Che cos’è un agente AI e perché non è solo un chatbot

Negli ultimi due anni “AI”, “agente AI”, “chatbot” e “assistente virtuale” sono diventati termini intercambiabili nel marketing. Sono tre cose diverse. Fanno cose diverse. Costano in modo diverso. Confonderle porta a comprare la cosa sbagliata o a pretendere che un chatbot faccia il lavoro di un agente, e poi a concludere che “l’AI non funziona”. Funziona, ma serve sapere cosa stai comprando.

In questo articolo distinguiamo i tre, vediamo quando ti basta uno e quando ne serve un altro, e arriviamo a una decisione concreta che puoi portare in riunione senza farti convincere dal demo più appariscente.

Le tre cose che vengono confuse

Il chatbot

Un chatbot è un programma che risponde a messaggi. Nella forma classica, segue regole: se l’utente chiede X, rispondi Y. Nella forma recente con i modelli linguistici (LLM), genera la risposta in linguaggio naturale a partire da una conoscenza che gli hai dato. In entrambi i casi, il chatbot aspetta lo stimolo. Reagisce. Non agisce di sua iniziativa.

Cosa fa concretamente: risponde a domande ricorrenti su orari, prodotti, condizioni di vendita; guida l’utente verso una sezione del sito; raccoglie un contatto; passa la conversazione a un umano quando serve.

Cosa non fa: non apre il gestionale, non confronta tre offerte fornitori, non programma un’azione futura, non si ricorda chi sei tra una sessione e l’altra.

L’assistente virtuale

L’assistente virtuale è un gradino sopra il chatbot. Capisce richieste in linguaggio naturale e esegue micro-azioni: prenotare una sala, mettere un evento in calendario, cercare un documento, riassumere una mail. È quello che usi quando dici “metti la riunione di lunedì alle 10 nel mio calendario” e succede.

Tipicamente lavora su uno o due sistemi (calendar, mail, file system) e ha una memoria parziale del contesto. Risponde a richieste, esegue, ma non si pone obiettivi propri.

L’agente AI

L’agente AI è un’altra categoria. Non si limita a rispondere o eseguire un’azione singola. Riceve un obiettivo, decide lui i passaggi necessari, accede a più sistemi aziendali, esegue azioni in sequenza, valuta i risultati intermedi e si ferma quando il compito è chiuso o quando ha bisogno di una conferma umana per andare avanti.

Esempio pratico: chiedi “controlla le offerte fornitori arrivate questa settimana e prepara un confronto”. L’agente apre la casella mail, identifica le offerte, estrae prezzo e tempi di consegna dagli allegati, popola una tabella nel gestionale, segnala anomalie rispetto alla media storica, ti manda il riepilogo. Il chatbot non fa nulla di tutto questo. L’assistente virtuale ne fa una parte. L’agente le fa tutte.

Il marketing dei vendor SaaS chiama “agente” anche cose che sono in realtà chatbot evoluti. Il discrimine non è il nome, è cosa il sistema può fare in autonomia. Se può solo conversare e suggerire, è un chatbot. Se può aprire sistemi, eseguire azioni, e riportare risultati senza intervento umano a ogni passaggio, è un agente.

La differenza vera: reattivo vs proattivo, conversazione vs azione

Conviene metterli in fila per quanto sanno fare da soli:

1. Chatbot rule-based: risponde a parole chiave note. Zero autonomia. Robusto, prevedibile.
2. Chatbot LLM (conversazionale): genera risposte in linguaggio naturale a partire da una knowledge base. Sempre reattivo, ma più flessibile nel capire l’input.
3. Assistente virtuale: capisce + esegue azioni note (prenotare, programmare, cercare). Memoria parziale.
4. Agente AI: capisce un obiettivo, scompone in passi, esegue azioni multiple su più sistemi, ricorda, decide quando fermarsi e quando chiedere.

