Agenti IA in azienda: dalla demo all’uso reale
Tutti hanno visto la demo. Un agente che apre un browser, compila un CRM, prenota un volo, incatena dodici azioni senza che nessuno tocchi la tastiera. È spettacolare, circola benissimo, e i laboratori si sono tutti spostati lì: Anthropic con il computer use e il Model Context Protocol, OpenAI con i suoi agenti, corrono tutti nella stessa direzione. Ora la domanda scomoda: quante aziende che conoscete hanno un agente che gira, il lunedì mattina, su un processo vero?
Io ne conosco pochissime. I modelli sono ampiamente abbastanza buoni. È il prolungamento diretto di quanto scrivevo sull’adozione dell’IA: tra una demo che impressiona e uno strumento che si apre tutti i giorni c’è un abisso. Sugli agenti quell’abisso è ancora più largo, perché un agente non si limita a rispondere. Agisce.
Perché gli agenti IA restano bloccati allo stadio della demo
Una demo è costruita per riuscire. Il percorso è tracciato, i dati sono puliti, chi presenta ha provato. Un processo reale, invece, è fatto di eccezioni: il cliente senza partita IVA, la fattura doppia, il campo che qualcuno ha compilato a mano nel 2019. La demo mostra il caso normale, l’azienda vive nei casi particolari.
E poi c’è l’aritmetica, che si evita accuratamente di fare. Un agente affidabile al 90 % per passaggio, su una catena di dodici passaggi, finisce al 28 % di riuscita da capo a fondo. È una moltiplicazione, nient’altro. Finché si impilano passaggi autonomi senza punti di controllo, si costruisce una macchina che fallisce in silenzio.
Il dato del 95 per cento di progetti IA falliti merita più di una condivisione
L’avete di sicuro incrociato: il rapporto del MIT Media Lab sullo stato dell’IA in azienda, e il suo dato shock, il 95 % dei progetti di IA generativa senza effetti misurabili sul risultato. La frase ha fatto il giro di LinkedIn in quarantotto ore.
Merita un po’ di rigore. Il campione è esiguo, la definizione di fallimento è sfumata, e un pilota fermato non è per forza un pilota fallito: a volte è semplicemente un’azienda che ha imparato qualcosa e ha tagliato al momento giusto. Prendere quel 95 % per una misura è lo stesso errore che prendere una classifica di modelli per una strategia.
Detto questo, l’intuizione dietro il dato è giusta, e chi lavora sul campo la condivide: moltissimi progetti si fermano tra il POC riuscito e la messa in produzione. Il numero è discutibile, il fenomeno resta solido.
Che cosa separa un agente in produzione da un POC
Quattro cose, e nessuna è un problema di modello.
Un perimetro stretto. Un agente che fa una cosa precisa su un processo delimitato va in produzione. Un agente assistente tuttofare resta una demo a vita, perché nessuno sa dire quando ha fatto bene il suo lavoro.
Un punto di ripresa umano. L’agente prepara, un umano convalida, l’agente esegue. Ecco ciò che rende lo strumento installabile in un’azienda vera, con responsabilità vere.
Tracciabilità. Sapere che cosa ha fatto l’agente, quando, su quali dati, e poterlo mostrare. Senza questo, nessun responsabile serio firmerà.
Reversibilità. Ogni azione deve poter essere annullata, o come minimo non distruggere nulla. Un agente che scrive prima di essere riletto è una cattiva idea, qualunque sia il modello dietro.
Quali processi affidare per primi a un agente IA
Il buon primo candidato spunta quattro caselle: è ripetitivo, il suo risultato è verificabile a colpo d’occhio, un errore costa poco, e il volume è sufficiente perché il guadagno si veda. Riconciliazione di dati, preparazione di pratiche, controllo di coerenza, monitoraggio strutturato, formattazione: è ingrato, e tiene in produzione.
Il cattivo primo candidato è quasi sempre quello che si sceglie: la relazione con il cliente. È visibile, fa un bell’annuncio, ed è esattamente il punto in cui un errore costa di più. Cominciare da lì significa giocarsi la propria credibilità interna sul caso più difficile.
Dare strumenti a un agente, non poteri
È il ribaltamento mentale che cambia tutto. Un agente non ha bisogno di accessi, ha bisogno di strumenti, con un perimetro scritto nero su bianco: che cosa può leggere, che cosa può proporre, che cosa non può mai fare da solo. È esattamente ciò che standardizza l’MCP: non si collega un’intelligenza a un sistema, le si espongono capacità nominate e delimitate.
È così che costruisco i miei strumenti di lavoro. L’agente analizza, propone una correzione o un link interno, e niente parte finché un umano non ha convalidato. Questo argine è strutturale: è l’unica configurazione in cui qualcuno accetta di collegare la cosa al proprio sito in produzione.
Un agente che agisce solleva la questione di dove gira
Finché l’IA si limitava a rispondere, il luogo in cui girava era un tema da convegno. Un agente che agisce sui vostri sistemi, che legge i vostri dati clienti e scrive nei vostri strumenti, trasforma quella domanda in una questione operativa. Chi vede passare che cosa, sotto quale giurisdizione, con quale possibilità di staccare? Ormai è una riga in un contratto. Ci tornerò.
Dalla demo all’uso reale: che cosa fa davvero scattare l’adozione
Gli agenti urtano contro la fiducia, non contro la tecnica. E la fiducia si ottiene altrimenti che mostrando dodici azioni incatenate: si ottiene mostrando un’azione, fatta correttamente, cento volte di seguito, con la possibilità di verificare.
Così quando vi chiedono se la vostra azienda usa agenti, la risposta giusta sta in un processo, e dire da quanto tempo gira senza che nessuno abbia dovuto rimetterci mano.
Da leggere anche: Adozione dell’IA in azienda: perché la potenza dei modelli non basta · Il protocollo UCP, sei mesi dopo: che cosa dicono già i dati sul commercio agentico
Thomas Nedjar opera da quattordici anni nell'acquisizione digitale e nell'e-commerce. Imprenditore, ha fondato e diretto diverse società e-commerce tra Francia e Svizzera, con una solida esperienza nel commercio internazionale e intracomunitario. Oggi è Esperto Senior SEO/GEO, IA & Tech presso Suisseo e sviluppa le proprie applicazioni per il marketing: ED (community management automatizzato) e SEO Cartograph (crawler di audit SEO in locale). Relatore (CVCI) e formatore, condivide qui la sua esperienza sul campo in materia di SEO, GEO, automazione ed e-commerce.
Tutti gli articoli · LinkedIn