L'IA agentica (agentic AI) è un'IA che lavora per raggiungere un obiettivo invece di rispondere a una singola domanda. Le dici cosa vuoi ottenere. Lei trova le informazioni che le servono, decide i passaggi, usa i tuoi strumenti (email, documenti, CRM), controlla il proprio lavoro e va avanti finché il compito non è finito o finché non ha bisogno di te.
Un assistente in chat risponde e aspetta. Un sistema agentico fa da solo il passo successivo.
C'è una cosa che la parola non ti dice: se il lavoro è corretto, né a cosa il sistema può mettere mano. Sono domande diverse. Confonderle genera gran parte dei malintesi sull'IA agentica, quindi questa guida le tiene separate.
Cosa significa "agentico"
"Agentico" deriva dall'inglese agency, cioè la capacità di agire autonomamente per raggiungere un obiettivo. Merriam-Webster ora include "agentic" tra i termini di tendenza, con il significato "able to accomplish results with autonomy, used especially in reference to artificial intelligence" (traduzione: capace di ottenere risultati in autonomia, usato soprattutto in riferimento all'intelligenza artificiale), come riportato da AP a novembre 2025.
Il modo più utile di vederla: l'essere agentico è una scala, non un'etichetta sì o no. Un documento di OpenAI del 2023, Practices for Governing Agentic AI Systems, lo descrive come la misura in cui un sistema riesce a raggiungere un obiettivo difficile, in un contesto complicato, senza che qualcuno controlli ogni passaggio. Alcuni strumenti sono poco agentici: scelgono uno strumento quando glielo chiedi. Altri lo sono molto: possono portare avanti un lavoro lungo, in più passaggi, con pochi momenti di verifica.
Quindi, quando un prodotto si definisce "agentico", la vera domanda è: quanta parte del lavoro porta avanti davvero da solo?
Come funziona l'IA agentica
La maggior parte dei sistemi agentici si basa sullo stesso tipo di modello di IA di un chatbot. La differenza sta in ciò che gli viene costruito intorno. Invece di dare una sola risposta, il modello lavora in un ciclo.
Andrew Ng, che ha contribuito a rendere popolare il termine, ha spiegato la differenza in un intervento del 2024. Usare un chatbot nel modo normale è come chiedere a qualcuno di scrivere un saggio tutto d'un fiato, dall'inizio alla fine, senza mai premere il tasto backspace. Un approccio agentico permette all'IA di fare una scaletta, documentarsi, scrivere una bozza, rileggerla e correggerla. È così che scrivono anche le persone.
Il ciclo agentico verifica i permessi prima di agire. Dopo ogni azione, consegna il lavoro completato, torna a pianificare il passo successivo oppure si ferma per chiedere aiuto.
Ecco il ciclo in parole semplici:
- Tu definisci l'obiettivo. Di' cosa vuoi e che aspetto ha il lavoro "finito". "Preparami per la call di rinnovo di giovedì" è un obiettivo. "Dai un'occhiata a questo account" non lo è.
- Raccoglie il contesto. Legge ciò da cui dipende il lavoro: email recenti, note delle riunioni, la scheda nel CRM. Questo passaggio determina gran parte della qualità. Un buon piano costruito su informazioni sbagliate resta sbagliato.
- Pianifica. Suddivide l'obiettivo in passaggi più piccoli.
- Agisce. Usa gli strumenti a cui ha accesso: cerca nella casella di posta, apre il documento, scrive la bozza dell'email.
- Verifica. Guarda cosa è successo davvero, non cosa si aspettava. Se nel CRM non ci sono note delle chiamate, cerca invece nel drive condiviso.
- Consegna il lavoro, oppure si ferma e chiede. O ricevi qualcosa da rivedere, o si mette in pausa perché manca un accesso, l'obiettivo non è chiaro o il passo successivo richiede il tuo via libera.
Il passaggio 6 include una scelta che spesso si trascura: in che forma arriva il risultato. La stessa ricerca può diventare un messaggio di due righe, un documento che altri possono commentare o una breve presentazione per una riunione. Una risposta giusta nel formato sbagliato costringe comunque qualcun altro a rifare il lavoro.