Più si sale, più il sistema è potente ma anche più complesso da progettare, integrare e governare. Più potenza, più cose che possono rompersi. Sali di livello solo quando il livello sotto non ti basta davvero.

Quando ti serve cosa: una mappa decisionale

Senza tornare ai gradi di autonomia in astratto, vediamo le quattro categorie messe in fila per come si comportano davvero in azienda. La regola che lega tutto: parti dal basso, sali solo se il livello sotto non basta. Salire di livello senza necessità significa portarsi in casa complessità che non porta valore.

Chatbot rule-based. Risponde a domande chiuse e a parole chiave, una sessione alla volta, senza accesso ai sistemi aziendali. È adatto a FAQ statiche, navigazione del sito, primo livello di filtro pre-vendita. Costo iniziale basso, implementazione in poche settimane. Praticamente non c’è uno scenario in cui non sia utile come livello base: il problema è solo non confonderlo con qualcosa di più.

Chatbot LLM (conversazionale). Capisce il linguaggio naturale e genera risposte da una knowledge base che gli dai. Resta reattivo: aspetta una domanda, non agisce di sua iniziativa. Adatto a customer service generico e primo filtro di qualifica con domande non strutturate. Costo medio, implementazione in settimane. Lo eviti se le tue domande sono molto strutturate, perché lì il rule-based costa meno e funziona meglio.

Assistente AI. Capisce in linguaggio naturale ed esegue una o due azioni note: pianifica calendario, prenota, cerca documenti, riassume mail. Memoria parziale tra sessioni. Adatto quando le azioni sono singole, ricorrenti e ti fanno risparmiare tempo ogni giorno. Costo medio-alto, implementazione in mesi. Non ti serve se le azioni sono triviali e un dipendente le sbriga in trenta secondi a mano.

Agente AI. Riceve un obiettivo, scompone in passi, accede a più sistemi aziendali, esegue azioni in sequenza, ricorda, decide quando fermarsi e quando chiedere a un umano. Adatto a procurement, qualifica lead, gestione ticket complessi, reportistica direzionale. Costo alto, implementazione in mesi con iterazione. Non ti serve se i tuoi processi non sono ancora digitalizzati: l’agente si nutre di dato strutturato, se non c’è non lavora.

“Settimane” e “mesi” sono ordini di grandezza. Dipendono dalla qualità della documentazione che hai e da quanto i tuoi sistemi sono già aperti tramite API.

Quando ti basta un chatbot

Ci sono molti scenari in cui un chatbot ben fatto è la scelta giusta, e qualsiasi cosa di più è uno spreco.

• Sito corporate con FAQ ricorrenti: orari, contatti, modulistica, sede, settori serviti. Le domande sono prevedibili, le risposte stabili.
• Catalogo prodotti consultabile: l’utente cerca un prodotto, il chatbot lo guida attraverso filtri o domande di qualifica e propone le schede pertinenti.
• Primo filtro pre-vendita: “Vi occupate del settore farmaceutico? Avete certificazioni X? Lavorate fuori Italia?” — domande di qualifica binarie con risposte note.
• Richiamo cliente fuori orario: il chatbot raccoglie nome, contatto e tema, schedula un richiamo per il giorno successivo.

Il chatbot è sufficiente quando il volume di richieste è gestibile, le domande sono prevedibili, e l’escalation umana è rapida quando serve. La maggior parte dei siti corporate B2B inizia da qui e non ha mai bisogno di andare oltre.

Quando ti serve un agente AI vero

Ci sono invece situazioni in cui il chatbot non basta perché il problema richiede azione, non solo conversazione.

