Esistono cinque tipi classici di agenti AI: agenti a riflesso semplice, agenti a riflesso basati su modello, agenti basati su obiettivi, agenti basati sull'utilità e agenti che apprendono. Detto in parole semplici: seguono una regola, tengono traccia di ciò che sta succedendo, lavorano verso un obiettivo, scelgono la migliore tra più opzioni oppure migliorano grazie al feedback. Molti elenchi ne aggiungono altri due, gli agenti gerarchici e i sistemi multi-agente, che riguardano il modo in cui più agenti lavorano insieme.
Questa guida spiega ogni tipo con un esempio di vita quotidiana e un esempio aziendale. Sottolinea anche un punto pratico: quando un agente AI sbaglia un lavoro aziendale, di solito la causa non è una pianificazione debole. Il problema è che l'agente parte dai fatti sbagliati. Quindi, quando scegli un agente, chiediti prima che cosa può vedere e che cosa ha il permesso di modificare. Quanto sia intelligente viene dopo.
Che cos'è un agente AI?
Un agente AI è un software che osserva una situazione, decide cosa fare e poi lo fa. Un chatbot risponde alla tua domanda. Un agente può anche fare il passo successivo, per esempio leggere la tua casella di posta, aggiornare un foglio di calcolo o preparare una bozza di risposta.
I cinque tipi provengono dal manuale di Stuart Russell e Peter Norvig Artificial Intelligence: A Modern Approach, il libro adottato dalla maggior parte dei corsi universitari di intelligenza artificiale. Classificano gli agenti in base a un'unica domanda: come decide l'agente cosa fare dopo? Anche la guida di IBM ai tipi di agenti AI usa lo stesso elenco.
Non esiste una definizione ufficiale unica, e va bene così. Per chi lavora in azienda il test utile è semplice: si limita a rispondere o può anche agire?
I 5 tipi classici di agenti AI
Leggi i cinque tipi dal più semplice al più articolato. Non è una classifica. Spesso il design più semplice è quello giusto, e l'apprendimento si può aggiungere a ciascuno degli altri quattro.
I cinque tipi classici descrivono come vengono prese le decisioni. L'apprendimento si può aggiungere agli altri quattro; non è l'ultimo gradino di una scala. Per ogni design, verifica la qualità del contesto.
YouTube · IBM Technology
5 Types of AI Agents: Autonomous Functions & Real-World Applications · 28 aprile 2025
Una panoramica di 10 minuti sui tipi del manuale, con un disegno per ciascuno. Il riepilogo al minuto 8:23 li riassume in cinque verbi: reagisce (reacts), ricorda (remembers), mira (aims), valuta (evaluates), migliora (improves).
1. Agenti a riflesso semplice: seguono una regola
Che cosa fa: "Se succede questo, fai quello." Guarda solo ciò che ha davanti in questo momento.
Esempio quotidiano: un termostato accende il riscaldamento sotto i 19°C.
Esempio aziendale: una regola della casella di posta inoltra all'ufficio contabilità fornitori ogni email che contiene la parola "fattura".
Dove sbaglia: in tutto ciò che la regola non aveva previsto. Anche una newsletter che nomina la parola "fattura" finisce al team finance. La regola non sa distinguere e ripeterà lo stesso errore ogni volta.
Usalo quando: la situazione è prevedibile e un errore costa poco.
2. Agenti a riflesso basati su modello: tengono traccia di ciò che succede
Che cosa fa: segue ancora delle regole, ma ricorda ciò che ha visto. Questo gli dà un quadro della situazione, che i manuali chiamano "modello".
Esempio quotidiano: un robot aspirapolvere ricorda quali stanze ha già pulito.
Esempio aziendale: un assistente per il supporto clienti vede che un cliente ha già segnalato lo stesso bug la settimana scorsa, quindi aggiunge il nuovo messaggio al ticket aperto invece di crearne un duplicato.
Dove sbaglia: quando il suo quadro non è aggiornato. Un vecchio record nel CRM, una decisione che esiste solo in un thread di Slack o il foglio di calcolo del mese scorso lo porteranno ad agire con sicurezza sui fatti sbagliati.
