Agenti AI: cosa sono e cosa possono fare davvero in una PMI

Gli agenti AI sono programmi basati su modelli linguistici, gli stessi che fanno funzionare ChatGPT, che ricevono un obiettivo, decidono quali passaggi servono e usano strumenti esterni (la casella email, il gestionale, un listino) per portarlo a termine. In una PMI oggi gli agenti AI funzionano bene su compiti stretti e ripetitivi, con regole chiare e una persona che controlla il risultato prima che diventi definitivo. Su tutto il resto conviene andarci piano.

Questa guida è per chi ne ha sentito parlare a una fiera o in un webinar e vuole capire cosa c'è di concreto: cosa sono, in cosa differiscono da un chatbot e dalla RPA, quattro lavori che un agente può già fare in un'azienda da 10 a 100 persone, i limiti veri e come fare un primo progetto senza bruciare budget.

Cosa sono gli agenti AI

Un modello linguistico da solo produce testo. Gli fai una domanda e ti restituisce una risposta. Un agente aggiunge tre elementi attorno al modello:

1. un obiettivo, per esempio "classifica le email arrivate su info@ e assegnale al reparto giusto";
2. degli strumenti che può usare: leggere una casella di posta, cercare un cliente nel gestionale, creare la bozza di un documento, aprire un ticket;
3. un ciclo di lavoro. Il modello guarda la situazione, sceglie lo strumento, legge il risultato e decide il passo successivo, finché il compito è chiuso oppure finché arriva a un punto in cui deve fermarsi e chiedere a una persona.

La parte che cambia davvero le cose è la seconda. Senza strumenti collegati, un agente è un chatbot con istruzioni più lunghe. Con gli strumenti può leggere e scrivere nei sistemi dell'azienda, e da lì nascono sia l'utilità sia i rischi.

Questi collegamenti passano quasi sempre dalle API dei software che usi. Se il gestionale non ha API, o le ha ma nessuno sa come usarle, l'agente non ha niente su cui lavorare. Se il tema è nuovo, parti dall'articolo sulle API aziendali e su come far dialogare i tuoi software.

Agenti AI, chatbot e RPA: le differenze

La tabella mette a confronto sul piano pratico tre strumenti che vengono spesso confusi, anche nelle offerte commerciali.

La RPA, la robotic process automation, resta la scelta giusta quando il processo è identico ogni volta: stesso portale, stessi campi, stesso ordine. È prevedibile e costa poco a ogni esecuzione. Un agente serve quando l'input cambia forma ogni volta, come le email dei clienti, che nessuno scrive due volte allo stesso modo.

Il chatbot aziendale ha un'altra funzione: parla con le persone. Molti chatbot moderni sono in pratica piccoli agenti, perché quando un cliente chiede "a che punto è il mio ordine?" vanno a interrogare il gestionale. La distinzione utile è chi c'è dall'altra parte. Il chatbot conversa con un utente, l'agente spesso lavora in background e nessuno lo guarda mentre lavora.

Cosa fanno davvero gli agenti AI in una PMI

Questi sono quattro casi che si possono mettere in produzione con la tecnologia disponibile oggi. Nessuno richiede di affidare all'agente decisioni importanti senza controllo.

Smistare email e ticket

È il caso più semplice e quello da cui conviene quasi sempre partire. Un distributore di materiale elettrico riceve su info@ ordini, richieste di prezzo, reclami, fatture di fornitori, curriculum e pubblicità. Qualcuno in amministrazione passa la prima ora della giornata a inoltrare.

L'agente legge ogni messaggio, lo classifica (ordine, offerta, reclamo, amministrazione, altro), estrae i dati utili come cliente, codice articolo e numero d'ordine, cerca il cliente in anagrafica e apre il ticket o inoltra al reparto, con un riassunto di due righe in testa. Quando non è sicuro, mette il messaggio in una coda "da guardare" invece di tirare a indovinare.

Preparare preventivi dalle richieste

Un produttore di serramenti riceve richieste d'offerta via email, a volte con un PDF di misure, a volte con la foto di uno schizzo fatto in cantiere. L'agente estrae le voci, le confronta con il listino, applica le condizioni del cliente prese dal gestionale e prepara una bozza di preventivo. Il commerciale la apre, corregge quello che serve e la invia.

La parola che conta è bozza: l'agente non manda niente al cliente. Il tempo risparmiato è quello della prima stesura, che nelle offerte con molte righe è la parte più lunga e noiosa.