IA agentica vs IA generativa vs automazione
Questi tre concetti vengono spesso confusi, quindi ecco la versione breve:
- L'IA generativa crea contenuti quando glielo chiedi: testi, immagini, codice. Poi si ferma.
- L'automazione basata su regole segue passaggi che qualcuno ha impostato in anticipo: "quando arriva un modulo, aggiungi una riga e invia un'email". Veloce e prevedibile. Si inceppa quando qualcosa non rientra nella regola.
- L'IA agentica usa l'IA generativa all'interno di un ciclo. Decide da sola il passo successivo, usa strumenti e verifica il risultato.
Il modo più semplice per distinguerle è chiedersi chi decide il passo successivo. Con l'automazione, qualcuno ha deciso ogni passaggio in anticipo. Con un assistente in chat, decidi tu dopo ogni risposta. Con l'IA agentica decide il sistema, in funzione del tuo obiettivo ed entro i limiti che fissi tu.
Se preferisci un video, questa breve spiegazione tratta bene la stessa distinzione:
YouTube · IBM Technology
Generative vs Agentic AI: Shaping the Future of AI Collaboration (IA generativa e IA agentica a confronto) · 21 aprile 2025
Una spiegazione di sette minuti di Martin Keen sul perché l'IA generativa aspetta il tuo prompt, mentre l'IA agentica continua a lavorare verso un obiettivo.
Sentirai anche "agente IA" (AI agent) per indicare la stessa idea. In sintesi: un agente IA è ciò che svolge il lavoro, e "agentico" descrive come lo svolge.
Tre domande distinte: autonomia, affidabilità, permessi
Quando le persone sentono "più agentico", spesso capiscono "migliore" o "più automatico". Non è né l'una né l'altra cosa. Dentro questa parola si nascondono tre domande diverse:
- Autonomia (agency): quanto decide da sola?
- Affidabilità: quanto spesso il risultato è corretto?
- Permessi: a cosa può mettere mano?
"Agentico" descrive solo la prima domanda.
Più autonomia non significa più affidabilità. Ogni passaggio si basa su quello precedente. Un'ipotesi sbagliata all'inizio può finire in un report curato, sicuro di sé e sbagliato. Anche chi costruisce questi sistemi per mestiere dice che questa parte è difficile:
YouTube · LangChain
The Future of AI Agents with Andrew Ng | Interrupt 26 (il futuro degli agenti IA) · 17 giugno 2026
Ng: "building agentic workflows is hard." Spiega che renderli affidabili richiede una conoscenza reale del business e test costanti.
Traduzione: costruire workflow agentici è difficile.
Più autonomia non richiede più permessi. Un'IA può fare molto lavoro da sola (leggere, confrontare, scrivere bozze) pur avendo il permesso di fare pochissimo che esca dal team. Nello stesso intervento, Ng fa notare che la maggior parte dei permessi aziendali è stata pensata per le persone, non per l'IA (28:50), quindi vale la pena deciderlo in modo consapevole. Gli utenti esperti spesso li tengono molto stretti:
X · Simon Willison / @simonw · 23 ottobre 2026
"I don't let my agents have production access to modify deployed services"
Traduzione: non do ai miei agenti accesso in produzione per modificare i servizi già rilasciati.
Willison è uno sviluppatore software molto conosciuto, e parlava di agenti di programmazione in un thread di risposte. La versione aziendale è la stessa idea: lascia che l'IA legga e scriva bozze liberamente, e riserva "invia", "paga", "pubblica" ed "elimina" a una persona finché non ti fidi dell'IA per quel compito specifico.
Un esempio concreto: prepararsi a una call di rinnovo
Ecco come funziona su un tipo di compito reale. Il cliente, le persone e i dettagli qui sotto sono inventati per mostrare come si incastrano i passaggi. Non si tratta del risultato di un cliente.
La richiesta. Un'account manager dice a Okou, il collega IA che sviluppiamo: "Preparami per la call di rinnovo di giovedì con Northwind e scrivi la bozza del follow-up che manderò dopo". Okou può leggere il suo Gmail, il drive condiviso e il CRM, e può creare bozze in Gmail. Non può inviare email né modificare i record del CRM.
