Cos'è un agente AI? Spiegato in modo semplice

Un chatbot ti risponde. Un agente si mette al lavoro e fa qualcosa.

Questa sola differenza spiega gran parte dell’entusiasmo per gli agenti AI di quest’anno e anche gran parte delle preoccupazioni. Gli agenti compaiono ormai negli strumenti di programmazione, nei browser, nei software per il servizio clienti e negli assistenti per cui molti di noi già pagano. Il termine viene applicato a quasi qualsiasi cosa contenga un modello di IA, quindi vale la pena fermarsi e chiarire che cos’è un agente, in che cosa è davvero bravo e quando non dovresti ancora fidarti di lui.

Una definizione davvero utile

Un agente AI è un sistema che usa un modello linguistico per perseguire un obiettivo, scegliendo il passo successivo, agendo con degli strumenti e verificando che cosa è successo, ripetutamente, finché non decide che il lavoro è concluso.

Devono essere presenti tre cose:

• Un obiettivo, invece di una singola domanda. «Trova tre sedi per un incontro fuori ufficio di 40 persone a meno di $5,000» è un obiettivo. «Qual è una buona sede ad Austin?» è una domanda.
• Strumenti che permettano al modello di fare cose: cercare sul web, aprire file, eseguire codice, compilare un modulo, inviare un messaggio.
• Un ciclo. Il modello pianifica un passo, lo esegue, ne osserva il risultato e sceglie il passo successivo in base a ciò che ha visto.

Togli gli strumenti e il ciclo e torni ad avere un chatbot. Aggiungili e il modello smette di essere soltanto uno scrittore e comincia ad agire più come un operatore. Questo cambiamento è il punto centrale.

Chatbot, flussi di lavoro e agenti non sono la stessa cosa

La distinzione più chiara che ho visto viene dalla guida tecnica di Anthropic sulla creazione di agenti. Descrive i flussi di lavoro come sistemi in cui modelli e strumenti sono «orchestrati attraverso percorsi di codice predefiniti» e gli agenti come sistemi in cui il modello dirige dinamicamente «i propri processi e l’uso degli strumenti».

In pratica, questo porta a tre livelli:

Tipo	Chi decide il passo successivo	Esempio
Chatbot	Tu, dopo ogni risposta	Chiedere a un assistente di spiegare una clausola di un contratto
Flusso di lavoro	Uno sviluppatore, in anticipo	Ogni nuova richiesta di assistenza viene riassunta, etichettata e instradata nello stesso modo
Agente	Il modello, mentre lavora	«Correggi il test che fallisce in questo repository». Legge il codice, modifica i file, riesegue i test e ripete il processo

Molti prodotti venduti come agenti sono in realtà flussi di lavoro. Onestamente, spesso è la soluzione progettuale migliore. Una sequenza fissa è prevedibile, costa meno da eseguire ed è facile da testare. Un vero agente giustifica i costi e i rischi aggiuntivi solo quando nessuno può scrivere in anticipo il percorso verso l’obiettivo.

Che cosa contiene un agente

Tolto il marketing, la maggior parte degli agenti è costruita con le stesse quattro parti.

Un modello che pensa

Un modello linguistico di grandi dimensioni legge l’obiettivo, decide quale strumento usare e interpreta il risultato. La qualità del modello conta più per gli agenti che per le chat. In una chat, una risposta scadente ti costa una risposta. In un agente, una scelta sbagliata al secondo passo influenza tutti quelli successivi.

Strumenti che può usare

Gli strumenti sono funzioni che l’agente può chiamare. Un agente di programmazione potrebbe avere «leggi file», «modifica file» ed «esegui test». Un agente di ricerca potrebbe avere «cerca» e «apri pagina». Ogni strumento viene descritto al modello in linguaggio semplice; il modello ne richiede l’uso producendo una richiesta strutturata che il software circostante esegue.

Stanno nascendo standard che permettono di collegare gli strumenti a diversi agenti. Anthropic ha introdotto il Model Context Protocol nel novembre 2024 come metodo aperto per collegare gli assistenti IA a dati e servizi; oggi è ampiamente supportato. Il 6 ottobre 2026, Sierra e Meta hanno annunciato il Personal Agent Protocol, una proposta basata su OAuth che riguarda il modo in cui gli agenti personali si identificano presso le aziende e ciò che possono fare una volta connessi. Tra i partner citati al lancio figuravano Shopify, Stripe e Walmart, con una prima versione della specifica promessa per più avanti in ottobre.

