Un agente AI (in inglese AI agent) è un software a cui affidi un compito. Decide i passaggi, usa i tuoi strumenti per svolgerli e si ferma quando il lavoro è finito o quando si blocca. AI agentica (agentic AI) è il termine più ampio per l'AI che lavora in questo modo. Quindi i due termini non sono in competizione. “Agente AI” indica una cosa. “Agentico” descrive quanta parte del lavoro l'AI pianifica e svolge da sola.
Perché è importante? Perché i fornitori usano entrambe le parole con leggerezza, e l'etichetta raramente ti dice cosa farà davvero un prodotto con la tua casella di posta, il tuo CRM o i tuoi clienti. Questa guida spiega da dove vengono le parole, come vengono usate oggi e come valutare qualsiasi strumento con poche domande semplici.
Per valutare queste etichette nella pratica, la guida agli agenti AI mostra come un sistema usa strumenti per raggiungere un obiettivo. Quella sull’AI agentica segue invece il ciclo di pianificazione, azione e verifica, aiutandoti a valutare separatamente quanta autonomia ha, quanto è affidabile e quali permessi possiede.
Agenti AI vs AI agentica: la versione breve
| Agente AI | AI agentica | |
|---|---|---|
| Che cos'è | Una cosa concreta che puoi indicare | Una descrizione, oppure un'intera categoria |
| Come si usa | “Usiamo un agente AI per fare ricerche sui nuovi lead.” | “Questo workflow è agentico.” |
| Quanto è grande | Un sistema che svolge un solo tipo di compito | Qualsiasi cosa, da un semplice processo assistito dall'AI a più agenti che lavorano insieme |
| Cosa chiedere | Di quale lavoro è responsabile e a cosa può accedere? | Quante decisioni prende prima che una persona controlli il lavoro? |
Nessuno è proprietario di questi termini. Se un articolo ti dà un confine “ufficiale” tra i due, ti sta dando l'opinione di un gruppo specifico.
Da dove vengono le parole
“Agente” è una parola vecchia. Nel loro manuale del 1995 Artificial Intelligence: A Modern Approach, Stuart Russell e Peter Norvig definivano un agente come qualsiasi cosa che percepisce l'ambiente circostante e agisce su di esso. Secondo questa definizione anche un termostato conta. La novità è che i modelli di AI di oggi sanno leggere materiale di lavoro disordinato, come l'email di un cliente arrabbiato, e decidere cosa fare.
“Agentico” è più recente. Nel giugno 2024 Andrew Ng, fondatore di DeepLearning.AI, ha proposto un modo per smettere di discutere su cosa “conti” come agente. Va trattata come una questione di grado, ha scritto. "Unlike the noun 'agent,' the adjective 'agentic'" (traduzione: “a differenza del sostantivo ‘agente’, l'aggettivo ‘agentico’”) permette di descrivere sistemi che somigliano poco o molto a un agente.
Qualche mese prima aveva usato una buona analogia. Chiedere a un'AI una risposta in un colpo solo è come chiedere a qualcuno di scrivere un tema senza mai premere il tasto backspace. Un approccio agentico lascia che l'AI faccia una scaletta, raccolga informazioni, scriva una bozza, controlli e corregga, come farebbe una persona.
YouTube · Sequoia Capital
What's next for AI agentic workflows ft. Andrew Ng of AI Fund (Il futuro dei workflow agentici, con Andrew Ng di AI Fund) · 26 marzo 2024
L'analogia del tema senza backspace è la spiegazione breve più chiara di “agentico” che abbiamo trovato. È un talk del 2024, quindi prendilo come una lezione sull'idea, non come un resoconto degli strumenti di oggi.
Tre modi in cui si usano i termini oggi
1. “Agentico” come termine ombrello. La guida di Anthropic Building effective agents (dicembre 2024) chiama tutti questi sistemi “sistemi agentici” e poi li divide in due. In un workflow i passaggi sono stabiliti in anticipo. In un agente è l'AI a scegliere i propri passaggi. Un report settimanale che esegue sempre gli stessi cinque passaggi è agentico, ma è un workflow.
