Parliamo del tuo progetto

AI e sviluppo con agenti

Agentic app: come le aziende usano davvero gli agenti AI, oltre il chatbot

Le aziende che ottengono risultati dagli agenti AI non usano un chatbot tuttofare. Costruiscono agentic app: processi in cui più agenti collaborano, il codice gestisce le regole e le persone approvano ciò che conta. Ecco come funzionano.

Quasi tutti gli agenti che usiamo ogni giorno sono una sola entità con cui si chatta: un assistente a cui chiedere, un agente di coding a cui dare istruzioni. Funziona bene per il lavoro individuale. Ma, come ha osservato Cole Medin in un video di inizio ottobre, non è così che le aziende adottano davvero l’intelligenza artificiale. Nelle aziende che ottengono risultati misurabili gli agenti non sono interlocutori: sono componenti di un processo.

Oracle ha dato a questo modello un nome che si sta diffondendo: agentic app. Applicazioni in cui più agenti lavorano verso un obiettivo comune, l’AI viene usata solo dove serve giudizio, le regole aziendali sono scritte in codice e testate, e una persona approva tutto ciò che conta.

Per un’azienda italiana, soprattutto una PMI, è il passaggio più importante da capire: la differenza tra aver attivato qualche licenza di AI e aver cambiato il modo in cui funziona un processo. In questa guida vediamo cosa sono le agentic app, come si progettano, dove convengono e come evitare che restino un esperimento.

In breve

  • Una agentic app è un’applicazione costruita attorno a un processo aziendale in cui uno o più agenti AI svolgono i passaggi che richiedono giudizio.
  • Quattro principi: più agenti verso un obiettivo, AI solo dove serve giudizio, regole trasformate in codice con test, una persona approva ciò che conta.
  • La maggior parte di un processo resta codice deterministico: l’agente interviene nei punti in cui una regola fissa non basta.
  • Le agentic app lavorano dentro i sistemi esistenti (gestionale, CRM, posta), non al loro posto.
  • I risultati arrivano dal ridisegno del processo, non dall’aggiunta di un assistente a un processo invariato.
  • Per chi decide: il valore degli agenti si misura su processi interi (tempo, costo per pratica, errori), non sul numero di licenze attivate o di conversazioni con il chatbot.

Che cos’è un’agentic app

Un’agentic app è un’applicazione che automatizza un processo aziendale combinando codice tradizionale, agenti AI e intervento umano, ognuno nel ruolo in cui funziona meglio. L’utente non conversa con un assistente generico: usa un’applicazione pensata per un lavoro preciso, come gestire le fatture passive, rispondere alle richieste di preventivo o istruire una pratica di assistenza.

Cole Medin, nel video Agentic Apps: How Big Companies Are Actually Deploying AI Agents, riassume le lezioni che insegna alle aziende con cui lavora in quattro principi, che Oracle ha adottato per le proprie applicazioni aziendali con AI:

  1. Più agenti verso un unico obiettivo: invece di un agente tuttofare, agenti specializzati per compiti diversi (leggere un documento, verificare dati, preparare una risposta), coordinati da un flusso.
  2. AI solo dove serve giudizio: dove una regola fissa funziona, si usa la regola. L’AI serve dove i casi sono troppo vari per essere scritti a mano.
  3. Regole come codice, con test: le politiche aziendali (soglie di approvazione, condizioni di sconto, controlli di conformità) non vivono in un prompt, ma in codice verificabile.
  4. Una persona approva ciò che conta: le decisioni con impatto economico, legale o sul cliente passano da un’approvazione esplicita.

Workflow o agente? La distinzione che conta

Anthropic, nella guida Building effective agents, distingue due tipi di sistemi:

  • Workflow: il percorso è definito nel codice. Il modello svolge passaggi precisi (estrarre dati, classificare, scrivere una bozza), ma l’ordine e le condizioni li decide il programma.
  • Agenti: il modello decide dinamicamente quali passi fare e quali strumenti usare, fino a raggiungere l’obiettivo.

La raccomandazione della guida è partire dalla soluzione più semplice e aggiungere autonomia solo quando serve. Per la maggior parte dei processi aziendali, un workflow con alcuni passaggi affidati a un modello è più prevedibile, più economico e più facile da controllare di un agente libero. Le agentic app più riuscite sono quasi sempre workflow con agenti nei punti giusti.