Il contesto cambia il piano. Il CRM dice che l'account è in buona salute e segnala un'opportunità di upsell. Ma nel thread delle email Okou trova un messaggio di tre settimane fa: la persona responsabile delle operations del cliente scrive che un'integrazione promessa è in ritardo e chiede una nuova data. Nessuno ha risposto. Quella sola email cambia la call. Ora il brief si apre con la promessa mancata, non con l'upsell.
Questo è il punto su cui molti nel settore stanno insistendo in questo periodo:
X · Aaron Levie / @levie · 6 novembre 2026
"Every AI agent deployment comes down to how successfully they can get access to the critical context to make a decision"
Traduzione: ogni implementazione di agenti IA si riduce a quanto riescono ad accedere al contesto critico per prendere una decisione.
Levie guida Box, un'azienda che archivia documenti aziendali, quindi ha un interesse in questa visione. Ma l'esempio del rinnovo mostra perché regge: l'IA ha potuto individuare il problema solo perché poteva leggere l'email.
Cosa torna indietro, nella forma giusta per ciascuno.
- Per l'account manager: un brief di una pagina da leggere prima della call (cosa era stato concordato, cosa è cambiato, tre domande da chiarire).
- Per il cliente: ancora niente, solo una bozza in Gmail in attesa di revisione.
- Per il team: una breve proposta di nota per il CRM, che aspetta l'approvazione di una persona.
Ecco come appare in Okou una bozza in attesa di revisione (un altro esempio inventato):
Una vera bozza di Okou in attesa di revisione: la scheda Gmail indica Draft, e premere il pulsante Send spetta alla persona. Destinatario e contenuto sono dati demo fittizi. Apri lo screenshot a grandezza intera.
La persona decide, poi il team riutilizza il metodo. Nella stessa chat, l'account manager chiede di ammorbidire l'apertura e di togliere una riga sui prezzi. Okou ha ancora la conversazione precedente, quindi corregge la bozza senza bisogno di ricevere di nuovo tutte le istruzioni. È lei stessa a inviare l'email e ad approvare la nota nel CRM.
In seguito, il team salva il metodo come workflow condiviso (un modo salvato e riutilizzabile di svolgere un compito): quali fonti controllare, che aspetto ha il brief e la regola per cui i follow-up restano in bozza. Chi gestisce altri account lo esegue sui propri clienti, con i propri accessi. Se vuole che giri ogni lunedì per i rinnovi in arrivo, aggiunge un'automazione (una pianificazione o un trigger che avvia il workflow).
Due cose da sapere. Una nuova chat non vede automaticamente una chat precedente; se è importante, devi indicarla tu. E condividere un workflow significa condividere il metodo, non la casella di posta o le credenziali di qualcuno. La documentazione di Okou spiega entrambe le cose: come funziona il contesto della chat e cosa condivide un team.
Quando l'IA agentica aiuta e quando no
L'IA agentica è adatta a lavori come la call di rinnovo: diversi passaggi, più di uno strumento, un po' di giudizio nel mezzo e un risultato che qualcuno può verificare. Per esempio:
- Operations: "Raccogli cosa ha rilasciato ogni team questa settimana, segnala tutto ciò che è bloccato e pubblica un riepilogo ogni lunedì."
- Marketing: "Confronta i risultati della campagna del mese scorso con il brief e scrivi una bozza dei prossimi passi da rivedere."
- Vendite: "Valuta i lead in entrata di questa settimana rispetto al nostro cliente ideale e dimmi chi chiamare, con le motivazioni."
- Customer success: "Raggruppa i ticket di questo mese per causa e scrivi una bozza di aggiornamento per i tre account con più problemi aperti."
Altri esempi per team: casi d'uso degli agenti IA.
Non è lo strumento giusto quando un lavoro segue esattamente gli stessi passaggi ogni volta (usa una semplice automazione, costa meno) o quando ti serve una sola risposta (usa un assistente in chat).
