Hai qualche domanda?
Parla con un esperto

L'Agentic AI è un'intelligenza artificiale che, dato un obiettivo, pianifica i passaggi, usa gli strumenti a cui ha accesso (applicazioni, documenti, dati) e porta a termine il lavoro, coinvolgendo una persona quando serve.
Sta uscendo dalle sperimentazioni, soprattutto nelle grandi aziende: nell'ultima indagine di McKinsey il 40% degli intervistati di organizzazioni con oltre un miliardo di dollari di fatturato dice di usare agenti AI su scala in almeno una funzione aziendale, contro il 27% dell'anno prima. Nelle aziende più piccole la quota è ferma al 22% (McKinsey, The state of AI in 2026, agosto 2026).
Nei nostri progetti l'abbiamo vista funzionare quando tre condizioni sono chiare fin dall'inizio: un processo conosciuto, controlli decisi prima di partire e persone che restano sulle decisioni che contano.
L'Agentic AI, detta anche AI agentica, è un sistema che lavora per obiettivi. Un modello generativo risponde a una richiesta; un agente AI riceve un compito e lavora finché non lo ha completato. Cosa può fare un agente lo decide chi lo progetta: quali strumenti usa, su quali dati e quando deve fermarsi.
Per farlo segue un ciclo in quattro passaggi.
Riceve un compito, per esempio «verifica questa fattura rispetto all'ordine».
Scompone il compito nei passaggi necessari per portarlo a termine.
Usa gli strumenti che gli sono stati dati: legge un documento, interroga un gestionale, compila un campo.
Controlla il risultato e decide se andare avanti, riprovare o passare la mano a una persona.
Il "cervello" dell'agente, responsabile di capire l'obiettivo, pianificare i passi e decidere quale strumento usare a ogni punto del processo.
Le azioni che l'agente può eseguire: chiamate API, query su database, invio email, apertura ticket, consultazione di documenti, interazione con applicazioni. Ogni strumento è un'azione del mondo reale.
Il contesto del lavoro in corso, che permette all'agente di non ripartire da zero a ogni passaggio. Nei sistemi più evoluti conserva anche le informazioni utili tra un'attività e l'altra, sempre dentro il perimetro di dati deciso in fase di progettazione.
| RPA | AI generativa | Agentic AI | |
|---|---|---|---|
| Cosa fa | Esegue passaggi definiti, sempre uguali | Produce e interpreta testi e documenti | Persegue un obiettivo, usando anche RPA e AI generativa come strumenti |
| Dove funziona meglio | Processi stabili e ad alto volume | Contenuti non strutturati: email, PDF, richieste | Processi con eccezioni e decisioni ripetibili |
| Limite | Si ferma se cambia qualcosa che non è previsto | Risponde, ma non agisce sui sistemi | Va progettata con controlli e soglie di intervento umano |
Nelle aziende i tre livelli convivono. L'RPA resta la scelta giusta dove il processo è stabile; l'agente orchestra il lavoro dove servono interpretazione e decisioni. Chi ha già automatizzato bene parte avvantaggiato.
Tre casi, dal più avanzato al più semplice. Solo il primo è un sistema di agenti in produzione; gli altri due mostrano come rendiamo affidabile l'AI dentro un processo, che è il lavoro da fare prima di dare autonomia a un agente.
atti di pignoramento gestiti ogni mese
banca
di effort sul processo
banca
delle righe di fattura abbinate in automatico
manifattura
fatture l'anno classificate dall'AI
moda
Gli agenti AI lavorano in produzione su un processo core basato su documenti; la persona valida o corregge il risultato. Oggi il processo gestisce circa 7.000 atti al mese, con un effort ridotto dell'89% e il 100% degli SLA rispettati.
Il risultato non è arrivato aggiungendo un agente al processo esistente: la banca ha prima rinnovato la piattaforma di automazione e ridisegnato circa 30 processi, con un centro di competenza guidato dal business. È lo stesso schema che McKinsey vede nelle aziende che ottengono più valore dall'AI: ridisegnano i processi invece di aggiungere l'AI a quelli esistenti.
In un gruppo manifatturiero le fatture arrivano in oltre 30 formati e spesso non riportano il riferimento all'ordine, o lo riportano su più righe. L'AI generativa le interpreta e le abbina, riga per riga, agli ordini di acquisto su prezzo, quantità e tipo di prodotto; le discrepanze arrivano agli utenti in un report. L'80% delle righe viene abbinato in automatico, con circa 6 persone a tempo pieno liberate per altre attività.
La lezione principale: l'AI va usata solo dove le regole non bastano, affiancata da regole deterministiche e controlli che impediscono risposte inventate.