Caratteristica Workflow con AI Agente autonomo
Prevedibilità Alta: percorso definito Variabile: il modello sceglie i passi
Costo Controllato Variabile, può crescere molto
Adatto a Processi con struttura nota Problemi aperti, ricerca, casi molto vari
Controllo e audit Semplici Richiedono tracciamento accurato
Esempio Registrazione fatture passive Analisi di un problema tecnico mai visto

Anatomia di un’agentic app: un esempio

Prendiamo un processo che quasi ogni azienda conosce: la gestione delle fatture passive, dal ricevimento alla registrazione. Un esempio illustrativo di come si costruisce un’agentic app.

1. Ricezione e lettura (codice + AI)

Le fatture elettroniche arrivano già strutturate dal Sistema di Interscambio; documenti di trasporto, preventivi e note arrivano in PDF o via email. Il codice legge i dati strutturati; un agente estrae le informazioni dai documenti non strutturati e le normalizza.

2. Abbinamento (codice)

Il codice cerca nel gestionale l’ordine di acquisto e il documento di trasporto corrispondenti: fornitore, articoli, quantità, prezzi. È lavoro deterministico: niente AI.

3. Gestione delle differenze (AI)

Quando qualcosa non torna (un prezzo diverso, una quantità parziale, un articolo con codice diverso), interviene un agente: analizza la differenza, cerca spiegazioni nella corrispondenza con il fornitore, propone una soluzione e la motiva. È il punto in cui una regola fissa non basta.

4. Regole di approvazione (codice)

Le soglie sono codice: differenze sotto una certa percentuale si approvano automaticamente, sopra serve il responsabile acquisti, oltre un importo serve la direzione. Le regole sono testate come qualsiasi altro software.

5. Approvazione (persona)

La persona riceve una pratica già istruita: documenti collegati, differenza spiegata, proposta motivata. Approva, modifica o rifiuta in pochi secondi invece di ricostruire tutto da capo.

6. Registrazione e traccia (codice)

La registrazione nel gestionale avviene tramite le sue interfacce, con traccia di chi ha deciso cosa e perché.

In questo processo l’AI interviene in due passaggi su sei. Gli altri sono codice e decisioni umane. È la proporzione tipica di un’agentic app ben progettata, e il motivo per cui è affidabile.

Non è un esempio teorico: nel podcast di Greg Isenberg sui forward deployed engineer, la società di consulenza Varick racconta un intervento sul ciclo passivo di un cliente in cui il costo per fattura è sceso da 31 a 6 dollari, ridisegnando il processo e costruendo gli agenti dentro i sistemi esistenti.

Dove convengono le agentic app

Non tutti i processi meritano un’agentic app. Quelli che ne traggono più vantaggio hanno alcune caratteristiche: volume costante, una parte di lavoro ripetitivo, una parte che richiede giudizio su casi vari, regole di business abbastanza chiare, un costo dell’errore misurabile.

Area Processo Dove interviene l’AI
Amministrazione Fatture passive, solleciti, riconciliazioni Documenti non strutturati, differenze, comunicazioni
Commerciale Richieste di preventivo Lettura della richiesta, scelta dei prodotti, bozza dell’offerta
Servizio clienti Assistenza post-vendita, resi Comprensione del problema, proposta di soluzione
Acquisti Confronto preventivi fornitori Normalizzazione di offerte diverse, sintesi
Risorse umane Selezione iniziale delle candidature Lettura dei curriculum rispetto ai requisiti, con molta cautela e supervisione
Qualità e conformità Controllo documentale Verifica di completezza e coerenza

Sull’ultima riga delle risorse umane serve prudenza: i sistemi di AI usati per selezionare il personale rientrano tra gli usi considerati ad alto rischio dal regolamento europeo sull’intelligenza artificiale (l’elenco è nell’allegato III), con obblighi specifici. È un esempio di come la scelta del processo abbia implicazioni non solo tecniche.