Gli analisti mettono in guardia dall'uso eccessivo da tempo. A giugno 2025, Gartner ha previsto che oltre il 40% dei progetti di IA agentica sarà 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 risultato misurato. A luglio 2026 ha fatto una previsione simile per i team di vendita: entro il 2028 gli agenti IA saranno dieci volte più numerosi dei venditori, eppure meno del 40% dei venditori dirà che gli agenti li hanno resi più produttivi. Stessa lezione: più agenti non significa automaticamente lavoro migliore.
Un'abitudine da cambiare: il lavoro agentico può richiedere minuti, non secondi. Dai un obiettivo chiaro, poi giudica il risultato, come faresti con un collega.
Come mantenere il controllo
La domanda utile non è "quanto è autonoma?". È "quali decisioni prende e quali tornano a me?". Mantieni il controllo in tre punti.
A cosa può accedere. Concedi accesso solo a ciò che serve per il lavoro. In Okou concedi l'accesso uno strumento e un'azione alla volta, e scegli quanto dura. Così Okou può avere il permesso di scrivere una bozza in Gmail senza avere il permesso di inviarla. Vedi i permessi di Okou.
Cosa richiede il tuo via libera. Le azioni rischiose dovrebbero aspettare una persona. Quando Okou ha bisogno di un nuovo permesso, vedi esattamente cosa sta chiedendo prima che venga concesso qualsiasi cosa:
Una vera richiesta di permesso in Okou. La persona vede lo strumento, l'azione, dove si applica e quanto dura (1 ora, 24 ore, 7 giorni o sempre) prima di confermare. Apri lo screenshot a grandezza intera.
Cosa rivedi. Il lavoro dovrebbe tornare come qualcosa che puoi leggere e modificare, con una traccia di ciò che ha fatto l'IA.
Basta avere "una persona nel ciclo" (human in the loop)?
Non da solo, ed è uno degli argomenti più utili che circolano in questo momento.
YouTube · IBM Technology
Human in the Loop Is Not a Governance Strategy for Agentic AI (una persona nel ciclo non è una strategia di governance) · 11 ottobre 2026
Phaedra Boinodiris: "a human reviewed it is not the same as the system is governed." In quattro minuti elenca ciò di cui ha davvero bisogno chi fa la revisione.
Traduzione: il fatto che una persona l'abbia rivisto non equivale a un sistema governato.
La sua checklist, in breve: chi revisiona dovrebbe poter vedere il ragionamento, avere il potere di fermare tutto, sapere com'è un buon risultato e far confluire le correzioni nel sistema.
C'è poi un secondo problema, meno evidente: l'IA può influenzare ciò che pensa chi revisiona.
X · Ethan Mollick / @emollick · 27 ottobre 2026
"experts working with AI agents are swayed by the positions of the AI, even if they think they are working independently"
Traduzione: gli esperti che lavorano con agenti IA sono influenzati dalle posizioni dell'IA, anche quando pensano di lavorare in modo indipendente.
Mollick, professore alla Wharton che studia l'IA nel lavoro, stava riassumendo uno studio che aveva linkato. Non abbiamo esaminato noi quello studio, quindi prendila come la sua interpretazione. Il suo consiglio resta comunque pratico: se il tuo giudizio conta, decidi prima di guardare la bozza dell'IA. Per la call di rinnovo, significa che l'account manager decide cosa deve ottenere la call prima di leggere il brief di Okou.
Le persone vedono già il proprio ruolo cambiare in questa direzione. Nel Work Trend Index 2026 di Microsoft (pubblicato a maggio 2026; 20.000 lavoratori che usano l'IA, in 10 paesi), l'86% ha detto di considerare l'output dell'IA un punto di partenza, non una risposta definitiva. È ciò che le persone dichiarano, non una misura della qualità, ma va nella stessa direzione.
Quindi una revisione è reale quando:
- Puoi vedere il lavoro dietro il risultato: fonti, passaggi e cosa è cambiato.
- Puoi fermarlo o modificarlo: correggere la bozza, rifiutare il permesso.
- Sai com'è un buon risultato: un formato di brief, un tono, una regola come "i follow-up restano in bozza".
- Le correzioni non vanno perse: se fai la stessa correzione ogni settimana, inseriscila nel workflow. In Okou questo succede solo quando qualcuno aggiorna il workflow; una correzione fatta in una chat non diventa di nascosto una regola del team.