• Ufficio acquisti che gestisce decine di fornitori: ogni settimana arrivano offerte via mail con allegati PDF. Qualcuno copia-incolla in Excel, confronta, tiene traccia delle scadenze. Un agente AI legge le mail, estrae prezzo, lead time e condizioni, popola la tabella, segnala anomalie rispetto allo storico.
• Customer service B2B con ticket multilingua e accesso a CRM: l’agente classifica il ticket, risponde direttamente quando la domanda è già coperta, escala all’umano solo i casi complessi, e quando lo fa porta una sintesi del contesto già preparata.
• Lead qualification post-fiera: 200 biglietti da visita scannerizzati. L’agente arricchisce ogni contatto con informazioni pubbliche (azienda, ruolo, settore), li segna per priorità, prepara un primo template di mail personalizzata, e li passa al commerciale già lavorabili.
• Reportistica direzionale settimanale: l’agente legge dati da gestionale + Excel, sintetizza i KPI chiave, segnala scostamenti rispetto al budget, e produce un riepilogo che la direzione legge in cinque minuti invece di costruire in due ore.

Stessa firma in tutti i casi: non basta parlare, bisogna agire su sistemi diversi e decidere cose che cambiano ogni volta. Un chatbot, per quanto evoluto, non ci arriva.

Come funziona un agente AI dentro la tua azienda (senza gergo IT)

Spesso l’agente AI viene presentato come una scatola magica. Spiegato in modo concreto, è composto da quattro parti che puoi controllare.

1. Il modello che ragiona: è il “cervello” linguistico, un grande modello AI (per esempio quelli di OpenAI o Anthropic). È condiviso, sta in cloud, tu non lo addestri da zero. Lo paghi a uso.
2. Il dato proprietario: documenti, manuali, mail, PDF, dati estratti dal gestionale. Restano dove sono, l’agente li legge in modo controllato quando gli servono.
3. Gli strumenti: le porte che apri verso i tuoi sistemi (CRM, ERP, mail, calendario, dashboard). Tu decidi quali aprire e con quali permessi.
4. Le regole di comportamento: cosa l’agente può fare da solo, cosa deve sempre proporre prima di eseguire, cosa non può fare in nessun caso. È il guardrail che protegge l’azienda.

Una conseguenza importante per chi si preoccupa della privacy e della proprietà intellettuale: il dato resta tuo. Il modello AI elabora i tuoi dati nel momento in cui rispondono a una richiesta, ma non li usa per addestrare il modello stesso (i provider business hanno clausole esplicite in tal senso). Se l’agente è configurato bene — account business, non personal, e contratto con clausole di residenza europea quando serve — il rischio di “fuga di dati” è gestito.

Caso reale: chatbot con escalation umana

Un esempio concreto e visibile: il chatbot AI che vedi sul sito Newwave, in basso a destra. È un chatbot LLM connesso a una knowledge base che contiene servizi, settori e casi pubblicabili. Quando un visitatore chiede “vi occupate di e-commerce per cantine vinicole?” o “come trattate il GDPR sui chatbot?”, risponde direttamente con informazioni accurate.

Quando però la richiesta supera lo scope o quando l’utente chiede esplicitamente di parlare con una persona, il chatbot apre un modulo di contatto e passa la conversazione completa al team commerciale. L’umano non riparte da zero, riceve un riepilogo già fatto. Per il visitatore l’esperienza è fluida; per noi è un filtro che porta avanti solo richieste qualificate.

Questo è un esempio di chatbot ben progettato: non promette di vendere da solo, non finge di essere umano, fa il suo lavoro e passa la mano dove serve. Per molte PMI, un sistema così risolve il 60-70% del primo contatto digitale. Andare oltre non serve.

Caso reale: agente AI per ufficio acquisti PMI

Cambiamo scenario. Una PMI del Veneto, settore distribuzione di componentistica industriale. L’ufficio acquisti gestisce circa 80 fornitori. Ogni settimana arrivano 30-40 offerte via mail, alcune in PDF, altre in Excel allegato, alcune nel corpo della mail. Una persona dedicata trascrive tutto in un foglio di confronto, evidenzia le offerte fuori range, segnala scadenze imminenti.

Tempo dedicato: circa due giornate uomo a settimana. Errori di trascrizione: regolari, soprattutto sui codici prodotto e sui termini di pagamento.