Perché molti progetti di AI aziendale non producono risultati

Raffaele Gaito, nell’intervista Tante aziende usano l’AI, poche vedono risultati con Paolo Fontana di Alkemy, descrive una situazione diffusa: le aziende hanno attivato licenze, nominato referenti e avviato sperimentazioni, ma solo una piccola parte vede un impatto sul conto economico. Lo stesso quadro emerge a livello internazionale: un rapporto del MIT ripreso da Fortune stimava nel 2025 che la grande maggioranza dei progetti pilota di AI generativa nelle aziende non producesse un impatto misurabile. Il divario non è più tra chi usa l’AI e chi no, ma tra chi è rimasto alla sperimentazione e chi ha iniziato a scalare. Per passare alla seconda categoria servono processi ridisegnati, dati in ordine e persone che adottano davvero lo strumento.

Le agentic app rispondono proprio a questo. Un assistente generico aggiunto a un processo invariato produce piccoli risparmi individuali difficili da misurare. Un processo ridisegnato attorno agli agenti produce risultati misurabili: tempo per pratica, costo per pratica, errori, pratiche bloccate.

Le PMI, osserva Fontana, sono spesso più veloci delle grandi aziende ma hanno ambienti dati meno strutturati. È un punto da affrontare subito: un’agentic app è affidabile quanto i dati su cui lavora.

Come progettarne una

1. Mappa il processo reale

Non quello sulla carta, quello che succede davvero: chi fa cosa, con quali strumenti, quanto tempo richiede ogni passo, dove si blocca. Interviste alle persone e analisi dei dati dei sistemi esistenti.

2. Classifica ogni passo

Per ogni passo decidi: è una regola (codice), richiede giudizio su casi vari (agente), richiede responsabilità (persona), oppure va eliminato? Molti passi esistono solo perché i sistemi non si parlano, e spariscono con una buona integrazione.

3. Scrivi le regole come codice

Soglie, condizioni, eccezioni: tutto ciò che è regola va in codice con test, non in un prompt. Le regole in un prompt vengono seguite quasi sempre; quelle nel codice sempre.

4. Progetta gli agenti per compiti stretti

Un agente che “gestisce le fatture” è difficile da controllare. Un agente che “spiega la differenza tra fattura e ordine e propone una soluzione” è verificabile. Compiti stretti, input e output definiti, strumenti limitati.

5. Definisci i punti di approvazione

Quali decisioni richiedono una persona, con quali informazioni sotto gli occhi. Una buona schermata di approvazione è metà del valore dell’applicazione.

6. Misura dall’inizio

Tempo e costo per pratica prima del progetto, poi dopo. Senza il punto di partenza, nessuno potrà dire se il progetto ha funzionato.

Lavorare dentro i sistemi esistenti

Un errore frequente è pensare all’agentic app come a un nuovo sistema che sostituisce i vecchi. In realtà funziona meglio quando lavora dentro i sistemi esistenti, che restano la fonte di verità: legge e scrive nel gestionale, nel CRM, nella posta, attraverso le loro interfacce.

Il caso presentato da Vanguard alla conferenza AI Engineer, nel talk AI Cut Our Research Time From 7 Days to 15 Minutes, mostra il valore di questo approccio anche su sistemi molto vecchi: esponendo il codice di un sistema legacy agli strumenti AI tramite un server MCP, una ricerca che richiedeva sette giorni a un ingegnere esperto di mainframe è scesa a quindici minuti. Il sistema non è stato sostituito; è stato reso interrogabile.

Per una PMI significa che spesso il primo investimento non è nell’AI, ma nelle integrazioni: un gestionale con interfacce accessibili, dati coerenti tra sistemi, documenti archiviati in modo ordinato.

Cosa insegnano le grandi aziende

Alla conferenza AI Engineer di New York di ottobre diverse aziende di settori regolati hanno raccontato come hanno portato gli agenti nei processi. Tre lezioni sono utili anche per una PMI.

Prima supervisionati, poi a campione, poi solo eccezioni

Evan Kormos di Coinbase, nel talk How to Know When an AI Agent Can Work Unsupervised, descrive i processi come grafi di passaggi e osserva che un ciclo è affidabile quanto il controllo che lo chiude. Gli agenti attraversano tre fasi: completamente supervisionati, poi controllati a campione, infine con le persone che gestiscono solo le eccezioni. Il passaggio da una fase all’altra si guadagna con i dati, non si decide a priori.