Approfondisci le approvazioni nella pratica: perché la tua azienda deve avere l'ultima parola sulle azioni dell'IA.
Domande da farsi prima di affidare un lavoro all'IA agentica
- Posso limitarmi a descrivere il risultato? O devo spiegare ogni passaggio?
- Può leggere ciò da cui dipende il lavoro? E mi dice cosa non è riuscita a trovare?
- Posso limitare ciò che fa? Solo lettura, oppure bozze ma niente invio?
- Cosa succede quando si blocca? Chiede o tira a indovinare?
- Posso vedere cosa ha fatto? Fonti, passaggi, modifiche.
- Il mio team può riutilizzare un buon risultato? Con i propri accessi?
Se un prodotto non sa rispondere a queste domande, la parola "agentico" non ti sta dicendo molto.
Come funziona con Okou
Okou è un collega IA per i team aziendali. Affidi a Okou un lavoro come lo spiegheresti a un collega. Okou raccoglie ciò che serve per il lavoro dai tuoi strumenti collegati, lo porta avanti nel cloud (continua anche se chiudi il portatile) e ti restituisce qualcosa da rivedere, nella forma più adatta a chi lo leggerà dopo: un messaggio veloce, un documento, una pagina web, una presentazione o una bozza. I metodi migliori diventano workflow condivisi, e le automazioni li eseguono secondo una pianificazione.
Nei termini di questa guida: Okou alza il livello di autonomia per trovare il contesto e fare il lavoro di fatica, e lascia i permessi dove li imposta il tuo team. Scopri di più in Che cos'è Okou, oppure inizia gratis.
Domande frequenti
Che cos'è l'IA agentica, in parole semplici?
Un'IA che lavora verso un obiettivo per passaggi. Tu dici cosa vuoi; lei trova le informazioni, usa i tuoi strumenti, controlla il proprio lavoro e va avanti finché il compito non è finito o finché non ha bisogno di te. Un chatbot risponde una volta e aspetta.
Qual è la differenza tra IA generativa e IA agentica?
L'IA generativa crea contenuti quando glielo chiedi, poi si ferma. L'IA agentica usa questa capacità in un ciclo: decide il passo successivo, usa altri strumenti e verifica se l'obiettivo è stato raggiunto. Scrivere un'email commerciale è generativo. Leggere lo storico dell'account, scrivere la bozza dell'email e proporre un aggiornamento del CRM da sottoporre alla tua approvazione è agentico.
Qual è la differenza tra IA conversazionale e IA agentica?
L'IA conversazionale è fatta per parlare: tu chiedi, lei risponde, tu decidi cosa fare dopo. L'IA agentica è fatta per portare a termine il lavoro: tu fissi l'obiettivo, lei sceglie ed esegue i passaggi. Molti prodotti fanno entrambe le cose, con una chat in superficie e un ciclo agentico sotto.
Quali sono i rischi dell'IA agentica?
Derivano soprattutto dall'agire, non dal parlare. Gli errori possono accumularsi da un passaggio all'altro. Può agire sulla base di informazioni sbagliate o mancanti. Permessi troppo ampi possono far arrivare un errore ai clienti o ai soldi. I costi possono salire perché ogni lavoro richiede molti passaggi. Limita gli accessi, riserva le azioni rischiose all'approvazione di una persona e rivedi il risultato.
Per quali compiti è più adatta l'IA agentica?
Compiti con diversi passaggi, più di uno strumento, un po' di giudizio e un risultato verificabile: preparazione delle riunioni, report settimanali, ricerche che si concludono con una bozza, smistamento di lead o ticket. Per gli stessi passaggi fissi ogni volta, usa una semplice automazione. Per una sola domanda, usa un assistente in chat.
Un'IA più agentica è sempre meglio?
No. Più autonomia significa che decide di più da sola. Questo non rende quelle decisioni più accurate, e non stabilisce cosa dovrebbe esserle permesso fare. Per la maggior parte del lavoro aziendale, la configurazione migliore è un'IA che fa la ricerca e scrive le bozze, e una persona che approva ciò che esce dal team.