L’agente AI in questo scenario fa quattro cose:

1. Legge le mail della casella “acquisti” e identifica quelle che contengono offerte (non risposte commerciali, non promozioni).
2. Estrae dall’allegato (PDF o Excel) i campi rilevanti: codice prodotto, prezzo, lead time, validità offerta, condizioni di pagamento.
3. Popola la tabella di confronto nel gestionale o in un foglio dedicato.
4. Segnala via Teams o mail le offerte fuori range storico, le scadenze ravvicinate, e le offerte da fornitori nuovi mai visti prima.

Cosa non fa l’agente: non emette ordini, non comunica con i fornitori. La decisione di acquisto resta umana. L’agente prepara, l’umano firma.

Risultato pratico: il tempo dedicato passa da due giornate uomo a circa mezza giornata di supervisione. Gli errori di trascrizione si azzerano perché non c’è più trascrizione. La persona prima impegnata in ricopiatura fa cose a maggior valore (negoziazione, ricerca fornitori alternativi, qualifica nuovi vendor).

È il classico caso in cui un chatbot non avrebbe risolto nulla, perché il problema non era rispondere a domande ma orchestrare azioni su sistemi diversi.

Quanto costa? Le variabili che decidono davvero

Non c’è un prezzo standard. Costo e tempo dipendono da variabili specifiche della tua azienda. Ecco le sei che pesano davvero.

1. Numero di processi che vuoi automatizzare. Un agente per un caso d’uso, una iterazione. Tre agenti per tre casi, tre iterazioni — e un coordinamento in più.
2. Numero di sistemi da integrare. Connettere un agente al solo gestionale è una cosa; connetterlo a gestionale + CRM + mail + calendario + 3 fogli condivisi è un’altra.
3. Volume mensile di operazioni. 100 richieste al mese e 50.000 hanno costi infrastrutturali diversi (l’LLM si paga a uso).
4. Sensibilità del dato. Settori regolati (sanitario, finanziario, legale) richiedono guardrail più severi, audit log dettagliati, scelte di hosting specifiche. Più effort di progettazione.
5. Qualità della documentazione esistente. Manuali ordinati, FAQ aggiornate, processi descritti = avvio veloce. Documentazione disordinata = fase preliminare di pulizia obbligatoria.
6. Maturità digitale interna. Se il dato è già strutturato in un gestionale, l’agente lo legge. Se è sparso in cartelle Excel non standardizzate, prima si mette in ordine, poi si automatizza.

La sintesi che diciamo sempre: il costo di un agente AI varia in base a quanto in ordine è già la tua azienda, non in base alla taglia. Una PMI piccola ma ordinata può partire prima di una grande azienda con processi caotici.

Da dove iniziare: quattro passi in 30 giorni

Se vuoi capire concretamente se ti serve un chatbot, un assistente o un agente AI, questi sono i passi iniziali. Non richiedono un progetto: richiedono un’ora di riflessione interna e un confronto con chi questi sistemi li costruisce.

Passo 1 — Mappa tre processi candidati

Cerca processi che siano: ripetitivi (succedono spesso), prevedibili (le variazioni sono note), basso rischio se sbagli (un errore è sopportabile, non legale o reputazionale). Esempi tipici: gestione offerte fornitori, primo livello customer service, reportistica direzionale, qualifica lead, smistamento ticket.

Passo 2 — Scegli il più semplice da cui partire

La tentazione è automatizzare il più dolente. Errore. Il pilota deve produrre evidenza, non rivoluzione. Parti dal processo più contenuto e ben documentato. Quando funziona, hai un caso interno per convincere il resto dell’azienda.

Passo 3 — Verifica se è davvero un caso da agente

Spesso un chatbot ben progettato basta. La domanda da farsi è: il processo richiede solo conversazione (informare, raccogliere) o richiede azione su sistemi (leggere dati, aggiornare, comunicare)? Se la risposta è “solo conversazione”, il chatbot è la scelta giusta e costa meno. Onestà che salva budget.