Usalo quando: l'azione giusta dipende dalla storia, non solo dall'ultimo messaggio.
Questo è il tipo più importante per i team aziendali, e un post molto condiviso su X a inizio novembre 2026 spiega perché. Gul Saeed Khattak, lead data engineer all'Università di Glasgow, ha descritto un agente a cui era stato chiesto il fatturato dell'ultimo trimestre:
X · Gul Saeed Khattak (@Ldataengineer) · 3 novembre 2026
"It answers in 3 seconds. Clean number. Nice chart. But it used the wrong 'revenue' column. Nobody notices."
(Traduzione) "Risponde in 3 secondi. Numero pulito. Bel grafico. Ma ha usato la colonna 'fatturato' sbagliata. Nessuno se ne accorge."
L'agente di questa storia non ha ragionato male. Ha ragionato bene partendo dalla colonna sbagliata. Siamo d'accordo con la diagnosi. Tieni presente che il post prosegue promuovendo uno strumento specifico per i dati, che non abbiamo testato. La lezione per l'azienda è più semplice di qualsiasi strumento: prima di fidarti della risposta di un agente, controlla quale fonte ha usato.
3. Agenti basati su obiettivi: lavorano verso un traguardo
Che cosa fa: gli dai un obiettivo e lui pianifica i passaggi. Invece di chiedersi "quale regola si applica?", si chiede "che cosa mi avvicina al traguardo?"
Esempio quotidiano: un'app di navigazione pianifica un percorso e lo ricalcola quando salti una svolta.
Esempio aziendale: "Prepara la presentazione per il consiglio di amministrazione entro giovedì." L'agente recupera i numeri più recenti, riprende il layout delle slide del trimestre scorso ed elenca le domande ancora aperte.
Dove sbaglia: controlla solo se l'obiettivo è stato raggiunto. Se due piani funzionano entrambi, non ha motivo di preferire quello più economico o più sicuro.
Usalo quando: sai quale risultato vuoi, ma i passaggi cambiano ogni volta.
4. Agenti basati sull'utilità: scelgono l'opzione migliore
Che cosa fa: confronta diverse opzioni valide e assegna a ciascuna un punteggio in base a ciò che conta per te.
Esempio quotidiano: una ricerca voli che bilancia prezzo, durata del viaggio e numero di scali.
Esempio aziendale: un assistente per la pubblicità suggerisce di spostare il budget tra le campagne valutando il costo per vendita, il budget rimanente e la quantità di dati disponibili per ogni campagna.
Dove sbaglia: i punteggi valgono quanto le tue priorità. Se nessuno ha deciso se la velocità conta più del costo, nemmeno l'agente può deciderlo.
Usalo quando: ci sono compromessi reali e più di una risposta accettabile.
5. Agenti che apprendono: migliorano grazie al feedback
Che cosa fa: osserva come sono andate le sue azioni passate e si corregge. Questa capacità si può aggiungere a uno qualsiasi dei quattro tipi precedenti.
Esempio quotidiano: i suggerimenti di un'app musicale cambiano man mano che salti o riascolti i brani.
Esempio aziendale: un assistente di lead scoring classifica meglio i lead dopo che il team vendite ha segnato quali sono diventati trattative reali.
Dove sbaglia: impara qualunque cosa il feedback gli insegni. Un feedback lacunoso o incoerente lo rende sicuro di sé e in errore. L'apprendimento richiede anche più dati e più tempo di tutti gli altri tipi.
Usalo quando: il lavoro si ripete spesso e qualcuno controlla che cosa sta imparando l'agente.
Tipi 6 e 7: agenti gerarchici e sistemi multi-agente
Questi due descrivono come sono organizzati più agenti, non come decide un singolo agente.
- Agenti gerarchici: un agente "manager" divide un lavoro grande in parti e affida ciascuna parte a un altro agente.
- Sistemi multi-agente: più agenti lavorano contemporaneamente sullo stesso problema, condividendo o dividendo il lavoro.
Esempio aziendale: per il lancio di un prodotto, un agente analizza i concorrenti, uno scrive la bozza dell'email di lancio e uno controlla la landing page.
