Agenti AI nel 2026: cosa sono davvero e perché cambiano il modo di lavorare

Gli agenti AI sono software che ricevono un obiettivo e lo raggiungono eseguendo una sequenza di operazioni nei tuoi sistemi: leggono una mail, consultano il gestionale, preparano un documento, aggiornano un record. Un chatbot risponde, un agente esegue. In un'azienda funzionano quando lavorano a perimetro chiuso, cioè con permessi minimi, un registro di ogni azione e la conferma di una persona sui passaggi che non si possono annullare.

La settimana scorsa un cliente mi ha scritto per chiedermi se avesse sentito parlare degli "agenti AI". Aveva letto un articolo su LinkedIn, aveva visto qualcosa in televisione, e voleva capire se questa cosa lo riguardasse direttamente oppure fosse l'ennesima notizia tecnologica destinata a chi lavora in Silicon Valley. Gli ho risposto quello che rispondo sempre in questi casi: sì, lo riguarda, e probabilmente prima del previsto.

Gli agenti AI sono di certo la cosa concreta di cui si parla di più nel settore tecnologico nel 2026, seppur molte delle spiegazioni che circolano siano o troppo tecniche o troppo superficiali per essere utili a chi deve prendere decisioni pratiche. Qui vado a spiegare cosa sono, come funzionano nella pratica, quanto costano, quali permessi devono avere e cosa cambia per chi li adotta, sia che tu gestisca una piccola impresa, sia che tu sia un professionista che vuole capire verso dove si sta muovendo il mercato.

Cosa sono gli agenti AI, e cosa li distingue da un modello

Partiamo dalla distinzione che, di fatto, nessuno spiega bene. Quando usi ChatGPT o Claude per scrivere un'email o riassumere un documento, stai usando un modello di linguaggio. Fai una domanda, ottieni una risposta. Il modello compie un singolo passaggio: riceve un input, produce un output, e si ferma.

Un agente AI è qualcosa di strutturalmente diverso. Non risponde soltanto a una domanda: esegue una sequenza di azioni per raggiungere un obiettivo, prendendo decisioni lungo il percorso. Può leggere email, fare ricerche sul web, scrivere file, inviare messaggi, aggiornare un database, e tutto questo in modo coordinato, senza che tu debba guidarlo passo per passo. Se vuoi capire meglio dove si ferma un modello e dove inizia un agente, ne ho parlato anche in come uso ChatGPT ogni giorno per il lavoro, che resta un uso "a singolo passaggio" nella maggior parte dei casi.

Dunque, se il modello AI è come un collaboratore che risponde quando gli parli, l'agente AI è come un collaboratore a cui puoi delegare un compito completo, del tipo "occupati di tutta la fase di ricerca per questo progetto" o "monitora le menzioni della mia azienda online e segnalami quelle che richiedono una risposta". La differenza non è soltanto di grado, è di natura, e porta con sé una conseguenza pratica: con un agente conta molto di più decidere cosa NON deve fare, dal momento che le sue azioni lasciano un segno nei tuoi dati.

Come funziona concretamente un agente

Alla base di un agente AI ci sono tre elementi: un modello di linguaggio che "ragiona", una serie di strumenti (in inglese tools) che può utilizzare per agire nel mondo reale, e un ciclo di pianificazione che gli permette di valutare i risultati intermedi e adattare il piano in corso d'opera.

Nella pratica, quando assegni un obiettivo a un agente, quest'ultimo non si limita a generare testo: analizza l'obiettivo, decide quali azioni compiere, usa gli strumenti a sua disposizione, valuta i risultati ottenuti, e se necessario cambia approccio. Questo ciclo si ripete fino a quando l'obiettivo è raggiunto oppure fino a quando l'agente decide che non può procedere senza un input umano.

Gli strumenti che un agente può utilizzare dipendono da come è stato configurato: possono includere la navigazione web, la gestione di file, l'invio di email, l'accesso a database, l'interazione con software esterni tramite API (le interfacce che permettono a due programmi di scambiarsi dati). Ho visto agenti configurati per gestire l'intero processo di analisi della concorrenza su un e-commerce: partivano da un elenco di competitor, navigavano i loro siti, raccoglievano prezzi e descrizioni prodotto, e producevano un report strutturato, il tutto senza intervento umano dal momento che i dati erano già accessibili e strutturati.