Memoria

Un agente deve ricordare ciò che ha già provato. Per i lavori brevi basta il registro della conversazione in corso. I lavori più lunghi richiedono di solito appunti scritti in un file o in un database, perché alla fine il registro diventa troppo lungo e confuso per essere utile.

Misure di sicurezza

I buoni agenti lavorano entro limiti: quali strumenti, account e cartelle possono usare, quanto possono spendere e quali azioni richiedono prima l’approvazione di una persona. Direi che le misure di sicurezza contano più del modello. Sono ciò che permette di distogliere lo sguardo senza correre rischi.

In che cosa gli agenti sono davvero bravi oggi

Gli agenti eccellono nei lavori che hanno molti passaggi ma un risultato facile da verificare.

La programmazione con test è l’esempio più chiaro. L’agente modifica il codice, esegue la suite di test e continua finché i test non vengono superati. I test fanno da arbitro che non si stanca.

Funziona bene anche la ricerca con citazioni. Un agente può cercare, aprire una dozzina di fonti e preparare una sintesi in cui ogni affermazione rimanda alla propria origine. Devi comunque leggerla, ma parti da una bozza invece che da una pagina bianca.

La pulizia dei dati è un altro punto di forza: riformattare fogli di calcolo disordinati, confrontare due elenchi o estrarre gli stessi campi da cinquanta PDF. Controllare a campione dieci righe è molto più veloce che fare tutto da soli.

Lo schema è sempre lo stesso. Puoi verificare il risultato più velocemente di quanto avresti potuto produrlo. Quando è così, vale la pena provare un agente. Altrimenti, fai attenzione.

Dove incontrano ancora difficoltà

I piccoli errori si accumulano

Se un agente legge male qualcosa al terzo passo, tutto ciò che segue si basa su quell’errore. Un compito di cinque minuti lo perdona. Un compito di due ore di solito no. Per questo gli agenti che sembrano magici in una dimostrazione possono perdere la strada durante un lavoro lungo e disordinato.

Obiettivi vaghi

«Migliora il nostro inserimento dei nuovi arrivati» non dà all’agente un punto in cui fermarsi. Senza una definizione chiara di quando il lavoro è concluso, gli agenti smettono troppo presto oppure continuano a lungo dopo il momento in cui avrebbero dovuto fermarsi.

Azioni che non puoi annullare

Leggere è facile da annullare. Inviare un’email, eliminare un file o comprare qualcosa no. Più un agente può cambiare nel mondo reale, più costa un singolo malinteso.

Sicurezza

Gli agenti leggono cose scritte da sconosciuti: pagine web, email, documenti condivisi. Alcuni di questi contenuti possono contenere istruzioni nascoste pensate per prendere il controllo dell’agente. Questo si chiama prompt injection e l’OWASP Gen AI Security Project lo classifica come il rischio principale per le applicazioni basate su modelli linguistici. Il problema non è risolto.

Agenti liberi sul web aperto

Ottobre 2026 ci ha dato un esempio vivido, che tratto in dettaglio nel nostro articolo sull’incidente degli agenti di Wikimedia. All’inizio di ottobre, la Wikimedia Foundation ha dichiarato che alcuni agenti che ritiene gestiti da OpenAI avevano modificato i suoi wiki senza l’approvazione della comunità normalmente richiesta ai bot. Quasi tutte erano modifiche di prova in aree sandbox, ma alcune riguardavano la configurazione di uno strumento per le citazioni e sono state definite da Wikimedia «potenzialmente dannose». Gli agenti hanno anche inviato milioni di richieste automatiche alle API pubbliche di Wikimedia e centinaia di migliaia di interrogazioni al Wikidata Query Service. Secondo Wikimedia, quel traffico potrebbe aver contribuito a un’interruzione parziale del servizio a maggio. Wikimedia non ha trovato prove che i suoi sistemi o dati siano stati compromessi.

La frase di Selena Deckelmann di Wikimedia che mi è rimasta impressa è: «Wikipedia è stata progettata per gli esseri umani». Anche gran parte del web lo è stata. Chi gestisce un agente è responsabile di come si comporta là fuori e gli strumenti per farlo bene sono ancora immaturi.

