Ogni fornitore di software, quest'anno, ha un agente AI da vendervi. Il gestionale ha l'agente, il CRM ha l'agente, perfino il plugin per le prenotazioni ha scoperto di averne uno. Prima di firmare un preventivo conviene però chiarire una cosa: agenti AI, cosa sono davvero, cosa li distingue da un chatbot con un nome nuovo e quali compiti possono svolgere oggi in un'azienda senza fare danni. La risposta breve: sono utili, in casi precisi, e quasi sempre con una persona che preme l'ultimo pulsante.
I numeri spiegano l'affollamento. Secondo Gartner, entro la fine del 2026 il 40% delle applicazioni software enterprise integrerà agenti dedicati a compiti specifici, contro meno del 5% del 2025. La stessa Gartner prevede però che oltre il 40% dei progetti di AI agentica verrà cancellato entro la fine del 2027, per costi fuori controllo, ritorno economico non dimostrato e controlli insufficienti. Le due previsioni non si contraddicono: descrivono un mercato che corre più veloce delle aziende che dovrebbero usarlo.
Agenti AI: cosa sono e in cosa differiscono da un chatbot
Un chatbot è un sistema che risponde. Gli fate una domanda, produce un testo. Nei casi migliori consulta prima i vostri documenti (la tecnica si chiama RAG: in pratica cerca nei file e poi riassume), ma resta un interlocutore passivo: non apre il gestionale, non modifica un ordine, non cambia lo stato di nessun altro software. Se il cliente chiede dov'è il pacco, il chatbot gli dice dove cliccare.
Un agente invece riceve un obiettivo, non una domanda. Lo scompone in passaggi, decide quali strumenti usare (le API del gestionale, il CRM, un database, uno script: le API sono le porte d'accesso con cui un software parla con un altro), li usa, guarda il risultato e decide il passo successivo. Continua finché l'obiettivo è raggiunto oppure finché arriva a un punto in cui serve l'approvazione di una persona. È la stessa distinzione che propone Salesforce nel suo confronto tra i due strumenti: la differenza non sta nella qualità del testo, ma nella capacità di eseguire azioni.
Sotto il cofano, il modello linguistico è spesso lo stesso. Cambia l'architettura attorno: un agente è un modello inserito in un ciclo, con accesso a strumenti e permessi. Per questo la domanda giusta non è «quanto è intelligente?» ma «cosa gli permetto di toccare?». Sui limiti dei modelli in sé c'è già un approfondimento dedicato; qui conta cosa succede quando a quei modelli date le chiavi di casa.
Il ciclo che fa lavorare un agente (e che costa)
Il funzionamento tipico è un ciclo in quattro tempi: percepire (leggere l'email, il ticket, il documento), ragionare (capire cosa serve), agire (chiamare uno strumento), osservare (controllare l'esito). Lo schema più noto si chiama ReAct, da Reason + Act, ed è spiegato bene in questa guida di Towards Data Science. Ogni giro del ciclo è una nuova chiamata al modello, con dentro tutto il contesto accumulato fino a quel momento.
Conseguenza pratica, che nessuna demo vi mostrerà: un agente consuma molti più token di una chat. I token sono le unità di testo su cui i fornitori di modelli calcolano il prezzo, e qui il conto cresce con il volume di lavoro e con ogni tentativo ripetuto. Un agente che non trova la risposta non si arrende: riprova, cambia strategia, riprova ancora. Se nessuno ha fissato un tetto massimo di tentativi, per esempio tre cicli prima di passare la pratica a un operatore, se ne accorgerà la fattura del fornitore al posto vostro.
Per lo stesso motivo i team tecnici più seri stanno abbandonando gli agenti lasciati liberi di inventarsi la sequenza di passi, a favore di agenti guidati da regole e percorsi prefissati: l'agente decide dentro binari disegnati in anticipo, e le eccezioni finiscono sempre nello stesso posto, cioè sulla scrivania di qualcuno. Meno magia, più prevedibilità. In un'azienda, è lo scambio giusto.
Tre esempi concreti che funzionano già oggi
Gli agenti che reggono in produzione hanno un tratto comune: cercano, estraggono, confrontano e preparano l'azione, ma l'atto irreversibile (un pagamento, una spedizione, una cancellazione) resta a una persona. Si chiamano agenti «imbrigliati», e non è un ripiego: è il motivo per cui funzionano. Ecco tre casi realizzabili oggi in una PMI.
Riconciliare fatture, DDT e ordini d'acquisto
L'agente sorveglia la casella PEC o email dell'amministrazione, estrae fatture e documenti di trasporto in PDF, interroga il gestionale per trovare l'ordine d'acquisto aperto e confronta righe, quantità e prezzi. Se tutto coincide entro la tolleranza che avete stabilito, prepara la registrazione contabile in bozza. Se il prezzo unitario è diverso o manca della merce, genera un avviso con il confronto riga per riga e lo assegna al responsabile acquisti. Il data entry manuale crolla e gli errori dei fornitori emergono prima del pagamento, non dopo.
Assistenza clienti che risolve, invece di rimandare
Un cliente scrive su WhatsApp che vuole fare un reso. Il chatbot gli manda il link alla pagina delle condizioni. L'agente riconosce la richiesta, recupera il numero d'ordine, verifica con il corriere o il magazzino lo stato della spedizione, controlla che il reso rispetti la vostra policy e, se è tutto in regola, genera l'etichetta, la invia al cliente e aggiorna lo stato nell'e-commerce o nel CRM. Le pratiche ripetitive si chiudono anche di notte; quelle anomale arrivano agli operatori già istruite, con i dati raccolti.
