Intelligenza artificiale

Agenti di IA in azienda: dove funzionano, dove falliscono e come partire

Gli agenti di IA rendono dove il lavoro è ripetitivo e regolato, e si inceppano su dati sparsi e processi mai scritti. Criteri, casi reali e metodo per un primo progetto controllato.

Luca Bartolini 3 settembre 2026 7 min di lettura

Agenti di IA in azienda: dove funzionano, dove falliscono e come partire

Gli agenti di intelligenza artificiale rendono molto su lavori ripetitivi e ben regolati, e deludono dove mancano dati ordinati, processi scritti e un controllo umano. Ecco come distinguere i due casi e come impostare un primo progetto misurabile.

Che cosa si intende, oggi, per agente

Un assistente conversazionale risponde a una domanda. Un agente riceve un obiettivo e lo porta avanti in più passaggi: legge una email, consulta il gestionale, compila un modulo, apre una pratica, avvisa un collega. La differenza non è di linguaggio ma di responsabilità, perché l’agente agisce su sistemi reali.

Il mercato però usa la parola con generosità. A giugno 2025 Gartner ha parlato apertamente di agent washing, cioè di prodotti esistenti (chatbot, assistenti, automazioni tradizionali) ribattezzati «agenti» senza averne le capacità, e ha stimato che tra le migliaia di fornitori che si presentano così solo circa 130 lo siano davvero. Nella stessa analisi prevede che oltre il 40% dei progetti di IA agentica verrà cancellato entro la fine del 2027, per costi crescenti, valore poco chiaro o controlli sui rischi inadeguati.

Intanto l’adozione cresce. Secondo l’Istat, le imprese italiane con almeno 10 addetti che usano l’intelligenza artificiale sono passate dall’8,2% del 2024 al 16,4% del 2025; tra le grandi imprese la quota supera la metà. La domanda utile, quindi, non è se usare gli agenti, ma dove.

Dove funzionano davvero

I risultati più stabili, oggi, si vedono in tre ambiti.

Processi ripetitivi con regole chiare. Smistare le richieste che arrivano alla casella generale, classificarle per tipo e urgenza, assegnarle all’ufficio giusto. Verificare che un ordine rispetti listino e condizioni concordate. Controllare che una pratica abbia tutti gli allegati prima di passarla avanti. Sono attività ad alto volume, con eccezioni note e un esito facile da verificare.

Assistenza di primo livello. Stato di una spedizione, orari, documenti da presentare, istruzioni per un reso: domande frequenti con risposte che esistono già da qualche parte in azienda. Qui l’agente accorcia i tempi, a condizione che sappia riconoscere quando passare la conversazione a una persona.

Back office. Lettura di documenti in ingresso, precompilazione di anagrafiche, riconciliazione tra ciò che è stato ordinato e ciò che è arrivato, preparazione di bozze che un addetto approva. Non a caso l’Istat indica l’organizzazione dei processi amministrativi (25,7%) tra gli ambiti di adozione più frequenti, insieme a marketing e vendite (33,1%).

Un criterio pratico per riconoscere un buon candidato: il lavoro è frequente, le regole si possono scrivere su una pagina, il risultato si controlla in pochi secondi e un eventuale errore si corregge senza danni.

Dove falliscono

I progetti che si arenano tendono ad avere gli stessi tre difetti.

Dati sparsi. Un agente lavora con ciò che trova. Se il listino esiste in tre versioni, le condizioni commerciali stanno nelle email di un venditore e le procedure in un documento non aggiornato, l’agente sceglierà una fonte e la userà con sicurezza. Non è un caso isolato: tra le imprese che avevano valutato l’IA senza adottarla, l’Istat registra come ostacoli la mancanza di competenze (58,6%), la carenza di chiarezza legislativa (47,3%) e l’indisponibilità o la scarsa qualità dei dati (45,2%).

Processi non definiti. Se una pratica si chiude «come la chiude Maria», con eccezioni che nessuno ha mai messo per iscritto, l’automazione non risolve l’ambiguità: la moltiplica. Prima di delegare un processo a un agente occorre poterlo spiegare a un collega appena assunto.

Nessun controllo umano. Nel febbraio 2024 un tribunale civile della British Columbia ha ritenuto Air Canada responsabile per le informazioni sbagliate fornite dal chatbot del suo sito a un cliente, respingendo l’idea che il chatbot fosse un soggetto distinto dalla compagnia. Il principio è semplice: ciò che dice o fa l’agente lo dice o lo fa l’azienda.

Anche chi ha ottenuto numeri importanti ha dovuto correggere la rotta. Klarna aveva annunciato che il suo assistente gestiva milioni di conversazioni con tempi di risoluzione inferiori ai due minuti; nel 2025 l’amministratore delegato ha riconosciuto che il costo aveva pesato troppo nelle valutazioni e l’azienda ha deciso di investire di nuovo nella qualità del supporto umano, lasciando all’IA le richieste più semplici.

