Agenti AI: cosa sono, cosa non sono e quando usarli

«Agente» è una delle parole più usate e più confuse del momento nell’AI. Questo articolo distingue un agente da ciò che gli somiglia, un’automazione a passi fissi, un chatbot, un singolo comando, partendo dal modo in cui questi sistemi lavorano. Spiega cosa significa «agentico», perché l’autonomia è un grado e non un interruttore, e quando conviene davvero usare un agente invece di un percorso predefinito. Chiude con i dati che ridimensionano l’entusiasmo e con la lettura più utile che se ne può dare.

«Agente» è una delle parole che si leggono ovunque quando si parla di AI, e come tutte le parole di moda ha finito per indicare cose molto diverse tra loro. La stessa etichetta viene appiccicata a un assistente che risponde in chat, a un’automazione che gira in background, a un software che promette di sbrigare interi processi da solo. Il risultato è che si fatica a capire di cosa si stia parlando, e la confusione non riguarda solo chi si affaccia adesso a questi strumenti. Tocca anche chi li usa già ogni giorno, perché la parola cambia significato a seconda di chi la pronuncia.

Per provare a rimettere ordine non basta una definizione da manuale, ma serve distinguere un agente da tutto ciò che gli somiglia e oggi porta lo stesso nome. L’obiettivo è capire quando conviene davvero usarne uno e quando la parola è solo un’etichetta.

Che cosa fa di un sistema un agente

Il modo più utile per definire un agente non parte da come è fatto, ma da come lavora. Un agente riceve un obiettivo, decide quali passi compiere per raggiungerlo, usa gli strumenti che ha a disposizione e aggiusta il tiro in base a quello che ottiene lungo il percorso. La parola chiave è «decide». L’obiettivo glielo assegna chi lo usa, ma la strada per arrivarci la sceglie l’agente, un passo alla volta. Tutto con vari gradi di libertà, impostati dall’utente.

Anthropic, che nella sua guida per chi costruisce agenti propone una delle distinzioni più pulite, separa due tipi di sistema. Nel primo i passaggi sono stabiliti in anticipo da chi ha impostato il sistema, che si limita a eseguirli nell’ordine previsto. Nel secondo è il modello a dirigere il proprio lavoro, sceglie le azioni una dopo l’altra e mantiene il controllo su come arrivare al risultato. Solo il secondo caso è un agente nel senso pieno del termine.

Il meccanismo che lo rende tale è un ciclo. L’agente compie un’azione, osserva cosa succede e usa quel risultato per decidere l’azione seguente. Va avanti così finché l’obiettivo è raggiunto o finché serve l’intervento di una persona. Un esempio rende l’idea. A un agente che scrive codice si affida un problema da risolvere, non una lista di istruzioni. Esplora i file, prova una modifica, esegue i test, legge l’esito e, se qualcosa non funziona, cambia strada e riprova. Nessuno gli ha detto in anticipo quanti tentativi servivano, li scopre facendo.

Lo stesso schema vale per un agente che fa ricerca. Riceve una domanda, raccoglie informazioni, si accorge di cosa manca, cerca ancora nei punti giusti e alla fine mette insieme una risposta. Ciò che distingue l’agente, in entrambi i casi, è la capacità di orientarsi in un compito di cui non conosce in partenza tutti i passaggi.

Un agente può anche non lavorare da solo, ma coordinarsi con altri agenti dentro un sistema più grande. Come un’architettura a più agenti si distingua da una normale chat è però un discorso a sé.

«Agentico» è un aggettivo, non un’etichetta

Accanto ad «agente» circola un altro termine, «agentico», e ha senso spendere due parole su cosa significa, perché è qui che nasce buona parte della confusione. A portarlo al centro del dibattito è stato Andrew Ng, uno dei nomi più noti del settore, in un intervento del 2024 al summit AI Ascent di Sequoia Capital. Chiedersi «è un agente, sì o no» costringe a una risposta netta là dove la realtà è sfumata. Un sistema non è agente o non-agente come una lampadina è accesa o spenta, può esserlo in una certa misura.

L’autonomia, in altre parole, è un grado. A un estremo ci sono sistemi dove quasi tutti i passi sono decisi in anticipo da chi li ha costruiti, e il modello fa solo piccole scelte dentro un percorso già tracciato. Nel mezzo ci sono sistemi dove è il modello a scegliere quali passi compiere e quali strumenti usare, dentro dei limiti fissati più o meno stretti. All’estremo opposto ci sono sistemi che arrivano a progettarsi il metodo di lavoro da soli. «Agentico» descrive dove un sistema si colloca su questa scala, non una categoria a cui appartiene.

Da qui viene anche un equivoco linguistico frequente. «Agentico» viene spesso letto come se volesse dire «relativo agli agenti» o «che usa agenti», mentre indica il grado di autonomia con cui un sistema agisce. La differenza non è da pignoli, dire che uno strumento è «agentico» non lo trasforma in un agente. Significa solo che ha qualche capacità di agire per conto proprio, e quanta ne abbia è la domanda utile da porsi.

Agente e automazione non sono la stessa cosa

Qui sta il punto che genera più confusione. Da anni si automatizzano compiti sul computer, e a prima vista un agente sembra la stessa cosa con un nome nuovo. Non lo è, e la differenza sta nel modo in cui i due lavorano.

