Un agente AI serve quando il percorso del lavoro cambia caso per caso, tocca più sistemi e ha eccezioni frequenti. Quando il percorso è sempre lo stesso basta un'automazione a regole, che costa meno e sbaglia in modo prevedibile. Spesso basta ancora meno: togliere un passaggio o configurare il gestionale. È il secondo passo della guida su come creare un agente AI in azienda.
Qual è la differenza fra agente e automazione?
Un'automazione esegue sempre gli stessi passi quando succede un evento: arriva una fattura elettronica e viene registrata, arriva un modulo e parte una mail. Un agente sceglie i passi in base al caso: legge un ordine scritto a mano in una mail, capisce quale articolo intende il cliente, controlla il listino e decide se registrarlo o chiedere conferma. Anthropic, che produce i modelli Claude, distingue proprio così i flussi predefiniti, in cui il codice decide i passaggi, dagli agenti, in cui li decide il modello (Anthropic, dicembre 2024).
Come si decide?
Si decide guardando il processo, non lo strumento. Prima di tutto si controlla che il passaggio serva davvero e che il software già in uso non lo sappia fare da solo. Poi contano tre domande: il percorso del lavoro è sempre lo stesso o cambia caso per caso? I dati arrivano in campi ordinati o in testo libero, come mail e PDF? Quanti sistemi tocca il lavoro, e quanto spesso arrivano eccezioni? Più le risposte vanno verso il caso variabile, più la soluzione costa da costruire e da mantenere.
| Situazione | Soluzione | Esempio |
|---|---|---|
| regole fisse, dati ordinati, poche eccezioni | automazione a regole | fatture elettroniche registrate in automatico |
| testo libero da leggere, percorso prevedibile | automazione con un modello linguistico in un passaggio | classificare le email in arrivo per reparto |
| percorso aperto, più sistemi, eccezioni frequenti | agente | ordini da email e PDF letti, controllati e preparati per il gestionale |
| decisioni irreversibili o relazioni che contano | una persona | una trattativa, un reclamo delicato |
Gli esempi della tabella sono di esempio, non casi di un'azienda specifica.
Quando basta un modello dentro un'automazione?
È la soluzione intermedia, ed è quella che si salta più spesso. Se il problema è solo leggere un testo libero, per esempio capire di che cosa parla una mail o estrarre i dati da un PDF, basta inserire un modello linguistico dentro un'automazione normale: il modello legge, l'automazione esegue sempre gli stessi passi. Non serve che il modello decida il percorso. È più economico, più facile da controllare e sbaglia meno, perché le scelte restano scritte nelle regole.
L'agente diventa necessario quando dopo la lettura le strade possibili sono molte: cercare un cliente che non esiste, proporre un articolo alternativo, chiedere un dato mancante, passare il caso a una persona. Lì scrivere tutte le regole a mano diventa impossibile.
Quali errori si fanno più spesso?
Nella nostra esperienza tre errori tornano spesso:
- costruire un agente dove bastava eliminare un passaggio, e trovarsi a mantenere un sistema per un lavoro che non serviva;
- dare all'agente un processo che nessuno ha mai standardizzato, così che l'agente impara dieci modi diversi di fare la stessa cosa;
- saltare la configurazione del software esistente, che spesso fa già metà del lavoro.
Una volta scelta la soluzione, gli strumenti cambiano molto: il confronto è nella guida sugli strumenti per creare un agente AI. Se la scelta cade sull'agente, prima del rilascio servono le regole d'ingaggio.
Domande frequenti su agenti AI
Un'automazione con ChatGPT è già un agente?
No, finché il percorso lo decide l'automazione. Se un flusso prende una mail, la passa a ChatGPT per un riassunto e salva il riassunto in una cartella, il modello legge e scrive ma non sceglie che cosa fare. È un'automazione con un modello linguistico dentro. Diventa un agente quando è il modello a decidere quali azioni compiere e in che ordine.
Un agente costa più di un'automazione?
Di solito sì, nel tempo. Un agente consuma il modello linguistico a ogni passaggio in cui decide, ha bisogno di più prove prima del rilascio e di più controlli dopo, e va rivisto quando cambiano i modelli. Un'automazione a regole costa soprattutto all'inizio. Per questo conviene scegliere l'agente solo dove le regole fisse non reggono.
Si può partire con un'automazione e passare a un agente dopo?
Sì, ed è spesso la strada migliore. L'automazione fa emergere le eccezioni reali del processo: quelle che restano scoperte indicano dove serve un agente. Partire così riduce il rischio e lascia una base di casi veri su cui provare l'agente quando arriva.
Fonti
Scritto da
Co-founder, CTO e COO di Deepelse
Giovanni Vanini è co-founder di Deepelse, dove guida la parte tecnica e operativa: architetture degli agenti, scelta dei modelli, integrazioni con gestionali e CRM, agenti vocali.
