2. Dal chatbot all'Agente AI, dall'Agente all'AI Team

Se c'è un concetto che separa i CEO che ottengono risultati dall'AI da quelli che comprano licenze, è questo: un chatbot e un Agente AI non sono la stessa cosa. Non sono due versioni dello stesso prodotto, una più economica e una più cara. Sono due soluzioni diverse, con usi diversi, costi diversi e — soprattutto — effetti diversi sull'azienda.

Questo capitolo ti dà quella distinzione, ti spiega perché un agente va pensato come una risorsa digitale accanto alle risorse umane, ti racconta il passaggio dal «prompt» al «loop» in termini di lavoro svolto, e ti presenta l'AI Team: il modo in cui gli agenti entrano davvero nell'organigramma.

Il chatbot risponde, l'agente lavora

Cosa fa un chatbot

Un chatbot basato su AI generativa riceve un messaggio e produce una risposta. Anche quando è collegato ai documenti aziendali, il suo ciclo di vita è quello di una singola richiesta: domanda, elaborazione, risposta. Se la risposta è sbagliata, se ne accorge chi legge. Se manca un'informazione, il chatbot la chiede o — peggio — la inventa, perché è stato addestrato a rispondere sempre. Non ha un obiettivo oltre la conversazione in corso. Quando l'utente smette di scrivere, il chatbot smette di esistere.

Il chatbot è utile: come assistente individuale fa risparmiare tempo a chi scrive, cerca, riassume. Ma migliora la produttività della singola persona, non cambia il lavoro dell'azienda. Ed è il motivo per cui migliaia di PMI che hanno «adottato l'AI» comprando abbonamenti non hanno visto muoversi il conto economico.

Cosa fa un agente

Un Agente AI riceve un obiettivo — non una domanda — e dispone di strumenti per raggiungerlo: può leggere un ordine nel gestionale, scrivere un'email, aggiornare un prezzo, aprire una pratica, controllare un magazzino. Lavora in un ciclo: osserva lo stato delle cose, ragiona, agisce, valuta il risultato, e ricomincia finché l'obiettivo non è raggiunto o finché non incontra un ostacolo che richiede una persona.

Ha una memoria. Ha competenze specifiche su come si fa un certo lavoro nella tua azienda. Ha un limite di spesa. E ha un'identità: esiste nel sistema con un nome, uno stato, delle responsabilità. In una parola, lavora.

Il test in una frase

Molti fornitori chiamano «agente» ciò che è un chatbot con qualche collegamento. Gartner ha contato solo circa 130 fornitori realmente «agentici» tra le migliaia che si dichiarano tali, e ha dato un nome al fenomeno: agent washing. Il test che uso con i clienti è semplice, e vale anche per te quando ascolti un venditore: se il sistema si ferma quando l'utente smette di scrivere, è un chatbot. Se continua a lavorare verso un obiettivo, verificando da solo i risultati, è un agente.

Attenzione. «Abbiamo già l'AI in azienda» è la frase che sento più spesso, e nel 90% dei casi significa «abbiamo abbonamenti a un assistente conversazionale». Non è una critica: è una diagnosi. Quella non è l'AI di cui parla questo libro.

L'agente come risorsa digitale

Un cambio di prospettiva

Il modo più utile di pensare a un agente, per un CEO, non è «un software». È «una risorsa». Un software si compra, si installa e si usa. Una risorsa si inserisce in un'organizzazione: ha un ruolo, un perimetro, un responsabile, degli obiettivi, un costo e una valutazione. Tutto ciò che sai fare con le persone — assumere, dare obiettivi, misurare, correggere, promuovere, fermare — vale per gli agenti, con una differenza fondamentale: l'agente lavora ventiquattr'ore su ventiquattro, non si stanca, non si dimentica le procedure, e costa per lavoro svolto.

Questo cambio di prospettiva ha una conseguenza pratica: la decisione su un agente non spetta all'IT. Spetta a chi decide sulle risorse, cioè a te e ai tuoi responsabili di funzione, con il supporto di HR e del controllo di gestione. Il capitolo 5 approfondisce.

