AI agentica per le PMI: quando serve davvero un agente AI

Un agente AI persegue un obiettivo in più passaggi e sceglie da sé gli strumenti. Quando serve a una PMI, quando basta un workflow e come tenerlo sicuro.

· Guida · · 8 min di lettura

Un agente AI è un software che persegue un obiettivo in più passaggi e decide quali strumenti usare, dentro limiti messi per iscritto. Un workflow segue passaggi definiti in anticipo. Alla maggior parte delle PMI serve prima un workflow. L'agente conviene quando il lavoro cambia da un caso all'altro, con test intorno e una persona che approva ciò che esce.

In LeaderNova costruiamo questi sistemi, e molte prime call iniziano allo stesso modo: qualcuno ha comprato un "agente" che si rivela un chatbot con un'etichetta nuova. Questa guida è la risposta che diamo: una definizione semplice, come capire se ti serve un agente o un workflow, dove gli agenti si ripagano in una piccola azienda e come tenerli sotto controllo.

Cos'è un agente AI?

Un agente AI è un modello linguistico che lavora verso un obiettivo, sceglie il passaggio successivo e usa degli strumenti per arrivarci: legge una casella email, cerca sul web, scrive la bozza di un documento, aggiorna un record. Anthropic traccia il confine nella sua guida tecnica: nei workflow modelli e strumenti seguono percorsi definiti nel codice, mentre gli agenti decidono da sé il processo e gli strumenti da usare (Anthropic, dicembre 2024).

La definizione conta perché il mercato è confuso. Gartner prevedeva che entro il 2026 il 40% delle applicazioni aziendali avrebbe incluso agenti AI dedicati a compiti specifici, contro meno del 5% nel 2025 (Gartner, agosto 2025). La stessa Gartner parla di "agent washing", cioè fornitori che ribattezzano agenti i loro assistenti, chatbot e RPA, e stima che tra le migliaia di fornitori che dichiarano AI agentica solo circa 130 lo siano davvero (Gartner, giugno 2025).

Per cui, quando qualcuno ti propone un agente, fai due domande. Decide da sé i passaggi o esegue uno script? E a cosa può accedere?

Workflow o agente: cosa ti serve?

Parti dalla soluzione più semplice che funziona. È quello che consiglia Anthropic, aggiungendo complessità solo quando migliora i risultati; i team che ottengono risultati usano pattern semplici e componibili invece di framework pesanti (Anthropic, dicembre 2024). McKinsey, dopo un anno di progetti agentici, arriva allo stesso punto dal lato business: per il lavoro standardizzato e poco variabile spesso è meglio un'automazione a regole, che è anche più affidabile (McKinsey, settembre 2025).

Workflow automatizzato Agente AI
Chi decide i passaggi Tu, in anticipo L'agente, dentro limiti scritti
Ideale per Lavoro ripetibile con input noti: acquisizione fatture, sincronizzazione dati, approvazioni Lavoro che cambia da caso a caso: smistamento email, ricerche, prime bozze
Come sbaglia Si ferma davanti a un input che non si aspetta Fa un passaggio plausibile ma sbagliato
Come si testa Casi di test fissi Un golden set di casi reali, valutato a ogni modifica
Costo di esercizio Basso e prevedibile Più alto, e varia con il caso
Da dove partire Automazione dei processi con l'AI AI agentica

Gartner prevede che oltre il 40% dei progetti di AI agentica verrà cancellato entro la fine del 2027, per costi in crescita, valore di business poco chiaro e controlli sui rischi insufficienti (Gartner, giugno 2025). Scegliere un agente dove bastava un workflow è un modo rapido per finire in quel 40%.

Dove si ripagano gli agenti AI in una PMI?

Un agente si guadagna il posto quando l'input cambia, il criterio di giudizio si può mettere per iscritto e una buona bozza fa risparmiare tempo anche se poi una persona la controlla. In una piccola azienda di solito parliamo di attività come queste:

  • Finanza e investor relations. Preparare l'update per gli investitori, studiare un fondo prima di una call, verificare che il racconto torni con i numeri.
  • Marketing con il tuo tono di voce. Prime bozze di pagine, email e proposte che suonano già come te.
  • Contenuti social. Trasformare un talk, un caso o una release in post per ogni canale.
  • Legale e amministrazione. Una prima lettura di un contratto rispetto alle tue posizioni standard, il controllo delle scadenze, le pratiche ricorrenti.
  • Follow-up operativo. Sollecitare le attività aperte, preparare lo stato settimanale, richiamare il responsabile di un'attività ferma.
  • La casella email. Smistamento, un digest mattutino e risposte preparate come bozze.

La prima lezione di McKinsey è che il valore di business arriva cambiando il workflow intorno all'agente (McKinsey, settembre 2025). Per questo misuriamo prima di costruire: ore spese, tempi di ciclo ed errori sull'attività così come gira oggi, poi le stesse misure dopo il go-live.

Come si tiene sicuro un agente AI?

