Un agente AI (in inglese AI agent) è un software a cui affidi un compito. Decide i passaggi, usa i tuoi strumenti per svolgerli e si ferma quando il lavoro è finito o quando si blocca. AI agentica (agentic AI) è il termine più ampio per l'AI che lavora in questo modo. Quindi i due termini non sono in competizione. “Agente AI” indica una cosa. “Agentico” descrive quanta parte del lavoro l'AI pianifica e svolge da sola.
Perché è importante? Perché i fornitori usano entrambe le parole con leggerezza, e l'etichetta raramente ti dice cosa farà davvero un prodotto con la tua casella di posta, il tuo CRM o i tuoi clienti. Questa guida spiega da dove vengono le parole, come vengono usate oggi e come valutare qualsiasi strumento con poche domande semplici.
Agenti AI vs AI agentica: la versione breve
| Agente AI | AI agentica | |
|---|---|---|
| Che cos'è | Una cosa concreta che puoi indicare | Una descrizione, oppure un'intera categoria |
| Come si usa | “Usiamo un agente AI per fare ricerche sui nuovi lead.” | “Questo workflow è agentico.” |
| Quanto è grande | Un sistema che svolge un solo tipo di compito | Qualsiasi cosa, da un semplice processo assistito dall'AI a più agenti che lavorano insieme |
| Cosa chiedere | Di quale lavoro è responsabile e a cosa può accedere? | Quante decisioni prende prima che una persona controlli il lavoro? |
Nessuno è proprietario di questi termini. Se un articolo ti dà un confine “ufficiale” tra i due, ti sta dando l'opinione di un gruppo specifico.
Da dove vengono le parole
“Agente” è una parola vecchia. Nel loro manuale del 1995 Artificial Intelligence: A Modern Approach, Stuart Russell e Peter Norvig definivano un agente come qualsiasi cosa che percepisce l'ambiente circostante e agisce su di esso. Secondo questa definizione anche un termostato conta. La novità è che i modelli di AI di oggi sanno leggere materiale di lavoro disordinato, come l'email di un cliente arrabbiato, e decidere cosa fare.
“Agentico” è più recente. Nel giugno 2024 Andrew Ng, fondatore di DeepLearning.AI, ha proposto un modo per smettere di discutere su cosa “conti” come agente. Va trattata come una questione di grado, ha scritto. "Unlike the noun 'agent,' the adjective 'agentic'" (traduzione: “a differenza del sostantivo ‘agente’, l'aggettivo ‘agentico’”) permette di descrivere sistemi che somigliano poco o molto a un agente.
Qualche mese prima aveva usato una buona analogia. Chiedere a un'AI una risposta in un colpo solo è come chiedere a qualcuno di scrivere un tema senza mai premere il tasto backspace. Un approccio agentico lascia che l'AI faccia una scaletta, raccolga informazioni, scriva una bozza, controlli e corregga, come farebbe una persona.
YouTube · Sequoia Capital
What's next for AI agentic workflows ft. Andrew Ng of AI Fund (Il futuro dei workflow agentici, con Andrew Ng di AI Fund) · 26 marzo 2024
L'analogia del tema senza backspace è la spiegazione breve più chiara di “agentico” che abbiamo trovato. È un talk del 2024, quindi prendilo come una lezione sull'idea, non come un resoconto degli strumenti di oggi.
Tre modi in cui si usano i termini oggi
1. “Agentico” come termine ombrello. La guida di Anthropic Building effective agents (dicembre 2024) chiama tutti questi sistemi “sistemi agentici” e poi li divide in due. In un workflow i passaggi sono stabiliti in anticipo. In un agente è l'AI a scegliere i propri passaggi. Un report settimanale che esegue sempre gli stessi cinque passaggi è agentico, ma è un workflow.
2. “AI agentica” come squadre di agenti. Una rassegna di ricerca, AI Agents vs. Agentic AI (pubblicata per la prima volta a maggio 2025 e rivista a settembre 2025), usa “agente AI” per un singolo sistema che svolge un solo lavoro, come rispondere alle domande dell'assistenza. Riserva “AI agentica” a più agenti che si dividono un obiettivo più grande e si coordinano.
3. “AI agentica” come etichetta di mercato. Analisti e fornitori la usano spesso come nome di categoria. Nel giugno 2025 Gartner ha previsto che oltre il 40% dei progetti di AI agentica sarebbe stato cancellato entro la fine del 2027 a causa dei costi, di un valore poco chiaro o di controlli dei rischi deboli. È una previsione, non un conteggio. Gartner ha anche dato un nome all'agent washing: chiamare agente un vecchio chatbot o un vecchio strumento di automazione senza aggiungere nessuna vera capacità nuova. Nel maggio 2026 ha lanciato lo stesso avvertimento per il software della supply chain.