Cosa resta alle persone

L'agente non sostituisce l'organizzazione: ne prende in carico la parte esecutiva e ripetitiva. Nei progetti che seguo, il 70-80% dei compiti di routine di un processo passa agli agenti e il 20-30% — rischi, eccezioni, decisioni con impatto sul conto economico — resta alle persone, che diventano supervisori. Il modello si chiama «persona sopra il ciclo»: non dentro ogni passaggio, ma sopra, con la possibilità di fermare, correggere, approvare. È anche ciò che la normativa europea chiede in termini di supervisione umana.

Dato con fonte. Il 47% dei lavoratori che usano l'AI dichiara di risparmiare più di un'ora al giorno, ma il 66% non ha ricevuto indicazioni su come reinvestire quel tempo. Il valore si perde lì: nel tempo liberato e non riallocato. Fonte: BCG, «AI at Work 2025».

Dal prompt al loop

Perché il prompt non basta

C'è una differenza di fondo tra un sistema basato su prompt e uno basato su loop, e un CEO deve capirla perché è la differenza tra un risultato affidabile e uno casuale.

Il sistema a prompt riceve un input e produce un output, una volta sola. Se l'output è sbagliato, se ne accorge l'utente. Se manca un dato, il sistema tende a inventarlo. Ogni risposta è un tentativo unico, e la qualità dipende da quanto era buona la domanda.

Il sistema a loop riceve un obiettivo con le sue condizioni di riuscita e lavora finché non le raggiunge: osserva, ragiona, agisce con gli strumenti, confronta il risultato con le condizioni, e se non è soddisfacente ricomincia con una strategia diversa. Se non può proseguire, si ferma e chiede a una persona. La differenza non è nella qualità del modello: è nell'architettura del lavoro. Il prompt produce risposte; il loop produce risultati verificati.

Il loop e le «allucinazioni»

L'allucinazione — il sistema che afferma qualcosa di falso con sicurezza — è il rischio che ogni imprenditore mi cita per primo, e il loop è la risposta più concreta. Il meccanismo è lo stesso che useresti con un collaboratore nuovo: non ti fidi della prima risposta, la fai verificare contro qualcosa di esterno — un dato, un controllo, un obiettivo dichiarato — e la fai correggere. Le ricerche mostrano che un sistema che alterna ragionamento e verifica con strumenti esterni dimezza gli errori rispetto a uno che risponde in un solo passaggio, e che un modello di fascia media usato in loop supera un modello di fascia alta usato una volta sola.

Per te questo ha un significato preciso: la qualità di un agente dipende meno dal «modello più potente» che dal modo in cui il suo lavoro è strutturato — obiettivo, condizioni di riuscita, verifiche, punto in cui si ferma e chiede. Quel modo di strutturare il lavoro è il tema del capitolo 3.

Il rischio residuo e come si governa

Un agente in loop ha un rischio suo: insistere all'infinito, o ammorbidire da solo i vincoli pur di dichiararsi «finito». Si governa con la struttura, non con la fiducia: un numero massimo di tentativi, dopo il quale l'agente dichiara il blocco e chiede a una persona; un registro delle condizioni concordate che l'agente non può modificare da solo; un tetto di spesa che blocca il lavoro prima che i costi sfuggano. Quando un consulente ti presenta un agente, queste tre cose devono essere nel progetto. Se non ci sono, non è un progetto: è una demo.

L'AI Team: orchestrare gli agenti

Da un agente a un team

L'inserimento di un singolo agente non cambia l'organizzazione: cambia un processo. L'inserimento di un AI Team — un gruppo di agenti coordinati, con ruoli, obiettivi e un «capo» che risponde a una persona — cambia l'organigramma.