Cosa cambia per chi lavora con le PMI

Nei progetti che seguo, la conversazione sugli agenti AI è diventata molto più concreta nell'ultimo anno, proprio perché i casi d'uso si sono avvicinati alle esigenze reali di chi gestisce una piccola o media impresa. I numeri, però, dicono che le PMI italiane stanno restando indietro: secondo il rapporto ISTAT Imprese e ICT 2025, nel 2025 usa almeno una tecnologia di intelligenza artificiale il 15,7% delle PMI con almeno 10 addetti contro il 53,1% delle grandi imprese, e il divario è passato da circa 20 punti percentuali nel 2023 a 37 nel 2025.

Il primo cambiamento riguarda il TEMPO. Un agente ben configurato può svolgere in pochi minuti attività che richiedevano ore, non perché faccia la stessa cosa più velocemente, ma perché può gestire parallelamente passi che un essere umano farebbe necessariamente in sequenza. Pensa a un'attività come la raccolta di preventivi da fornitori, la verifica di informazioni su più piattaforme, o il monitoraggio di scadenze distribuite su più documenti: tutte attività che un professionista fa manualmente, una per volta, consumando tempo che potrebbe dedicare ad altro.

Il secondo cambiamento riguarda la delega. Molte PMI non possono permettersi di assumere personale per ogni funzione, dal momento che il costo del lavoro è uno dei principali vincoli di crescita. Un agente AI non sostituisce un dipendente, ma può coprire alcune funzioni ripetitive e a basso valore aggiunto che altrimenti ricadrebbero sul titolare o su un collaboratore già sovraccarico. Non è una soluzione magica, ma è una riduzione concreta del carico operativo quotidiano.

Il terzo cambiamento, seppur meno ovvio, riguarda la qualità delle informazioni disponibili per prendere decisioni. Un agente che monitora quotidianamente il posizionamento sui motori di ricerca, le recensioni online, i prezzi della concorrenza e le menzioni sui social produce un flusso di dati che, di certo, un titolare di PMI non riusciva a raccogliere manualmente con la stessa sistematicità. Avere quel flusso cambia il modo in cui si prende una decisione, dal momento che non si ragiona più su impressioni o su ricerche sporadiche ma su segnali aggiornati e organizzati.

Gli esempi concreti che vedo già funzionare

In particolar modo in tre aree sto vedendo agenti AI integrarsi in modo efficace nei flussi di lavoro reali.

La prima è la gestione delle comunicazioni con i clienti. Non parlo di chatbot automatici che rispondono con frasi preconfezionate: parlo di agenti che leggono le email in entrata, classificano le richieste per urgenza e tipo, preparano bozze di risposta personalizzate e le presentano al professionista per l'approvazione finale. Il professionista non scompare dal processo, ma il suo ruolo si riduce a una revisione finale anziché alla scrittura da zero, con un risparmio di energia mentale che, su base settimanale, diventa significativo.

La seconda area è la preparazione di materiali prima di riunioni e presentazioni. Ho visto studi professionali, in particolar modo commercialisti e consulenti, usare agenti che raccolgono i dati rilevanti prima di un meeting con un cliente, li organizzano in un formato leggibile, identificano le anomalie o i punti critici da sollevare, e producono un documento di sintesi. Il lavoro di preparazione che richiedeva un'ora si riduce a dieci minuti di revisione finale, e la qualità del materiale è spesso superiore a quella che si riesce a produrre quando si lavora sotto pressione temporale.

La terza area, in particolar modo rilevante per chi gestisce un e-commerce, è il monitoraggio dinamico dei prezzi e delle disponibilità. Un agente può essere configurato per controllare quotidianamente cosa offrono i competitor su determinati prodotti, segnalare quando qualcuno lancia una promozione aggressiva, e fornire una sintesi settimanale pronta all'uso. Questo tipo di intelligence, che un tempo richiedeva strumenti costosi o un team dedicato, è oggi accessibile anche a chi gestisce un negozio online di dimensioni contenute.

