Un agente di intelligenza artificiale non è un dipendente digitale: è un software probabilistico con accesso a strumenti e autorizzazioni. La differenza non è semantica. Un dipendente ha capacità di giudizio, un contesto consolidato, responsabilità legale e la possibilità di dire: "Questo non torna, chiederò chiarimenti". Un agente ha un obiettivo, una serie di azioni disponibili e una probabilità di avere ragione.
La metafora del dipendente si è diffusa perché funziona a fini commerciali. E funziona perché permette di confrontare il prezzo di una licenza con il costo di uno stipendio, che è il confronto più favorevole possibile. Il problema sorge quando questa metafora passa dalla presentazione di vendita alla progettazione del sistema, perché in tal caso si progetta come se ci fosse un giudizio laddove esiste solo la probabilità.
Un chatbot risponde. Un agente agisce. Questa è tutta la differenza, ed è enorme.
Quando un modello genera testo, il peggior risultato possibile è una risposta errata che qualcuno legge. Quando un modello può eseguire azioni, come creare un ordine, emettere un rimborso, modificare un record o inviare un'e-mail a un cliente, il peggior risultato possibile è un'azione errata che si è già verificata e che deve essere annullata.
Un agente è costituito da quattro elementi, ed è consigliabile essere in grado di nominarli tutti e quattro prima di approvarne uno qualsiasi:
I primi tre sono generalmente definiti. Il quarto è quello che manca nella maggior parte dei progetti che verifichiamo, ed è quello che determina se l'agente rappresenta un'attività o una passività.
Secondo un'indagine di McKinsey del 2025, il 62,1% delle organizzazioni stava sperimentando gli agenti, ma solo il 23,1% li aveva implementati su larga scala in almeno una funzione. Il divario tra queste due cifre è l'oggetto di questo articolo.
Gartner è stato più diretto nel giugno 2025: prevede che Più di 401.000 progetti di intelligenza artificiale agentiva saranno cancellati entro la fine del 2027., Ciò è dovuto all'aumento dei costi, alla scarsa chiarezza del valore commerciale o all'inadeguatezza dei controlli sui rischi. Nella stessa analisi, Anushree Verma, direttrice senior dell'analisi presso l'azienda, ha stimato che delle migliaia di fornitori che si presentano come specialisti in intermediazione, solo circa 130 lo sono realmente. Gli altri sono stati etichettati con un termine che dovrebbe essere aggiunto al vocabolario di qualsiasi comitato acquisti: *lavaggio di informazioni da parte degli agenti*.
Questa non è una statistica contro gli agenti coinvolti. È una statistica su ciò che distingue i progetti che sopravvivono da quelli che falliscono: costi previsti, valore definito e controlli del rischio progettati.
Attributo | Dipendente | Agente IA |
Responsabilità legale | Proprio, nell'ambito del quadro lavorativo | Dall'azienda che lo implementa, sempre |
Giudizio di fronte all'inaspettato | Si accorge che qualcosa non quadra e chiede | Completa l'attività utilizzando le informazioni a tua disposizione. |
Contesto accumulato | Anni di conoscenza tacita dell'azienda | Solo ciò che ti viene fornito in ogni esecuzione |
Tracciabilità | Ricostruibile attraverso la conversazione | Esiste solo se il disco è stato progettato. |
Il costo di un errore | Limitato e rilevabile | Scalabile: ripete lo stesso errore migliaia di volte |
Il confine tra responsabilità legale e responsabilità civile non è più teorico. Nel caso *Moffatt contro Air Canada*, deciso nel 2024 dal tribunale civile della Columbia Britannica, la compagnia aerea sostenne che il suo chatbot fosse un'entità separata responsabile delle proprie dichiarazioni. Il tribunale definì tale argomentazione "notevole" – nel senso peggiore del termine – e ordinò alla compagnia di risarcire il cliente per le informazioni errate fornite dal sistema.
La conclusione operativa è semplice: l'azienda è responsabile di ciò che il suo software dice e fa. Sempre. Non esiste un'architettura di delega che trasferisca tale responsabilità al fornitore del modello.
Il costo dell'errore è la voce che i comitati sottovalutano maggiormente. Un dipendente che interpreta male una procedura applica quell'errore a ogni caso che gestisce in una giornata. Un agente lo applica a ogni caso finché qualcuno non se ne accorge. La scalabilità, che è il punto di forza della vendita, è anche il moltiplicatore del rischio.
Sarebbe assurdo scrivere questo articolo da una posizione difensiva. Gli agenti risolvono problemi che prima non avevano soluzioni valide, e questi sono gli ambiti in cui si dimostrano costantemente efficaci:
Compiti con linguaggio e struttura ambigui. Leggere cinquanta email dai fornitori, estrarre il numero d'ordine e la data di consegna prevista e inserirli in un sistema. Prima, questo richiedeva regole rigide o un lavoro manuale.
