Un dipendente AI è un agente AI a cui è stato affidato un lavoro fisso. Legge le email, i file e i dati che servono a quel lavoro, svolge il compito e consegna il risultato a una persona. "Dipendente" è un modo per descrivere come viene diviso il lavoro. Non è una vera assunzione. L'AI può occuparsi delle ricerche, delle prime bozze e degli aggiornamenti. Sei sempre tu a decidere cosa conta, ad approvare ciò che esce e a rispondere del risultato.
X · Tibo Louis-Lucas (@tibo_maker) · 26 ottobre 2026
"there are 2 internets right now" (in questo momento esistono due internet)
Tibo Louis-Lucas, fondatore di un'azienda SaaS, descrive poi questi due internet: in uno tutti assumono "dipendenti AI" e gli agenti mandano avanti intere aziende; nell'altro ci sono clienti paganti che fotografano ancora lo schermo del portatile per condividerlo. È una battuta, ma coglie qualcosa di vero. Online, i dipendenti AI sembrano una rivoluzione già compiuta. Nella maggior parte dei team, la domanda utile è più piccola: quale parte di quale lavoro posso affidare questa settimana, e cosa tengo per me? Questa guida risponde con esempi semplici.
Prima di assegnare un ruolo, la guida al funzionamento di un agente aiuta a capire cosa c’è dietro l’etichetta «dipendente»: un obiettivo e strumenti per raggiungerlo. Quella sul collega AI mostra come affidargli un incarico, controllarlo e conservarne il metodo, senza attribuire al software la responsabilità di una persona assunta.
Che cos'è un dipendente AI?
Pensa a un nuovo collega appena arrivato per occuparsi di un'attività ricorrente. Per farla bene gli servono quattro cose:
- Un compito chiaro. "Preparare il riepilogo settimanale sul cliente", non "dare una mano con i clienti".
- Il contesto. L'accesso alle email, alle note e ai dati da cui dipende il lavoro.
- Dei limiti. Cosa può fare da solo e cosa deve prima verificare con te.
- Un modo per riconsegnare il lavoro. Una bozza, un report o un aggiornamento che puoi controllare.
Un dipendente AI è la stessa idea applicata al software. Dietro il nome c'è un agente AI: un programma in grado di capire quali passaggi richiede un compito e di usare i tuoi strumenti per portarli a termine, invece di limitarsi a rispondere a una domanda in una chat.
Sentirai anche "lavoratore digitale", "lavoratore AI", "collega AI" e "compagno di squadra AI". Nessuno di questi termini ha una definizione ufficiale. Sono nomi che i fornitori usano per aiutarti a immaginare il prodotto. "Lavoratore digitale" è il più vecchio. Aziende di automazione come SS&C Blue Prism lo usano per i robot software che ripetono sempre gli stessi clic e lo stesso inserimento dati. Le versioni più recenti basate sull'AI si distinguono per un aspetto importante: sanno leggere un thread di email disordinato e decidere cosa fare dopo.
X · Aaron Levie (@levie) · 21 ottobre 2026
L'AI sta diventando "autonomous systems dedicated to specific tasks or domains" (sistemi autonomi dedicati a compiti o ambiti specifici), che svolgono un lavoro più sofisticato "(still with a human in the loop)" (sempre con una persona nel processo).
Levie descrive la direzione in cui sta andando il settore: un agente per un lavoro specifico, non un unico assistente per tutto. Siamo d'accordo con questa direzione. Il punto da non perdere di vista è la persona nel processo. "Dedicato a un compito" ti dice su cosa lavora l'AI. Non ti dice chi dà l'approvazione.
Ti serve davvero un dipendente AI per quel lavoro?
Non sempre. Se un'attività segue ogni volta gli stessi passaggi, come copiare le risposte di un modulo in un foglio di calcolo, una semplice regola di automazione la svolge spendendo meno e in modo più prevedibile. Un dipendente AI si guadagna il posto quando il lavoro richiede di leggere e valutare: la risposta di un cliente cambia quello che dovresti dire dopo, oppure due fonti non coincidono.
