AI agentica in una piccola impresa: cosa funziona già e cosa è ancora una demo

Nelle presentazioni l'AI agentica fa tutto: risponde ai clienti, ordina dai fornitori, gestisce la posta, prepara le offerte, e prima o poi prende il posto di un reparto. Nei test di chi questi modelli li costruisce il quadro è più stretto e molto più utile. Ci sono lavori che un agente fa bene già oggi, in una piccola impresa qualunque. E ce ne sono altri che fa bene nelle dimostrazioni e male il martedì mattina, quando nessuno lo guarda.

Una riga per intendersi sulle parole. Un agente è un sistema in cui è il modello a scegliere i passi: riceve un obiettivo, decide cosa fare, usa degli strumenti, guarda il risultato e riprova. AI agentica, o agentic AI, è il nome dell'approccio. Cosa lo distingua da un'automazione sta in un articolo a parte; qui si parte da lì e si guarda cosa regge nel lavoro vero.

Il test più istruttivo: un negozio#

Nel 2025 Anthropic, l'azienda che sviluppa i modelli Claude, ha fatto l'esperimento che ogni titolare vorrebbe vedere prima di comprare un agente. Insieme ad Andon Labs ha affidato a un suo modello, soprannominato Claudius, un piccolo negozio automatico nel proprio ufficio di San Francisco. Per circa un mese Claudius doveva scegliere cosa vendere, trovare i fornitori, fissare i prezzi e rispondere ai clienti, che erano i dipendenti, su Slack. Aveva la ricerca sul web, la posta per scrivere ai grossisti, un blocco note per i conti.

Il resoconto di giugno 2025 elenca gli errori senza addolcirli. Ha comprato dei cubi di metallo e li ha rivenduti a meno di quanto li aveva pagati. Si è fatto convincere a dare codici sconto e a regalare merce, anche dopo che un dipendente gli aveva fatto notare che il 99% dei suoi clienti lavorava in Anthropic. Per un periodo ha detto ai clienti di pagare su un conto Venmo che si era inventato. Ha lasciato cadere un'offerta di 100 dollari per una confezione da sei di una bibita scozzese che negli Stati Uniti, online, costa 15 dollari. La conclusione è di Anthropic: se dovesse decidere oggi di entrare nel mercato dei distributori automatici in ufficio, «non assumerebbe Claudius».

La parte che serve a una piccola impresa è la seconda fase, raccontata a dicembre 2025. Modelli più recenti, un gestionale dei clienti, i costi d'acquisto scritti accanto a ogni prodotto. E soprattutto due cambiamenti di metodo. Il primo è una procedura: prima di impegnarsi con un cliente, Claudius doveva verificare prezzi e tempi di consegna con gli strumenti di ricerca, e secondo Anthropic è stata fra le modifiche che hanno pesato di più. Il secondo è un limite: nessuno strumento per pagare, così che per ogni acquisto dovesse sempre passare da una persona. Le settimane in perdita sono quasi sparite, e il negozio ha cominciato a guadagnare.

Non è diventato affidabile, però. Anthropic aveva aggiunto un secondo agente nel ruolo di capo, per sorvegliare il primo, e nella stessa fase i due erano pronti a firmare un contratto per una grossa fornitura di cipolle a prezzo bloccato, finché un dipendente non ha fatto notare che una legge americana del 1958 vieta proprio quel tipo di contratto. Claudius ha offerto un lavoro da addetto alla sicurezza a 10 dollari l'ora, ben sotto il salario minimo della California. Un dipendente lo ha convinto, senza nessuna prova, che l'ufficio avesse votato un collega come amministratore delegato, e Claudius lo ha annunciato. Quanto all'agente capo, approvava le richieste di trattamenti di favore per i clienti circa otto volte più spesso di quanto le respingesse, e il resoconto ammette che può aver frenato più che aiutato.

Le conclusioni del resoconto valgono più di qualunque presentazione: la distanza fra «capace» e «completamente affidabile» resta ampia, e anche con tutti gli strumenti nuovi gli agenti hanno avuto bisogno «di moltissimo supporto umano». E poi la più semplice: «abbiamo riscoperto che la burocrazia conta».

Sono prove del 2025, fatte con modelli che nel frattempo sono stati superati, e anche fra la prima e la seconda fase il modello era cambiato. Ma fra le modifiche che il resoconto mette in cima ci sono una procedura e un limite, non più libertà. La lettura che ne ricava questo articolo è che i modelli nuovi spostano il confine di quello che un agente sa fare da solo, e non tolgono il bisogno di una persona davanti ai soldi.

Cosa funziona già#

Nella sua guida su come si costruiscono agenti efficaci, Anthropic indica le due applicazioni che, lavorando con i suoi clienti, ha trovato più promettenti: l'assistenza ai clienti e la scrittura di codice. In tutte e due, scrive, gli agenti rendono di più perché sono compiti che richiedono «sia conversazione sia azione», hanno criteri di successo chiari e lasciano spazio al controllo di una persona. Per l'assistenza, scrive, il successo si misura in modo netto: la richiesta del cliente è stata risolta oppure no.

Tradotto in una piccola impresa, i lavori che stanno da questa parte sono di quattro tipi.

Rispondere partendo dai tuoi documenti. Orari, prodotti, condizioni, stato di un ordine: l'agente risponde da quello che gli hai dato, e quando non lo sa passa la richiesta a una persona invece di inventare. Funziona se il perimetro è scritto e se c'è volume, e le due condizioni sono spiegate negli articoli sulle allucinazioni e sul chatbot che serve davvero.

Leggere quello che arriva e preparare il lavoro. Email, richieste dal sito, documenti dei fornitori: l'agente legge, capisce di cosa si tratta, tira fuori i dati, prepara una bozza di risposta o di registrazione. Una persona approva. Se l'agente sbaglia, l'errore si ferma lì.

Cercare e mettere in fila. Raccogliere informazioni su un elenco di aziende, confrontare le offerte di tre fornitori, preparare un fascicolo prima di una riunione. Il risultato è un documento che qualcuno legge, non un'azione che parte da sola.

Il passo che ragiona dentro un'automazione. Il caso meno raccontato: un giro di passi fissi in cui uno solo, quello che richiede giudizio, è affidato a un modello. È la ripartizione che conviene quasi sempre, come spiega l'articolo sulla differenza fra automazioni e agenti, ed è quella per cui strumenti come n8n hanno un riquadro apposta.

Le quattro cose hanno in comune tre condizioni. Il compito ha un confine che si può scrivere. Il risultato passa sotto gli occhi di una persona prima di impegnare l'azienda. E gli strumenti che l'agente usa sono collegati attraverso le loro porte dati, quelle che in gergo si chiamano API, e non attraverso lo schermo come farebbe una RPA.