Agenti AI per PMI: Dove Servono e Dove No

Agenti AI per PMI: Cosa Sono e Quando Servono Davvero

Un agente AI è un software che riceve un obiettivo invece di un'istruzione: legge dai sistemi dell'azienda, decide quali passi fare, agisce (registra un ordine nel gestionale, risponde a un fornitore, apre una pratica) e passa la mano a una persona quando non è sicuro. Per una PMI la domanda utile non è quale agente comprare, ma quale processo ripetuto ne ha bisogno, e quanta parte di quel processo deve davvero passare da un modello. Di solito poca. La maggior parte di un agente che regge in produzione è codice normale: letture dal gestionale, controlli, regole, instradamenti. Il modello entra solo nei punti in cui serve un giudizio.

Le PMI italiane sono ancora indietro, e non per mancanza di strumenti. Secondo la rilevazione Istat Imprese e ICT 2025, nel 2025 usava almeno una tecnologia di intelligenza artificiale il 15,7% delle PMI tra 10 e 249 addetti, contro il 53,1% delle imprese con almeno 250 addetti. Tra le imprese che avevano valutato un investimento in AI senza poi farlo, il 58,6% indica la mancanza di competenze. Il modello si compra a consumo da chiunque. Quello che manca è chi lo costruisce sopra il processo vero.

Agente, Chatbot, Automazione: la Differenza in Pratica

Nelle proposte commerciali queste quattro cose si confondono, spesso di proposito. Gartner chiama il fenomeno "agent washing": prodotti che esistevano già, come assistenti, RPA e chatbot, ribattezzati agenti senza averne le capacità. Delle migliaia di fornitori che si presentano come AI agentica, secondo Gartner quelli reali sono circa 130.

Per chi gestisce un'azienda la differenza che conta è l'ultima riga: un agente fa cose nei sistemi, quindi quando sbaglia sbaglia nei sistemi. Per questo conta più come è costruito che quale modello usa.

La Maggior Parte di un Agente AI Non È AI

Prendiamo un caso comune nella distribuzione e nel manifatturiero. Gli ordini dei clienti arrivano via email, metà nel testo del messaggio e metà in PDF, ognuno con il suo formato, e qualcuno in ufficio li ricopia nel gestionale. Scomposto nei passaggi reali, il processo è questo:

Il modello lavora in tre punti su dieci. Il resto è codice: si testa caso per caso, a ogni esecuzione costa praticamente nulla e a parità di input dà sempre lo stesso risultato. Ed è proprio quel codice a rendere affidabili le tre chiamate al modello, perché tutto quello che le circonda è specificato e verificato. Non è un esempio di comodo: nella gestione ordini di un produttore europeo che abbiamo mappato, i passaggi che avevano davvero bisogno di un modello erano tre su undici.

La quota di passaggi deterministici sul totale è quello che chiamiamo rapporto di determinismo, e va deciso prima di scrivere una riga di codice. Lo raccomanda anche Gartner: agenti dove servono decisioni, automazione per i flussi di routine, assistenti per il semplice recupero di informazioni. Un fornitore che guadagna su ogni chiamata al modello ha poche ragioni per dirtelo.

Dove un Agente AI Conviene in una PMI (e Dove No)

Un agente ha senso quando quattro condizioni si presentano insieme:

• Volume ripetuto. Lo stesso tipo di pratica torna ogni giorno, non due volte l'anno.
• Input disordinato. Email, PDF, foto, testo libero. Se il dato arriva già strutturato basta un'integrazione, e l'agente è superfluo.
• Una decisione con contesto. Oggi qualcuno guarda il caso e sceglie, e la scelta dipende da dettagli che una regola non riesce a elencare.
• Un risultato che finisce in un sistema. Un ordine registrato, una fattura abbinata, una pratica aperta: qualcosa che si può controllare dopo.

I candidati tipici in una PMI:

• Ordini clienti da email e PDF, nella distribuzione e nel manifatturiero, come nell'esempio sopra. Il quadro più ampio è nella guida su come automatizzare preventivi e ordini.
• Fatture passive, DDT e ordini d'acquisto. L'abbinamento è quasi tutto regola; l'agente serve sulle eccezioni: quantità che non tornano, prezzi fuori listino, DDT mancanti. Ne parliamo nella guida al matching a 3 vie tra bolla, ordine e fattura.
• Richieste di preventivo tecnico. Leggere la richiesta o il capitolato, ritrovare i lavori simili già quotati, preparare una bozza che l'ufficio tecnico rivede e firma.
• Assistenza clienti di primo livello. Stato dell'ordine, copia della fattura, data di consegna: domande ripetute la cui risposta sta già nel gestionale.

