compito e lo porta a termine. In questo articolo parlerò di chi fa il lavoro, chi lo controlla, quanto costa, chi ne risponde. Se invece volete sapere come si costruisce un agente c’è Come si scrive un agente .
Tre livelli, una sola domanda: chi fa il lavoro?
La chat è un turno: domanda, risposta, e l’iniziativa torna a chi scrive. Il RAG è una chat che prima di rispondere cerca nei documenti aziendali: la risposta è fondata, ma è ancora una risposta. L’agente è un ciclo: legge, decide, agisce, verifica, e ricomincia finché l’obiettivo non è raggiunto o finché non trova qualcosa che non può risolvere da solo.
Nella chat e nel RAG il lavoro lo fa la persona, aiutata. Nell’agente il lavoro lo fa il sistema, e la persona decide, controlla e firma.
Il caso: il questionario di sicurezza di un cliente
Prendiamo un lavoro che esiste in ogni azienda che vende a clienti enterprise: le famigerate Security Checklist. Arriva in un file Excel da 180 domande, va restituito entro due settimane, e le risposte devono essere coerenti con le policy, con le certificazioni e con quello che si è risposto allo stesso cliente l’anno scorso.
Chiamiamo l’azienda CesellatoriDiByte SpA, un fornitore di software gestionale: è di fantasia, il processo no. In CesellatoriDiByte SpA il questionario lo compila Elena, responsabile IT, in tre serate, cercando nelle policy, chiedendo al legale, copiando dal questionario precedente e sperando che nel frattempo nulla sia cambiato.
Con una chat, Elena ottiene risposte ben scritte e generiche: il modello non conosce le policy aziendali. Con un RAG, può fare domanda per domanda “cosa dice la nostra policy sul backup?” e ottenere il passaggio giusto. Centottanta volte.
Con un agente, Elena lancia un’esecuzione: “Compila il questionario allegato usando le policy, le certificazioni e le risposte dell’anno scorso. Per ogni risposta indica la fonte. Segnala le domande a cui non puoi rispondere”. Poi va a fare altro. L’agente legge il file, cerca le fonti, scrive le risposte in un file di lavoro, controlla che ogni risposta citi una fonte reale, e alla fine le consegna un questionario compilato con dodici domande marcate “da decidere”, per esempio quelle su clausole contrattuali nuove.
Elena non ha più scritto 180 risposte. Ha deciso su dodici, controllato e ha firmato il resto. È questa la differenza, e ha conseguenze precise.
Cosa cambia davvero
L’unità di lavoro diventa l’esito
Con una chat si giudica la risposta: è chiara, è giusta, è nel tono giusto. Con un agente si giudica l’esito: il questionario è completo, coerente, fondato sulle fonti, formattato bene. Cambia anche come si misura. Non “quante domande ha fatto l’utente al modello” ma “quanti questionari sono usciti, in quanto tempo, con quanti check falliti e quante domande lasciate aperte”.
Questo rende l’investimento valutabile. Un chatbot usato per le email non ha un ritorno misurabile. Un agente che restituisce i questionari in un giorno invece che in tre serate ce l’ha, e lo si vede nel registro delle esecuzioni.
Chi scrive l’agente non è chi lo usa
In un sistema agentico l’agente si definisce una volta e si lancia molte volte. In AIDeskPro la definizione si chiama Configurazione: ruolo, regole, quali risorse può usare. Il lancio si chiama Esecuzione: la configurazione applicata ai documenti di quel caso.
Questa separazione è organizzativa prima che tecnica. La Configurazione del “compilatore di questionari” la scrive una persona che conosce le policy e le regole, per esempio Elena con il legale. La lancia chiunque riceva un questionario, anche un commerciale, senza saper scrivere un prompt. Per la prima volta l’IT governa cosa l’AI può fare, e gli utenti la usano senza diventare esperti (un caso reale è il nostro marketing che gestisce il sito web tramite un agente).
I documenti diventano un asset, con i permessi
Un agente vale quanto le fonti a cui accede. Il questionario di CesellatoriDiByte esce bene perché le policy, le certificazioni e i questionari passati sono in indici documentali curati, non sparsi in cartelle personali. Le aziende che partono con gli agenti scoprono in fretta che il lavoro vero è mettere ordine nei documenti.
E i permessi contano più di prima. Un indice con i contratti non deve essere visibile a tutti gli agenti né a tutti gli utenti. In AIDeskPro gli indici sono condivisi per gruppo, gli agenti li ricevono come risorse esplicite, e i permessi sui modelli si assegnano per gruppo di utenti. Chi lancia un’esecuzione non può far leggere all’agente ciò che non potrebbe leggere lui stesso.
Il controllo passa dal testo ai check
Nessuno rilegge 180 risposte con attenzione la terza volta. Con un agente il controllo umano cambia forma: non si rilegge tutto, si definisce prima cosa vuol dire “sbagliato” e si lascia che un passaggio di verifica indipendente lo cerchi. Per CesellatoriDiByte: ogni risposta cita una fonte che esiste; nessuna risposta contraddice quella dell’anno scorso senza una nota; le domande senza fonte sono marcate, non inventate.