Figura 1. Un uso comune di “sistemi agentici” come termine ombrello per workflow e agenti. Multi-agente descrive come si combinano gli agenti; non sono categorie di prodotto che si escludono a vicenda.
La vera domanda: chi sceglie i passaggi?
Tutti e tre gli usi condividono un'idea. Più un'AI decide da sola, più è agentica. La maggior parte del lavoro aziendale rientra in uno di tre livelli:
- Assistente. Tu chiedi, l'AI risponde o scrive una bozza. Tutto il resto lo fai tu.
- Workflow. I passaggi sono concordati in anticipo. L'AI legge e scrive all'interno di ogni passaggio.
- Agente. Gli dai un obiettivo. Decide cosa controllare, quale strumento usare e quando ha abbastanza informazioni.
Maya Murad di IBM la chiama una “scala graduale” di autonomia (in inglese "sliding scale"). Scegli il livello per ogni compito. Non è una funzione che si compra una volta per tutte.
YouTube · IBM Technology
What are AI Agents? (Che cosa sono gli agenti AI?) · 15 luglio 2024
Maya Murad illustra la “scala graduale” dell'autonomia dell'AI, poi spiega perché un compito circoscritto e prevedibile spesso funziona meglio con un percorso fisso che con un agente.
Agente o automazione? Un dibattito da conoscere
Chi costruisce questi sistemi per mestiere ne sta discutendo proprio adesso. Alex Vacca, che si presenta come fondatore e CEO di Frontal AI, un'azienda che aiuta le imprese B2B ad aumentare i ricavi, ha difeso l'automazione senza mezzi termini in un post recente.
X · Alex Vacca (@itsalexvacca) · 7 ottobre 2026
"If you can write every step down first, build an automation." … "An agent fails quietly." (Traduzione: “Se puoi scrivere prima ogni passaggio, costruisci un'automazione.” … “Un agente fallisce in silenzio.”)
Il suo è un ragionamento pratico. Se un lavoro ha passaggi fissi (il nostro esempio: copiare le nuove risposte di un modulo in un CRM), pagare un'AI per decidere quei passaggi significa sprecare soldi. Fa anche notare che un'automazione che si rompe di solito genera un errore, mentre un agente può continuare a segnalare che tutto va bene mentre le sue risposte peggiorano poco a poco. Per questo fa approvare tutto da una persona prima di qualsiasi invio.
Siamo d'accordo con il test, con una cautela: è il punto di vista di un singolo professionista, basato sulla sua configurazione, e viene da qualcuno che vende proprio questo tipo di lavoro. Detto questo, coincide con quanto dicono Anthropic e IBM. Parti dalla soluzione più semplice che funziona. Usa un agente solo quando i passaggi dipendono davvero da quello che trova.
Falsi miti
“L'AI agentica è la versione più nuova e migliore degli agenti AI.” No. Un agente è una delle cose più agentiche che esistano. I termini descrivono gradi, non generazioni di prodotto.
“Più autonomia è sempre meglio.” No. Più autonomia costa di più ed è più difficile da controllare. Per un report settimanale che ha sempre la stessa forma, un workflow fisso costa meno ed è più prevedibile.
“Un agente sa tutto della tua azienda.” Sa solo quello che può vedere: gli strumenti che hai collegato e la conversazione in cui si trova. In Okou, per esempio, ogni chat mantiene il proprio contesto. Una nuova chat parte da zero, a meno che tu non ci porti dentro una chat precedente di proposito.
“Più agenti significano più capacità.” Non necessariamente. Ogni passaggio di consegne tra agenti è un punto in più in cui gli errori possono accumularsi o gli accessi possono allargarsi. Chiedi chi è responsabile del risultato finale.
“L'etichetta ti dice cosa fa.” No. Gartner ha coniato agent washing proprio per questo, e nel 2026 continuava a metterne in guardia. Ignora la parola e chiedi cosa fa il prodotto in autonomia.
Un compito, tre modi: un rinnovo a rischio
Ecco come funziona su un lavoro reale. L'esempio è inventato per illustrare l'idea. Non è la storia di un cliente.
