"Voglio un agente AI" è una frase che sentiamo spesso. Quasi sempre, dietro, c'è un processo noioso che ruba ore ogni settimana: email da smistare, dati da copiare da un sistema all'altro, richieste da classificare a mano.
La buona notizia è che costruire un agente AI per un caso del genere è alla portata di una PMI. La meno buona è che il modello, la parte di cui parlano tutti, è il pezzo più facile. Il lavoro vero sta altrove. Vediamo cosa serve davvero, i passi concreti e un caso reale.
Se non hai ancora chiaro cosa sia un agente e in cosa differisca da un chatbot, parti da qui: cos'è un agente AI. Poi torna a questo articolo.
Cosa serve davvero per costruire un agente AI
Quattro ingredienti. Se ne manca uno, l'agente resta una demo che non entra mai in produzione.
- Un obiettivo chiaro e misurabile. Non "usare l'AI in azienda", ma "smistare le email in arrivo nelle tre categorie giuste e preparare una bozza di risposta". Se non sai dire quando l'agente ha fatto bene il suo lavoro, non sei pronto a costruirlo.
- Dati e strumenti a cui accedere. L'agente deve poter leggere e scrivere dove serve: la casella email, il gestionale, un database, un foglio. Se queste informazioni sono sparse o inaccessibili via API, gran parte del lavoro sarà collegarle.
- Un modello adatto al compito. Un modello linguistico (di OpenAI, Anthropic, Google o altri) fa il ragionamento: capire un testo, classificarlo, scrivere una risposta. Per molti compiti aziendali va benissimo un modello generalista. Non serve il più grande in assoluto, serve quello giusto per il caso.
- L'integrazione. È qui che si vince o si perde. L'agente deve incastrarsi nei sistemi che usi già, gestire gli errori, sapere quando fermarsi e chiedere a una persona. Questa parte è ingegneria, non prompt.
Detto onestamente: se il processo che vuoi automatizzare cambia ogni settimana, o se i dati sono un caos, prima si sistema quello. Un agente costruito sopra un processo confuso amplifica il caos, non lo risolve.
I passi, in pratica
Il percorso che seguiamo, semplificato:
- Scegli un solo processo. Ripetitivo, frequente, con regole abbastanza stabili. Lo smistamento di richieste in arrivo è un classico punto di partenza.
- Definisci input e output. Cosa riceve l'agente (un'email, un PDF, un form) e cosa deve produrre (una categoria, una bozza, un record aggiornato).
- Scrivi le regole di decisione. Come distingui una richiesta urgente da una normale? Cosa succede nei casi ambigui? Queste regole guidano sia il prompt sia i controlli intorno.
- Collega gli strumenti. Dai all'agente accesso ai sistemi giusti, in lettura e scrittura, con i permessi minimi necessari.
- Tieni una persona nel ciclo. All'inizio l'agente propone, un umano conferma. Si raccolgono gli errori reali e si correggono.
- Misura e restringi l'autonomia ai casi sicuri. I casi semplici e frequenti l'agente li gestisce da solo. Quelli rari e delicati restano alle persone.
L'ordine conta. Chi salta dritto al punto 4 senza aver fatto 1, 2 e 3 si ritrova con un agente che fa cose impressionanti nelle demo e disastri sui casi veri.
Un caso reale (anonimo)
Un'azienda con cui abbiamo lavorato, una PMI dei servizi, riceveva ogni giorno decine di richieste via email: alcune erano richieste di preventivo, altre assistenza su pratiche in corso, altre comunicazioni amministrative. Una persona del back-office apriva ogni messaggio, capiva di cosa si trattava, lo girava all'ufficio giusto e a volte rispondeva. Lavoro lento, ripetitivo, e nei giorni di picco le richieste importanti restavano in coda per ore.
Il problema non era il volume in sé. Era che un compito a basso valore, lo smistamento, consumava il tempo di una persona che avrebbe potuto seguire i casi veri.
Cosa fa l'agente. Legge ogni email in arrivo, la classifica nelle categorie definite con l'azienda, la indirizza all'ufficio competente e, per i casi più frequenti e standard, prepara una bozza di risposta basata sulle informazioni interne. Le richieste ambigue o delicate non le tocca: le segnala a una persona, con una nota su perché è incerto.
Il risultato, in termini onesti e qualitativi: il back-office non parte più ogni mattina da una casella ingestibile. Le richieste arrivano già ordinate, le risposte standard sono pronte da rivedere, e le persone dedicano il tempo ai casi che richiedono giudizio umano. Non promettiamo numeri di precisione: l'abbiamo costruito misurando gli errori e tenendo una persona a supervisionare i casi nuovi finché l'agente non si è dimostrato affidabile su quelli ricorrenti.
Un pezzo importante di questo lavoro è dare all'agente accesso ordinato alla conoscenza interna dell'azienda, così che le risposte siano basate su informazioni vere e aggiornate. È il tema della knowledge base AI: senza, l'agente improvvisa; con, risponde su dati reali.
Errori comuni da evitare
- Partire da un obiettivo vago. "Vogliamo l'AI" non è un progetto. "Vogliamo smistare le email di assistenza" lo è.
- Voler automatizzare tutto subito. Un agente che prova a gestire ogni caso, anche il più raro, diventa fragile. Meglio coprire bene l'80% semplice e lasciare il resto alle persone.
- Saltare la fase con l'umano nel ciclo. Mandare in autonomia totale un agente al primo giorno è il modo più veloce per perdere fiducia quando sbaglia su un caso visibile.
- Ignorare i dati. Se le informazioni a cui l'agente deve attingere sono disordinate o inaccessibili, nessun modello le sistema da solo.
- Comprare la tecnologia prima di capire il processo. Lo strumento è l'ultimo passo, non il primo.
Una nota finale, onesta: non sempre serve un agente AI. A volte una regola fissa o un'automazione semplice fanno lo stesso lavoro con meno complessità. L'agente ha senso quando c'è del giudizio da automatizzare, non quando basta un "se questo, allora quello".
Se hai in testa un processo che ruba tempo e ti chiedi se valga la pena costruirci sopra un agente, parliamone in una call. Ti diciamo anche se, secondo noi, non ne hai bisogno.