Introduzione
Agente: chi o cosa provoca un determinato effetto mediante la propria azione. Questa parola è tutt’altro che recente, viene dal verbo latino agere, che significa fare, mettere in moto, condurre. Qualcuno che agisce, appunto.
Tienila a mente questa definizione perché è esattamente il confine che separa il modo in cui abbiamo usato l’intelligenza artificiale fino a ieri da quello che ci sta travolgendo ora.
Per un paio d’anni ci siamo abituati a dei gesti precisi: andiamo su un qualsiasi tool AI, scriviamo il prompt e otteniamo una risposta.
Però questa è una conversazione durante la quale lo strumento parla, noi copiamo e incolliamo, e tutto il resto resta sulle nostre spalle.
Tutto questo, però, appartiene ad una fase passata. Ora si parla di AI agentica, quella in cui l’AI lavora per te. Approfondiamo.
Un chatbot risponde, un agente fa
Parto dalla differenza di fondo. Il 2025 è stato l’anno di ChatGPT, Gemini, Copilot e chi più ne ha più ne metta: le chat tradizionali. Vai sul sito e cominci a scrivere e a chiedere. È comodissimo, senza dubbio, ma ha un limite perché ad ogni richiesta lo strumento risponde, ma quella conversazione resta lì, staccata dal tuo lavoro.
Un sistema agentico ribalta lo schema. Nel mio corso “Crea il tuo Agente AI con Claude Code” uso proprio Claude Code come strumento di riferimento, perché rende evidente il salto: non si lavora più in una finestra a parte, ma lo strumento abita il tuo spazio di lavoro reale. I tuoi file, le tue cartelle etc. Ha accesso diretto a ciò su cui lavori e, soprattutto, può compiere azioni al posto tuo.
È come la differenza tra un consulente a cui fai domande e un collaboratore che porta a termine i suoi compiti. Il primo è utilissimo, ma ha bisogno di te. Il secondo lavora anche mentre tu fai altro. Ed è questo il punto d’arrivo da avere in mente quando creiamo un agente: qualcosa che conosce il tuo lavoro, il tuo stile e tutte le preferenze e le tue priorità.
L’agente impara come lavori
Il primo aspetto da considerare di tutto questo è la memoria. Elimiamo subito un equivoco, perché non intendo la memoria come siamo abituati a viverla nelle chat come, ad esempio, le famose frasi ricorrenti, il tuo nome, la tua professione, qualche preferenza sparsa.
Intendo qualcosa di molto più profondo.
Mentre lavori, ogni volta che fai una scelta che riguarda i tuoi processi o le tue attività, l’ambiente capisce che quella è una tua preferenza e mantiene nel tempo il tuo modo di lavorare. Se mandi sempre un preventivo con una certa struttura, se chiudi ogni documento con lo stesso schema, lui lo riconosce, lo archivia e te lo ripropone.
Non ricorda dati sparsi, ma apprende comportamenti, e quando non è sicuro di aver capito bene, ti chiede conferma invece di tirare a indovinare.
Rispetto alla logica del prompt cambia tutto. Nella chat tradizionale ogni conversazione riparte da zero, e sei tu a dover rispiegare ogni volta chi sei e come lavori. Qui il tempo che investi si sedimenta, non è mai tempo perso.
Il contesto
Il secondo pilastro è il contesto. Fino a poco tempo fa il contesto lo dovevi infilare dentro il prompt o nelle istruzioni di sistema: un lavoro manuale, talvolta rigido e che per giunta si degrada man mano che la conversazione si allunga. Chi ha usato a lungo una chat lo sa: dopo un po’ il modello si dimentica le cose dette all’inizio e la qualità cala.
In un ambiente agentico funziona al contrario. Il contesto vive in file separati, che vengono caricati in modo dinamico solo quando servono davvero.
Ti faccio un esempio: immagina di avere un file che spiega il tuo lavoro, uno che descrive il tuo tono di voce, uno che raccoglie i tuoi processi e i tuoi clienti. Nel momento in cui scrivi “devo preparare il preventivo per il cliente X che opera nel settore Y”, lui sa da solo quali di quei file leggere e quali lasciar stare.
Il risultato pratico è una sessione di lavoro più stabile, senza i cali di qualità delle chat troppo lunghe.