L'OWASP Top 10 for Agentic Applications 2026 elenca i rischi specifici degli agenti. I primi tre sono il goal hijack, cioè qualcuno che devia l'agente attraverso i contenuti che legge; l'uso improprio degli strumenti; l'abuso di identità e privilegi. L'elenco prosegue con l'avvelenamento della memoria, i guasti a cascata e gli agenti fuori controllo (OWASP, dicembre 2025). Il principio di fondo è la least agency: dare a un agente solo l'autonomia che il suo lavoro richiede.

In pratica applichiamo quattro regole:

  1. Identità dell'agente. Ogni agente accede con la propria identità, con credenziali e permessi propri, a breve scadenza e limitati al suo lavoro, mai con l'account di un founder. Revoca l'identità e l'agente si ferma.
  2. Least agency, con il context engineering. Legge solo ciò che serve al suo lavoro: cartelle precise del drive, le email in cui è in copia, un calendario. Per ogni compito vede solo i fatti, la memoria, i dati e le istruzioni che servono a quel compito. I dati sensibili, come i fascicoli HR o i dati sanitari, restano fuori dalla sua portata.
  3. Human in the loop. Email, documenti, pagamenti e post restano bozze finché qualcuno non li approva, e lo stesso vale per ogni modifica a un sistema gestionale. Quando l'agente non è sicuro passa il caso a una persona, e ogni correzione diventa un nuovo caso di test.
  4. Tutto viene registrato. Ogni chiamata a uno strumento finisce nei log, così vedi cosa ha fatto l'agente, perché e con quale identità.

Conta anche dove gira. Mettiamo in produzione gli agenti nel tuo ambiente, sul tuo cloud e con i tuoi account, oppure come AI privata sui tuoi server, ospitata dove ti serve (in UE, negli Stati Uniti o in un paese specifico) nel rispetto del GDPR, del CCPA e delle altre norme applicabili. LeaderNova costruisce l'agente, lo verifica con i test e ti consegna runbook, test e log. L'agente è tuo e lo gestisci tu. Per il lato normativo trovi tutto in AI Act e PMI.

Perché un agente per ogni lavoro?

Un unico assistente che fa tutto è difficile da testare e ancora più difficile da mettere in sicurezza, perché deve poter accedere a tutto. Organizziamo gli agenti in orizzontale, per lavoro: un agente per finanza e investor relations, uno per il marketing che scrive con il tuo tono, uno per i contenuti social, uno per legale e amministrazione, uno per il follow-up operativo. Ognuno ha la sua identità, i suoi accessi e i suoi test.

Il team raggiunge ogni agente dove lavora già: in chat, con una @menzione in un thread, oppure assegnandogli un'attività nello strumento di lavoro del team. Nessuno deve imparare una nuova app.

Il tutto resta sostenibile nel tempo grazie all'architettura che sta sotto, e che resta dell'azienda:

  • Un framework agentico. L'architettura su cui gira ogni agente: collegamenti ai tuoi strumenti, orchestrazione, approvazioni, eval e log. È fatto di pezzi semplici e componibili invece che di un framework pesante di terze parti, e prende il posto degli assistenti personali che nessuno mantiene.
  • Un livello di conoscenza. Gli agenti leggono le procedure approvate e i dati dell'azienda da un unico archivio versionato, con la fonte di ogni informazione. Gli appunti personali diventano condivisi solo dopo una revisione.
  • Un livello di memoria. Quello che gli agenti ricordano tra un compito e l'altro, come lo storico dei casi, le decisioni e le preferenze, con regole scritte su cosa si conserva, per quanto tempo e chi può vederlo. Resta separato dal livello di conoscenza.
  • I tuoi sistemi gestionali. Gli agenti leggono e scrivono nei sistemi di riferimento (system of record): CRM, contabilità, ERP, ticketing e documenti, che restano l'unica fonte di verità. Nessun database parallelo, e ogni azione di un agente si ritrova lì.
  • Test su casi reali. Ogni capacità di un agente viene testata su un golden set di 20-30 casi reali, prima del go-live e a ogni modifica.
  • L'orchestrazione per ultima. Gli agenti si passano il lavoro solo quando ognuno ha dimostrato di funzionare da solo, e il passaggio si prova prima su un singolo caso.

Come funziona in pratica? Un'azienda di ingegneria con molti processi operativi

Un'azienda di ingegneria con molti processi operativi ci ha chiesto assistenti AI per il suo team. Siamo partiti da un audit operativo e AI, e il brief poneva condizioni precise: pronto per la produzione dal primo giorno, dati sotto il controllo dell'azienda, una persona che approva tutto ciò che esce e nessun nuovo abbonamento AI per utente.

Cosa è stato consegnato finora:

  • smistamento email e un digest mattutino con le risposte in bozza, in produzione e testato su un golden set di casi reali;
  • assistenti AI separati riuniti su un unico framework agentico, con un livello di conoscenza e una memoria condivisi, e ogni capacità testata su casi reali;
  • strumenti specializzati per documenti, CRM e business intelligence, dentro gli strumenti che il team già usa;
  • un livello di conoscenza con le procedure approvate, separato dagli appunti personali;
  • regole di accesso che tengono i dati sensibili fuori dalla portata dell'AI;
  • per ogni agente un'identità propria e un modello di accesso ai dati.