Più agenti significano risultati migliori? Dipende dal lavoro. A giugno 2025 Anthropic ha riferito che un team di agenti ha superato un singolo agente nei propri test di ricerca, ma ha consumato circa 15 volte più token (le unità con cui viene fatturato l'uso dell'AI) rispetto a una normale chat. Anthropic ha anche affermato che le attività in cui ogni agente ha bisogno dello stesso contesto si prestavano poco a questo approccio (Anthropic). Uno studio di ottobre 2026, non ancora sottoposto a revisione paritaria, ha rilevato che gli agenti che si passavano il lavoro non verificavano i fatti l'uno dell'altro, a meno che il processo non li obbligasse a farlo (arXiv).
Quindi la conclusione non è "più agenti è meglio". È la stessa regola che usi con le persone: ogni passaggio di consegne ha bisogno di input chiari, di un output chiaro e di qualcuno che controlli il risultato.
Dove si collocano gli agenti AI di oggi
I cinque tipi sono stati definiti prima che esistessero strumenti come ChatGPT e Claude. Un agente AI moderno ne combina diversi. Segue le tue istruzioni (regole), legge i tuoi documenti e i messaggi passati (tiene traccia), pianifica i passaggi verso ciò che hai chiesto (obiettivo), valuta le opzioni quando gli chiedi di scegliere (opzione migliore) e può migliorare quando salvi le correzioni (feedback).
Quindi, se un fornitore dice che il suo prodotto è "un agente basato su obiettivi", questo ti dice poco. Fai piuttosto tre domande semplici:
- Che cosa può leggere?
- Che cosa può modificare?
- Quando si ferma e chiede a una persona?
Errori comuni quando si ragiona sui tipi di agenti
"I tipi più avanzati sono sempre migliori." No. Una regola semplice è più economica, più veloce e più facile da controllare. Usa il tipo più semplice che fa il lavoro.
"Un agente che apprende impara da tutto in automatico." Nella maggior parte degli strumenti aziendali migliora solo quando qualcuno salva la correzione, per esempio come istruzione aggiornata. Se nessuno la salva, l'esecuzione successiva riparte da zero.
"Più agenti significa più capacità." Più agenti significa più passaggi di consegne. Anche i piccoli errori si sommano: se ogni passaggio è corretto il 95% delle volte, un processo in dieci passaggi è corretto solo il 60% circa delle volte.
"Il tipo ti dice che cosa può fare nella mia azienda." Il tipo ti dice come decide. Che cosa può fare dipende da ciò a cui può accedere e da ciò che ha il permesso di modificare.
Un modo più semplice per i team aziendali: classificare gli agenti in base al lavoro che svolgono
I tipi del manuale descrivono come ragiona un agente. A un responsabile vendite o a un operations manager di solito interessa di più il lavoro che l'agente farà. Per questo molti team trovano più facile raggruppare gli agenti per ruolo. È un modo pratico di ragionare, non un elenco ufficiale.
| Ruolo | Che cosa fa | Che cosa ottieni | Che cosa decide ancora la persona |
|---|---|---|---|
| Monitor | Tiene d'occhio una fonte e segnala ciò che conta | Un avviso o un riepilogo quotidiano | Quali avvisi richiedono un intervento |
| Ricercatore | Raccoglie e confronta informazioni | Un brief o una shortlist | Se le fonti sono affidabili e cosa fare |
| Produttore | Trasforma gli input in una bozza | Un'email, un report, una presentazione o una pagina | Corregge, poi invia o pubblica |
| Operatore | Apporta modifiche all'interno dei tuoi strumenti | Record aggiornati, un post programmato | Concede l'accesso e approva le modifiche |
| Coordinatore | Gestisce un lavoro in più passaggi su più strumenti | Un pacchetto finito, riconsegnato per la revisione | È responsabile del risultato |
Le persone stanno già affidando interi lavori agli agenti. Greg Isenberg, CEO dello studio di creazione d'impresa Late Checkout, ha descritto così la sua settimana su X:
X · Greg Isenberg (@gregisenberg) · 3 novembre 2026
"my team is 50+ people in 12 countries, but i talk to my agents more than my human teammates"
(Traduzione) "il mio team conta più di 50 persone in 12 paesi, ma parlo con i miei agenti più che con i miei colleghi umani"
Nello stesso post elenca un passaggio in cui un agente mette in discussione la sua idea prima che si costruisca qualsiasi cosa. È una buona abitudine per qualsiasi ruolo della tabella: lascia che l'agente faccia domande sull'obiettivo prima di iniziare. La nostra lettura è meno drammatica della sua. Parlare molto con gli agenti va bene, purché siano ancora le persone a decidere che cosa viene inviato, modificato o approvato.