Il check lo fa un passaggio separato da chi ha scritto, una fase di verifica o un sub agent, perché chi ha scritto una risposta sbagliata tende a confermarla. La persona guarda i check falliti e le domande aperte. Dodici decisioni invece di centottanta riletture.
Ogni esecuzione ha un costo, e si vede
Una chat costa poco e in modo prevedibile. Un agente fa decine o centinaia di chiamate al modello per un’esecuzione, e il costo dipende da quanto lavoro c’è. È giusto così, ma va visto. In AIDeskPro una dashboard mostra i costi giornalieri per etichetta di utente, per esecuzione, per modello con soglie e avvisi. Il questionario di CesellatoriDiByte costa qualche euro di modello: meno di un’ora di Elena, ma è un numero che il CFO vuole sapere prima, non in fattura.
La tracciabilità non è un optional
Quando il sistema esegue, qualcuno chiederà “perché ha risposto così?”. Un agente serio lascia una traccia: la Console mostra ogni passo, ogni file letto e scritto, ogni domanda fatta all’utente, e permette di fermare e riprendere l’esecuzione. I file di lavoro restano nel Workspace e si possono aprire, correggere e scaricare.
Sul fronte AI Act e GDPR questa traccia è il materiale con cui si lavora: passi tracciati, dati che restano in Europa, decisione finale a una persona. Sono meccanismi, non una conformità garantita. Verificali con il tuo legale sul tuo caso.
Qualcuno firma
L’ultima cosa che cambia è la più semplice. Con la chat la responsabilità restava implicita: la persona scriveva, la persona rispondeva. Con un agente va resa esplicita: chi decide se il questionario esce dall’azienda? Da CesellatoriDiByte è Elena, che apre il file, guarda le dodici domande aperte, le chiude e manda. L’agente non invia nulla. Questa regola, scritta nella Configurazione, vale più di qualsiasi disclaimer.
Dove un agente non serve
Se il compito è una domanda, basta un RAG e quello di AIDeskPro non teme rivali. Se è scrivere una mail, basta la chat. Un agente ha senso quando il lavoro è ripetuto, ha più fonti, più passi e un risultato che va controllato: un questionario, un’offerta, lo screening di cento CV, la lettura di un capitolato. Un riassunto di una pagina no, e costa di più.
C’è anche un caso in cui non è pronto: quando non si sa dire cosa vuol dire “risultato sbagliato”. Se Elena non sa elencare i check, l’agente produrrà risposte plausibili che nessuno saprà contestare. Meglio aspettare e scrivere prima i criteri.
Da dove cominciare
- Scegli un processo con più fonti e un controllo finale, che oggi qualcuno fa a mano e malvolentieri. I questionari dei clienti sono un buon candidato: ripetitivi, documentati, con una scadenza.
- Metti in ordine le fonti. Un indice per le policy e certificazioni, uno per le risposte passate. Con i permessi giusti.
- Scrivi il mandato come a un collega nuovo: cosa produrre, da quali fonti, cosa non fare mai, cosa segnalare invece di inventare.
- Scrivi i check prima del primo lancio. Poi lancia su un caso vero e guarda i check falliti, non il testo.
- Decidi chi firma, e scrivilo nella Configurazione.
Un esempio di questo approccio a lungo termine sono i siti che Open Gate gestisce con agenti CMS di AIDeskPro: opengate.biz, 299 pagine in due lingue con contenuti dal 2014, è stato migrato da WordPress a Hugo da un agente in una giornata di lavoro, con una persona che rileggeva le pagine, e oggi le modifiche si chiedono in chat e vanno in produzione solo dopo un ok umano.
FAQ
Un sistema agentico sostituisce il RAG?
No, lo usa. Gli indici documentali sono una delle risorse a cui l’agente accede. Il RAG resta il modo giusto per fare una domanda; l’agente è il modo per fare un lavoro.
Serve un team di sviluppo per fare un agente?
Per scrivere una Configurazione serve chi conosce il processo e le regole, non un programmatore. Per lanciare un’esecuzione serve solo sapere cosa si vuole ottenere.
Come si misura se funziona?
Esiti per esecuzione, tempo tra lancio e consegna, check falliti, domande lasciate aperte, costo per esecuzione. Tutti numeri che una Console e una dashboard dei costi mostrano senza stime.
Cosa succede se l’agente sbaglia?
Sbaglia dentro una sandbox, su file di lavoro, e il check indipendente lo intercetta nella maggior parte dei casi. Nel resto lo intercetta chi firma. Nessun risultato esce dall’azienda senza una decisione umana, se la Configurazione lo prevede.
I dati restano in Europa?
In AIDeskPro l’hosting è in Europa in un progetto dedicato al cliente, con zero data retention sui modelli predefiniti e nessun addestramento sui dati del cliente. Esistono versioni on-premise per chi deve tenere tutto in casa o su fornitori non soggetti al Cloud Act.
Dove approfondire
Come sono fatti un agente, le sue risorse e i suoi check lo raccontiamo in Come si scrive un agente . I casi d’uso, i piani e le domande frequenti sono nella pagina Agenti AI per aziende . Il resto si capisce lanciando una prima esecuzione su un processo vero.