Agenti AI · Guida Creare un agente AI: strumenti, strade e i sei passi verso il primo agente

Di cosa è fatto un agente AI

Un agente AI è un programma che, con un modello linguistico, decide da sé quale sia il passo successivo e usa strumenti per compierlo. Cos’è un agente e in cosa si distingue da un chatbot e dall’automazione classica lo spiega il nostro articolo agenti AI per le aziende. Dal punto di vista tecnico, ogni agente ha bisogno degli stessi componenti:

• Modello: il modello linguistico che legge, pianifica e scrive.
• Istruzioni: compito, tono, regole e soprattutto quando l’agente passa il caso a una persona.
• Strumenti: interfacce con cui legge dati o fa qualcosa, per esempio consultare un ordine o aprire un ticket.
• Conoscenze: documenti a cui accede, per esempio listini, manuali o risposte precedenti.
• Limiti: permessi, approvazioni, importi massimi e limiti di costo.
• Registro e test: ogni decisione tracciabile, ogni modifica verificata su esempi reali.

Tre strade a confronto

Nella pratica le strade si combinano spesso: un agente in codice si occupa del controllo impegnativo e n8n lo collega a casella di posta, gestionale e CRM. Quale piattaforma sia adatta dipende meno dallo strumento che da dove si trovano i vostri dati, da chi manterrà l’agente in seguito e da cosa richiede la protezione dei dati. n8n, per esempio, può girare su server propri nell’UE, maggiori dettagli in n8n self-hosted.

Collegare strumenti: cos’è MCP

Per fare qualcosa, un agente ha bisogno di accedere ai vostri sistemi. Il Model Context Protocol (MCP) è uno standard aperto per collegare in modo uniforme le applicazioni AI a strumenti e fonti di dati. Anthropic lo ha presentato a fine 2024 e oggi lo supportano molti fornitori e strumenti. Per le aziende significa che un collegamento costruito una volta, per esempio al gestionale, può essere usato con modelli e piattaforme diversi. MCP è utile, ma non indispensabile. Molti agenti se la cavano con poche interfacce programmate direttamente.

Creare un agente AI in sei passi

1. Scegliere un compito ristretto: per esempio «rispondere alle domande sullo stato delle consegne» invece di «gestire il servizio clienti».
2. Raccogliere esempi reali: da 30 a 50 casi tipici con la risposta corretta. Sono il vostro termine di paragone per ogni modifica.
3. Strumenti con permessi minimi: l’agente può leggere gli ordini, ma non registrare note di credito. Permessi di scrittura solo dove servono davvero.
4. Definire istruzioni e passaggio di consegne: cosa può fare l’agente, cosa no e quando passa il caso a una persona, per esempio in caso di reclami o incertezza.
5. Testare e misurare: far girare l’agente sugli esempi, ordinare gli errori per tipo, migliorare istruzioni e strumenti, testare di nuovo.
6. Partire con approvazione: all’inizio l’agente propone e una persona approva. Solo quando i risultati sono corretti per settimane può fare di più da solo. Limiti di costo e registri funzionano fin dall’inizio.

Sicurezza e diritto

Gli agenti leggono testi che arrivano dall’esterno, come e-mail o pagine web. Possono contenere istruzioni nascoste pensate per indurre l’agente a fare qualcosa. OWASP indica questa cosiddetta prompt injection come il rischio principale delle applicazioni AI, seguita tra l’altro dai permessi eccessivi. Le contromisure più importanti sono permessi minimi, approvazioni per le azioni con conseguenze e la separazione tra lettura e scrittura.

Dal punto di vista giuridico, la maggior parte degli agenti in azienda non è critica. Se un agente parla direttamente con le persone, deve essere chiaro che si tratta di un’AI (art. 50 dell’AI Act). Per usi in ambiti sensibili come la selezione del personale, gli obblighi per l’AI ad alto rischio si applicano da dicembre 2027. I dati personali richiedono un accordo sul trattamento dei dati e, ove possibile, server nell’UE.

Costruirlo da sé o farlo costruire?

Costruirlo da sé conviene per assistenti interni a basso rischio, se qualcuno nel team ha voglia e tempo di approfondire. Un supporto conviene se l’agente lavora con dati dei clienti, collega più sistemi o deve funzionare in modo affidabile nel lungo periodo. Come lavoriamo lo descrive la pagina sviluppo di agenti AI. Come agenzia AI vi accompagniamo dal primo prototipo alla messa in esercizio.