2. “AI agentica” come squadre di agenti. Una rassegna di ricerca, AI Agents vs. Agentic AI (pubblicata per la prima volta a maggio 2025 e rivista a settembre 2025), usa “agente AI” per un singolo sistema che svolge un solo lavoro, come rispondere alle domande dell'assistenza. Riserva “AI agentica” a più agenti che si dividono un obiettivo più grande e si coordinano.
3. “AI agentica” come etichetta di mercato. Analisti e fornitori la usano spesso come nome di categoria. Nel giugno 2025 Gartner ha previsto che oltre il 40% dei progetti di AI agentica sarebbe stato cancellato entro la fine del 2027 a causa dei costi, di un valore poco chiaro o di controlli dei rischi deboli. È una previsione, non un conteggio. Gartner ha anche dato un nome all'agent washing: chiamare agente un vecchio chatbot o un vecchio strumento di automazione senza aggiungere nessuna vera capacità nuova. Nel maggio 2026 ha lanciato lo stesso avvertimento per il software della supply chain.
Figura 1. Un uso comune di “sistemi agentici” come termine ombrello per workflow e agenti. Multi-agente descrive come si combinano gli agenti; non sono categorie di prodotto che si escludono a vicenda.
La vera domanda: chi sceglie i passaggi?
Tutti e tre gli usi condividono un'idea. Più un'AI decide da sola, più è agentica. La maggior parte del lavoro aziendale rientra in uno di tre livelli:
- Assistente. Tu chiedi, l'AI risponde o scrive una bozza. Tutto il resto lo fai tu.
- Workflow. I passaggi sono concordati in anticipo. L'AI legge e scrive all'interno di ogni passaggio.
- Agente. Gli dai un obiettivo. Decide cosa controllare, quale strumento usare e quando ha abbastanza informazioni.
Maya Murad di IBM la chiama una “scala graduale” di autonomia (in inglese "sliding scale"). Scegli il livello per ogni compito. Non è una funzione che si compra una volta per tutte.
YouTube · IBM Technology
What are AI Agents? (Che cosa sono gli agenti AI?) · 15 luglio 2024
Maya Murad illustra la “scala graduale” dell'autonomia dell'AI, poi spiega perché un compito circoscritto e prevedibile spesso funziona meglio con un percorso fisso che con un agente.
Agente o automazione? Un dibattito da conoscere
Chi costruisce questi sistemi per mestiere ne sta discutendo proprio adesso. Alex Vacca, che si presenta come fondatore e CEO di Frontal AI, un'azienda che aiuta le imprese B2B ad aumentare i ricavi, ha difeso l'automazione senza mezzi termini in un post recente.
X · Alex Vacca (@itsalexvacca) · 7 ottobre 2026
"If you can write every step down first, build an automation." … "An agent fails quietly." (Traduzione: “Se puoi scrivere prima ogni passaggio, costruisci un'automazione.” … “Un agente fallisce in silenzio.”)
Il suo è un ragionamento pratico. Se un lavoro ha passaggi fissi (il nostro esempio: copiare le nuove risposte di un modulo in un CRM), pagare un'AI per decidere quei passaggi significa sprecare soldi. Fa anche notare che un'automazione che si rompe di solito genera un errore, mentre un agente può continuare a segnalare che tutto va bene mentre le sue risposte peggiorano poco a poco. Per questo fa approvare tutto da una persona prima di qualsiasi invio.
Siamo d'accordo con il test, con una cautela: è il punto di vista di un singolo professionista, basato sulla sua configurazione, e viene da qualcuno che vende proprio questo tipo di lavoro. Detto questo, coincide con quanto dicono Anthropic e IBM. Parti dalla soluzione più semplice che funziona. Usa un agente solo quando i passaggi dipendono davvero da quello che trova.
Falsi miti
“L'AI agentica è la versione più nuova e migliore degli agenti AI.” No. Un agente è una delle cose più agentiche che esistano. I termini descrivono gradi, non generazioni di prodotto.
“Più autonomia è sempre meglio.” No. Più autonomia costa di più ed è più difficile da controllare. Per un report settimanale che ha sempre la stessa forma, un workflow fisso costa meno ed è più prevedibile.
