Agentic AI: cosa sono e perché dovresti iniziare a capirci qualcosa
Fino a qualche anno fa, quando si parlava di intelligenza artificiale, l’immagine che veniva in mente era quella di un sistema che rispondeva alle domande. Gli facevi una domanda, lui rispondeva. Fine. Un interlocutore sofisticato, certo — ma pur sempre reattivo, passivo, incapace di fare nulla senza che qualcuno gli dicesse esattamente cosa fare.
Quella stagione è finita.
Quello che sta succedendo adesso è diverso, e il termine con cui il settore lo descrive è agentic AI — intelligenza artificiale agenziale. Non è un aggiornamento incrementale, non è una nuova versione di ChatGPT con qualche funzione in più. È un cambio di paradigma nel modo in cui i sistemi AI operano, e inizia a essere abbastanza concreto da meritare attenzione anche fuori dalle conferenze tecnologiche.
Da rispondere a fare
Il punto di svolta è semplice da capire, anche se le sue implicazioni sono tutt’altro che banali.
Un sistema AI tradizionale — quello a cui siamo abituati — funziona in modalità input/output. Tu scrivi qualcosa, lui elabora e produce un risultato. Il processo si ferma lì. Per fare qualcosa di nuovo, devi tornare tu, dargli un nuovo input, aspettare un nuovo output. È utile, ma rimane uno strumento passivo.
Un agente AI, invece, riceve un obiettivo — non un semplice comando — e lavora in autonomia per raggiungerlo. Pianifica i passi necessari, usa strumenti e risorse esterne, valuta i risultati intermedi e aggiusta il tiro se qualcosa non funziona. Può inviare email, leggere file, interrogare database, eseguire codice, interagire con altri sistemi software. E può farlo in sequenza, iterando, senza aspettare che qualcuno gli dica come procedere a ogni passaggio.
La differenza, in termini pratici, è quella tra un assistente che ti risponde quando gli parli e uno che, se gli dici “gestisci questo processo”, lo gestisce davvero — dalla prima all’ultima azione.
Cosa sta succedendo nel mondo in questo momento
Le grandi aziende tecnologiche ci stanno investendo in modo massiccio. Microsoft ha costruito tutta l’architettura Copilot attorno al concetto di agente. Salesforce ha rilasciato Agentforce. OpenAI ha integrato capacità agenziali direttamente nei suoi modelli. Google, Anthropic, Meta — tutti stanno lavorando nella stessa direzione.
Non è un caso. Le organizzazioni si stanno rendendo conto che il vero valore dell’AI non sta nel rispondere alle domande degli utenti, ma nell’eseguire lavoro reale in modo autonomo. Supporto clienti gestito da agenti che consultano database, aprono ticket, aggiornano CRM. Processi di onboarding che si completano senza intervento umano. Analisi di dati che si attivano da sole al verificarsi di certi eventi.
I profili più cercati in questo momento, nelle aziende che stanno facendo questa transizione, sono esattamente quelli capaci di progettare questi sistemi — di capire non solo cosa può fare un agente AI, ma come orchestrarlo, come definirne i limiti, come integrarlo nei flussi esistenti senza che diventi un problema più grande di quello che risolve.
Come funziona, concretamente
Un agente AI si costruisce attorno a tre elementi fondamentali.
Il primo è il modello di linguaggio — il cervello del sistema, quello che capisce le istruzioni e genera ragionamenti. Nella maggior parte degli agenti enterprise oggi, questo è GPT-4o, Claude, Gemini o uno dei modelli Microsoft.
Il secondo sono gli strumenti — le “mani” dell’agente. Un agente senza strumenti è come un cervello senza corpo: può pensare ma non fare. Gli strumenti possono essere API esterne, connettori verso database aziendali, funzioni custom che permettono all’agente di leggere, scrivere, calcolare, comunicare.
Il terzo è la memoria e il contesto — la capacità di ricordare cosa è successo nei passaggi precedenti, di costruire ragionamenti coerenti nel tempo, di non ricominciare da zero ad ogni iterazione.
La combinazione di questi tre elementi è ciò che trasforma un modello AI generico in un agente capace di operare in un contesto specifico, con obiettivi specifici, in modo affidabile.
La mia esperienza diretta
Ho iniziato a lavorare con agenti AI da qualche mese, principalmente tramite Microsoft Copilot Studio — la piattaforma Microsoft pensata esattamente per questo: costruire agenti personalizzati integrati nell’ecosistema aziendale.
Il primo progetto concreto su cui ho lavorato riguardava la classificazione automatica di materiali in SAP — un processo che prima richiedeva ore di lavoro manuale, con tutte le variabili del caso: errori umani, inconsistenze, tempi morti. L’agente che abbiamo costruito legge le descrizioni dei materiali, applica una tassonomia definita, propone la classificazione e la documenta. Non è perfetto — nessun sistema lo è alla prima iterazione — ma ha già ridotto drasticamente il tempo necessario e reso il processo più consistente.
Quello che mi ha colpito di più, lavorandoci, non è stata la parte tecnica in sé. È stato realizzare quanto rapidamente il contesto stia cambiando attorno a queste tecnologie. Ogni settimana che passa, gli strumenti migliorano, le integrazioni si moltiplicano, le possibilità si espandono. Chi sta imparando adesso ha un vantaggio reale rispetto a chi aspetterà che “la cosa si stabilizzi” — perché nel frattempo il mercato del lavoro si sta già ridisegnando attorno a queste competenze.
Perché dovresti preoccuparti – nel senso migliore del termine
“Preoccuparti” nel titolo non è usato in senso catastrofico. Non sto dicendo che l’AI toglierà il lavoro a tutti e che bisogna correre ai ripari. Sto dicendo qualcosa di più preciso: questa tecnologia sta maturando abbastanza in fretta da iniziare a produrre effetti concreti nelle organizzazioni reali, e chi ne capisce il funzionamento — anche solo a livello concettuale — inizia ad avere un vantaggio che si misura.
Non è necessario saper programmare. Non è necessario essere ingegneri. Quello che serve è capire cosa può fare un agente AI, cosa non può fare, dove ha senso applicarlo e dove invece rischia di creare più problemi di quanti ne risolva. Questa consapevolezza, oggi, vale più di qualsiasi certificazione tecnica specifica.
Io stesso non sono un ingegnere AI. Sono qualcuno che lavora in ambito produttivo, che si è trovato davanti a un problema reale e ha deciso di affrontarlo con gli strumenti disponibili. Il risultato è stato imparare qualcosa che non avevo pianificato di imparare — e trovarmi, quasi per caso, in un punto in cui l’azienda inizia a chiedermi di più su questi temi.
Non so dove porterà. Ma so che capire cosa sta succedendo — anche solo abbastanza da non essere completamente all’oscuro — è già una posizione migliore di quella di chi aspetta che qualcun altro glielo spieghi.
Questo è il motivo per cui ne parlo qui. E probabilmente non sarà l’ultima volta.
— Lorenzo