Quanto costa un agente AI e quanto tempo serve per averlo

Il costo di un agente AI va letto su due binari separati: lo sviluppo, che paghi una volta, e i costi ricorrenti di modello e server, che dipendono da quanto lo usi. Per non lasciarti con un intervallo che non serve a niente, ti riporto i prezzi di partenza del mio listino, gli stessi che trovi sulla pagina servizio, insieme ai due strumenti più semplici con cui un agente viene spesso confuso.

Le 6-10 settimane di un primo agente non sono tutte di programmazione. Dentro ci sono l'analisi del processo, la scrittura di perimetro e permessi, lo sviluppo e soprattutto le settimane di affiancamento, in cui l'agente lavora accanto alle persone senza autonomia piena e si correggono i casi che sbaglia. È proprio quella fase a far emergere le eccezioni che nessuna specifica prevede, ed è lì che si decide su quali passaggi l'agente potrà poi muoversi da solo.

I costi mensili dipendono invece dal volume: il consumo del modello si paga a token (frammenti di testo letti e scritti) secondo i listini dei fornitori, a cui si aggiungono server e manutenzione. Smistare qualche decina di mail al giorno con un modello leggero costa molto meno che analizzare documenti lunghi con il modello più potente, dunque diffida di chi ti propone un canone fisso senza sapere quante richieste arrivano. Il dettaglio delle voci e dei fattori che fanno salire il prezzo l'ho messo in quanto costa un agente AI per una PMI.

Permessi e sicurezza: cosa deve poter fare un agente AI, e cosa no

Con un chatbot la domanda è "cosa sa fare", con un agente diventa "cosa gli lascio fare". Non è una preoccupazione teorica: secondo lo stesso rapporto ISTAT del 2025, fra le imprese che hanno preso in considerazione l'intelligenza artificiale senza adottarla, il 43,2% indica fra gli ostacoli le preoccupazioni su privacy e protezione dei dati. La risposta non sta nel modello scelto, sta in come si costruisce tutto quello che gli sta intorno.

Il punto di partenza è un perimetro scritto prima del codice: cosa l'agente può toccare, cosa non deve fare, dove si ferma ad aspettare una persona. Da lì discendono i permessi minimi, con credenziali dedicate soltanto all'agente e revocabili in qualsiasi momento. Prendiamo un poliambulatorio in cui l'agente smista le mail della segreteria: legge la casella e propone gli spostamenti in agenda, ma non apre le cartelle dei pazienti e non cancella appuntamenti, perché per quel lavoro non gli serve.

Il secondo principio è la conferma umana sui passaggi irreversibili. Se un'azione esce dall'azienda o tocca dei soldi (un'offerta inviata, una comunicazione al cliente, un pagamento registrato), l'agente prepara e aspetta il via libera; se si può annullare con un clic, può farla da solo. Il blog che stai leggendo, per esempio, lo cura un agente che scrive e aggiorna gli articoli dentro regole che decido io: pubblicare qui è reversibile, perché ogni modifica si può annullare, e dunque l'agente lo fa in autonomia. Lo stesso principio, sandbox e permessi espliciti, lo stanno adottando anche i grandi fornitori, come ho raccontato a proposito di Codex di OpenAI per le aziende.

Restano il registro e l'interruttore. Ogni operazione dell'agente va tracciata, così un errore si individua e si annulla, e deve esistere un comando che lo ferma e riporta il processo alle persone senza perdere lavoro. Sui dati, si usano API commerciali che per contratto non impiegano i contenuti inviati per addestrare i modelli e si passa all'agente soltanto il minimo necessario; quando i documenti sono molto sensibili si può far girare il modello su un server dell'azienda, un tema che ho approfondito in cosa rischi quando dai i dati aziendali all'AI. È proprio questa parte, più del modello, a prendere il grosso del lavoro quando mi occupo di sviluppo di agenti AI su misura con permessi e registro delle operazioni.