“Un agente sa tutto della tua azienda.” Sa solo quello che può vedere: gli strumenti che hai collegato e la conversazione in cui si trova. In Okou, per esempio, ogni chat mantiene il proprio contesto. Una nuova chat parte da zero, a meno che tu non ci porti dentro una chat precedente di proposito.
“Più agenti significano più capacità.” Non necessariamente. Ogni passaggio di consegne tra agenti è un punto in più in cui gli errori possono accumularsi o gli accessi possono allargarsi. Chiedi chi è responsabile del risultato finale.
“L'etichetta ti dice cosa fa.” No. Gartner ha coniato agent washing proprio per questo, e nel 2026 continuava a metterne in guardia. Ignora la parola e chiedi cosa fa il prodotto in autonomia.
Un compito, tre modi: un rapporto sulle campagne
Immagina che una responsabile marketing abbia bisogno del riepilogo delle campagne del venerdì. È un'attività illustrativa, non un risultato di un cliente. Il registro delle campagne riporta le iscrizioni, l'account pubblicitario registra la spesa e il brief definisce il periodo del rapporto. Un canale non ha ancora finito di comunicare i dati.
1. Chiedere a un agente una volta
La responsabile chiede: «Confronta la spesa e le iscrizioni delle campagne di questa settimana. Usa le date del brief, collega le cifre alle fonti e segnala i canali incompleti. Prepara un riepilogo; non modificare i budget e non pubblicarlo.» L'agente sceglie i passaggi: leggere il brief, raccogliere le cifre, notare la lacuna e preparare un confronto con le dovute riserve. Chiamarlo agente indica chi esegue l'attività, non se la conclusione è corretta.
Un vero indicatore di attività proveniente da un altro incarico. Mostra il lavoro in corso, non dimostra che il rapporto sulle campagne sia stato verificato o completato.
2. Salvare il metodo del rapporto come workflow
Dopo aver verificato il risultato, la responsabile salva l'elenco delle fonti, la regola sulle date, il calcolo e la lista di controllo per la revisione come workflow di Okou. I passaggi possono essere piuttosto prevedibili, mentre parte del lavoro all'interno di un passaggio richiede ancora giudizio, per esempio per accorgersi che un canale usa un intervallo di date diverso. Un workflow è un metodo riutilizzabile. Non dimostra che abbiano collaborato più agenti e non promette che l'AI possa prendere ogni decisione da sola.
3. Aggiungere separatamente una pianificazione
Un'automazione può avviare quel workflow ogni venerdì per un responsabile designato. Cambia il momento in cui inizia l'incarico. Non fornisce i dati mancanti, non rende affidabile il rapporto e non autorizza una modifica del budget.
La verifica di accettazione è la stessa in tutte e tre le versioni: date coerenti, cifre collegate alle fonti, dati mancanti indicati e una bozza lasciata per la revisione. Se il rapporto raccomanda di riallocare il budget, la responsabile verifica le prove e decide. Ecco perché la distinzione utile è tra chi svolge il lavoro, il metodo salvato e l'evento di avvio, anziché fra tre etichette di prodotto sempre più impressionanti.
Cosa resta alle persone
Lasciare che l'AI scelga i passaggi non deve significare che nessuno risponde del risultato. Prima che un agente metta mano a un lavoro reale, chiarisci quattro cose:
- Cosa può leggere. Quali caselle di posta, CRM e documenti, e con l'account di chi.
- Cosa può modificare. Scrivere una bozza non è inviarla. Suggerire un aggiornamento del CRM non è farlo.
- Dove si ferma. Quali azioni aspettano sempre una persona.
- Cosa restituisce. Un brief, una bozza o un registro che qualcuno può verificare rispetto alle fonti.
Chi usa l'AI al lavoro ragiona già così. Nel Work Trend Index 2026 di Microsoft, un sondaggio condotto all'inizio del 2026 su 20.000 utenti di AI in 10 paesi, l'86% ha dichiarato di trattare i risultati dell'AI come un punto di partenza, non come una risposta definitiva. Sono le risposte delle persone intervistate, non una misura dei risultati.