La guida di Anthropic del dicembre 2024 Building effective agents dà lo stesso consiglio: partire dalla soluzione più semplice che funziona, il che "might mean not building agentic systems at all" (potrebbe significare non costruire affatto sistemi ad agenti).
Perché l'idea di "dipendente" aiuta
Ti ricorda di delegare nel modo giusto. Quando affidi un lavoro a una persona, spieghi l'obiettivo, condividi il contesto, dici cosa può decidere da sola e concordate quando lo rivedrai. Le stesse abitudini rendono utile un dipendente AI. Senza di esse ottieni un risultato generico che qualcuno deve rifare.
YouTube · Sequoia Capital
What's next for AI agentic workflows ft. Andrew Ng of AI Fund · 26 marzo 2024
Andrew Ng sostiene che dovremo affidare un compito a un agente e aspettare, invece di andare a controllare dopo cinque minuti come un manager alle prime armi.
L'esempio del saggio, tratto dall'intervento di Ng del 2024, mostra bene perché un compito vero funziona meglio di una singola richiesta. Se gli chiedi di scrivere tutto d'un fiato, un modello scrive dall'inizio alla fine senza mai tornare indietro. Se gli dai un processo, prepara una scaletta, fa ricerche, scrive una bozza, la rilegge e la corregge. È quello che ti aspetteresti anche da un collega.
Dove l'idea di "dipendente" non regge
Nessuno può ritenere responsabile un software
Un dipendente AI non ha un contratto e non ha niente in gioco con i tuoi clienti. Se prepara un'email di rimborso con l'importo sbagliato e qualcuno la approva, l'errore è di quella persona. I Principi dell'OCSE sull'AI, adottati dai governi nel 2019 e aggiornati nel 2024, lo dicono chiaramente: le persone e le organizzazioni che gestiscono un sistema di AI sono responsabili del suo corretto funzionamento.
Approvare il lavoro non equivale a decidere
Questo è l'avvertimento più recente e più utile.
X · Alex Tamkin (@AlexTamkin) · 27 ottobre 2026
"When experts delegate work to an agent, do they still make the key decisions?" (quando gli esperti delegano il lavoro a un agente, prendono ancora loro le decisioni chiave?)
Ecco cosa ha scoperto lo studio di Anthropic. 50 analisti di dati esperti hanno svolto un'analisi realistica con un agente AI. In quattro momenti dovevano scegliere tra due opzioni ragionevoli. Senza dirlo, i ricercatori avevano impostato ogni agente perché preferisse una delle due opzioni, scelta lanciando una moneta. Gli analisti hanno seguito la preferenza dell'agente nell'86% dei casi. Circa la metà ha comunque descritto la raccomandazione finale come in gran parte propria.
Lo studio ha limiti precisi. I ricercatori hanno reso volutamente più forti le preferenze dell'agente, e si trattava di un solo compito, in un solo settore, con un solo modello. Ha anche rilevato che gli analisti che usavano l'agente commettevano molti meno errori gravi. Quindi la lezione non è "non usare l'AI". È che un veloce "mi sembra a posto" da parte tua può cedere, senza che te ne accorga, anche la decisione.
Due abitudini semplici aiutano. Scrivi la tua opinione prima di leggere la raccomandazione dell'AI. E chiedile di sostenere anche l'altra opzione.
È brava in alcuni compiti e scarsa in altri
In un esperimento del 2023 con 758 consulenti del Boston Consulting Group, chi usava GPT-4 ha ottenuto risultati migliori in 18 compiti realistici che l'AI gestiva bene, e peggiori in un compito scelto apposta perché fuori dalle sue capacità. Oggi i modelli sono molto più potenti, quindi non leggere quei numeri come risultati attuali. La lezione però resta valida: il confine tra "l'AI aiuta" e "l'AI porta fuori strada" è irregolare, quindi verifica ogni tipo di compito prima di fidarti.