Partire da un gesto piccolo

Monzo, la banca digitale britannica, ha raccontato nel talk A Bank Built Its Own Coding Agent che il suo agente interno è nato come una semplice reazione in Slack ed è cresciuto fino a migliaia di attività al giorno. L’adozione è stata graduale e guidata dall’uso reale, non da un grande progetto calato dall’alto.

La conformità è un requisito di progetto

Al Chen di Cisco, nel talk Shipping AI Into 5 Major Banks, spiega che le banche non adottano software di AI finché non supera le loro verifiche di sicurezza e conformità, e che riservatezza dei dati e sovranità non sono mai gratuite. Anche un dettaglio come un sistema di valutazione automatica può far trapelare dati personali. Per un’azienda italiana vale lo stesso: GDPR e normativa sull’AI vanno considerati nella progettazione, non a progetto finito.

Cosa cambia nei ruoli delle persone

Un’agentic app non elimina il lavoro delle persone coinvolte nel processo: lo trasforma. Capire come aiuta sia a progettare bene l’applicazione sia a gestire il cambiamento in azienda.

Da esecutori a controllori

Chi oggi inserisce dati, abbina documenti e prepara pratiche passa a verificare le proposte dell’agente, gestire le eccezioni e approvare le decisioni importanti. È un lavoro con più responsabilità e più giudizio, ma richiede competenze diverse: saper leggere rapidamente una pratica istruita, riconoscere quando l’agente sbaglia, sapere quando fermarsi a verificare.

Da utenti a co-progettisti

Le persone che svolgono il processo sono quelle che conoscono le eccezioni. Coinvolgerle nella mappatura e nel miglioramento continuo dell’applicazione è la scelta migliore sia per la qualità del risultato sia per l’adozione. Le proposte dell’agente che rifiutano sono la fonte più preziosa per migliorarlo.

Nuove figure

Serve qualcuno che curi le regole del processo, monitori gli indicatori, decida quando aumentare o ridurre l’autonomia dell’agente. Nelle aziende più grandi è un ruolo dedicato; in una PMI è spesso il responsabile del reparto, con il supporto di un partner tecnico.

Comunicazione

Le persone si chiedono legittimamente cosa succederà al loro lavoro. Spiegare in anticipo come cambiano i compiti, quale formazione è prevista e quali decisioni restano umane riduce le resistenze e migliora i risultati. I progetti in cui le persone si sentono escluse tendono a fallire anche quando la tecnologia funziona.

Un buon segnale che il cambiamento sta funzionando è quando le persone del processo iniziano a proporre da sole nuove automazioni: significa che hanno capito lo strumento e ne vedono il valore.

Errori comuni

Il chatbot tuttofare

Un unico assistente collegato a tutti i sistemi, a cui chiedere qualsiasi cosa. Impressionante in demo, difficile da controllare in produzione, con risultati difficili da misurare.

Regole nel prompt

Soglie di approvazione e politiche scritte nelle istruzioni dell’agente. Vengono seguite quasi sempre: per un processo con impatto economico, non basta.

AI dove basta una regola

Usare un modello per decidere cose che una condizione nel codice risolve meglio aumenta costi e imprevedibilità senza benefici.

Approvazioni senza contesto

Se la persona deve ricostruire da sola la pratica per approvarla, l’agentic app non ha fatto il suo lavoro. Il valore sta nel presentare la decisione già istruita.

Partire dalla tecnologia

Scegliere il modello o la piattaforma prima di aver mappato il processo. La tecnologia è la parte più facile da cambiare; il processo è quella che determina il risultato.

Ignorare chi usa l’applicazione

Le persone che oggi svolgono il processo sanno dove sono le eccezioni. Coinvolgerle dall’inizio migliora il progetto e l’adozione.

Portarlo in produzione

  • Un responsabile di processo lato business, che decide regole, soglie e priorità.
  • Tracciabilità completa: per ogni pratica, cosa ha fatto il codice, cosa ha proposto l’agente, chi ha approvato.
  • Sicurezza e permessi: ogni agente con accessi minimi, come descritto nella guida alla sicurezza degli agenti AI.
  • Esecuzione affidabile: pratiche che durano giorni richiedono gli accorgimenti degli agenti durevoli, per non perdere né duplicare passaggi.
  • Indicatori di processo visibili a chi guida l’azienda: tempo, costo, errori, pratiche bloccate.
  • Revisione periodica delle proposte dell’agente rifiutate dalle persone: sono la miglior fonte di miglioramento.