Per approfondire come si adatta un team quando l'AI inizia a farsi carico del lavoro, leggi cosa cambia quando l'AI opera in autonomia.
Le domande da fare a qualsiasi strumento “agentico”
- Chi sceglie i passaggi? Stabiliti in anticipo, scelti ogni volta dall'AI o un mix dei due?
- Cosa può vedere? Quali strumenti, con le credenziali di chi, e ricorda le conversazioni passate?
- Cosa richiede la tua approvazione? È imposto dalle autorizzazioni o è solo scritto in un prompt?
- Cosa fa quando non è sicuro? Segnala il problema o tira a indovinare?
- Puoi vedere cosa ha fatto? Ogni passaggio e ogni risultato vengono registrati?
- Il tuo team può riutilizzare ciò che funziona? Il metodo si può salvare, condividere e programmare con un responsabile designato?
Uno strumento che risponde chiaramente a queste domande merita attenzione, comunque si definisca. Per qualche idea su come iniziare, guarda questi esempi di agenti AI per il lavoro reale e la nostra guida per gestire contesto e autorizzazioni.
FAQ
L'AI agentica è la stessa cosa di un agente AI?
Non esattamente. Un agente AI è un sistema specifico che riceve un compito, sceglie i passaggi e usa gli strumenti per portarlo a termine. AI agentica è il termine più ampio per l'AI che lavora in questo modo, in qualsiasi misura. Ogni agente AI è agentico, ma “AI agentica” può indicare anche un workflow fisso con passaggi svolti dall'AI, oppure più agenti che lavorano insieme.
Qual è la differenza tra AI agentica e AI generativa?
L'AI generativa scrive o crea qualcosa quando glielo chiedi, poi si ferma in attesa. L'AI agentica usa questa capacità per lavorare verso un obiettivo: pianifica, agisce con gli strumenti, controlla il risultato e va avanti. La maggior parte degli agenti AI si basa su un modello generativo, ma scrivere una risposta è solo una parte di ciò che fanno.
Quali sono i rischi dell'AI agentica?
I rischi nascono dall'agire, non dal rispondere. Un'AI con accesso all'email, a un CRM o agli account pubblicitari può fare una modifica sbagliata o inviare qualcosa che nessuno ha controllato. La previsione di Gartner del 2025, secondo cui molti progetti di AI agentica saranno cancellati entro il 2027, indicava come cause i costi, un valore poco chiaro e controlli dei rischi deboli. Concedi solo gli accessi che servono al compito, tieni traccia di ogni passaggio e richiedi un'approvazione per tutto ciò che esce dall'azienda.
Qual è la differenza tra AI agentica e RPA?
La RPA (robotic process automation, automazione robotica dei processi) segue alla lettera passaggi registrati, come copiare campi da un sistema all'altro. L'AI agentica può gestire lavori in cui il passaggio successivo dipende da ciò che legge, come un'email che va capita. Alcuni strumenti di RPA sono stati ribattezzati “agentici” senza cambiamenti reali, quindi chiedi di vedere come uno strumento gestisce qualcosa di imprevisto.
L'AI agentica può lavorare in completa autonomia?
Alcuni sistemi possono eseguire molti passaggi senza una persona. In azienda, raramente è questo l'obiettivo. La maggior parte dei team lascia che l'AI faccia ricerche, scriva bozze e dia suggerimenti, mentre una persona approva tutto ciò che è esterno o difficile da annullare, come inviare un'email o modificare un record. Anche gli analisti restano cauti: nel maggio 2026 Gartner ha affermato che la maggior parte degli strumenti di pianificazione della supply chain non aveva raggiunto la piena autonomia.
Mi serve un agente AI o un'automazione più semplice?
Parti dal semplice. Se un compito ha sempre gli stessi passaggi, un workflow salvato e programmato costa meno ed è più prevedibile. Usa un agente quando i passaggi dipendono da ciò che trova, per esempio per capire perché un account è a rischio. Molti team fanno entrambe le cose: usano un agente per mettere a punto il metodo, poi lo salvano come workflow per ripeterlo.