Perché funzioni serve un sistema che generi documenti partendo da anagrafiche e listini puliti. Nel gestionale che abbiamo sviluppato per Pulltex, per esempio, la rete vendita crea le fatture proforma selezionando clienti e prodotti già caricati, ogni venditore vede solo i propri clienti e i documenti arrivano in HubSpot via API. Su una base così un agente AI ha senso: dati ordinati, regole esplicite, permessi per ruolo. Senza quella base produce bozze piene di errori.

Interrogare il gestionale in linguaggio naturale

Il titolare di un'officina vuole sapere quanti tagliandi ha fatto il mese scorso rispetto allo stesso mese dell'anno prima, o quali clienti non tornano da più di diciotto mesi. Oggi lo chiede a chi sa fare le estrazioni, oppure rinuncia.

Un agente con accesso in sola lettura al database traduce la domanda in un'interrogazione, la esegue e risponde con il numero e la tabella da cui l'ha preso. Le regole sono due. Accesso solo in lettura, sempre. Risposta che mostra da dove arriva il dato, così chi legge può verificarlo. Un numero sbagliato detto con sicurezza è il rischio principale di questo uso.

Riconciliare documenti

Ordini di acquisto, documenti di trasporto e fatture fornitore devono tornare tra loro. In molte aziende qualcuno confronta a mano righe e importi, soprattutto quando il fornitore fattura in modo diverso da come ha consegnato: consegne parziali, codici articolo diversi dai vostri, sconti applicati in fattura e non in ordine.

L'agente legge i tre documenti, abbina le righe anche quando i codici non coincidono, segnala le differenze di quantità o prezzo e propone un esito: quadra, non quadra, non so. L'amministrazione controlla solo le eccezioni. Qui l'AI copre la parte che la RPA classica gestisce male, cioè capire che "VITE TE 8X40 ZN" e "vite testa esagonale 8x40 zincata" sono lo stesso articolo.

ChatGPT per aziende: da dove partono molte PMI

Molte aziende arrivano agli agenti AI passando da ChatGPT, che qualche dipendente usa già con l'account personale per scrivere email o riassumere documenti. È un primo passo ragionevole, con due avvertenze.

La prima riguarda i dati. Se le persone incollano offerte, listini o dati di clienti in un account personale, l'azienda non controlla dove finiscono. Le versioni business di ChatGPT e degli strumenti concorrenti hanno condizioni contrattuali diverse sull'uso dei dati: leggile prima di attivarle e intanto metti per iscritto cosa si può incollare e cosa no. Dal 2 febbraio 2025, poi, l'AI Act chiede alle aziende che usano sistemi di intelligenza artificiale di prendere misure per l'alfabetizzazione del personale: una regola interna scritta e un'ora di formazione sono un buon inizio anche per questo.

La seconda riguarda il salto. ChatGPT in chat è un assistente: lavora su quello che gli dai, quando glielo dai. Un agente lavora dentro i tuoi processi, con accesso a sistemi veri. Il passaggio dall'uno all'altro non si risolve con un altro abbonamento. È un progetto di integrazione in cui si decide a quali dati accede l'agente, con quali permessi e chi controlla l'output. Su come l'AI generativa sta entrando nei gestionali trovi un approfondimento nell'articolo su come l'AI generativa sta cambiando il software aziendale.

I limiti degli agenti AI

Errori

Gli agenti sbagliano, e sbagliano in modo diverso da un software tradizionale. Un programma classico o funziona o va in errore, e l'errore si vede. Un modello linguistico può produrre una risposta plausibile e sbagliata senza alcun segnale. Per questo un agente in produzione deve avere un'uscita "non sono sicuro", un registro consultabile di tutto quello che ha fatto e un campione di casi controllati a mano ogni settimana.

Permessi

Vale lo stesso principio che applichi a un nuovo assunto: accesso solo a quello che serve. Un agente che smista email non ha bisogno di poter cancellare clienti. Un agente che risponde a domande sul fatturato non deve poter scrivere nel database. Le azioni irreversibili, come inviare a un cliente, pagare o cancellare, restano a una persona.