I dettagli sono nel caso studio.

Da dove si parte con gli agenti AI?

  1. Audit e baseline. Un audit operativo e AI mappa dove va il tempo e registra ore, tempi di ciclo ed errori per le attività in perimetro.
  2. Scegli un lavoro. Prendi un'attività che cambia da caso a caso. Se non cambia, costruisci un workflow: costa meno ed è più affidabile.
  3. Scrivi i limiti. Cosa legge l'agente, cosa può fare e cosa richiede l'approvazione di una persona.
  4. Costruisci il golden set. 20-30 casi reali, valutati prima del go-live e di nuovo a ogni modifica.
  5. Vai in produzione con le bozze. L'agente prepara, una persona approva, e misuri rispetto alla baseline.
  6. Aggiungi l'agente successivo. L'orchestrazione arriva quando i singoli agenti hanno dimostrato di funzionare.

Per nessuno di questi passaggi servono abbonamenti AI per utente, se preferisci non pagarli.


Se stai valutando un agente per un lavoro preciso, partiamo dal lavoro stesso. Ti diciamo se serve un agente o un workflow, e cosa serve per farlo girare in sicurezza nel tuo ambiente. Scopri come costruiamo agenti AI

Fonti

  • Anthropic, "Building effective agents", 19 dicembre 2024: anthropic.com
  • Gartner, "Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027", 25 giugno 2025: gartner.com
  • Gartner, "Gartner Predicts 40% of Enterprise Apps Will Feature Task-Specific AI Agents by 2026, Up from Less Than 5% in 2025", 26 agosto 2025: gartner.com
  • McKinsey QuantumBlack, "One year of agentic AI: Six lessons from the people doing the work", 12 settembre 2025: mckinsey.com
  • OWASP GenAI Security Project, "OWASP Top 10 for Agentic Applications for 2026", 9 dicembre 2025: genai.owasp.org

Ultima verifica: 2 novembre 2026.

Domande frequenti

Un agente AI è un software che lavora verso un obiettivo in più passaggi e decide quali strumenti usare, dentro limiti messi per iscritto. Può leggere una casella email, cercare sul web, scrivere la bozza di un documento o aggiornare un record. Un workflow, invece, segue passaggi definiti in anticipo.

Sì, sul lavoro giusto. Un agente si ripaga dove il lavoro cambia da caso a caso e una buona bozza fa risparmiare tempo, come lo smistamento della posta, l'update per gli investitori o la prima lettura dei contratti. Dove i passaggi sono sempre gli stessi, un'automazione più semplice costa meno ed è più affidabile. Misura prima l'attività, così saprai se l'agente si è ripagato.

In finanza prepara l'update per gli investitori e studia un fondo prima di una call. Nel marketing scrive le prime bozze di pagine, email e proposte con il tuo tono di voce. In amministrazione e nell'ufficio legale fa una prima lettura dei contratti rispetto alle tue posizioni standard e tiene d'occhio le scadenze. In ogni caso prepara il lavoro e una persona lo approva.

Non come li costruiamo noi. Teniamo una persona nel processo (human in the loop): email, documenti, pagamenti e post restano bozze finché una persona non li approva, e lo stesso vale per ogni modifica a un sistema gestionale come il CRM o la contabilità. L'agente agisce con una propria identità di agente e credenziali a breve scadenza e limitate, e ogni chiamata a uno strumento finisce nei log, così vedi cosa ha fatto e perché.

L'agente gira nel tuo ambiente, sul tuo cloud e con i tuoi account, oppure come AI privata sui tuoi server, ospitata dove ti serve: in UE, negli Stati Uniti o in un paese specifico, nel rispetto del GDPR, del CCPA e delle altre norme applicabili. Ogni agente legge solo ciò che serve al suo lavoro, e i dati sensibili restano fuori dalla sua portata.

Un unico assistente che fa tutto deve poter accedere a tutto, ed è difficile da testare e da mettere in sicurezza. Un agente per lavoro ha la sua identità, i suoi accessi e i suoi test, e il team lo raggiunge dove lavora già: in chat, con una @menzione o assegnandogli un'attività.

Il context engineering consiste nel progettare il contesto che l'agente vede per ogni compito: le istruzioni del suo lavoro, i fatti approvati che gli servono, la memoria pertinente e i dati che gli servono dai tuoi sistemi, e nient'altro. Conta più di come è scritto un prompt. Un agente con il contesto giusto è più preciso, costa meno ed è più sicuro, perché non può diffondere né usare dati che non ha mai visto.

Raccontaci cosa stai costruendo.

Prenota una strategy call: ti diciamo dove possiamo aiutarti, e se non siamo le persone giuste te lo diciamo subito.

Parliamone