In un gruppo della moda l'AI legge email e allegati, riconosce e classifica oltre 3.500 fatture l'anno in più di 100 formati, le archivia e avvisa l'amministrazione.
Ogni scelta è accompagnata da una spiegazione. Quando la sicurezza della classificazione non basta, decide un operatore.
Volumi: il processo si ripete abbastanza spesso da giustificare la progettazione?
Documenti non strutturati: email, PDF, richieste in formati diversi che oggi qualcuno deve leggere?
Eccezioni riconoscibili: una persona esperta saprebbe spiegare come le gestisce?
Decisioni verificabili: il risultato si controlla con regole o confrontandolo con altri dati?
Misura: sappiamo quanto costa oggi il processo, per misurare il miglioramento?
Soglie di confidenza: sotto una certa sicurezza, decide una persona.
Approvazione umana sui passaggi critici: pagamenti, comunicazioni ai clienti, decisioni con effetti legali.
Tracciabilità: ogni azione dell'agente è registrata e consultabile.
Dati nel perimetro aziendale: dove serve, modelli on-premise o in cloud ibrido.
AI Act e GDPR: la conformità si valuta fin dalla progettazione.
Il percorso che seguiamo per portare gli agenti dal processo alla produzione. Il quadro più ampio, che comprende formazione, efficienza e trasformazione dei processi, è nella pagina Intelligenza Artificiale.
Se il processo non è chiaro, nemmeno a chi lo esegue, si parte da qui: capire come funziona davvero, e solo dopo scegliere la tecnologia.
Un processo reale, dati reali e KPI decisi prima di cominciare: tempi di lavorazione, attività gestite in automatico, accuratezza, ore restituite ai team. I primi risultati misurati arrivano in poche settimane.
Sui risultati misurati si decide se andare in produzione e poi estendere l'approccio ad altri processi, con il controllo umano sui passaggi che contano.
Atti e documenti legali, posta certificata e protocollazione, richieste all'helpdesk interno smistate con modelli on-premise.
Controllo delle fatture fornitori rispetto agli ordini, inserimento degli ordini dei clienti ricevuti via email.
Classificazione e archiviazione delle fatture, gestione dei ticket del customer service.
Generazione dei test applicativi a partire da manuali e user story, con l'AI generativa (test automation).
Progettiamo, sviluppiamo e portiamo in produzione agenti AI integrati nei tuoi sistemi, con regole di controllo decise insieme.
Sfruttiamo l’Intelligenza Artificiale per supportare le aziende nell’automazione dei processi. Grazie a soluzioni AI, aiutiamo a migliorare l’efficienza, prendere decisioni informate e ridurre i costi operativi.
Un Agente AI è un sistema software autonomo che percepisce il proprio ambiente, pianifica una sequenza di azioni e le esegue per raggiungere un obiettivo specifico, adattando il comportamento in base al feedback ricevuto. A differenza di un chatbot, che risponde a domande, un agente AI opera attivamente su sistemi reali: apre applicazioni, elabora dati, prende decisioni e interagisce con altri sistemi o agenti.
"Agentic" viene dall'inglese agency, la capacità di agire. Un'AI agentica è quindi un'AI che agisce: riceve un obiettivo e compie le azioni necessarie per raggiungerlo, invece di limitarsi a rispondere.
ChatGPT è un modello di Generative AI che produce testo in risposta a un input umano. L'Agentic AI è un sistema che usa modelli come ChatGPT come componente di ragionamento, ma li combina con strumenti di azione, memoria e capacità di pianificazione autonoma. In altri termini: ChatGPT risponde, un agente AI agisce.
Dipende da come è progettata. Un agente aziendale lavora dentro un perimetro definito: strumenti e dati a cui può accedere, soglie oltre le quali decide una persona, registro di tutte le azioni. Con questi controlli può lavorare anche su processi delicati, come mostra il caso degli atti di pignoramento descritto sopra.
Dipende dal processo e da quanti sistemi coinvolge. Un Proof of Value su un processo delimitato dà i primi risultati misurati in poche settimane; portare in produzione processi end-to-end con più agenti richiede mesi. Per questo procediamo per passi, misurando ogni volta.
Partiamo dal processo e scegliamo la tecnologia dopo. Per l'automazione agentica, dove agenti, robot software e persone lavorano nello stesso processo, usiamo la piattaforma di UiPath, di cui siamo Gold Partner. Per gli agenti conversazionali, che dialogano con clienti e dipendenti in chat o a voce, lavoriamo con Indigo AI. Quando il progetto lo richiede integriamo i principali modelli linguistici, anche on-premise, e le piattaforme che l'azienda usa già.