Un’automazione esegue una sequenza di passi decisi in anticipo. Qualcuno ha stabilito che al verificarsi di una condizione parte un’azione, poi un’altra, in un ordine fissato una volta per tutte. Un trigger scatena sempre la stessa reazione e questo è il suo pregio, perché a parità di condizioni l’azione conseguente è prevedibile. Il rovescio è che l’automazione non esce dal tracciato. Se incontra qualcosa che chi l’ha costruita non aveva previsto, si ferma o produce un errore, perché non ha modo di inventarsi il passo mancante.

Un agente lavora al contrario. Non riceve la sequenza dei passi, riceve l’obiettivo, e i passi li sceglie mentre procede, in base al risultato di ogni mossa. Se la strada che ha imboccato non porta dove serve, ne prova un’altra. Questa capacità di adattarsi a quello che trova lo distingue dall’automazione, ed è anche la ragione per cui è meno prevedibile. Due esecuzioni dello stesso compito possono seguire percorsi diversi, perché il percorso non è scritto in anticipo, viene costruito ogni volta.

Detta in modo semplice, con l’automazione si definisce la strada, a un agente si indica la destinazione. L’analogia regge fino a un certo punto, perché anche l’agente si muove dentro limiti fissati da chi lo mette in opera, ma rende l’idea del salto, nel primo caso il percorso lo decide chi programma, nel secondo lo trova il sistema.

Questo aiuta a vedere anche cosa un agente non è. Un singolo comando a cui il modello risponde una volta non è un agente, è una richiesta seguita da una risposta. Un chatbot che conversa, per quanto bravo, non è un agente finché si limita a rispondere senza compiere azioni verso un obiettivo. L’agente comincia dove finisce la risposta, quando il sistema si mette a fare passi concreti verso un risultato e li corregge lungo il cammino.

Quando conviene un agente e quando no

Chiarito cosa distingue un agente, la domanda successiva non è se usarlo, ma quando. E qui i laboratori che costruiscono questi sistemi danno un consiglio più sobrio di quanto l’entusiasmo intorno al tema lascerebbe pensare. La stessa guida di Anthropic invita a partire dalla soluzione più semplice possibile e ad aggiungere autonomia solo quando serve davvero. Arriva a dire che in molti casi la scelta giusta è non costruire un agente affatto.

La ragione è che l’autonomia si paga. Un agente che decide i propri passi consuma più risorse di un’automazione che ne esegue una lista, perché a ogni mossa il modello torna a valutare il da farsi. Ed è meno prevedibile, con un effetto meno ovvio, gli errori si sommano. Quando ogni passo dipende dal precedente, un piccolo sbaglio all’inizio si trascina e si ingrandisce lungo la catena.

Il conto è più concreto di quanto sembri. Se ogni singolo passo riesce nel 95% dei casi, una sequenza di dieci passi arriva in fondo corretta solo sei volte su dieci circa, perché le probabilità si moltiplicano tra loro. Ecco perché un compito lungo e tutto affidato all’agente può fallire anche quando ogni singola mossa, presa da sola, sembra ragionevole. E il guaio è che un agente può continuare per la strada sbagliata senza accorgersi che è sbagliata, portando avanti un lavoro ormai compromesso.

Da qui la regola pratica. Per compiti prevedibili, che si ripetono sempre uguali e dove conta poter ricostruire ogni passaggio, un’automazione o un percorso fisso restano la scelta migliore, più economica e più affidabile. L’agente ha senso quando il compito è aperto, i passi non si possono conoscere in anticipo e servirebbe una persona a decidere di volta in volta cosa fare. La condizione è che deve essere possibile verificare la correttezza del risultato, un agente che scrive codice ha i test che gli dicono se ha sbagliato, un agente che lavora dove nessuno controlla l’esito è un rischio e non una comodità.

La distanza tra promessa e realtà

Intorno agli agenti si sono create aspettative non sempre soddisfatte, a partire dalle previsioni sull’adozione in azienda. In parte il quadro che ne esce, prima ancora dei limiti dei modelli, fotografa lo stato di preparazione delle organizzazioni non ancora attrezzate per usare questi strumenti.

A metà 2025 Gartner ha previsto che oltre il 40% dei progetti di AI agentica avviati dalle aziende sarà abbandonato entro la fine del 2027. Le ragioni che indica non riguardano le capacità degli agenti, ma il modo in cui i progetti vengono impostati e governati. Pesano i costi che salgono oltre le attese, i benefici che restano vaghi, i controlli sui rischi inadeguati.

Letto così, quel 40% dice una cosa diversa da «gli agenti non funzionano». Dice che molte aziende partono senza il quadro che serve, obiettivi chiari, costi sotto controllo, un modo per governare i rischi, e che il progetto si arena lì, nella preparazione, non nel modello. È una distinzione importante perché sposta il problema su un terreno dove si può intervenire, invece di lasciarlo appeso all’attesa del prossimo modello più capace.

La domanda da farsi

Quando qualcuno presenta uno strumento come «agente», la domanda non è se l’etichetta è giusta, ma cosa fa davvero quel sistema. Tre punti bastano a orientarsi:

• decide i passi verso l’obiettivo e si corregge lungo il cammino, oppure esegue una sequenza già scritta;
• ha modo di verificare se sta andando nella direzione giusta, oppure procede alla cieca;
• il compito ha bisogno di quella flessibilità, oppure un percorso fisso farebbe lo stesso lavoro con meno rischi.

Gli agenti sono uno strumento utile per una classe precisa di problemi, quelli aperti, mutevoli e in cui si può verificare l’esito. Fuori da lì, la parola resta spesso solo una parola. Distinguere i due casi è il modo migliore per non farsi trovare impreparati quando questi sistemi entrano davvero nel lavoro di tutti i giorni, come sta già cominciando ad accadere.