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

Il chatbot

Un chatbot è un programma che risponde a messaggi. Nella forma classica segue regole fissate a priori, nella forma recente con i modelli linguistici genera la risposta in linguaggio naturale a partire da una conoscenza che gli è stata fornita. In entrambi i casi aspetta lo stimolo. Il chatbot reagisce, non anticipa.

Risponde a domande ricorrenti su orari, prodotti e condizioni di vendita, guida verso una sezione del sito, raccoglie un contatto e passa la conversazione a un operatore quando serve. Non apre il gestionale, non confronta tre offerte fornitori, non programma un’azione futura e non ricorda chi sia l’interlocutore fra una sessione e l’altra.

L’assistente virtuale

L’assistente virtuale sta un gradino sopra. Capisce richieste in linguaggio naturale ed esegue micro-azioni: prenota una sala, mette un evento in calendario, cerca un documento, riassume una mail. Lavora su uno o due sistemi e conserva una memoria parziale del contesto, senza porsi obiettivi propri.

Oggi si chiama assistente AI anche lo strumento generalista che molti usano ogni giorno, come ChatGPT, Copilot o Gemini, e fra agente AI e assistente AI la differenza sta in chi sceglie il passo successivo: con l’assistente lo sceglie la persona, un messaggio dopo l’altro. L’agente riceve l’obiettivo e decide da sé la sequenza. Chiede conferma solo dove è stato istruito a farlo.

L’agente AI

L’agente AI appartiene a un’altra categoria. Riceve un obiettivo, decide da sé i passaggi necessari, accede a più sistemi aziendali, esegue azioni in sequenza valutando i risultati intermedi e si ferma quando il compito è chiuso o quando gli serve una conferma umana per proseguire.

Alla richiesta “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 le anomalie rispetto alla media storica e invia il riepilogo. Il chatbot di questa sequenza non esegue nulla, l’assistente virtuale ne esegue una parte.

Qui sotto lo stesso lavoro su una richiesta d’offerta: il testo libero di un’email diventa una bozza con le righe da quotare, ognuna collegata alla frase da cui viene.

Il discrimine sta in quanto il sistema può fare in autonomia, non nel nome che il fornitore gli dà. Se può solo conversare e suggerire resta un chatbot, per quanto evoluto sia il modello che lo alimenta.

I quattro livelli si distinguono per quanto sanno fare da soli.

1. Chatbot rule-based: risponde a parole note, senza alcuna autonomia, con un comportamento prevedibile che lo rende difficile da mettere in difficoltà.
2. Chatbot LLM: genera risposte in linguaggio naturale a partire da una knowledge base, resta reattivo ma capisce richieste formulate in modi diversi.
3. Assistente virtuale: capisce ed esegue azioni note come prenotare, programmare o cercare, con memoria parziale del contesto.
4. Agente AI: riceve un obiettivo, lo scompone in passi, esegue azioni su più sistemi, ricorda e decide quando fermarsi.

Più si sale, più il sistema diventa potente e più aumentano le parti che possono rompersi: portare l’intelligenza artificiale dentro i processi chiede integrazione e governo. Ogni gradino costa in progettazione. Conviene salire di livello solo quando quello sotto smette di bastare, perché ogni gradino aggiunge complessità che va progettata e poi mantenuta.

Un chatbot ben fatto è la scelta giusta più spesso di quanto il mercato lasci intendere, e in quei casi qualsiasi cosa di più è uno spreco.

• Sito corporate con domande ricorrenti su orari, contatti, modulistica e settori serviti, dove le domande sono prevedibili e le risposte stabili nel tempo.
• Catalogo consultabile, in cui il chatbot guida attraverso filtri o domande di qualifica e propone le schede pertinenti.
• Primo filtro pre-vendita con domande binarie di cui l’azienda conosce già la risposta, dal settore servito alle certificazioni possedute.
• Richiamo fuori orario, con raccolta di nome, contatto e tema della richiesta e appuntamento fissato per il giorno successivo.

La condizione che rende sufficiente il chatbot è la prevedibilità delle domande unita a un passaggio rapido all’operatore quando la richiesta esce dal perimetro. Le domande sono poche e note. La maggior parte dei siti corporate B2B parte da qui e non ha mai bisogno di andare oltre.

Il confine si vede subito. Il chatbot smette di bastare quando il problema richiede azione e non solo conversazione.

• Ufficio acquisti con decine di fornitori, dove ogni settimana arrivano offerte via mail con allegati e qualcuno le trascrive a mano in un foglio di confronto tenendo traccia delle scadenze.
• Customer service B2B con ticket multilingua e accesso al CRM, dove l’agente classifica la richiesta, risponde quando il caso è già coperto ed escala all’umano con una sintesi del contesto pronta.
• Qualifica dei contatti raccolti in fiera, con arricchimento da informazioni pubbliche, ordinamento per priorità e prima bozza di mail personalizzata pronta per il commerciale.
• Reportistica direzionale settimanale, in cui l’agente legge gestionale e fogli di calcolo, sintetizza gli indicatori e segnala gli scostamenti rispetto al budget.

