Il termine “agente AI” è entrato nel vocabolario aziendale prima che fosse chiaro a cosa corrispondesse. Il risultato è che oggi la stessa parola indica cose molto diverse: un chatbot con qualche risposta preimpostata, un flusso di automazione con dentro una chiamata a un modello linguistico, e sistemi che prendono decisioni operative in autonomia.

La distinzione non è accademica. Da come si classifica un problema dipende quanto costa risolverlo, quanto è affidabile la soluzione e quanto è difficile mantenerla nel tempo. Vale la pena mettere in fila i quattro livelli.

Il software gestionale: registra, non esegue

Un ERP o un CRM è un contenitore strutturato di dati e uno strumento di registrazione. Sa dirti qual è lo stato di un ordine, quali fatture sono aperte, a che punto è una trattativa. Non decide e non agisce: aspetta che qualcuno inserisca qualcosa.

Questo è il motivo per cui avere un ERP evoluto non significa avere processi efficienti. Il gestionale governa il dato una volta che è dentro; tutto il lavoro per farcelo arrivare — leggere il documento, capire cosa contiene, verificarlo, digitarlo — resta a carico delle persone. È il punto che abbiamo sviluppato nella guida ai processi aziendali (https://executionai.net/blog/processi-aziendali/).

L’automazione a regole: esegue una sequenza fissa

Il secondo livello è l’automazione deterministica, quella che si costruisce con strumenti di workflow o con integrazioni via API. Quando succede X, fai Y, poi Z. Se il campo vale A, prendi la strada B.

Funziona benissimo, ed è spesso la risposta giusta. È veloce da costruire, costa poco, è prevedibile e si può testare esaustivamente: dati gli stessi input produce sempre lo stesso output. Il limite è che ha bisogno di input regolari. Se il dato arriva sempre nella stessa posizione dello stesso tracciato, l’automazione a regole è imbattibile. Se arriva in un PDF impaginato diversamente da ogni fornitore, si ferma.

C’è un errore comune qui: usare l’AI dove basterebbe un’automazione. È più costoso, meno prevedibile e più difficile da verificare. La regola pratica è semplice: se il problema si può descrivere completamente con condizioni, non serve un modello linguistico.

Il chatbot: interpreta, ma non fa

Il terzo livello introduce la comprensione del linguaggio. Un chatbot capisce cosa gli stai chiedendo e risponde, eventualmente pescando da una base di conoscenza aziendale.

Il punto critico è che si ferma alla conversazione. Può spiegare a un cliente come si richiede un rimborso; non lo apre. Può dire a che punto è una pratica se qualcuno gli ha collegato la fonte; non la fa avanzare. È utile per ridurre il carico sul customer service, ma non tocca il processo: aggiunge un’interfaccia sopra un sistema che resta com’era.

L’AI Agent: interpreta, decide ed esegue

Il quarto livello mette insieme le tre capacità. Un agente riceve un input non strutturato, lo interpreta, consulta i sistemi aziendali per recuperare il contesto che gli manca, decide cosa fare in base a criteri definiti ed esegue l’azione: scrivere in un gestionale, generare un documento, aprire un ticket, inviare una comunicazione, oppure fermarsi e chiamare una persona quando il caso esce dai vincoli previsti.

L’ultima parte è quella che distingue un agente ben progettato da un esperimento. Un agente utile non è quello che decide tutto da solo: è quello che sa riconoscere quando non deve decidere. Le soglie di sicurezza, i controlli sull’output, i punti in cui il flusso si ferma per un’approvazione umana non sono limitazioni, sono ciò che rende il sistema utilizzabile su processi che contano.

Se vuoi capire quale di questi quattro livelli serve davvero al processo che hai in mente, puoi fissare una call gratuita di 30 minuti con uno dei nostri specialisti (https://executionai.net/#contatti): in mezz’ora si capisce se ha senso o no.

Come si scelgono in pratica

Nella maggior parte dei progetti reali non si sceglie un livello solo: si combinano. Un flusso tipico usa l’AI nel punto in cui serve leggere e interpretare, l’automazione a regole per tutti i passaggi deterministici che seguono, e il gestionale come destinazione finale del dato. L’agente entra in gioco quando il processo richiede più decisioni concatenate, ognuna delle quali dipende da informazioni che vanno recuperate da fonti diverse.

La domanda da farsi non è “ci serve un agente AI”, ma “in quale punto del processo si perde tempo, e perché”. Se si perde tempo a copiare dati tra due sistemi, serve un’integrazione. Se si perde tempo a leggere documenti, serve un modello che sappia interpretarli. Se si perde tempo perché ogni caso richiede di raccogliere informazioni sparse prima di poter decidere, allora sì, siamo nel territorio degli agenti.

Il rischio opposto è altrettanto concreto: costruire un agente sopra un processo che nessuno ha mai mappato. Un agente amplifica quello che trova. Se il processo sottostante è confuso, l’agente produce confusione più in fretta e con meno tracciabilità di prima.

Il modello completo, con le nove regole per progettare processi eseguibili da una macchina, è nel libro “Non è l’AI. È il processo.” di Carlo Carmine e Angelo Fasola: puoi richiedere la copia Kindle gratuita qui (https://book.executionai.net/ita/naip).)

Domande frequenti

Qual è la differenza tra un chatbot e un AI Agent?
Il chatbot interpreta il linguaggio e risponde, ma si ferma alla conversazione. L’agente interpreta, consulta i sistemi aziendali, decide in base a criteri definiti ed esegue l’azione: scrive nel gestionale, genera documenti, apre pratiche.

Quando basta un’automazione tradizionale invece dell’AI?
Quando il problema si può descrivere completamente con condizioni e gli input arrivano già strutturati. In quei casi l’automazione a regole è più economica, più prevedibile e più facile da verificare.

Un AI Agent decide da solo senza controllo umano?
Un agente ben progettato ha soglie e vincoli espliciti: opera in autonomia nei casi previsti e si ferma chiamando una persona quando il caso esce dai parametri. La capacità di riconoscere quando non decidere è parte del progetto.

Serve sostituire ERP o CRM per introdurre agenti AI?
No. L’agente si integra con i sistemi esistenti tramite API e li usa sia come fonte di contesto sia come destinazione dei dati. Il gestionale resta la fonte di verità.

Si possono combinare più livelli nello stesso processo?
Sì, ed è la situazione più comune: AI dove serve interpretare documenti o linguaggio, automazione a regole per i passaggi deterministici, gestionale come registro finale.