Automazioni AI e agenti AI: che differenza c'è
Un'automazione esegue i passi che le hai scritto. Un agente AI decide i passi da solo. Cosa cambia davvero, quando basta l'una e quando serve l'altro.
La risposta corta
Che differenza c'è tra un'automazione AI e un agente AI?
In un'automazione i passi li decide una persona, una volta, prima: il software li ripete sempre uguali, e l'AI al massimo svolge uno dei passi. In un agente AI i passi li sceglie il modello mentre lavora: riceve un obiettivo, decide cosa fare, usa strumenti, guarda il risultato e riprova. Da questa differenza viene tutto il resto: un'automazione è prevedibile e si collauda una volta sola, un agente è variabile e va sorvegliato per sempre.
«Ci serve un agente AI.» Detta così, nella maggior parte dei casi, la cosa che serve davvero è un'automazione: costa meno, si consegna prima e si rompe meno. Il problema è che le due parole vengono usate come sinonimi, spesso da chi le vende, e la differenza non è una sfumatura da addetti ai lavori. Cambia il prezzo, i tempi, il modo in cui il sistema sbaglia e chi deve stare a guardare mentre lavora.
Chi decide i passi#
La differenza sta tutta in una domanda, e non riguarda quanto sia avanzata l'intelligenza artificiale che c'è dentro: chi decide i passi?
In un'automazione i passi li decidi tu, prima. Il software li ripete identici, mille volte, senza sceglierne nessuno.
In un agente i passi li sceglie il modello, mentre lavora. Tu gli dai un obiettivo e i mezzi, non l'elenco delle mosse.
Non è una differenza di potenza. È una differenza di chi tiene il volante. Chi costruisce questi sistemi la traccia nello stesso punto: nella documentazione tecnica di Anthropic i workflow sono quelli in cui i modelli e gli strumenti vengono «orchestrati attraverso percorsi di codice predefiniti», mentre negli agenti sono i modelli a «dirigere dinamicamente i propri processi e l'uso degli strumenti» (Building effective agents). Quello che in inglese si chiama workflow, in Italia si vende come «automazione AI». È la stessa cosa.
Tre cose diverse che si chiamano tutte AI#
Prima di confrontarle conviene separarle, perché nel mezzo c'è una categoria che quasi nessuno nomina, ed è quella dove finisce la gran parte dei lavori veri.
L'automazione semplice: dentro non c'è nessuna AI#
Se arriva un modulo dal sito, scrivi una riga nel foglio, manda una conferma e avvisa su WhatsApp. Nessun modello, nessuna intelligenza: una sequenza di «se succede questo, fai quest'altro». È quello che fanno Zapier, Make e in larga parte n8n, ed è anche quello che fa la RPA, cioè il software che imita i clic di una persona dentro programmi vecchi che non hanno un modo pulito di collegarsi.
Ha un pregio che conta: è deterministica. Stesso caso in ingresso, stesso percorso, stessa uscita. Il giorno che arriva un caso non previsto, si ferma o sbaglia in modo evidente, e te ne accorgi.
L'automazione AI: percorso fisso, un passo intelligente#
Stessa sequenza decisa da te, con dentro uno o due passi affidati a un modello, perché sono passi che le regole non sapevano fare. Leggi questa email e dimmi in quale delle cinque categorie sta. Prendi questo PDF e tirane fuori quei quattro dati. Scrivi la bozza della risposta, che poi la rileggo.
Il modello qui fa un mestiere, non prende le decisioni sul percorso. Il giro resta quello scritto in fase di costruzione: leggi, classifica, registra, avvisa. È il tipo di lavoro di cui parla la pagina delle automazioni AI, ed è la categoria in cui rientra quasi tutto quello che un'azienda piccola automatizza per prima.