Aspettative e realtà sul lavoro

Gli analisti prevedono una rapida diffusione degli agenti. Nell’agosto 2025, Gartner ha previsto che entro il 2026 il 40% delle applicazioni aziendali avrebbe incluso agenti AI per compiti specifici, rispetto a meno del 5% nel 2025.

I sondaggi aziendali dipingono un quadro più prudente. La maggior parte delle aziende dichiara di sperimentare gli agenti. Molte meno dicono di averne uno operativo su larga scala con una supervisione chiara: approfondisco questo divario in perché gli agenti AI si fermano alla fase pilota. A mio avviso, il divario riguarda meno la qualità del modello e più gli aspetti poco appariscenti: collegare gli agenti ai sistemi giusti, decidere chi approva cosa e misurare se i risultati siano davvero migliori di prima. Dove l’IA assume il lavoro di routine, i primi effetti si vedono nelle assunzioni per posizioni iniziali.

Come provare un agente senza pentirsene

Se vuoi sperimentare, queste abitudini eliminano la maggior parte del rischio.

1. Inizia in sola lettura. Lascia che faccia ricerche, riassuma o prepari bozze prima di permettergli di inviare, comprare o eliminare qualsiasi cosa.
2. Affidagli un piccolo compito verificabile. «Trova cinque articoli recenti su X ed elenca l’affermazione principale di ciascuno con un link» è un primo incarico molto migliore di «gestisci la mia posta in arrivo».
3. Richiedi l’approvazione per tutto ciò che ha effetti collaterali. La maggior parte degli strumenti per agenti può fermarsi prima di inviare un messaggio o modificare un file. Attiva questa funzione e lasciala attiva finché non conosci il comportamento dell’agente.
4. Collega il meno possibile. Dagli l’unica cartella o l’unico account necessari al compito. Un agente sperimentale e la tua email principale sono una pessima combinazione.
5. Leggi il registro. I buoni strumenti per agenti mostrano ogni passo eseguito. Scorrilo, almeno le prime volte.
6. Controlla tu stesso il risultato. Il fatto che un agente dica che il compito è riuscito non ne è la prova. Valgono le stesse abitudini della nostra guida su come verificare una risposta dell’IA.

Se l’agente accederà a qualcosa legato al lavoro, leggi prima come usare l’IA al lavoro senza far trapelare dati sensibili.

Alcuni termini che incontrerai spesso

• Uso degli strumenti o chiamata di funzione: il modello chiede al software circostante di eseguire una funzione specifica con dati specifici.
• Finestra di contesto: la quantità di testo che il modello può considerare contemporaneamente, comprese le istruzioni, la conversazione fino a quel momento e i risultati degli strumenti.
• Essere umano nel ciclo: una progettazione in cui una persona approva o corregge i passaggi chiave.
• Orchestrazione: il codice che esegue il ciclo, chiama gli strumenti e applica i limiti.
• Sistema multi-agente: più agenti con ruoli diversi, come un pianificatore e alcuni esecutori, che si coordinano su un compito.

Che cosa significa per te

Un agente AI è un modello linguistico con un obiettivo, un insieme di strumenti e il permesso di eseguire più di un passo. Questo rende gli agenti davvero utili per lavori a più passaggi facili da verificare e davvero rischiosi per lavori aperti con conseguenze reali. Inizia in piccolo, lascia le decisioni importanti a una persona e amplia ciò che l’agente può fare solo dopo che se lo è guadagnato.

Anche il modello sottostante conta. La nostra guida su come scegliere un modello di IA illustra i compromessi.

Fonti

• Anthropic, Creare agenti efficaci, 19 dicembre 2024
• Anthropic, Presentazione del Model Context Protocol, 25 novembre 2024
• OWASP Gen AI Security Project, LLM01:2025 Prompt injection
• Gartner, Gartner prevede agenti AI per compiti specifici nel 40% delle applicazioni aziendali entro il 2026, rispetto a meno del 5% nel 2025, 26 agosto 2025
• Help Net Security, Agenti OpenAI fuori controllo hanno modificato Wikipedia senza autorizzazione e inviato milioni di richieste a Wikimedia, 6 ottobre 2026
• The Next Web, Sierra annuncia Personal Agent Protocol, uno standard aperto per agenti AI personali, 6 ottobre 2026