Non un chatbot che risponde. Un collega che fa.
Un agente non si limita a scrivere una risposta: cerca nei vostri documenti, apre il gestionale, prepara il preventivo, e quando non è sicuro si ferma e chiede a una persona. È la differenza fra una demo che stupisce e qualcosa che lavora davvero.
Raccontatemi cosa dovrebbe fare
Costruiti su misura, non configurati da un template
La parola “chatbot” vi ha già fatto storcere il naso, lo so
Avete presente quelli che rispondono sempre la stessa cosa e che alla terza domanda vi fanno cercare il numero di telefono. Ecco, non è di quello che stiamo parlando.
Un chatbot
Quello che avete già visto
- Risponde con quello che gli è stato scritto dentro.
- Non sa niente dei vostri ordini, clienti o scadenze.
- Se la domanda esce dal copione, rimbalza a un umano.
- Quando sbaglia, lo scoprite dal cliente arrabbiato.
- Si configura una volta e resta lì, uguale.
Un agente
Quello di cui parliamo qui
- Decide cosa fare in base alla richiesta, passo dopo passo.
- Legge dai vostri sistemi: gestionale, documenti, email.
- Compie azioni: prepara, aggiorna, invia, registra.
- Ha dei limiti scritti: oltre quelli si ferma e chiede.
- Lascia traccia di ogni passaggio, così si può verificare.
La differenza pratica è una sola: al chatbot chiedete informazioni, all’agente delegate un pezzo di lavoro.
Tre agenti che hanno senso in una PMI
Non servono venti agenti: ne serve uno che faccia bene la cosa che oggi vi ruba più tempo.
Con cosa sono costruiti
Li sviluppo con LangChain e LangGraph, gli stessi framework su cui girano gli agenti in produzione delle aziende serie. Non è una scelta di gusto: è quello che permette a un agente di essere prevedibile invece che sorprendente.
LangChain
Collega il modello al vostro mondo
È lo strato che permette all’agente di usare strumenti veri: interrogare un database, chiamare le API del gestionale, cercare dentro i vostri documenti. Senza, il modello sa solo parlare.
LangGraph
Decide dove può decidere
Il flusso dell’agente è scritto come una mappa di passaggi e condizioni: si può decidere dove può decidere da solo, dove deve fermarsi e chiedere, cosa fare se qualcosa va storto. È la parte che rende un agente affidabile.
Memoria persistente
Ricorda dove eravate rimasti
Lo stato di ogni conversazione viene salvato. Se il processo si interrompe riparte da dove era, e se una persona interviene a metà l’agente prosegue da lì invece di ricominciare.
Tracciabilità
Mostra cosa ha fatto e perché
Ogni passaggio resta registrato: quale strumento ha usato, con quali dati, con che esito. Quando qualcosa non torna si risale alla causa, invece di rifare tutto sperando che la volta dopo vada meglio.
Se in azienda avete un tecnico, fategli leggere questa sezione: sono nomi che riconoscerà, ed è esattamente questo il punto.
Perché non lo faccio con un tool no-code
Per le automazioni lineari uso n8n e Make senza problemi, e ve lo dico apertamente nella pagina sull’automazione: sono ottimi, e soprattutto restano gestibili da voi.
Un agente però non è un flusso lineare. Deve poter tornare indietro, riprovare in un altro modo, fermarsi a metà e passare la mano a una persona. Nei tool visuali queste cose si possono forzare, ma diventano groviglio: funzionano finché il caso è quello previsto e si rompono al primo che non lo è.
Scriverlo in codice costa di più all’inizio e molto meno dopo, perché il giorno in cui va cambiato si capisce cosa fa. E il codice resta vostro: non siete legati a un abbonamento che se scade porta via anche il lavoro.
Si parte piccolo, sempre
Un agente che fa bene una cosa vale più di uno che ne fa cinque a metà. E costa molto meno scoprirlo subito.
Ci lavoro tutti i giorni, non solo per voi
Gli agenti che costruisco per i clienti nascono dalla stessa pratica con cui mando avanti i miei prodotti.
Pyronyx
Il mio prodotto costruito interamente su agenti: è lì che provo per primo quello che poi porto in azienda.
Otherwaise
AI generativa applicata alla produzione: quando un agente deve scrivere molto e bene, il motore è questo.
Lucentix
Serve a misurare se l’agente sta davvero facendo risparmiare tempo, o se lo sta solo spostando.
Quello che vi propongo l’ho già rotto e rimesso insieme sui miei progetti.
Chi costruisce il vostro agente
Da allievo
AI Agentic Applications Masterclass
Data Masters
- 18 ore in diretta su LangChain, LangGraph e MCP: i pezzi con cui un agente si costruisce davvero.
- E sulle metriche, che su un agente sono la parte scomoda: come si misura se sta facendo il suo lavoro.
È il motivo per cui non chiamo “agente” qualsiasi automazione con dentro una chiamata a un modello.
Da docente
Master in Intelligenza Artificiale per i Processi Aziendali
UNINFORM Group
- Insegno il Modulo 2, “Data Management e Cloud Basics: il carburante dell’AI”.
- Un agente vale quanto i dati a cui accede: se sono in disordine, non c’è framework che tenga.
Insegnare a un’aula di professionisti costringe a semplificare senza banalizzare. È lo stesso metodo che porto in azienda.
Da allievo
Executive Master “Intelligenza Artificiale e scelte manageriali”
Politecnico di Torino, con Deloitte
- 100 ore sull’integrazione dell’AI nelle strategie aziendali e nel modello di business.
- Machine learning, deep learning e NLP visti dal lato delle decisioni, non del codice.
- Edizione 2026, coordinamento scientifico dei professori Emilio Paolucci ed Elisabetta Raguseo.
Serve a non vendervi l’AI come magia: so anche dove non conviene usarla.
Prima di tutto questo, dieci anni passati a far funzionare cose in produzione per aziende vere. Che è il posto dove gli agenti si rompono.
Qual è la cosa che rifate cento volte al mese?
Partiamo da lì. In mezz’ora capiamo se è un caso da agente, da automazione semplice o da procedura scritta — e sono tre risposte molto diverse, con tre costi molto diversi.
Rispondo io, non un agente. Almeno per adesso.