L'agente AI: un obiettivo al posto delle istruzioni#
Qui il modello non esegue un passo del giro: sceglie il giro. La definizione più asciutta è quella della guida di OpenAI, che la mette in una frase: «gli agenti sono sistemi che portano a termine compiti per tuo conto in modo indipendente». E la stessa guida chiude la porta all'abuso più comune: le applicazioni che usano un modello ma non gli lasciano il controllo dell'esecuzione, «i chatbot semplici, i modelli a singolo turno, i classificatori di sentiment», non sono agenti (A practical guide to building agents, pagina 4).
Cosa ha un agente che un'automazione non ha#
Sono cinque pezzi. I primi tre si comprano quasi già fatti, gli ultimi due sono quelli che decidono se il lavoro regge.
Un obiettivo invece di una lista. «Qualifica questa richiesta» al posto di «leggi il campo settore, confrontalo con la tabella, scrivi sì o no».
Gli strumenti. Un agente può leggere e scrivere fuori da sé: aprire l'agenda, interrogare il gestionale, mandare un messaggio, cercare sul web. In gergo si chiama tool use, ed è la parte che lo rende capace di combinare qualcosa invece di limitarsi a parlarne. La guida di OpenAI riduce l'anatomia di un agente a tre componenti: il modello, gli strumenti e le istruzioni che ne definiscono i limiti.
La memoria e i tuoi documenti. Cosa si ricorda dentro un compito, e cosa ritrova fra un compito e l'altro. La tecnica più diffusa non è insegnargli tutto: è metterlo in condizione di cercare nei tuoi documenti al momento giusto, che è quello che si chiama RAG, retrieval augmented generation.
Il ciclo. Fa una cosa, guarda com'è andata, corregge, riprova. È il pezzo che un'automazione non ha e non può avere: un'automazione non si accorge di aver sbagliato, perché non guarda mai il risultato del passo precedente. Se dovessi tenere una sola voce di questo elenco, terrei questa.
I punti in cui si ferma. Dove l'agente deve smettere di decidere e chiedere a una persona: è quello che in letteratura si chiama human in the loop. Un agente senza punti di fermata non è più autonomo. È solo più difficile da fermare.
Prevedibile contro plausibile: la differenza che si paga#
Un'automazione la collaudi una volta. Se il test passa, passa sempre, perché il percorso è sempre quello. Un agente no: lo stesso caso, due volte, può prendere due strade. Non è un difetto da correggere prima della consegna, è il modo in cui funziona la tecnologia che c'è sotto.
C'è di peggio, ed è utile saperlo prima di firmare: quando un modello non sa, la sua inclinazione naturale non è fermarsi, è rispondere qualcosa di plausibile. Un gruppo di ricerca di OpenAI lo ha spiegato in un lavoro del settembre 2025: i modelli vengono addestrati e valutati con criteri in cui tirare a indovinare paga più che dichiarare incertezza, esattamente come in un test a crocette dove le risposte sbagliate non tolgono punti (Why language models hallucinate).
Da qui viene tutto il resto della differenza pratica.
| Automazione (con o senza AI dentro) | Agente AI | |
|---|---|---|
| Chi decide i passi | Una persona, prima di partire | Il modello, mentre lavora |
| Cosa gli dai | La procedura, passo per passo | Un obiettivo, gli strumenti e i limiti |
| Se il caso non è previsto | Si ferma o sbaglia in modo visibile | Prosegue con la mossa che gli sembra sensata |
| Lo stesso caso due volte | Stesso percorso, stesso risultato | Percorsi diversi, risultati simili ma non identici |
| Come si controlla | Si collauda una volta e regge | Si sorveglia sempre: registro, campioni riletti, punti di fermata |
| Cosa costa far girare | Quasi niente in più, quando cresce | Cresce a ogni esecuzione: i modelli si pagano a consumo |
| Quanto ci vuole a costruirlo | Giorni, perché il processo esiste già | Settimane, perché va addestrato e provato su casi veri |
| Dove si vede l'errore | Nel registro, subito | In quello che ha prodotto, se qualcuno lo rilegge |
La riga da leggere due volte è la terza. Un'automazione che incontra l'imprevisto si pianta, e piantarsi è un comportamento onesto. Un agente tira dritto, e questo è insieme il suo pregio e il suo rischio.