Esempio: un follow-up commerciale, passo dopo passo
Ecco come i tipi compaiono in un'attività ordinaria. È un esempio di come i passaggi si combinano in Okou, non la storia di un cliente.
La richiesta. Dopo una call di rinnovo, un account manager scrive: "Rivedi la storia di questo cliente, prepara un brief per il mio team e scrivi la bozza dell'email di follow-up."
1. Prima controlla i fatti (tenere traccia). L'agente legge il thread delle email, le note della call, il record nel CRM e le notizie recenti sul cliente. Il CRM dice "rinnovo, condizioni standard". Ma un'email della settimana scorsa dice che il responsabile finance del cliente vuole la fatturazione trimestrale. L'agente usa l'email più recente e segnala la discrepanza come questione aperta.
2. Pianifica il lavoro (obiettivo). Raccoglie ciò che serve sia al brief sia all'email: che cosa è stato promesso durante la call, che cosa è ancora aperto e il passo successivo concordato con il cliente.
3. Segue la preferenza del team (opzione migliore). L'account manager ha già detto "le email ai clienti devono stare sotto le 150 parole e partire dal passo successivo". Questo risolve il compromesso tra brevità e dettaglio.
4. Scrive la bozza, non la invia. Il team ha permesso a Okou di scrivere bozze in Gmail ma non di inviarle (Che cos'è Okou?). Se l'agente ha bisogno di un accesso che non ha, una persona lo approva e sceglie per quanto tempo vale.
5. Usa il formato giusto per ogni lettore. Il team interno riceve un brief sotto forma di documento da commentare. Il cliente riceve un'email breve che rende evidente il passo successivo.
6. Una persona rivede. L'account manager corregge una frase sulla fatturazione, controlla il destinatario e preme Invia.
Un'email scritta in Okou (dati di esempio di un'altra attività). Cerca l'etichetta Draft e il pulsante Send: non parte nulla finché una persona non preme Send. Clicca sull'immagine per vederla a grandezza intera.
7. Salvalo perché il team possa riutilizzarlo (feedback). La correzione aiuta la volta successiva solo se viene salvata. L'account manager chiede a Okou di salvare il processo come workflow: quali fonti controllare, come deve essere il brief e la regola secondo cui le email restano bozze. Un collega può poi eseguirlo per un altro cliente, usando i propri account email e CRM, non quelli di chi lo ha creato (Okou per i team). Se il team vuole che venga eseguito prima di ogni call di rinnovo, può aggiungere un'automazione con una pianificazione o un trigger.
La maggior parte degli articoli sui tipi di agenti si concentra sul passaggio 2, la pianificazione. In questo esempio, ciò che ha reso utile il risultato sono stati il passaggio 1 (l'email più recente), il passaggio 4 (bozza, non invio), il passaggio 5 (il formato giusto) e il passaggio 7 (salvare la correzione).
Come scegliere il tipo giusto di agente AI
Rispondi a queste domande sul lavoro da fare:
- Riesci a scrivere la regola in una frase? Allora una regola semplice potrebbe bastare.
- La risposta giusta dipende dalla storia? Allora l'agente deve accedere alle fonti giuste, e conviene verificare cosa fa quando due fonti non sono d'accordo.
- Conosci il risultato ma non i passaggi? È un lavoro basato su obiettivi: brief di ricerca, report, prime bozze.
- Ci sono compromessi? Decidi prima le tue priorità, poi lascia che l'agente le applichi.
- Il lavoro si ripeterà? Pianifica come salvare le correzioni, così l'esecuzione successiva sarà migliore.
- Qual è il massimo che dovrebbe modificare senza chiedere? Inizia con accesso in sola lettura e bozze. Concedi più accesso un passo alla volta, con limiti di tempo dove possibile.