La firma comune è sempre la stessa: agire su sistemi diversi e decidere ogni volta qualcosa di differente. Su questo terreno un chatbot, per quanto evoluto, non arriva.

L’agente viene spesso presentato come una scatola magica. Nessuna delle quattro parti è opaca. Nella pratica è composto da quattro parti, tutte sotto il controllo dell’azienda che lo adotta.

1. Il modello che ragiona, cioè il grande modello linguistico che sta in cloud, condiviso fra tutti i clienti del fornitore e pagato a consumo.
2. Il dato proprietario, fatto di documenti, manuali, mail ed estrazioni dal gestionale, che resta dove si trova e viene letto in modo controllato.
3. Gli strumenti, cioè le porte aperte verso CRM, ERP, posta e calendario, ognuna con i permessi che l’azienda decide di concedere.
4. Le regole di comportamento, che stabiliscono cosa l’agente esegue da solo, cosa propone prima di eseguire e cosa non tocca in nessun caso.

Da qui discende la risposta alla domanda sulla proprietà intellettuale. Il modello elabora i dati aziendali nel momento in cui risponde, senza usarli per il proprio addestramento: i contratti business dei fornitori contengono clausole esplicite in tal senso, e con account business e residenza europea dei dati il rischio di dispersione è governato.

Il primo esempio è visibile in basso a destra su questa pagina. È un chatbot LLM collegato a una knowledge base che contiene i servizi, i settori seguiti e i casi pubblicabili di Newwave, e risponde direttamente a domande come “vi occupate di e-commerce per cantine vinicole?”.

Quando la richiesta esce dal perimetro, o quando l’utente chiede di parlare con una persona, il chatbot apre un modulo di contatto e trasferisce l’intera conversazione al commerciale, che riceve un riepilogo pronto invece di ripartire da zero. Lo stesso principio regge lo strumento che stima in un minuto quanto lavoro può gestire un assistente AI: informa, qualifica e poi passa la mano.

Chi apre la chat sa subito che sta parlando con un assistente AI: lo dice la presentazione iniziale, e un avviso fisso sotto il campo di testo lo ricorda per tutta la conversazione. È la trasparenza che l’AI Act chiede alle PMI che usano chatbot e agenti.

Il secondo esempio riguarda una PMI della distribuzione di componentistica industriale, nel tessuto produttivo della terraferma veneziana. L’ufficio acquisti segue una ottantina di fornitori e ogni settimana riceve una trentina di offerte via mail, alcune in PDF, altre in foglio di calcolo, altre ancora nel corpo del messaggio. Una persona le trascrive in un foglio di confronto, evidenzia quelle fuori range e sorveglia le scadenze.

L’agente legge la casella acquisti e riconosce le mail che contengono offerte, estrae dagli allegati codice prodotto, prezzo, tempi di consegna e condizioni di pagamento, popola la tabella di confronto e segnala sia le offerte fuori dallo storico sia le scadenze ravvicinate. Non emette ordini e non scrive ai fornitori: la decisione di acquisto resta umana.

Il risparmio non è teorico. Il lavoro di trascrizione, che assorbiva due giornate a settimana, si riduce a una supervisione di poche ore, e gli errori di ricopiatura spariscono perché nessuno ricopia più niente. La persona prima impegnata a trascrivere passa alla negoziazione e alla ricerca di fornitori alternativi. Un chatbot qui non avrebbe risolto nulla, perché il problema non era rispondere a domande ma orchestrare azioni su sistemi diversi.

Il primo passo non richiede un progetto informatico. Bastano un’ora di riflessione interna e un confronto con chi questi sistemi li costruisce.

1. Mappare tre processi candidati fra quelli ripetitivi, prevedibili e a basso rischio in caso di errore, dalla gestione delle offerte fornitori allo smistamento dei ticket.
2. Scegliere il più contenuto e meglio documentato, perché il pilota deve produrre un’evidenza interna e non una rivoluzione organizzativa.
3. Verificare se il processo chiede azione sui sistemi oppure solo conversazione, perché nel secondo caso il chatbot costa meno e funziona meglio.
4. Definire il guardrail prima del lancio, stabilendo cosa l’agente decide da solo, cosa propone in attesa di conferma e cosa non tocca mai.

Quanto sarà impegnativo il progetto dipende poi da quattro variabili: il numero di sistemi da integrare, il volume mensile di operazioni, la sensibilità del dato trattato e la qualità della documentazione che già esiste. Nella pratica pesa di più l’ordine interno della taglia dell’azienda, e una PMI piccola ma ordinata parte prima di una grande impresa con processi caotici.

Gli errori che ricorrono sono tre. Il più frequente è comprare un agente prima di aver digitalizzato i processi, perché senza dato strutturato il sistema non ha nulla da leggere. Il secondo è pretendere autonomia dove serve un’approvazione umana, con il rischio contrattuale e reputazionale che ne segue. Il terzo è chiedere dieci compiti a un sistema che ne farebbe uno solo bene.

Per un confronto su quali processi siano pronti e a quale livello, chiedi al consulente AI a che livello sta il tuo processo. Il punto di partenza per molte aziende resta il servizio di AI e automazione, mentre chi deve prima mettere in ordine i dati parte dalla business intelligence e dal controllo di gestione.