Quando basta un'automazione#
Tre domande, in quest'ordine. Se rispondi sì alle prime due, non ti serve un agente.
- Riesci a scrivere i passi su un foglio, senza usare la parola «dipende»? Se sì, il lavoro è una procedura, e le procedure si automatizzano.
- Il caso arriva sempre nella stessa forma? Lo stesso modulo, lo stesso tracciato, lo stesso tipo di file.
- Quante volte succede? Se il processo lo fai due volte al mese, nessuna delle due strade si ripaga, e la risposta onesta è continuare a mano.
I lavori che stanno in questa casella sono i più noiosi e i più redditizi da togliere: preventivi ricopiati da un programma all'altro, richieste che arrivano in casella e vanno smistate, dati che rimbalzano fra gestionale, fogli e email, richiami che nessuno ha tempo di fare. Nessuno di questi ha bisogno di un sistema che ragiona. Hanno bisogno di uno che non si dimentica.
Quando serve un agente#
La guida di OpenAI elenca tre situazioni, e sono le stesse tre che si incontrano in azienda con nomi meno tecnici.
- Decisioni che richiedono giudizio. Casi con eccezioni, sfumature, cose che dipendono dal contesto. Nell'originale: complex decision-making.
- Regole diventate impossibili da mantenere. Sistemi cresciuti a forza di «tranne quando», dove ogni modifica rompe qualcosa. Difficult-to-maintain rules.
- Roba scritta in linguaggio umano. Documenti, email, conversazioni: tutto quello che non arriva già in colonne. Heavy reliance on unstructured data.
E subito dopo l'avvertenza, che vale più dell'elenco: il caso deve rientrare in quelle categorie in modo chiaro, prima di mettersi a costruire, perché «altrimenti una soluzione deterministica può bastare».
Tradotto nei mestieri di una piccola impresa italiana: chi risponde al telefono quando non c'è nessuno, e deve capire cosa vuole chi chiama prima di poterlo aiutare. Chi deve cercare e qualificare le aziende da contattare, dove il criterio esiste ma non si scrive in una formula. Chi passa ore dentro capitolati e contratti per tirarne fuori le due righe che contano. Sono i casi per cui esistono gli agenti AI, e hanno una cosa in comune: i passi non si possono scrivere prima, perché dipendono da quello che si trova strada facendo.
Quasi sempre la risposta è: tutti e due#
Nella pratica non si sceglie una tecnologia e si butta l'altra. Si costruisce un giro in cui il pezzo agentico è uno solo, quello dove serve giudizio, e tutto il resto intorno è automazione deterministica, perché costa meno ed è più affidabile.
Un esempio montato per intero. Arriva una richiesta dal sito: la registra un'automazione. Un agente la legge, capisce di cosa parla, controlla se l'azienda che scrive è nel raggio di lavoro e decide se è un caso da fissare subito. Da lì in poi torna tutto deterministico: scrivi in agenda, manda la conferma, avvisa il titolare, ricorda il richiamo fra tre giorni. Un solo passo su cinque ha bisogno di un modello che decide. Gli altri quattro sarebbero più cari e meno sicuri se glieli affidassi.
È la ripartizione che consiglia anche Gartner: gli agenti dove servono decisioni, l'automazione per i flussi di routine, gli assistenti per il semplice recupero di informazioni.
Quello che di solito non viene detto#
Tre cose che di rado entrano in una presentazione, e che conviene avere sul tavolo prima di decidere.
