Per due anni gli agenti AI sono stati una cosa da convegno: slide, demo, "tra qualche anno". Nel 2026 non più. Nelle aziende che seguiamo, gli agenti sono già in produzione e fanno il lavoro che prima occupava persone intere — non assistenti che suggeriscono, ma sistemi che eseguono.
Questo cambia la domanda. Finché era una demo, contava se funzionava. Ora che decide su processi veri, conta un'altra cosa: su quale infrastruttura gira, e quindi chi controlla davvero quei processi. La maggior parte delle aziende sta rispondendo a questa domanda senza accorgersi di farlo — costruendo tutto sopra un'unica API proprietaria.
Cosa fa, davvero, un agente in azienda
Togliamo l'hype. Un agente AI non è un chatbot più bravo. È un sistema che riceve un obiettivo, legge i dati che gli servono, decide i passi, usa gli strumenti aziendali (CRM, gestionale, ticketing) e produce un risultato. Con un umano che approva o corregge i casi critici — human-in-the-loop, non pilota automatico cieco.
Tre esempi che girano oggi, con numeri reali dai nostri clienti:
- Agente vendite. Una rete immobiliare con 30 agenzie aveva i contatti sparsi tra Excel e WhatsApp. L'agente li raccoglie, li qualifica, assegna priorità e li instrada al venditore giusto: –80% di lead persi, tempi di risposta dimezzati.
- Agente back office. Una manifattura annegava in 3.000 fatture passive al mese. L'agente le legge, valida i dati, le registra nel gestionale. Due persone tornate a fare lavoro che conta.
- Agente support. Un service desk non riusciva a scalare senza assumere. L'agente gestisce il primo livello dei ticket ed escala solo ciò che serve a un umano: +40% di ticket evasi, stesso team.
Nessuno di questi è fantascienza. È software che fa un mestiere noioso meglio e più in fretta. E proprio perché è noioso e ripetitivo, è enormemente redditizio automatizzarlo. Il valore non è in discussione. Il problema arriva dopo.
Il conto che nessuno ti mostra in demo
Quando costruisci un agente sopra l'API di un singolo fornitore — chiamiamolo per nome: OpenAI è il caso tipico — stai facendo una cosa che in demo non si vede: stai incollando la logica del tuo processo al comportamento specifico di quel modello. I prompt sono tarati su come risponde lui. Il function calling segue il suo formato. Le valutazioni misurano il suo output.
Finché tutto va bene, non te ne accorgi. Te ne accorgi il giorno in cui qualcosa cambia, e cambia sempre, perché non decidi tu:
Non sono ipotesi. È già successo: abbiamo scritto cosa accade quando un fornitore spegne un servizio su cui hai costruito il business. La differenza con il software tradizionale è brutale: un gestionale on-premise che hai comprato dieci anni fa funziona ancora oggi. Un agente costruito su un'API proprietaria funziona finché il fornitore vuole, al prezzo che decide lui.
E poi c'è la giurisdizione
C'è un secondo livello di dipendenza, più silenzioso del costo. Un agente che lavora sulle tue fatture, sui tuoi contratti, sui ticket dei tuoi clienti, legge dati aziendali. Se gira su API extra-UE, quei dati escono dal perimetro europeo a ogni chiamata. Prompt, allegati, contesto: tutto attraversa una giurisdizione che non è la tua, soggetta a norme — come il Cloud Act statunitense — che non controlli.
Per molte aziende non è un dettaglio legale astratto: è il motivo per cui il progetto AI si impantana tra DPO, ufficio legale e clienti che chiedono garanzie. Ne abbiamo parlato in cosa significa davvero AI privata per un'azienda italiana: il punto non è avere paura del cloud, è sapere dove vivono i dati quando l'agente lavora.
La parte che cambia tutto: lo stesso agente, altrove
Ecco la cosa che si perde nell'entusiasmo: il lock-in non è il prezzo da pagare per avere un agente che funziona. È una scelta di infrastruttura, e si può fare diversamente senza rinunciare a niente.
Lo stesso agente vendite, lo stesso agente back office, lo stesso agente support possono girare su infrastruttura europea, con modelli open-weight, dentro il tuo perimetro. Stessi compiti. Stessi numeri. Ma:
- I dati restano nel perimetro. Due datacenter UE, GPU dedicate. Nessun prompt, documento o dato finisce nel training di altri o fuori dall'Europa.
- I costi sono prevedibili. Hardware ammortizzato e modelli che giri tu, non token a consumo soggetti al listino di qualcun altro.
- Il lock-in crolla. Con modelli open-weight provi Llama, Mistral, Qwen sullo stesso stack. Esce un modello migliore? Lo scarichi. Non rinegozi un contratto.
È la differenza tra affittare un processo e possederlo. L'agente che ti fa risparmiare oggi non deve essere lo stesso che può tenerti in ostaggio domani. Abbiamo messo i tre agenti, i casi e i numeri in un posto solo: la pagina Agenti AI per aziende.
Come scegliere senza farsi incantare
Non stiamo dicendo "mai cloud, mai OpenAI". Per un prototipo, per provare un'idea, per un volume basso e dati non sensibili, l'API proprietaria è il modo più veloce di partire. Lo diciamo ai clienti per primi.
La domanda da farsi è una sola, prima di mettere un agente in produzione: se questo processo diventa critico, posso permettermi che dipenda da decisioni che non prendo io? Se la risposta è no — e per lead, fatture e support di solito è no — allora l'infrastruttura non è un dettaglio tecnico da rimandare. È parte della scelta, oggi.
Quando un cliente ci chiede di costruirgli un agente, partiamo sempre da un caso concreto e da una demo sui suoi dati, nel suo perimetro. Niente slide: l'agente al lavoro, e accanto il conto vero di dove gira. Il più delle volte, in Italia, la risposta che torna è sovrana.
FAQ
Cosa fa concretamente un agente AI in azienda?
Esegue compiti operativi end-to-end: qualifica e instrada i lead, legge e registra le fatture passive, gestisce il primo livello dei ticket. Non risponde e basta come un chatbot: usa gli strumenti aziendali, decide i passi e produce un risultato misurabile, con un umano sui casi critici.
Perché costruire un agente su OpenAI è un rischio?
Perché leghi la logica del tuo processo al comportamento, al listino e alla giurisdizione di un solo fornitore. Se cambia i prezzi, dismette un modello o aggiorna i filtri, il tuo agente cambia con lui — e i dati aziendali viaggiano fuori dalla UE.
Un agente AI sovrano fa lo stesso lavoro?
Sì. Lo stesso agente gira su infrastruttura europea con modelli open-weight: stessi compiti, stessi numeri, ma dati nel perimetro, costi prevedibili e nessuna dipendenza da un singolo fornitore.