Qualificare i contatti commerciali in arrivo
Arriva un contatto dal sito. L'agente cerca nelle banche dati pubbliche codice ATECO, fatturato, numero di dipendenti e sede, calcola un punteggio di compatibilità secondo i vostri criteri, assegna il contatto al commerciale di zona nel CRM e prepara una bozza di email personalizzata. Il commerciale legge, corregge se serve, invia. Il tempo di risposta passa da un paio di giorni a pochi minuti, e la prima telefonata parte con le informazioni già sul tavolo.
Notate cosa manca in tutti e tre: nessun agente paga, spedisce o promette qualcosa da solo. È questa la linea che separa un progetto che regge da uno che finisce nella statistica delle cancellazioni.
Cosa invece è ancora marketing
Gartner ha dato un nome anche a questo: agent washing. Su migliaia di fornitori che vendono «agenti AI», secondo le sue stime solo circa 130 hanno capacità agentiche reali; gli altri hanno ribattezzato vecchie automazioni a regole rigide (RPA, cioè robot software che ripetono sequenze di clic) o chatbot tradizionali. Prima di firmare, chiedete una dimostrazione su un vostro processo, non sulla demo preconfezionata.
Oltre all'etichetta, ci sono promesse da riconoscere al volo:
- L'agente che sostituisce un ufficio vendite. Una trattativa B2B vive di contesto relazionale che il modello non coglie; lasciato libero, rischia di concedere sconti fuori margine e di irritare proprio i clienti che contano.
- L'agente che impara da solo. Non migliora sul campo: se un fornitore cambia il layout della fattura o un'API smette di rispondere, si blocca o gira a vuoto. Servono monitoraggio dei log e aggiornamento delle istruzioni, cioè manutenzione, come per qualsiasi software.
- Lo sciame di agenti che si passano il lavoro tra loro. Cinque o dieci agenti che decidono senza presidio umano tendono ad amplificare gli errori l'uno dell'altro e a bruciare il budget di token in pochi minuti.
La realtà italiana conferma la prudenza. Secondo l'Osservatorio Artificial Intelligence del Politecnico di Milano, il mercato AI nazionale ha raggiunto 1,82 miliardi di euro, ma orchestrazione dei processi e AI agentica pesano circa il 4% del totale. Tra le grandi imprese il 71% ha avviato almeno un progetto AI, ma solo il 22% usa flussi agentici autonomi in più passaggi. Se le grandi aziende vanno con i piedi di piombo, chi vi promette un ufficio intero automatizzato in tre settimane sta vendendo altro.
Quanto costa un agente e cosa serve davvero
Gli ordini di grandezza sul mercato italiano sono due. Le soluzioni verticali chiavi in mano, pensate per un compito preciso come l'assistente di primo livello su WhatsApp o lo smistamento dei ticket, stanno indicativamente tra 150 e 600 euro al mese. Un'integrazione su misura con gestionale e CRM richiede un investimento iniziale tra 10.000 e 35.000 euro, più manutenzione e consumi. Questi ultimi sono la voce da non sottovalutare: a differenza di una licenza a utente, crescono con il volume di lavoro e possono arrivare a un quarto del budget operativo annuo dell'infrastruttura.
Il vero collo di bottiglia, però, quasi mai è il modello. Sono i dati: gestionali senza API moderne, archivi in PDF scansionati, procedure che esistono solo nella testa di chi le esegue. Un agente non mette ordine nel disordine, lo automatizza. Se le schede prodotto sono duplicate e contraddittorie, l'agente prenderà decisioni sbagliate con grande efficienza. Per capire quale processo ha le carte in regola e quanto rende, c'è la guida sul primo caso d'uso AI; per gli strumenti a uso individuale, il confronto tra ChatGPT, Claude e Gemini.
Chi risponde se l'agente sbaglia
Risposta breve: voi. Per l'AI Act europeo, l'azienda che acquista o integra un agente è un deployer, cioè l'utilizzatore professionale, e deve verificarne la conformità, monitorarne i log e impedirne usi impropri sui dati di terzi. Se l'agente promette a un cliente uno sconto non autorizzato, il problema è vostro, non del fornitore del modello.
Due obblighi meritano attenzione subito. Il primo è la trasparenza: un agente che parla con clienti, fornitori o dipendenti deve dichiarare in modo chiaro di essere un sistema automatizzato (qui una sintesi delle nuove regole su PMI.it). Il secondo riguarda le decisioni ad alto impatto, come la selezione dei curriculum, la valutazione del credito o il monitoraggio delle prestazioni: AI Act e GDPR non ammettono decisioni interamente automatizzate, la supervisione umana è obbligatoria. Eppure, secondo l'Osservatorio del Politecnico, il 91% delle grandi aziende italiane non ha ancora un sistema di governance per questi processi. Partire con regole chiare è un vantaggio competitivo, non burocrazia.
Prima di comprare un agente, tre domande
- Quale azione irreversibile compie, e chi la approva? Se la risposta è «nessuno», fermatevi.
- Cosa succede quando qualcosa va storto? Pretendete un limite massimo di tentativi e un percorso di passaggio a una persona, scritti nero su bianco.
- Su quali dati lavora, e sono puliti? Se il fornitore non lo chiede, non ha capito il vostro processo.
Un agente AI ben progettato è un collaboratore instancabile che prepara il lavoro e lascia a voi la firma. Uno progettato male è un costo variabile con accesso in scrittura al vostro gestionale. La differenza non sta nel modello, ma in come è stato imbrigliato. Prendete il processo che oggi vi ruba più ore di copia e incolla e fatevi quelle tre domande: è da lì che in SMP Digital Solutions partiamo sempre, dal processo e non dalla tecnologia.