Molti progetti agentici non arrivano in fondo. Gartner prevede che oltre il 40% dei progetti di agentic AI verrà cancellato entro la fine del 2027, per costi in crescita, valore di business poco chiaro o controlli sul rischio inadeguati. Nello stesso comunicato c'è la frase che questo articolo cerca di rendere utile: «molti casi d'uso presentati oggi come agentici non hanno bisogno di implementazioni agentiche» (Gartner, giugno 2025).
In Italia gli agenti veri sono ancora rari. Il mercato dell'intelligenza artificiale è arrivato a 1,8 miliardi di euro nel 2025, in crescita del 50%, ma l'Osservatorio Artificial Intelligence del Politecnico di Milano segnala che i sistemi di Process Orchestration e Agentic AI restano «ancora marginali», fermi al 4%. E se il 71% delle grandi imprese ha avviato almeno un progetto di AI, la sperimentazione scende al 15% fra le medie e al 7% fra le piccole. Chi ti racconta che le PMI italiane stanno tutte adottando agenti sta descrivendo un posto che non esiste.
Se parla con i tuoi clienti, deve dire di essere un'AI. Dal 2 agosto 2026 si applica l'articolo 50 del regolamento europeo sull'intelligenza artificiale: chi fornisce sistemi che interagiscono direttamente con le persone deve progettarli in modo che l'interessato sia informato di stare parlando con un sistema di IA, a meno che non sia ovvio. Riguarda l'agente che risponde al telefono o in chat, non l'automazione interna che sposta dati fra due programmi.
Poi c'è il costo, che non finisce alla consegna: i modelli si pagano a consumo, quindi un agente costa in proporzione a quanto lavora, e il monitoraggio è una voce che resta viva. Un'automazione, una volta costruita, gira quasi a costo zero.
Come si riconosce un'automazione venduta come agente#
Gartner ha coniato per questa pratica il termine agent washing: rimarchiare prodotti che esistevano già, «come assistenti AI, RPA e chatbot», senza capacità agentiche sostanziali. Sulle migliaia di fornitori che oggi si presentano come agentici, Gartner stima che quelli veri siano circa 130.
Non serve un tecnico per accorgersene. Servono cinque domande, e la risposta utile è quella che arriva senza giri.
- Chi decide la sequenza dei passi, il vostro codice o il modello?
- Cosa succede quando arriva un caso che non avevate previsto?
- Che strumenti può usare, e cosa può scrivere sui miei sistemi?
- Dove si ferma e chiede a una persona?
- Cosa costa quando gira mille volte al mese invece di dieci?
Se la risposta alla prima è «il percorso lo decidiamo noi, il modello fa un paio di passi dentro», quella che ti stanno vendendo è un'automazione AI. Il che va benissimo: probabilmente è pure la scelta giusta. Il problema non è l'automazione, è il prezzo da agente su una cosa che agente non è.
Come la mette ArtCode#
La distinzione di questo articolo è la stessa che governa il preventivo. Le automazioni partono da un processo che esiste già: si guarda come lo fai oggi, lo si riproduce, gira in parallelo qualche giorno e poi prende il posto del metodo vecchio. Gli agenti partono da un lavoro che oggi richiede la tua testa: quattro settimane per il primo, prove comprese, e un perimetro scritto riga per riga di cosa può fare e cosa non deve toccare.
Le due cose non costano uguale e non si consegnano negli stessi tempi, quindi nel preventivo stanno scritte separate, con la loro data e il loro canone. Tutte e due hanno bisogno di entrare nei programmi che usi già, e lì vale la regola di sempre: gli accessi restano intestati a te, anche mentre è ArtCode a usarli.
E quando la risposta giusta è «questa automatizzala e basta», la risposta è quella, anche se vale meno.
Domande frequenti#
Un chatbot è un agente AI?#
No, se sa soltanto rispondere. La differenza sta in cosa può fare oltre a parlare: se non ha strumenti per agire sui tuoi sistemi, resta una conversazione. Un chatbot che prende l'appuntamento, lo scrive in agenda e manda la conferma sta facendo qualcosa in più, e lì la parola agente comincia ad avere senso.
