Un agente AI aziendale non è un chatbot più intelligente: è un componente di automazione a cui delegate un obiettivo e, potenzialmente, dei permessi. Il valore dipende tanto da tool, identità, controlli e audit quanto dal modello. Per una PMI il primo progetto sensato è di solito un agente singolo, pochi tool, confini stretti — non un’orchestra multi-agent.
La differenza operativa rispetto a un assistente è in AI agents vs chatbot. Qui: quando serve, cosa non è, cosa dicono Istat/Eurostat, e come non regalare all’agente l’admin del gestionale.
Cos’è un agente (e cosa è agentwashing)
Un agente AI aziendale è un sistema software orientato a un obiettivo che usa un modello per interpretare il contesto e scegliere i passi, può richiamare dati e strumenti e, quando autorizzato, eseguire azioni, reiterando fino al completamento, all’arresto o all’escalation umana. L’autonomia può essere limitata e supervisionata: non serve che sia “completamente autonomo” per essere agentico.
OpenAI descrive gli agenti come sistemi che completano attività in un loop: usano strumenti, osservano il risultato, continuano fino a una condizione di uscita. I tool possono essere di lettura (CRM, PDF, database) o di azione (messaggi, aggiornamento record). Stessa famiglia di definizioni in Google Cloud e nel Microsoft Agent Framework.
Gartner ha etichettato agentwashing la pratica di ribattezzare chatbot, assistenti o RPA come agenti. Nel 2026 “ChatGPT” e “Copilot” non sono sinonimi di sola chat: possono ospitare capacità agentiche. Confrontate il pattern (user-led vs goal-led), non il logo.
Chatbot, Copilot, RPA o agente: come scegliere
Aggiungere un LLM a un flusso non lo rende automaticamente un buon caso agentico. Gartner (giugno 2025) prevede che oltre il 40% dei progetti agentic possa essere cancellato entro fine 2027 (costi, valore poco chiaro, controlli deboli). È una previsione, non un tasso già osservato.
| Situazione | Da valutare per prima |
|---|---|
| Risposta da procedure/FAQ | Chatbot / search / assistente |
| Scrivere, sintetizzare, consigliare; decide una persona | Copilot / assistente |
| Flusso stabile: «se X, esegui sempre Y-Z» | Workflow / RPA |
| Estrarre dati da fatture o moduli | Document AI / IDP, poi workflow |
| Input non strutturati, eccezioni, più fonti, percorso che cambia | Agente |
| Leggere, decidere e aggiornare CRM/ERP/ticket in più passi | Agente con tool e guardrail |
La RPA resta adatta a processi ripetitivi e deterministici (UiPath sulla RPA). RPA e agente possono convivere: l’agente interpreta, il braccio deterministico esegue. Un caso documentale può chiudersi con IDP e controllo umano senza autonomia agentica (es. SM Supermalls / Document AI: oltre 80% di accuratezza sui form e −67% di tempo su ~30.000 moduli/trimestre — non è un agente).
OpenAI raccomanda di massimizzare prima un singolo agente. Più agenti aggiungono overhead; servono quando istruzioni o tool non stanno più in un unico perimetro (guida pratica OpenAI).
Stack minimo da pretendere in un progetto: modello, istruzioni/loop, knowledge con provenienza, tool read vs write, identità e least privilege, memoria/stato, guardrail e approvazione umana, trace (model call, tool call, handoff) ed eval. Senza questi pezzi state comprando una demo. Fasce di setup: quanto costa un agente AI (2026).
I dati Italia misurano l’AI, non gli agenti
Non c’è, fra Istat e fonti istituzionali consultate ad agosto 2026, una percentuale ufficiale di imprese italiane che “usano AI agent”. Usare il 16% Istat come “adozione agenti” sarebbe scorretto.
| Fonte | Dato | Cosa misura |
|---|---|---|
| Istat, Imprese e ICT 2025 | 16,4% imprese ≥10 addetti (era 8,2% nel 2024) | AI in generale |
| Stesso comunicato, PMI | 15,7% (da 7,7% nel 2024) | AI in generale |
| Fra chi già usa AI in Italia | 70,8% estrae conoscenza da testi; 59,1% usa generative AI | Tecnologie tra gli adottanti |
| Eurostat 2025 | 19,95% imprese UE ≥10 occupati | AI in generale |
Fra le imprese UE che già usano AI, circa il 31% la applica a processi di amministrazione/management. È un indizio di dove sta il lavoro, non una misura degli agenti.