Quando Okou ha bisogno di un permesso che non ha, una persona vede esattamente che cosa viene richiesto e sceglie per quanto tempo concederlo.
Come si inserisce Okou
Okou è un collega AI per i team aziendali. Non devi scegliere un tipo di agente. Descrivi il lavoro, indichi i file e gli strumenti pertinenti, e Okou raccoglie il contesto, svolge il lavoro nel cloud e ti restituisce qualcosa che puoi controllare.
Tre aspetti di questa guida definiscono il modo in cui lavora Okou:
- Prima i fatti giusti. Okou legge le email, i documenti e i record di cui l'attività ha bisogno e verifica i fatti che cambiano confrontandoli con la loro fonte. Le correzioni che fai in una chat restano valide in quella chat. Per usare il contesto di un'altra chat, devi indicarla a Okou (Chat).
- Il formato giusto. Un messaggio rapido per un aggiornamento, un documento per i dettagli da rivedere, una pagina web o delle slide quando un gruppo deve esaminare insieme una raccomandazione.
- Riutilizzo con limiti. Un workflow salvato permette ai colleghi di riutilizzare un metodo con i propri account e permessi. Condividere un workflow non significa condividere la casella di posta o le chat private di qualcuno.
Per altri esempi, leggi 20 casi d'uso di agenti AI con prompt e risultati reali, la gestione del contesto degli agenti AI per i team e come Okou chiede prima di agire.
Domande frequenti
Quali sono i 5 tipi di agenti AI?
Gli agenti a riflesso semplice seguono regole fisse. Gli agenti a riflesso basati su modello tengono anche traccia della situazione. Gli agenti basati su obiettivi pianificano i passaggi verso un traguardo. Gli agenti basati sull'utilità scelgono la migliore tra più opzioni. Gli agenti che apprendono migliorano grazie al feedback. L'elenco proviene dal manuale di intelligenza artificiale di Russell e Norvig ed è quello usato dalla maggior parte dei corsi.
Che cos'è un agente a riflesso semplice nell'AI?
Agisce solo in base a ciò che vede in quel momento, usando regole del tipo "se succede questo, allora fai quello". Non ha memoria e non fa piani. Un termostato è un esempio. In azienda funzionano così i filtri della posta e le regole di smistamento di base: affidabili quando le cose sono prevedibili, facili da ingannare quando non lo sono.
Qual è la differenza tra un agente basato su obiettivi e uno basato sull'utilità?
Un agente basato su obiettivi si accontenta di qualsiasi piano che raggiunga l'obiettivo. Un agente basato sull'utilità confronta le opzioni e sceglie la migliore. Un agente basato su obiettivi prenota un volo per Chicago. Un agente basato sull'utilità prenota quello che bilancia meglio prezzo, durata e scali, in base a ciò che hai detto che conta.
I sistemi multi-agente sono un tipo di agente AI?
È più corretto descriverli come un modo di organizzare gli agenti. Più agenti si dividono o condividono un lavoro, e ciascuno può comunque essere uno qualsiasi dei cinque tipi classici. Più agenti significa anche più passaggi di consegne, ed è proprio nei passaggi di consegne che i controlli vengono saltati più spesso.
Esiste un elenco ufficiale dei tipi di agenti AI per le aziende?
No. I cinque tipi classici sono molto insegnati, ma i raggruppamenti aziendali variano. Alcuni classificano gli agenti per reparto, altri per grado di autonomia, altri ancora per ruolo, come i ruoli di monitor, ricercatore, produttore, operatore e coordinatore di questa guida. Usa qualsiasi raggruppamento come strumento di pianificazione, non come standard.
Con quale tipo di agente AI dovrebbe iniziare una piccola impresa?
Inizia con un lavoro che si ripete, ha un risultato chiaro e si può controllare in sicurezza prima che qualcosa venga inviato, come un report settimanale, un brief di ricerca o bozze di email di follow-up. Dai all'agente accesso in lettura a ciò che gli serve, lascia a una persona l'invio e le modifiche ai record, e concedi più accesso solo dopo che si è dimostrato affidabile.