«Agentic AI» e «agente AI» sono la stessa cosa?#
Quasi. Agente AI indica il singolo sistema, agentic AI (in italiano AI agentica, o intelligenza artificiale agentica) è il termine ombrello per l'approccio: lasciare che sia il modello a scegliere i passi. Chi parla di sistemi multi-agente intende più agenti che si dividono un lavoro, con uno che coordina gli altri.
n8n, Make e Zapier servono per le automazioni o per gli agenti?#
Nascono come strumenti per automazioni deterministiche, e in gran parte è quello che ci si fa. Alcuni hanno aggiunto blocchi che chiamano un modello, e n8n ha anche un nodo dedicato agli agenti. La domanda utile riguarda il percorso, non il programma: lo hai disegnato tu nel pannello, oppure lo sceglie il modello a ogni esecuzione?
Che differenza c'è tra RPA e agente AI?#
La RPA imita i clic di una persona dentro un'interfaccia: è deterministica per costruzione e non capisce cosa sta facendo, quindi si rompe il giorno che il programma sposta un pulsante. Un agente lavora sul significato di quello che legge e sceglie l'azione. Sono complementari più spesso di quanto si dica: un agente che decide, e una RPA che esegue dove non c'è un modo pulito di collegarsi.
Un agente AI deve dichiarare di essere un'intelligenza artificiale?#
Se interagisce direttamente con le persone, sì. L'obbligo è nell'articolo 50 del regolamento europeo sull'IA e si applica dal 2 agosto 2026. L'eccezione prevista è che la cosa sia già ovvia, ma è un'eccezione stretta e conviene non appoggiarcisi. E comunque fingere una persona è il modo più rapido per far arrabbiare chi ti sta cercando.
Conviene partire da un'automazione o da un agente?#
Da un'automazione, salvo che il lavoro che ti pesa di più sia proprio uno di quelli che richiedono giudizio. Il motivo non è di prudenza: automatizzare costringe a scrivere il processo, e un processo scritto è la cosa su cui un agente si addestra il giorno dopo. Chi salta il primo passaggio si ritrova a insegnare a un modello un lavoro che non ha ancora descritto a se stesso.
Cosa succede quando un agente sbaglia?#
Dipende da come è stato costruito, ed è la domanda con cui si giudica chi lo costruisce. Le tre cose che devono esserci: un registro di quello che ha fatto, dei punti in cui si ferma e chiede invece di decidere, e un interruttore per spegnerlo senza chiamare nessuno. Se mancano, l'errore lo scopri dal cliente.
Le fonti, se vuoi controllare#
- Anthropic, Building effective agents: la distinzione fra workflow («orchestrated through predefined code paths») e agents («dynamically direct their own processes and tool usage»), e la raccomandazione di aumentare la complessità solo quando serve
- OpenAI, A practical guide to building agents: pagina 4 per la definizione di agente e per cosa agente non è, pagine 5 e 6 per i tre criteri con cui si decide di costruirne uno e per la chiusura «altrimenti una soluzione deterministica può bastare»
- OpenAI, Perché i modelli linguistici hanno allucinazioni (5 settembre 2025, con il documento di ricerca collegato): perché addestramento e valutazione premiano il tirare a indovinare invece del riconoscimento dell'incertezza
- Gartner, Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027 (comunicato del 25 giugno 2025): la previsione, la definizione di agent washing e la ripartizione fra agenti, automazione e assistenti
- Osservatorio Artificial Intelligence, Politecnico di Milano, Il mercato dell'AI in Italia cresce del 50% nel 2025 (comunicato di febbraio 2026): il 4% di Process Orchestration e Agentic AI, e la diffusione fra medie e piccole imprese
- Commissione europea, Transparency obligations under Article 50 AI Act: l'obbligo di informare chi interagisce con un sistema di IA, applicabile dal 2 agosto 2026