Tutto questo separa l'agente autonomo che dovrebbe gestire da solo un intero processo, che oggi resta una promessa, dall'agente a perimetro chiuso, che funziona già e che è l'unico tipo che costruisco. Ho spiegato perché la distinzione conta in cosa funziona davvero con l'AI in una PMI.

I limiti che nessuno ti dice

Sarebbe disonesto non parlare di quello che non funziona, o che funziona soltanto in certi contesti ben definiti.

Il primo limite è la QUALITÀ dei dati in ingresso. Un agente non è migliore delle informazioni a cui ha accesso e delle istruzioni che gli vengono date, e non a caso nel rapporto ISTAT del 2025 il 45,2% delle imprese che hanno valutato l'AI senza adottarla indica l'indisponibilità o la scarsa qualità dei dati necessari. Ho visto agenti produrre report pieni di errori non perché il modello fosse scadente, ma perché le fonti a cui accedeva erano inaffidabili o strutturate male: è lo stesso meccanismo alla base delle allucinazioni AI, solo che qui gli errori si trasformano in azioni concrete invece che in semplici risposte sbagliate. Chi configura e usa un agente deve dunque avere una comprensione chiara di quello che sta delegando, compresi i dati che alimentano il processo.

Il secondo limite riguarda il costo di configurazione. Costruire un agente utile per un caso d'uso specifico non è banale: richiede tempo, iterazioni successive, e una buona comprensione di cosa si vuole ottenere. Non è qualcosa che si improvvisa in un pomeriggio, seppur gli strumenti stiano diventando sempre più accessibili anche a chi non ha un background tecnico. Il rischio è di investire nella configurazione di qualcosa che poi non si usa abbastanza da giustificare la spesa iniziale, dunque la scelta del caso d'uso di partenza è più importante dello strumento che si sceglie.

Il terzo limite, e forse il più importante da tenere a mente, è la supervisione. Un agente che opera in autonomia può fare errori, e quegli errori possono avere conseguenze reali proprio perché l'agente agisce, non soltanto suggerisce. Inviare un'email sbagliata, aggiornare un record nel modo sbagliato, prendere una decisione su dati interpretati male: sono tutti rischi concreti, ed è per questo che permessi, conferme e registro non sono un accessorio ma la parte principale del progetto, soprattutto nelle prime settimane, quando ancora non sai come si comporta l'agente nelle situazioni limite.

Da dove iniziare se vuoi esplorare questo tema

Il consiglio che do più spesso a chi mi chiede da dove partire è semplice: identifica un'attività che fai regolarmente, che è ripetitiva, che consuma tempo, e che ha un output misurabile. Non cercare il caso d'uso più impressionante o più sofisticato: cerca il più banale. Ne ho scritto anche in modo più ampio in cosa si può davvero delegare all'AI nel 2026, dove entro nel dettaglio dei criteri per scegliere bene. Un agente che ti fa risparmiare trenta minuti al giorno su un'attività noiosa ha più valore pratico di un sistema complesso che usi una volta al mese.

Strumenti come n8n, Make (ex Integromat) o le funzioni agente integrate in piattaforme come Zapier permettono già oggi di costruire flussi automatici con capacità AI senza scrivere una riga di codice. Non sono agenti nel senso più avanzato del termine, ma sono un ottimo punto di ingresso per capire la logica di questo tipo di automazione e, soprattutto, per capire quali sono i tuoi casi d'uso reali. Quando il lavoro è sempre uguale, di fatto, un agente non ti serve: basta un'automazione a regole fra i programmi che hai già, che costa meno ed è più prevedibile.

Se invece vuoi andare più in profondità e costruire agenti personalizzati con un livello di controllo alto, piattaforme come LangChain, LlamaIndex o il Claude Agent SDK di Anthropic offrono strumenti che permettono di definire con precisione il comportamento dell'agente, i tool a sua disposizione e i limiti di quello che può fare in autonomia. La curva di apprendimento è più ripida, ma la flessibilità è decisamente maggiore rispetto alle soluzioni no-code.