Sa solo quello che le dai
Alcuni video dei fornitori promettono che un dipendente AI "remembers your business stuff" (ricorda tutto della tua attività) e impara da solo. Il video esplicativo di Marblism del luglio 2025 è un esempio. In pratica dipende dal prodotto.
In Okou, per esempio, l'AI può usare i messaggi e i file precedenti della stessa chat. Una nuova chat riparte da zero, a meno che tu non le indichi una conversazione precedente. E una correzione diventa una regola stabile solo quando qualcuno la salva nelle istruzioni o in un workflow. È meno magico, ma puoi sempre vedere cosa sa.
Cosa affidare e cosa tenere
Un test semplice: affida il lavoro che richiede tempo e tieni le decisioni che hanno peso.
I lavori giusti da affidare hanno i dati di partenza già nei tuoi strumenti e un risultato che puoi verificare:
- Marketing: trasformare i numeri della campagna della settimana scorsa in un breve riepilogo con i link ai dati di origine.
- Vendite: leggere lo storico delle email e le note delle chiamate prima di un incontro e scrivere un riepilogo di una pagina.
- Customer success: ricostruire la storia di un'escalation e preparare una bozza di risposta per il responsabile.
- Founder e chief of staff: raccogliere aggiornamenti e blocchi da più strumenti in un unico riepilogo settimanale.
Cosa resta alle persone:
- Quali clienti e obiettivi contano di più in questo momento.
- Tutto ciò che impegna l'azienda: inviare qualcosa ai clienti, cambiare i prezzi, spostare budget, fare rimborsi.
- I giudizi sulle persone, come assumere o gestire un cliente storico scontento.
- L'approvazione finale.
Puoi spostare il confine più avanti. All'inizio un team può approvare ogni email in uscita, poi lasciare che gli aggiornamenti interni di routine vengano pubblicati da soli. Fai in modo che sia una decisione, non qualcosa che succede per default.
Esempio: un rapporto operativo che puoi verificare
Usa un rapporto operativo settimanale come primo incarico. Quello che segue è un piccolo insieme di dati fittizi per esercitarsi, non una storia di un cliente né un risultato misurato di Okou. Puoi copiarlo in un documento e ripetere l'esercizio prima di collegare gli account aziendali.
| Record di origine | Cosa indica |
|---|---|
| Obiettivi settimanali | Consegnare 12 sintesi per i clienti entro venerdì |
| Registro delle consegne | 9 consegnate; 2 in revisione; 1 bloccata |
| Nota sul blocco | La sintesi bloccata richiede l'approvazione del cliente; non è registrata una data di risposta |
| Aggiornamento precedente | Tutte le 12 sintesi risultavano consegnate |
Definisci i limiti dell'incarico
Chiedi a Okou: «Prepara una sintesi operativa settimanale a partire da questi quattro record. Separa il lavoro consegnato, in revisione e bloccato. Collega ogni affermazione al record di origine. Segnala contraddizioni e date mancanti. Prepara una bozza di aggiornamento interno, ma non inviarla e non modificare il registro.»
La guida alla chat di Okou spiega come fornire il contesto. Inizia incollando questi dati; collegare in seguito uno strumento di monitoraggio è una decisione di accesso distinta. Un workflow salvato può conservare il metodo di preparazione del rapporto, non una copia dei dati di origine sempre aggiornata.
Lo schema del passaggio di consegne vale anche per i rapporti: raccogliere, confrontare, redigere, rivedere e poi salvare il metodo.
Una vera schermata delle autorizzazioni di Okou, mostrata come esempio di interfaccia, non come risultato di questo esercizio. Contano l'azione indicata e la durata; un rapporto non richiede accesso a Stripe.