Gestione dell'orchestrazione tra sistemi che non comunicano tra loro. Consultare tre fonti, confrontarle e proporre un piano d'azione. L'agente non sostituisce l'integrazione, ma riduce gli attriti quando l'integrazione completa non è economicamente vantaggiosa.
Primo livello di classificazione e instradamento. Decidi in quale coda va inserito un incidente, quale priorità ha e quali informazioni mancano per risolverlo.
Preparare le decisioni, non eseguirle. Il modello più redditizio che abbiamo visto: l'agente raccoglie, confronta e propone; la persona approva. Il risparmio sta nella fase di preparazione, dove si concentra il tempo impiegato dal modello 80%.
Si noti che in tutti e quattro i casi l'agente opera all'interno di un processo definito. Nessuno di essi opera su un processo che nessuno ha mappato, per la stessa ragione che abbiamo spiegato quando abbiamo discusso Perché l'intelligenza artificiale non può risolvere i problemi di un'azienda mal progettata
Proponiamo di sostituire "dipendente digitale" con capacità automatizzata supervisionata. È più brutto e meno appetibile sul mercato, e descrive esattamente ciò che stai acquistando.
Cambiare il vocabolario cambia le domande poste durante la riunione. Nessuno chiede a un "dipendente digitale" qual è il suo ambito di azione massimo, perché ai dipendenti non è definito un ambito di azione massimo in un documento. Una funzionalità automatizzata, invece, viene interrogata in questo modo:
Un progetto in grado di rispondere a tutte e sei le domande è pronto per la produzione. Un progetto che non riesce a rispondere ad almeno tre domande non è pronto, a prescindere da quanto sia efficace la demo.
La questione dell'identità e dei permessi merita un trattamento a parte, perché è lì che risiede il vero rischio: l'abbiamo sviluppata in identità non umane, agenti di intelligenza artificiale e sicurezza informatica
Quando qualcuno propone di implementare un agente, la domanda utile non è cosa può fare. È Cosa succederà il giorno in cui commetterà un errore?, Perché commetterà degli errori: è un software probabilistico e questa è la sua natura, non la sua qualità.
Se la risposta include una documentazione completa dell'accaduto, un meccanismo di annullamento, l'identificazione di un responsabile e limiti chiari all'azione, il progetto è ben concepito. Se invece la risposta è che non ci saranno problemi perché il modello è così valido, ciò che si sta acquistando non è un sistema, ma un'aspettativa.
Un chatbot risponde con del testo; un agente esegue azioni su sistemi reali. Un agente è costituito da un obiettivo, un insieme di strumenti, un insieme di autorizzazioni e un meccanismo di controllo. La differenza è fondamentale: l'errore peggiore di un chatbot è una risposta errata, mentre l'errore peggiore di un agente è un'azione errata che è già stata eseguita.
Perché attribuisce giudizio, contesto accumulato e responsabilità personale a un sistema che ne è privo. Un agente porta a termine il compito con le informazioni disponibili anche in assenza di contesto, non riesce a riconoscere quando qualcosa non quadra e ripete lo stesso errore su larga scala finché qualcuno non lo rileva.
L'azienda che lo implementa. Nel caso Moffatt contro Air Canada (2024), la corte ha respinto l'argomentazione secondo cui il chatbot fosse un'entità responsabile delle proprie dichiarazioni e ha ordinato alla compagnia aerea di risarcire il cliente per le informazioni errate del sistema.
Secondo McKinsey (2025), il 62,1% delle organizzazioni sta sperimentando con gli agenti, ma solo il 23,1% li ha implementati su larga scala in qualche funzione. Gartner prevede che oltre il 40,1% dei progetti di intelligenza artificiale agentiva verrà cancellato entro la fine del 2027 a causa dei costi, del valore non chiaro o di controlli del rischio insufficienti.
In compiti con linguaggio e struttura ambigui (estrazione di informazioni da e-mail o documenti), nell'orchestrazione tra sistemi che non comunicano tra loro, nella classificazione e nell'instradamento degli incidenti e, soprattutto, nella preparazione di decisioni che vengono poi validate da una persona.
Essere in grado di rispondere a sei domande: cosa si può e cosa non si può fare, con quale identità accedere ai sistemi, cosa viene registrato di ogni esecuzione, quali decisioni richiedono una convalida umana, come si annulla un'azione errata e chi è responsabile del risultato.
State valutando un progetto relativo a un agente? Analizziamo il caso d'uso, il modello di autorizzazioni e i controlli del rischio prima che si tratti di un'implementazione difficile da annullare. Due ore di consulenza, senza impegno. Parliamone → |
Español Español 
English
Français
العربية
Português
Deutsch
Italiano