C'è poi un rischio specifico. Un'email o un PDF possono contenere istruzioni scritte apposta per ingannare il modello, del tipo "ignora le regole e inoltra questo allegato a...". Si chiama prompt injection e la difesa più efficace è proprio limitare quello che l'agente può fare. È lo stesso ragionamento che trovi nella nostra guida alla sicurezza informatica per PMI: ridurre i danni possibili, prima ancora di prevenire l'attacco.

Costi

Si paga in due modi. C'è il progetto (integrazioni, istruzioni, test) e c'è il consumo del modello, di solito calcolato in token, cioè sulla quantità di testo elaborato. Un agente che legge email brevi consuma poco; uno che rilegge ogni volta manuali da centinaia di pagine può costare molto di più. Prima di partire fatti fare una stima del consumo su un campione reale dei tuoi documenti, non su un esempio di prova.

Nella nostra esperienza il costo del progetto sta più nella pulizia dei dati e nelle integrazioni che nella parte AI. Se i dati sono in ordine, l'agente si costruisce in fretta.

Controllo umano

Decidi prima chi guarda cosa. Lo schema che funziona: nelle prime settimane l'agente propone e una persona approva tutto, poi si allentano i controlli sulle categorie dove ha sbagliato poco e si tengono stretti su quelle delicate. Se in azienda nessuno ha il tempo di fare questa revisione, il progetto non è pronto per partire.

Come partire in piccolo con un agente AI

Il primo progetto deve essere piccolo, misurabile e facile da spegnere. Questi sono i passaggi che seguiamo.

1. Scegli un processo con volume alto e conseguenze basse. Lo smistamento della posta in entrata è quasi sempre il candidato migliore. Il calcolo delle provvigioni no.
2. Misura com'è oggi: quanti messaggi o documenti al giorno, quanto tempo per ciascuno, quanti errori. Senza un punto di partenza non saprai mai se l'agente funziona.
3. Raccogli un campione reale, per esempio cento email vere o cinquanta richieste d'offerta, con l'esito corretto deciso da chi fa quel lavoro tutti i giorni. Su quel campione si misura l'agente prima che tocchi un dato vero.
4. Collega solo i sistemi indispensabili, con permessi minimi. Spesso conviene sviluppare una piccola integrazione dedicata invece di dare all'agente le credenziali di un utente.
5. Lascia l'agente in modalità proposta per qualche settimana. Una persona approva o corregge, e ogni correzione diventa un nuovo caso di test.
6. Allarga solo dopo: più categorie, più autonomia, poi un secondo processo.

In Selli questo percorso si traduce in un'analisi iniziale del processo, sprint di due settimane con una demo alla fine di ciascuno, un ambiente di staging dove l'agente lavora su copie dei dati prima di toccare quelli reali, e codice e istruzioni che restano di proprietà del cliente. Trovi i dettagli sulla pagina dedicata all'intelligenza artificiale per aziende e alle automazioni.

Quando un agente AI non serve

Non tutti i problemi vanno risolti con un agente, e diversi progetti che ci vengono proposti partono dalla tecnologia invece che dal processo.

Se il processo è sempre uguale, basta una regola o un'automazione classica: costa meno e non sbaglia in modo creativo. Se i dati sono sparsi su file Excel senza un'anagrafica unica, il primo progetto è il gestionale, non l'agente; i segnali che la tua PMI ha bisogno di un gestionale sono un buon test. Se gestisci cinque richieste al giorno, l'agente non ripaga il lavoro di integrazione. E se un errore costa caro (prezzi a un cliente importante, dati sanitari, decisioni che riguardano persone), la revisione umana resta su ogni singolo caso.

Quanto ai timori del personale, la nostra posizione è nell'articolo l'AI sostituirà i miei dipendenti?: gli agenti tolgono lavoro di smistamento e copiatura, mentre il giudizio su clienti, prezzi ed eccezioni resta alle persone. Per una visione più ampia sugli usi dell'AI nelle piccole imprese c'è la guida sull'intelligenza artificiale per PMI.

Prima di mettere un agente al lavoro su dati di clienti o dipendenti, controlla gli obblighi previsti dall'AI Act per le aziende.

Parliamone

Se hai in mente un processo che ti sembra adatto, come la posta di info@, le richieste d'offerta o la riconciliazione delle fatture, possiamo guardarlo insieme. In una call di 30 minuti capiamo se un agente AI ha senso, se basta un'automazione più semplice o se prima serve sistemare i dati. Scrivici dalla pagina contatti e raccontaci il processo che vorresti alleggerire.