Dove invece un agente è la scelta sbagliata:

• se il compito è un calcolo (provvigioni, costi di commessa, scadenze): serve un motore di regole o un foglio di calcolo fatto bene, e l'AI va tolta;
• se la pratica capita poche volte al mese: costruirlo e mantenerlo costa più di quanto restituisce;
• se l'errore è irreversibile e nessuno rivede il risultato, come un bonifico o un ordine a fornitore che non si può annullare;
• se l'informazione non sta in nessun sistema ma solo nella testa di una persona: prima va mappato il processo.

Come Si Porta un Agente in Produzione sopra il Gestionale

Il percorso che regge è una sequenza, e l'ordine conta più della tecnologia scelta.

1. Mappare il processo reale, non quello scritto. Ci si siede accanto a chi lo fa e si annota ogni eccezione, quanto spesso capita e chi la risolve oggi: è il registro delle eccezioni. Perché viene prima di tutto lo spieghiamo nella guida alla mappatura dei processi aziendali.
2. Tracciare il confine tra regola e giudizio. Passaggio per passaggio: cosa diventa codice, cosa va al modello, cosa resta a una persona. Il documento che ne esce è la mappa dei confini dell'AI.
3. Costruire sopra il gestionale, non al suo posto. L'agente legge e scrive tramite API nel sistema che l'azienda usa già. Nessuna migrazione, nessun gestionale nuovo da imparare.
4. Farlo lavorare in modalità shadow. Gira su casi reali, ma ogni risultato passa da una persona prima di avere effetto. Si misura dove sbaglia, non se la demo funziona.
5. Misurare l'accuratezza ogni mese. Una suite di valutazione fatta di casi reali con il risultato atteso dice se l'agente è ancora corretto dopo che sono cambiati il processo, i clienti o il modello.
6. Registrare ogni decisione. Cosa ha letto, cosa ha deciso, con quale sicurezza, chi ha approvato. Senza un audit trail nessuno in azienda gli lascerà fare il lavoro, e nessuno saprà spiegare una sua decisione al commercialista o a un revisore.

Saltare un passaggio è il modo più comune in cui un agente resta fermo al pilota. Le sei cause le abbiamo messe in fila in perché i progetti pilota di AI non arrivano in produzione.

Cosa Fa Salire il Costo di un Agente AI

Un prezzo di listino per "un agente" non ha senso, perché il costo dipende da cosa trova la mappatura. Le voci che lo spostano davvero sono cinque:

• L'accesso al gestionale. Un gestionale con API documentate si integra molto più in fretta di uno che esporta solo file, o che richiede il fornitore per ogni modifica.
• Il numero di eccezioni. Ogni eccezione reale va gestita da una regola, dal modello o da una persona. Più sono, più lavoro di progetto e di test.
• Quante chiamate al modello per pratica. Il codice a ogni esecuzione costa quasi nulla; il modello si paga a ogni chiamata e cresce con il volume. È qui che un agente "tutto AI" diventa caro.
• Valutazione e manutenzione. Il processo cambia, i clienti cambiano formato, il fornitore aggiorna il modello. Qualcuno deve verificare ogni mese che l'agente sia ancora corretto.
• I dati personali. Se l'agente tratta dati di clienti o dipendenti servono una base giuridica, accordi sul trattamento con i fornitori e un registro delle decisioni, come chiede il GDPR.

Le cause che Gartner indica per i progetti agentici cancellati (costi in crescita, valore di business poco chiaro, controlli dei rischi inadeguati) ricadono tutte in queste voci. Per decidere prima se un agente vale l'investimento conviene misurarne il ritorno su tre fronti, ricavi, costi e rischio: il metodo è nella guida su come misurare il ROI di un agente AI.

Cinque Domande da Fare a Chi Ti Propone un Agente AI

• Quali passaggi chiamano un modello, e perché proprio quelli?
• Cosa succede quando l'agente non è sicuro, e chi riceve il caso?
• Scrive direttamente nel nostro gestionale, o ci chiede di cambiarlo?
• Come misurate l'accuratezza ogni mese, e su quali casi reali?
• Chi lo gestisce dopo la consegna, e cosa ci lasciate per farlo da soli?

Se la risposta alla prima domanda è "tutti", stai comprando un costo variabile che cresce con il volume. Se nessuno sa rispondere alla quarta, stai comprando un pilota.

Fonti e riferimenti