Le skill
Il terzo pilastro è una delle cose più importanti da approfondire: le skill. Sono dei piccoli mattoncini con dentro le tue competenze, blocchi che racchiudono un’attività ricorrente e la rendono eseguibile ogni volta, senza doverla ricostruire da capo.
Puoi crearle su richiesta diretta, generandole in base alle tue esigenze. Oppure le costruisce lui in autonomia, quando riconosce uno schema abbastanza ripetuto da meritare di diventare una procedura.
È la differenza tra spiegare ogni volta a un collaboratore nuovo come si fa una cosa e avere un collaboratore che, una volta imparata, la sa fare per sempre.
Cosa cambia nella pratica: tre esempi
Ti porto tre esempi, ma nel corso ne affronto tanti altri.
Il primo è la gestione delle riunioni. L’ambiente prende il file audio o video di una call, individua i task e le persone a cui sono stati affidati, prepara le mail di follow-up e archivia le decisioni in modo che restino recuperabili nel tempo. Mesi dopo puoi chiedergli: “ti ricordi quella call con il cliente prima della chiusura dell’anno? e lui la ritrova.”
Il secondo è la pianificazione della giornata. Un audio di cinque minuti perfino dettato la sera alimenta uno storico da cui, il giorno dopo, ricava le tue priorità. Tutto questo senza dover aprire calendari o rileggere appunti.
Il terzo esempio è perfetto per chi lavora con sessioni individuali, come consulenti, formatori e coach. Dopo ogni call il sistema prepara la mail di follow-up tenendo conto dell’intera storia del cliente: il tono che ho consolidato nel tempo, le cose emerse negli incontri precedenti. Se quel cliente lo segui da due anni, l’agente può ricordarmi che “a dicembre avevate parlato di questo, e oggi è tornato fuori”. Poi può compiere una serie di azioni successive, come preparare la mail da approvare prima di inviarla.
Quando il tool decide al posto tuo
Torniamo alla domanda iniziale: cosa succede quando lo strumento inizia a decidere al posto tuo?
Qui voglio essere preciso, perché è facile scivolare nell’allarmismo o, all’opposto, nell’entusiasmo senza freni. Un agente AI pianifica e agisce, è vero.
Sceglie quali file leggere, porta a termine sequenze di azioni senza che tu debba guidarlo passo dopo passo. In questo senso, sì: una parte delle micro-decisioni operative passa a lui.
Ma c’è un “ma” importante nel modo in cui lo imposto io. Il sistema chiede sempre e comunque conferma.
Se ti propone una mail, sta a te approvarla prima di spedirla. Oppure ti mostra cosa ha capito e aspetta il tuo via libera sulle cose che contano.
Deleghi l’esecuzione, non il giudizio.
Forse questo è il punto più delicato di tutta la rivoluzione agentica. Qualche mese fa, e dico davvero mese, ci chiedevamo se ’’AI fosse capace di svolgere un determinato compito. Ora sappiamo che sì, lo sa fare per cui non ci resta che decidere cosa effettivamente delegare e cosa no. Dove finisce il compito meccanico e dove comincia la scelta che vuoi resti tua?
Conclusioni
Il passaggio dal chatbot all’agente è qualcosa che, per quanto possa in parte spaventare, rappresenta una svolta. Smettiamo di trattare l’AI come un oracolo a cui fare domande e iniziamo a trattarla come un collaboratore a cui affidare processi, qualcuno che conosce il nostro lavoro, il nostro stile e quello che facciamo e che ci restituisce la cosa più preziosa che abbiamo: il tempo.
C’è una simmetria che mi piace, per chiudere. Siamo partiti dalla definizione di “agente”: colui che agisce. Per anni abbiamo dato ordini a una macchina. Oggi, per la prima volta, ci troviamo accanto qualcosa che agisce, eppure il vero passo in avanti lo facciamo noi, nel momento in cui smettiamo di eseguire e cominciamo a dirigere.
Se vuoi vedere come si costruisce, passo dopo passo, un agente così, dal setup ai primi processi che deleghi davvero, è esattamente quello che ho messo nel corso.
E allora ti lascio con una domanda semplice, ma non banale: qual è la prima cosa che, da domani, saresti disposto a smettere di fare da solo?