Numeri agent-specific restano survey private: Capgemini 2025 (1.500 executive in 14 Paesi) riporta 2% deployed at scale e 12% a scala parziale — non è un campione PMI Italia. Gartner prevede agenti task-specific in fino al 40% delle enterprise application entro fine 2026: è una previsione sulla presenza negli applicativi, non sulla quota di aziende adottanti.
Il rischio vero è autonomia più permessi
Con un assistente, un errore resta un testo che qualcuno può rileggere. Con tool di scrittura, lo stesso errore può diventare un’email inviata, un record modificato o un export. OpenAI tratta prompt injection e chiede di sospendere l’esecuzione prima di side effect (guardrail e human review).
Microsoft, sul least privilege per gli agenti, indica identità dedicata, scope, allowlist dei tool, approval sulle azioni ad alto impatto, e audit su identity, ruolo, risorsa, azione e correlation ID. Permission creep e credenziali condivise allargano il raggio di una injection o di un piano sbagliato.
Domande da poter rispondere in produzione: con quale identità ha agito? su quale oggetto? chi ha approvato? quale trace resta? Se non sapete rispondere, non siete pronti ad “agire sull’ERP”. Metriche: ROI dell’AI.
AI Act: «agente» non è una categoria legale
Il Service Desk della Commissione precisa che il termine non è definito in modo uniforme; un agente è comunque, di regola, un AI system. Chi lo usa sotto la propria autorità è in genere deployer. L’articolo 4 (literacy) resta in vigore; l’articolo 50 copre interazioni dirette con persone sul lato provider, con obblighi deployer aggiuntivi in casi specifici — non «un bollino su ogni output interno». Vedi art. 50 e guida deployer.
Dopo l’Omnibus in vigore il 27 luglio 2026, gli usi high-risk dell’Allegato III (inclusi certi usi in ambito occupazione) slittano al 2 dicembre 2027. Non è l’etichetta “agente” a rendere il sistema ad alto rischio: conta l’intended purpose. Un agente di recruiting va progettato da subito con logging, human oversight e classificazione — non “vietato in automatico”. Informazione generale, non parere legale.
FAQ
Che cos’è un agente AI?
Obiettivo → ragionamento/piano → tool → azione → verifica o escalation. L’autonomia è un continuum (solo lettura, solo bozza, azione con approval, azione entro scope).
Differenza con ChatGPT o Copilot?
Sono prodotti che possono includere sia assistenti sia modalità agentiche. Conta se il flusso è guidato dall’utente o dall’obiettivo.
Agente o RPA?
Regole fisse → RPA. Ambiguità e scelta dinamica di strumenti → agente. Spesso convivono.
Quante PMI italiane li usano?
Non lo dice Istat. Dice che l’AI in generale è al 15,7% nelle PMI considerate nel 2025.
Può leggere e inviare email?
Tecnicamente sì se ha i tool. Lettura e invio devono essere privilegi separati, con approval sui side effect.
Quanto costa?
Ordini di grandezza di mercato: 15.000–35.000 € setup in produzione; dettaglio nel pillar costi 2026.
Fonti
- OpenAI – A practical guide to building agents
- Google Cloud – What are AI agents?
- Microsoft Agent Framework e least privilege for AI agents
- Gartner, cancellazione progetti agentic
- Istat – Imprese e ICT 2025, Eurostat – AI in enterprises
- Commissione – quadro AI Act, FAQ AI agent, testo consolidato
Approfondisci nella serie
- AI agents vs chatbot
- Quanto costa un agente AI per una PMI (2026)
- Integrare un agente al gestionale/ERP
- ChatGPT Business vs Plus vs Enterprise
- Microsoft Copilot per aziende
- Pilot vs produzione
- ROI dell’AI
Se volete capire se un processo è da agente, da RPA o da assistente governato — e quali accessi concedere — partiamo da un perimetro misurabile. Scrivici a info@zendata.it o visita zendata.it.
Pietro Ciattaglia, CEO di Zendata AI, Roma