Dana guida il customer success di un'azienda di software. Un account va in rinnovo tra sei settimane e qualcosa non torna. Gli indizi sono sparsi. Nella casella dell'assistenza c'è un'email di un cliente scontento. Il CRM dice ancora “in salute”. Un documento condiviso segnala che gli accessi sono calati dopo la riorganizzazione del cliente. E un thread di Slack del mese scorso riporta la decisione del management: niente sconti sui rinnovi questo trimestre.
1. Chiedere una volta a un agente
Dana chiede a Okou: “Perché questo account è a rischio e cosa dovrei inviare questa settimana?” Okou decide cosa leggere: l'email, la scheda del CRM, la nota sull'utilizzo e il thread di Slack. La chat mostra da quanto tempo Okou sta lavorando, quanti passaggi ha completato e cosa sta facendo in quel momento.
Okou al lavoro su un altro compito. Si vedono il tempo, il numero di passaggi e l'azione in corso.
È il thread di Slack a cambiare la risposta. Leggendo solo l'email, potresti offrire uno sconto. La decisione presa su Slack lo esclude, quindi Okou propone invece una nuova sessione di onboarding per il nuovo team del cliente. Okou segnala anche che il CRM e l'email non coincidono, invece di sceglierne uno senza dire nulla. I fatti sono accompagnati dai link alle fonti. Le ipotesi sono indicate come ipotesi.
Okou adatta anche il risultato a ogni lettore, un'idea che la panoramica del prodotto Okou chiama comunicare nel mezzo giusto. Dana riceve un brief breve per prendere la decisione. Il cliente riceve una risposta, salvata come bozza di Gmail che Dana deve approvare. Il team dell'account può ricevere un aggiornamento di due righe nel proprio canale. Al cliente non arriva nulla finché Dana non lo invia. Okou può fare solo ciò che Dana ha autorizzato. Quando uno strumento distingue tra scrivere una bozza e inviarla, Dana può autorizzare l'una senza l'altra.
In Okou le email restano in bozza finché una persona non le invia. Qui il contatore delle inviate è a zero. Dati dimostrativi di un altro compito.
Dana corregge un'ipotesi sbagliata (la responsabile delle operations è nuova, non se ne sta andando) e chiede una risposta più breve. Dato che è la stessa chat, Okou tiene conto della correzione.
2. Salvare il metodo come workflow
L'approccio ha funzionato, quindi Dana chiede a Okou di salvarlo come workflow: un insieme di passaggi con un nome, fonti da controllare e regole. Le sue correzioni diventano regole scritte, come “non offrire mai uno sconto senza linkare la policy in vigore”. Un feedback diventa una regola del team solo quando qualcuno lo salva in questo modo.
Dana condivide il workflow con il suo team. Quando un collega lo esegue, il workflow usa gli account e le autorizzazioni del collega, non quelli di Dana. Condividere un workflow significa condividere il metodo, non la sua casella di posta o le sue chat private. Ora l'AI decide meno, perché i passaggi sono fissati, e i risultati diventano più coerenti.
3. Metterlo in calendario
Un workflow non parte da solo. Per farlo girare ogni lunedì, il team aggiunge un'automazione con un responsabile e un trigger. Ogni lunedì controlla i rinnovi in scadenza nei prossimi 60 giorni e pubblica un brief per ogni account che sembra a rischio. Le email restano comunque in bozza.
Nota cosa cambia una programmazione e cosa no. Decide quando inizia il lavoro. Non dà all'AI più libertà su come viene svolto.
Ecco lo stesso lavoro a confronto:
| 1. Chiedere a un agente | 2. Workflow salvato | 3. Automazione | |
|---|---|---|---|
| Chi sceglie i passaggi | L'agente, in base a quello che trova | I passaggi salvati. L'AI lavora all'interno di ciascuno | Come il workflow. Una programmazione non aggiunge libertà |
| Cosa lo avvia | Lo chiede Dana | Lo chiede chiunque nel team, per nome | Una programmazione, con un responsabile designato |
| Chi approva | Dana rivede il brief e la bozza | Ogni persona che lo esegue | Il responsabile legge il brief. Le email restano bozze |
Tutti e tre sono agentici in qualche misura. Solo il primo corrisponde a ciò che la maggior parte delle persone intende per “un agente AI”.
Cosa resta alle persone
Lasciare che l'AI scelga i passaggi non deve significare che nessuno risponde del risultato. Prima che un agente metta mano a un lavoro reale, chiarisci quattro cose:
- Cosa può leggere. Quali caselle di posta, CRM e documenti, e con l'account di chi.
- Cosa può modificare. Scrivere una bozza non è inviarla. Suggerire un aggiornamento del CRM non è farlo.
- Dove si ferma. Quali azioni aspettano sempre una persona.
