Un agente AI passa dal prototipo alla produzione quando ha superato una prova su casi reali, ha regole d'ingaggio scritte, lavora con permessi minimi, lascia un registro di ogni operazione e ha una persona in azienda che lo segue. Il prototipo dimostra che l'idea funziona. La produzione dimostra che regge ogni giorno, anche quando arrivano i casi strani. Il percorso completo parte dalla guida su come creare un agente AI in azienda.
Come si prova un agente prima di usarlo?
Un agente si prova su casi veri del passato, non su esempi scritti per l'occasione. Si prendono 20-30 casi del mese precedente, scelti in modo da includere anche le eccezioni: l'ordine con un codice sbagliato, la mail che chiede due cose insieme, il cliente nuovo. Per ogni caso si confronta il risultato dell'agente con quello che ha fatto la persona.
| Esito | Che cosa significa | Che cosa si fa |
|---|---|---|
| Corretto | stesso risultato della persona | si conta |
| Passato a una persona | l'agente si è fermato come previsto | va bene se succede sui casi giusti |
| Sbagliato | risultato diverso, senza segnalarlo | si studia l'errore e si corregge istruzione o perimetro |
Il caso peggiore è il terzo: un errore che l'agente non segnala. Un agente che si ferma spesso si può migliorare. Un agente che sbaglia in silenzio non va in produzione.
Quali regole servono prima del rilascio?
Prima del rilascio si scrivono le regole d'ingaggio: che cosa l'agente può fare da solo, dove serve l'approvazione di una persona, quali metriche dicono se funziona, quando si ferma. Si scrivono in una scheda di una pagina, firmata da chi è responsabile del processo. Come si compilano, con un esempio completo, è spiegato nella guida sulle regole d'ingaggio di un agente AI.
Quali permessi e registri servono?
L'agente lavora con un'utenza di servizio dedicata, con accesso solo ai dati e alle funzioni del suo perimetro, mai con le credenziali di un amministratore. Se deve solo leggere, l'utenza non può scrivere. Ogni operazione finisce in un registro con data, ora, azione, dati usati ed esito, così che si possa ricostruire che cosa è successo e perché.
Fra i rischi principali delle applicazioni basate su modelli linguistici l'OWASP indica l'agentività eccessiva, cioè un agente con più permessi o più autonomia del necessario, e la prompt injection, cioè istruzioni nascoste in un documento che provano a dare ordini al modello (OWASP Top 10 for LLM Applications, 2025). Permessi minimi e conferma umana sulle azioni che contano sono la difesa più semplice contro entrambi.
Come si misura se un agente funziona?
Le metriche si fissano prima del rilascio e si guardano dopo trenta giorni di lavoro. Per un agente che prepara gli ordini, quattro bastano: le ore restituite al mese, i casi chiusi senza intervento sul totale, gli errori ogni cento casi contati da chi approva, il tempo fra l'arrivo dell'ordine e la registrazione. Un agente che restituisce ore ma aumenta gli errori non è pronto. Un agente che non sbaglia ma passa a una persona la metà dei casi va ripensato.
Chi in azienda deve seguire l'agente?
Ogni agente ha un responsabile in azienda: la persona che conosce il processo, legge le metriche, decide quando allargare o restringere il perimetro e segnala quando qualcosa cambia. Non serve che sappia programmare. Serve che abbia tempo dedicato, anche poche ore al mese, e che sappia a chi rivolgersi quando l'agente va corretto. Senza questa persona un agente funziona finché non cambia il listino, il gestionale o il modello, poi si ferma.
Che cosa cambia dopo il rilascio?
Dopo il rilascio l'agente va mantenuto. I modelli linguistici cambiano ogni pochi mesi e una versione nuova può comportarsi in modo diverso sugli stessi casi: conviene riprovare l'agente sui casi di prova prima di cambiare modello. Cambiano anche i processi: un listino nuovo, un campo aggiunto al gestionale, una nuova regola interna. Le regole d'ingaggio si rivedono dopo trenta giorni e poi ogni trimestre.
Le guide di questa sezione
Domande frequenti su agenti AI
Quanti casi servono per provare un agente AI?
Per una prima prova bastano 20-30 casi reali, purché includano le eccezioni che capitano davvero. Il numero conta meno della varietà: trenta ordini tutti uguali dicono poco. Dopo il rilascio la prova continua con i casi di ogni giorno, letti da chi approva, finché le metriche restano stabili per qualche settimana.
Un agente AI può lavorare senza nessuna supervisione?
Su alcune azioni sì, dopo che i numeri lo hanno dimostrato: leggere, classificare, preparare bozze. Sulle azioni che escono dall'azienda o che sono difficili da annullare, come confermare un ordine o rispondere a un cliente, conviene tenere una conferma umana a lungo. La supervisione si toglie un passaggio alla volta, mai tutta insieme.
Che cosa succede quando cambia il modello linguistico?
Il comportamento dell'agente può cambiare anche con le stesse istruzioni. Per questo i casi di prova usati prima del rilascio si conservano: quando esce un modello nuovo si riprovano, si confrontano i risultati e si passa alla versione nuova solo se le metriche tengono. Progettare l'agente per poter cambiare modello senza rifarlo rende questo passaggio semplice.
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.