Verifica il risultato rispetto ai dati di partenza
Una sintesi corretta riporta 9 consegnate su 12, cioè il 75%, con due ancora in revisione e una bloccata. Non conta la revisione come consegna. Indica il conflitto con l'aggiornamento precedente e specifica che la data di risposta del cliente è sconosciuta. «Tutto procede secondo i piani» non supererebbe l'esercizio.
Chiedi a chi revisiona di verificare quattro aspetti: calcoli corretti, una fonte per ogni affermazione fattuale, informazioni mancanti chiaramente indicate e nessuna azione non approvata. Poi modifica il registro portandolo a 10 consegnate, una in revisione e una bloccata, ed esegui di nuovo l'incarico. La percentuale di completamento dovrebbe diventare 83.3%, anziché ripetere la risposta della settimana precedente. Sono verifiche aritmetiche su dati fittizi, non benchmark delle prestazioni del prodotto.
Considera il costo totale, non solo l'abbonamento
| Costo da registrare | Come misurarlo nella tua prova |
|---|---|
| Configurazione | Minuti impiegati per spiegare l'attività e collegare gli strumenti necessari |
| Esecuzione dell'incarico | Il costo di utilizzo mostrato per ogni esecuzione, più eventuali richieste di dati a pagamento separate |
| Revisione e correzione | Minuti per controllare le fonti, correggere gli errori e gestire le eccezioni |
| Manutenzione | Tempo per mantenere aggiornati i documenti di origine e il workflow salvato |
Per il lavoro ricorrente, confronta i minuti di lavoro manuale per rapporto accettato con i minuti di preparazione, revisione e correzione assistite dall'AI per rapporto accettato. Includi i tentativi falliti nei costi; non dividere per tutte le bozze come se ciascuna fosse utilizzabile. Distribuisci il costo di configurazione sul numero di rapporti che prevedi davvero di produrre. Qui non si presume alcun risparmio né alcun prezzo.
Mantieni il rapporto come bozza finché non supera la revisione. Se in seguito il team condivide il workflow, ciascun collega usa i propri account e le proprie autorizzazioni. Una pianificazione è un'automazione, non un'autorizzazione aggiuntiva a pubblicare il rapporto.
Come valutare un prodotto venduto come dipendente AI
Ignora il titolo di lavoro sulla confezione ("AI SDR", "AI marketer"). Fatti invece queste sei domande.
- Da dove prende le informazioni? Quali strumenti può leggere, e ti mostra la fonte di ogni affermazione?
- Cosa ha il permesso di fare? Cerca autorizzazioni per strumento e per azione, con limiti di tempo. Salvare una bozza e inviare un'email dovrebbero essere due cose separate.
- Cosa aspetta il tuo via libera? Inviare, pagare, eliminare e pubblicare dovrebbero fermarsi finché non dici sì.
- Puoi controllare il lavoro? Dovresti vedere cosa ha letto, cosa ha fatto e cosa ha modificato.
- Cosa succede quando sbaglia? Puoi correggere le istruzioni una volta sola perché ne benefici tutto il team?
- Il metodo resta al team? Se vive nell'account di una sola persona, se ne va quando se ne va lei.
La domanda 4 conta più di quanto sembri. I ricercatori di BetterUp Labs e Stanford chiamano "workslop" il materiale prodotto con l'AI e non controllato: sembra finito, ma qualcun altro deve sistemarlo. In un sondaggio del 2025 su 1.150 impiegati statunitensi, il 41% ricordava di averne ricevuto. Gli autori attribuiscono la colpa più alle indicazioni vaghe dei manager del tipo "usate l'AI" che agli strumenti. Un incarico chiaro e un passaggio di revisione sono la soluzione.
I dipendenti AI sostituiranno i dipendenti in carne e ossa?
Alcune aziende ci hanno provato. In un sondaggio di SHL condotto a giugno e luglio 2026, quasi 1 su 5 degli oltre 1.000 lavoratori statunitensi intervistati ha dichiarato di essere stato licenziato o sostituito dall'AI e poi richiamato. Sono dichiarazioni dei lavoratori, non dati aziendali, e non spiegano perché ciascuna azienda abbia cambiato rotta. È comunque un buon motivo per non pianificare in base a un numero di persone in organico.