Quando l'automazione deve toccare i dati che hai già in azienda, il discorso si sposta sul software gestionale costruito su misura, dal momento che un agente diventa utile soltanto se può leggere e scrivere nei sistemi dove i tuoi processi vivono davvero. Se i dati stanno in un foglio di calcolo condiviso, di solito conviene prima costruire il software che li tiene in ordine e soltanto dopo metterci sopra l'agente.

Se vuoi capire se nel tuo caso serve un agente, un'automazione a regole o nessuno dei due, puoi fissare una chiamata gratuita di 30 minuti dalla pagina contatti: mi racconti il processo che ti porta via più tempo e ti dico come lo affronterei, anche quando la risposta è che un agente non ti serve.

Domande frequenti

Cosa sono gli agenti AI e come funzionano?

Gli agenti AI sono software che ricevono un obiettivo e lo raggiungono eseguendo una sequenza di azioni: cercano informazioni, usano strumenti esterni come la posta o il gestionale, valutano i risultati intermedi e adattano il piano. A differenza di un chatbot, che risponde a una singola domanda con un testo, l'agente gestisce processi in più passaggi e lascia un segno nei tuoi sistemi. Per questo, in azienda, lavora con permessi minimi, un registro delle operazioni e la conferma di una persona sulle azioni irreversibili.

Gli agenti AI sono utili anche per le piccole imprese?

Sì, soprattutto per compiti ripetitivi con un input irregolare: smistare le email in arrivo, leggere documenti e registrarne i dati, preparare bozze di preventivo, segnalare scadenze o giacenze sotto soglia. Una piccola impresa non ha bisogno di un agente che gestisca tutto, ma di uno che tolga la parte più meccanica di un processo solo. Si parte da un'attività frequente e misurabile, si lavora qualche settimana in affiancamento e soltanto dopo si allarga l'autonomia, sui passaggi che hanno dimostrato di funzionare.

Quanto costa un agente AI e quanto tempo serve per averlo?

Nel mio listino un primo agente AI su un processo circoscritto parte da 5.000 € di sviluppo e richiede dalle 6 alle 10 settimane fino alla produzione, comprese le settimane di affiancamento. A parte ci sono i costi mensili di modello e server, che dipendono dal volume di richieste e dal modello scelto e che quantifico nel preventivo prima di partire. Se il lavoro è sempre uguale, basta un'automazione a regole, che parte da 2.000 € e si realizza in una o due settimane.

Quali sono i rischi degli agenti AI e come si controllano?

Il rischio principale è dare a un agente più potere di quanto gli serva: i suoi errori non restano sullo schermo, diventano mail inviate o record modificati. Si controlla in fase di progetto, scrivendo il perimetro prima del codice, dandogli credenziali dedicate e revocabili, chiedendo una conferma umana su tutto ciò che esce dall'azienda o tocca soldi e tracciando ogni operazione in un registro. Serve anche un comando che lo ferma e riporta il processo alle persone senza perdere lavoro.

Che differenza c'è tra un agente AI e un'automazione con n8n o Make?

Un'automazione con n8n o Make esegue una sequenza fissa, del tipo "quando arriva un ordine, crea la fattura e avvisa il cliente", mentre un agente AI decide cosa fare in base a quello che legge. L'automazione costa meno, è più prevedibile e non sbaglia in modo creativo, quindi conviene quando i casi sono sempre uguali. L'agente serve quando l'input è irregolare, come mail scritte in mille modi o documenti con formati sempre nuovi. Nella pratica spesso convivono: l'agente decide, l'automazione esegue i passaggi meccanici.

Da dove si inizia per usare un agente AI in azienda?

Si inizia scegliendo un solo processo ripetitivo, che consuma tempo e ha un risultato misurabile, e non il caso d'uso più impressionante. Prima di qualsiasi riga di codice si scrive cosa l'agente può fare, con quali permessi e in quali punti si ferma ad aspettare una persona. Poi lo si fa lavorare per qualche settimana accanto a chi oggi svolge quel compito, confrontando i risultati. Se in questa fase emerge che i casi sono sempre uguali, la scelta giusta è un'automazione a regole, non un agente.