Hai un processo che assorbe tempo e persone e vuoi capire se un’agentic app può aiutarti? Nella consulenza AI mappiamo il processo e stimiamo il risultato prima di sviluppare; nei progetti di software e CRM su misura costruiamo l’applicazione integrata con i tuoi sistemi.

Da dove partire questa settimana

  1. Scegli un processo con volume costante e un costo per pratica stimabile.
  2. Mappalo con le persone che lo svolgono: passi, tempi, strumenti, eccezioni.
  3. Classifica ogni passo come regola, giudizio, responsabilità o passaggio da eliminare.
  4. Stima tempo e costo per pratica oggi: sarà il punto di confronto.
  5. Identifica il passaggio di giudizio più costoso e valuta un prototipo limitato a quello.

Checklist di un’agentic app ben progettata

  • L’applicazione serve un processo preciso con un responsabile di business.
  • Ogni passo è classificato come codice, agente o persona.
  • Le regole aziendali sono codice testato, non istruzioni in un prompt.
  • Gli agenti hanno compiti stretti, input e output definiti.
  • Le decisioni con impatto economico o legale passano da un’approvazione.
  • La persona che approva vede la pratica già istruita e motivata.
  • L’applicazione lavora dentro i sistemi esistenti tramite le loro interfacce.
  • Ogni pratica è tracciata dall’inizio alla fine.
  • Tempo e costo per pratica sono misurati prima e dopo.
  • Le proposte rifiutate vengono analizzate per migliorare il sistema.

Domande frequenti

Che differenza c’è tra un’agentic app e un chatbot aziendale?

Un chatbot è un assistente generico con cui si conversa. Un’agentic app è un’applicazione costruita attorno a un processo preciso, in cui codice, agenti AI e persone svolgono ciascuno i passaggi in cui sono più affidabili. I risultati di un’agentic app si misurano sul processo: tempo, costo, errori.

Serve sostituire il gestionale per usare gli agenti?

No. Le agentic app funzionano meglio quando lavorano dentro i sistemi esistenti attraverso le loro interfacce. Spesso il primo investimento è proprio nell’integrazione: rendere accessibili dati e funzioni del gestionale, del CRM e della posta.

Quanto deve essere grande un’azienda per avere senso?

Conta più il processo che la dimensione. Anche una PMI con un processo ripetitivo e costoso, come la gestione delle fatture passive o delle richieste di preventivo, può ottenere un ritorno misurabile. L’importante è partire da un processo con volume costante.

Gli agenti prendono decisioni da soli?

Solo dove l’azienda lo decide. In un’agentic app ben progettata gli agenti propongono e preparano; le decisioni con impatto economico, legale o sul cliente passano da una persona. Il livello di autonomia può crescere nel tempo, man mano che i risultati lo giustificano.

Quanto tempo serve per realizzarne una?

Dipende dal processo e dallo stato dei sistemi. Un prototipo limitato a un passaggio può richiedere poche settimane; un’applicazione completa e integrata richiede di più. Conviene procedere per fasi, misurando i risultati di ciascuna prima di estendere.

Come si misura il ritorno di un’agentic app?

Confrontando tempo e costo per pratica, errori e pratiche bloccate prima e dopo. Per questo va misurata la situazione di partenza prima di iniziare. Il numero di conversazioni o di licenze attive non dice nulla sul valore prodotto.

Fonti e approfondimenti

Vuoi passare dalla sperimentazione a un processo che rende davvero? Raccontaci il processo che ti fa perdere più tempo.

Consulenza AI

L’AI che ti fa risparmiare tempo.

Troviamo i lavori ripetitivi che può fare al posto tuo e li proviamo in piccolo prima di investire.

max74vr

Iniziamo dal tuo obiettivo

Vuoi applicarlo alla tua azienda?

Raccontaci da dove parti: ti diciamo cosa faremmo noi.