Prima degli agenti, le basi

La fretta di arrivare agli agenti

Negli ultimi mesi non c'è convegno, webinar o riunione in cui non si parli di AI agentica. Il passaggio è affascinante: dagli LLM che rispondono a domande si passa a sistemi che pianificano, usano strumenti, prendono iniziative e portano a termine un lavoro.

Eppure, da ogni confronto sul tema emerge sempre lo stesso schema. Da una parte l'entusiasmo per gli agenti. Dall'altra organizzazioni che non hanno ancora fatto i passi precedenti. La tesi di fondo è semplice, e forse poco di moda: prima degli agenti servono le basi.

Il problema non è la tecnologia

La tecnologia, oggi, è il pezzo meno problematico. Quello che manca è tutto il resto.

La maggior parte delle aziende non ha un vero piano di adoption. Si comprano licenze, si fa un corso introduttivo e poi ognuno si arrangia. Qualcuno usa gli strumenti ogni giorno, molti li hanno aperti due volte e li hanno abbandonati.

Poi ci sono i processi. Spesso non sono scritti, cambiano da persona a persona, vivono nella testa di chi li esegue da anni. E infine i dati: sparsi tra sistemi diversi, duplicati, incompleti, corretti a mano in qualche file Excel che nessuno ricorda chi abbia creato.

Un agente messo sopra questo disordine non lo risolve. Lo rende solo più veloce nel produrre errori, e più difficile da accorgersene.

Prima gli strumenti classici

Prima di delegare un lavoro a un agente, bisogna saperlo fare bene con gli strumenti che già ci sono. Si tratta di quattro aspetti, nessuno dei quali è nuovo.

• Dati puliti e governati. Sapere dove stanno, chi ne è responsabile, quale versione è quella giusta.
• Processi mappati e standardizzati. Se non si riesce a descrivere un processo a un collega nuovo, non lo si riuscirà a descrivere nemmeno a un agente.
• Automazioni di base. Integrazioni tra sistemi, workflow, regole semplici. Spesso risolvono già una buona parte del problema.
• Un uso consapevole degli LLM. Saper scrivere una richiesta chiara, verificare una risposta, capire dove il modello sbaglia. È la palestra in cui le persone imparano a lavorare con l'AI.

Non è un passaggio glamour. Ma è quello che distingue le aziende che otterranno risultati dagli agenti da quelle che collezioneranno progetti pilota.

Quando un'attività è pronta per un agente

Una volta costruite le basi, il criterio è abbastanza semplice. Un'attività è matura per un modello agentico quando è ripetitiva, si appoggia su dati strutturati e affidabili, ha regole chiare ed è reversibile se qualcosa va storto.

Controlli e riconciliazioni, smistamento di richieste, raccolta e preparazione di dati, primi riscontri ai clienti, monitoraggio di scadenze. Qui l'agente può lavorare in buona autonomia e la persona interviene solo sulle eccezioni.

Più un errore costa caro, o più è difficile da correggere, più l'autonomia dell'agente va ridotta. Non è una scelta di principio: è gestione del rischio.

Cosa deve restare umano

Ci sono poi attività in cui controllo, governance e responsabilità devono restare saldamente in mano alle persone. Sono quelle dove servono giudizio e contesto, dove le conseguenze sono rilevanti, dove qualcuno deve rispondere delle scelte verso l'esterno: clienti, autorità, consiglio di amministrazione.

In questi casi l'agente può fare moltissimo. Può preparare le analisi, proporre alternative, segnalare anomalie che a occhio sfuggirebbero. Ma la decisione e la firma restano a una persona. Non solo per ragioni normative: la responsabilità non si delega a un sistema.

Un agente messo sopra dati sporchi e processi non mappati non li risolve. Li rende solo più veloci nel produrre errori.

Un percorso possibile

Una strada percorribile, per un'azienda che parte oggi, è questa:

1. Mettere ordine nei dati e nei processi più importanti.
2. Costruire un piano di adoption vero, con obiettivi, casi d'uso e persone di riferimento.
3. Far crescere la confidenza con gli LLM nel lavoro di tutti i giorni.
4. Solo a quel punto, sperimentare gli agenti sui processi più maturi, con controlli chiari e punti di approvazione umana.

La vera sfida dell'organizzazione agentica, alla fine, non è tecnologica. È organizzativa: ridisegnare ruoli, responsabilità e controlli sapendo che una parte del lavoro la farà un sistema. Chi oggi investe sulle basi, magari con meno clamore, è chi domani avrà gli agenti che funzionano davvero.