Sul piano tecnico, il progetto OWASP descrive questo rischio come excessive agency: agenti con più funzioni, più permessi o più autonomia di quanto serva, capaci di compiere azioni dannose per un errore o per una manipolazione dell’input.

Il quadro normativo, in breve

Chi introduce agenti in Italia deve tenere presenti almeno tre elementi.

Competenze del personale. L’articolo 4 dell’AI Act (Regolamento UE 2024/1689) si applica dal 2 febbraio 2025. Nella versione modificata dal Regolamento UE 2026/1744, il cosiddetto Omnibus digitale sull’IA entrato in vigore il 27 luglio 2026, chiede a fornitori e utilizzatori di adottare misure per sostenere lo sviluppo dell’alfabetizzazione sull’IA del proprio personale.
Trasparenza e alto rischio. Le regole di trasparenza dell’AI Act sono entrate in applicazione nell’agosto 2026. Gli obblighi per i sistemi ad alto rischio, tra cui quelli usati nella gestione del personale, sono stati rinviati al 2 dicembre 2027. Un agente che seleziona candidature, per esempio, merita fin da ora un’analisi specifica.
Lavoratori. La legge 23 settembre 2025, n. 132, in vigore dal 10 ottobre 2025, stabilisce all’articolo 11 che il datore di lavoro informi il lavoratore dell’utilizzo dell’intelligenza artificiale, nei casi e con le modalità previsti dall’articolo 1-bis del decreto legislativo 152/1997.

Nessuna di queste norme vieta di sperimentare. Tutte, però, premiano chi sa dire quale sistema usa, per fare cosa e sotto la supervisione di chi.

Come impostare un primo progetto

Un primo progetto ben fatto è piccolo, controllato e misurato. Si può impostare in sei passaggi.

Scegliere un solo processo. Frequente, regolato, a basso impatto in caso di errore. Lo smistamento delle richieste in ingresso è spesso un buon punto di partenza; la gestione dei reclami o dei crediti, di solito, no.
Scrivere il processo prima di automatizzarlo. Regole, eccezioni, soglie, chi decide nei casi dubbi. Se non entra in una pagina, il processo non è pronto.
Mettere in ordine le fonti. Una sola versione di listini, condizioni e procedure, con un responsabile dell’aggiornamento. È il lavoro meno visibile e quello che incide di più sulla qualità delle risposte.
Limitare i permessi. L’agente legge dove serve e scrive solo dove è indispensabile. Le azioni irreversibili (inviare a un cliente, modificare un’anagrafica, disporre un pagamento) restano soggette ad approvazione umana.
Misurare prima e dopo. Prima di accendere l’agente si rilevano i valori di partenza: tempo medio di lavorazione, tasso di errore, quota di pratiche che richiedono un secondo passaggio. Nelle prime settimane l’agente propone e una persona decide; il confronto tra le due scelte dice quanto ci si può fidare.
Tenere un registro e fissare le regole di arresto. Ogni azione dell’agente resta tracciata, un responsabile ne esamina a campione i risultati e si stabilisce in anticipo quale livello di errore sospende il progetto.

Un esempio concreto: un’azienda di distribuzione riceve ogni giorno ordini, richieste di preventivo e solleciti nella stessa casella. Nella prima fase l’agente si limita a classificare i messaggi e a proporre l’assegnazione; l’addetto conferma o corregge. Solo quando la percentuale di correzioni resta stabilmente bassa si passa a far generare le bozze di risposta, sempre con invio manuale.

Il nodo della memoria aziendale

Quasi tutti i fallimenti descritti hanno una radice comune: l’agente non sa ciò che l’azienda sa. Le decisioni prese, le eccezioni concordate con un cliente, la procedura aggiornata il mese scorso vivono nella testa delle persone o in archivi che non si parlano.

Per questo, prima o insieme al primo agente, conviene costruire una memoria aziendale strutturata: un insieme ordinato e aggiornato di documenti, regole e decisioni che le persone e i sistemi possano consultare con le stesse garanzie di accesso. È ciò che chiamiamo Company Brain. Non è un prerequisito burocratico, ma la condizione perché un agente risponda come risponderebbe il collega più preparato.

In sintesi

Gli agenti rendono su lavori frequenti, con regole scrivibili ed esiti verificabili: smistamento, assistenza di primo livello, back office.
I progetti falliscono soprattutto per dati sparsi, processi mai definiti e assenza di supervisione umana.
L’azienda risponde di ciò che l’agente dice e fa: permessi minimi e approvazione umana sulle azioni irreversibili.
Il primo progetto va misurato prima e dopo, con una fase in cui l’agente propone e una persona decide.
AI Act e legge 132/2025 chiedono competenze del personale, trasparenza e informazione ai lavoratori.
Una memoria aziendale ordinata è la base su cui qualsiasi agente lavora meglio.

Chi sta valutando dove introdurre i primi agenti può approfondire l’approccio che seguiamo nei progetti di intelligenza artificiale per le imprese, dall’analisi dei processi alla misurazione dei risultati, e il lavoro di organizzazione della conoscenza descritto nella pagina dedicata al Company Brain.