Un AI Team è organizzato come un reparto. C'è un agente coordinatore (lo chiamo chief) che riceve gli obiettivi dal responsabile umano, li scompone in compiti, li assegna agli agenti esecutori, ne verifica i risultati e riporta. Ci sono agenti specializzati, ciascuno con competenze e strumenti propri: uno legge gli ordini, uno risponde ai clienti, uno prepara i report, uno controlla i prezzi. E c'è un protocollo di lavoro tra loro: chi chiede cosa a chi, con quali condizioni, chi verifica.

La struttura tipica che disegno per un e-commerce prevede un Chief E-Commerce AI Agent che coordina tre o quattro sotto-team — ricavi, esperienza cliente, fidelizzazione, ottimizzazione — ciascuno con agenti specializzati. In una manifattura i team sono altri, ma la logica è la stessa: un organigramma, non una lista di automazioni.

I ruoli delle persone in un AI Team

Un AI Team senza persone non esiste, e i ruoli umani vanno definiti prima degli agenti. Nei progetti che seguo sono tre.

Il responsabile di funzione è il «cliente» del team: definisce gli obiettivi con le condizioni di riuscita, approva le decisioni che superano le soglie, legge il cruscotto. Non è un ruolo tecnico: è il direttore commerciale, il responsabile operations, il CFO.

Il supervisore operativo è la persona che oggi svolge il lavoro che il team prenderà in carico: gestisce le eccezioni, dà feedback agli agenti, li ferma se serve. È il ruolo in cui il personale operativo viene riqualificato, e nei miei progetti ha nomi nuovi — coordinatore delle operazioni AI, responsabile analisi e ottimizzazione — occupati da persone che prima facevano data entry.

Il consulente AI — o, nelle aziende maggiori, una figura interna equivalente — governa il team nel suo insieme: progetta, misura, ottimizza costi e competenze, propone il gradino successivo. Il capitolo 8 spiega come sceglierlo.

Come l'AI Team si integra con i team umani

L'organigramma diventa misto: accanto alle funzioni umane compaiono team di agenti con un chief che riporta a un responsabile umano. Le persone non «usano» gli agenti come si usa un software: lavorano con loro come si lavora con un reparto. Chi rispondeva a cento richieste al giorno diventa chi supervisiona l'agente che risponde, gestisce le eccezioni e legge gli andamenti di soddisfazione. Il manager che passava il 60-70% del tempo su attività di routine torna a fare strategia.

Questa integrazione va progettata, non subita. La proiezione che disegno di solito con un cliente è a tre anni: nel primo, 4-6 agenti affiancano 6-8 persone su un processo; nel secondo, 8-10 agenti lavorano con 3-4 persone che governano; nel terzo, 12-15 agenti con 2-3 persone. Non è una previsione: è un piano che tu puoi accettare, rallentare o fermare a ogni gradino, misurando cosa è cambiato.

Esempio. In un e-commerce di abbigliamento con dodici persone, due addette al servizio clienti rispondevano a circa 400 richieste alla settimana; l'80% riguardava stato dell'ordine, resi e taglie, informazioni già presenti nel gestionale. Un AI Team di tre agenti — uno per le richieste ordinarie, uno per i resi, uno per la sintesi settimanale — ha preso in carico quella quota in sei settimane. Le due addette sono diventate supervisore del team e responsabile della qualità del servizio; il tempo liberato (circa 25 ore a settimana) è andato alla vendita assistita sui clienti ad alto valore. (Caso reso anonimo.)

Cosa portare via da questo capitolo

Un chatbot risponde, un agente lavora: il test è se continua quando l'utente smette di scrivere. Un agente è una risorsa da inserire nell'organizzazione, non un software da installare. La sua affidabilità dipende dalla struttura del lavoro — obiettivo, condizioni, verifiche, punto di stop — più che dal modello. E il vero cambiamento arriva con l'AI Team, che entra nell'organigramma con ruoli umani definiti prima degli agenti.

Suggerimento. La prossima volta che un fornitore ti propone «un agente AI», fagli tre domande: cosa succede quando l'utente smette di scrivere? Come verifica di aver raggiunto l'obiettivo? Cosa fa quando non ci riesce? Se non ha una risposta chiara a tutte e tre, ti sta vendendo un chatbot.