Passo 4 — Definisci il guardrail prima del lancio

Cosa l’agente decide da solo, cosa propone e attende conferma, cosa non tocca mai. Questa parte sembra noiosa ma è quella che separa un agente che produce valore da uno che produce incidenti. Più il guardrail è chiaro, più puoi rilassare i confini in un secondo momento, quando hai fiducia nel sistema.

Se vuoi un confronto su quali tuoi processi sono pronti per essere automatizzati e a quale livello, parliamone con il nostro consulente AI: parte da una conversazione, non da un preventivo.

Errori più comuni delle PMI che si avvicinano agli agenti AI

Cinque errori che vediamo ricorrere e che fanno fallire molti progetti AI prima ancora di iniziare bene.

1. Comprare un agente prima di avere processi digitalizzati. L’agente si nutre di dati strutturati. Se i tuoi dati sono in Excel sparsi o in mail non archiviate, l’agente non ha nulla su cui lavorare. Prima ordine, poi automazione.
2. Pretendere autonomia dove serve approvazione umana. Lasciare che un agente firmi ordini, comunichi con clienti o pubblichi contenuti senza supervisione è un rischio reputazionale e contrattuale. Non lo si fa nemmeno con un dipendente nuovo.
3. Confondere chatbot e agente. Un fornitore vende un agente. In realtà fa un chatbot. Tu, convinto di aver comprato un agente, pretendi che apra il gestionale. Reazione: “non funziona”. Soluzione: chiedere demo concrete sui tuoi casi, non solo presentazioni.
4. Saltare la fase di guardrail. Si parte con entusiasmo, l’agente fa cose nuove ogni giorno, finché un giorno fa qualcosa che non doveva. Le regole vanno definite prima del lancio, non dopo l’incidente.
5. Pretendere che faccia tutto. Un agente che fa una cosa molto bene è meglio di un agente che fa dieci cose male. Iniziare con scope ristretto, espandere quando il primo caso è in produzione e funziona.

Conclusione

Chatbot, assistente virtuale e agente AI non sono la stessa cosa, anche se il marketing li racconta come se lo fossero. Sapere quando ti basta uno e quando ne serve un altro fa la differenza tra un investimento che produce valore e una delusione costosa.

Per la maggior parte delle PMI, il punto di partenza giusto è un chatbot ben fatto, integrato nei punti di contatto digitali (sito, primo customer service). Da lì, quando un processo specifico mostra di richiedere azione automatica e non solo conversazione, si valuta l’agente. Non viceversa.

Se ti riconosci in uno dei casi descritti — ufficio acquisti che annega in offerte, customer service che ha bisogno di un primo filtro intelligente, reportistica direzionale che richiede ore di consolidamento manuale — c’è un percorso concreto da fare. Inizia con tre processi candidati, scegli il più contenuto, verifica se davvero serve un agente, definisci il guardrail. In trenta giorni hai una decisione informata, non un’opinione.

Per approfondire, leggi anche i nostri articoli su l’automazione dei processi aziendali e su l’intelligenza artificiale per PMI. Se invece preferisci passare al concreto, dai un’occhiata al nostro servizio AI e automazione oppure chatbot e consulenti AI, e quando vuoi capire come integrare l’AI con i dati di gestione, parti dalla nostra expertise di business intelligence e controllo di gestione.

Vuoi capire quali processi della tua azienda sono pronti per un chatbot, un assistente o un agente AI? Apri una conversazione con il nostro consulente AI e raccontaci il caso: rispondiamo concreti, non in slide.

Per chi vuole capire dove ospitare modelli, agenti e flussi di lavoro AI in modo affidabile, abbiamo raccontato cosa serve oggi in termini di cloud e infrastruttura per aziende che fanno AI sul serio, e come tutto questo si applica concretamente al contesto produttivo di Mestre e della terraferma veneziana.