Quello che un dipendente AI cambia è il modo in cui le persone usano il proprio tempo all'interno di un ruolo: meno raccolta di informazioni e stesura, più decisioni e verifiche. Il Work Trend Index 2026 di Microsoft, un sondaggio su 20.000 persone che usano l'AI al lavoro in 10 paesi, ha rilevato che verificare i risultati dell'AI è la competenza umana che oggi considerano più importante. Parti da un lavoro, misura quanto tempo richiede oggi e decidi in base ai tuoi numeri.
Il ruolo di Okou
Definiamo Okou un compagno di squadra AI piuttosto che un dipendente AI, perché descrive meglio come si divide il lavoro. Okou legge dagli strumenti collegati il contesto che serve a un lavoro, svolge il compito e consegna il formato giusto a chi deve agire dopo: un messaggio, un documento, una pagina web o una presentazione. Quando un metodo funziona, il tuo team lo salva come workflow e lo riesegue con i propri account.
Per provarlo, scegli un riepilogo o una bozza che il tuo team scrive già ogni settimana e confronta la versione di Okou con la vostra. Per altre idee, leggi 20 esempi di agenti AI per il lavoro reale, come mantenere utile per il team il contesto degli agenti AI e perché la tua azienda deve avere l'ultima parola sulle azioni dell'AI.
Domande frequenti
Come si chiama altrimenti un dipendente AI?
Troverai anche lavoratore digitale, lavoratore AI, collega AI, compagno di squadra AI e dipendente virtuale. Sono nomi commerciali, non categorie ufficiali. "Lavoratore digitale" indicava in origine i vecchi bot di automazione. Oggi la maggior parte dei prodotti venduti con questi nomi sono agenti AI configurati per svolgere un lavoro ricorrente.
I dipendenti AI sono la stessa cosa degli agenti AI?
In gran parte sì. Un agente AI è la tecnologia: un software che pianifica i passaggi e usa strumenti per raggiungere un obiettivo. Un dipendente AI è un agente configurato per un lavoro specifico, con il contesto giusto, le autorizzazioni adeguate e un modo per riconsegnare il lavoro.
Come posso avere un dipendente AI per la mia azienda?
Scegli un'attività che si ripete ogni settimana e produce qualcosa che puoi controllare, come un riepilogo settimanale o una serie di bozze di risposta. Collega solo gli strumenti che servono a quell'attività, consenti le bozze prima di consentire l'invio e controlla con attenzione i primi risultati. Salva il metodo quando funziona. Solo dopo mettilo in calendario.
Un dipendente AI può sostituire un dipendente umano?
Può occuparsi di parti di un lavoro, soprattutto ricerca, stesura e reportistica. Non può assumersi responsabilità, costruire relazioni né prendere decisioni di giudizio per la tua azienda. Ricerche recenti mostrano anche che le persone tendono a seguire i suggerimenti dell'AI, quindi serve sempre qualcuno che sia responsabile di ogni decisione.
I dipendenti AI hanno bisogno di supervisione umana?
Sì, tanto più quanto più il compito è rischioso. Un riepilogo interno può richiedere solo una lettura veloce. Tutto ciò che invia, spende, elimina o pubblica dovrebbe aspettare una persona. Supervisionare significa anche correggere le istruzioni quando il risultato non centra il bersaglio, così la volta successiva andrà meglio.
Un dipendente AI ricorda tutto della mia azienda?
Solo ciò che gli fornisce la sua configurazione. Alcuni prodotti hanno una memoria a lungo termine. Altri, come Okou, mantengono il contesto all'interno di una chat e conservano le regole stabili in istruzioni e workflow salvati. Chiedi a qualsiasi fornitore cosa viene ricordato esattamente, dove e chi può modificarlo.