- Cosa restituisce. Un brief, una bozza o un registro che qualcuno può verificare rispetto alle fonti.
Chi usa l'AI al lavoro ragiona già così. Nel Work Trend Index 2026 di Microsoft, un sondaggio condotto all'inizio del 2026 su 20.000 utenti di AI in 10 paesi, l'86% ha dichiarato di trattare i risultati dell'AI come un punto di partenza, non come una risposta definitiva. Sono le risposte delle persone intervistate, non una misura dei risultati.
Per approfondire come si adatta un team quando l'AI inizia a farsi carico del lavoro, leggi cosa cambia quando l'AI opera in autonomia.
Le domande da fare a qualsiasi strumento “agentico”
- Chi sceglie i passaggi? Stabiliti in anticipo, scelti ogni volta dall'AI o un mix dei due?
- Cosa può vedere? Quali strumenti, con le credenziali di chi, e ricorda le conversazioni passate?
- Cosa richiede la tua approvazione? È imposto dalle autorizzazioni o è solo scritto in un prompt?
- Cosa fa quando non è sicuro? Segnala il problema o tira a indovinare?
- Puoi vedere cosa ha fatto? Ogni passaggio e ogni risultato vengono registrati?
- Il tuo team può riutilizzare ciò che funziona? Il metodo si può salvare, condividere e programmare con un responsabile designato?
Uno strumento che risponde chiaramente a queste domande merita attenzione, comunque si definisca. Per qualche idea su come iniziare, guarda questi esempi di agenti AI per il lavoro reale e la nostra guida per gestire contesto e autorizzazioni.
FAQ
L'AI agentica è la stessa cosa di un agente AI?
Non esattamente. Un agente AI è un sistema specifico che riceve un compito, sceglie i passaggi e usa gli strumenti per portarlo a termine. AI agentica è il termine più ampio per l'AI che lavora in questo modo, in qualsiasi misura. Ogni agente AI è agentico, ma “AI agentica” può indicare anche un workflow fisso con passaggi svolti dall'AI, oppure più agenti che lavorano insieme.
Qual è la differenza tra AI agentica e AI generativa?
L'AI generativa scrive o crea qualcosa quando glielo chiedi, poi si ferma in attesa. L'AI agentica usa questa capacità per lavorare verso un obiettivo: pianifica, agisce con gli strumenti, controlla il risultato e va avanti. La maggior parte degli agenti AI si basa su un modello generativo, ma scrivere una risposta è solo una parte di ciò che fanno.
Quali sono i rischi dell'AI agentica?
I rischi nascono dall'agire, non dal rispondere. Un'AI con accesso all'email, a un CRM o agli account pubblicitari può fare una modifica sbagliata o inviare qualcosa che nessuno ha controllato. La previsione di Gartner del 2025, secondo cui molti progetti di AI agentica saranno cancellati entro il 2027, indicava come cause i costi, un valore poco chiaro e controlli dei rischi deboli. Concedi solo gli accessi che servono al compito, tieni traccia di ogni passaggio e richiedi un'approvazione per tutto ciò che esce dall'azienda.
Qual è la differenza tra AI agentica e RPA?
La RPA (robotic process automation, automazione robotica dei processi) segue alla lettera passaggi registrati, come copiare campi da un sistema all'altro. L'AI agentica può gestire lavori in cui il passaggio successivo dipende da ciò che legge, come un'email che va capita. Alcuni strumenti di RPA sono stati ribattezzati “agentici” senza cambiamenti reali, quindi chiedi di vedere come uno strumento gestisce qualcosa di imprevisto.
L'AI agentica può lavorare in completa autonomia?
Alcuni sistemi possono eseguire molti passaggi senza una persona. In azienda, raramente è questo l'obiettivo. La maggior parte dei team lascia che l'AI faccia ricerche, scriva bozze e dia suggerimenti, mentre una persona approva tutto ciò che è esterno o difficile da annullare, come inviare un'email o modificare un record. Anche gli analisti restano cauti: nel maggio 2026 Gartner ha affermato che la maggior parte degli strumenti di pianificazione della supply chain non aveva raggiunto la piena autonomia.
Mi serve un agente AI o un'automazione più semplice?
Parti dal semplice. Se un compito ha sempre gli stessi passaggi, un workflow salvato e programmato costa meno ed è più prevedibile. Usa un agente quando i passaggi dipendono da ciò che trova, per esempio per capire perché un account è a rischio. Molti team fanno entrambe le cose: usano un agente per mettere a punto il metodo, poi lo salvano come workflow per ripeterlo.
