Come creare un agente di intelligenza artificiale in azienda: il modello si sceglie per ultimo
Creare un agente di intelligenza artificiale è scrivere il programma che dà a un modello un obiettivo, un elenco di strumenti che può usare e un limite oltre il quale deve fermarsi. Il modello non è l'agente: è il pezzo che si sceglie per ultimo e si sostituisce in mezz'ora. Quasi tutte le pagine italiane che spiegano come creare un agente di intelligenza artificiale partono invece esattamente da lì, dal confronto fra fornitori, ed è il motivo per cui poi i progetti si impantanano al secondo mese: la scelta difficile non era quella.
L'ordine giusto è rovesciato rispetto a come viene raccontato. Prima si fissa il processo, poi gli strumenti che l'agente deve poter toccare, poi i permessi su quegli strumenti, poi il posto dove tiene traccia di quello che ha già fatto, poi la condizione che lo ferma. Il modello arriva in fondo, quando tutto il resto è deciso.
Cosa serve per creare un agente di intelligenza artificiale
Un agente si regge su sei pezzi, e cinque su sei non hanno niente a che vedere con il modello. Metterli in tabella serve a capire in trenta secondi quale manca nel progetto che avete sul tavolo.
| Pezzo | Cosa decide | Chi lo mette |
|---|---|---|
| Obiettivo | quando il compito è chiuso | voi |
| Strumenti | cosa l'agente può fare fuori da sé | voi |
| Permessi | fin dove arriva il danno quando sbaglia | voi |
| Stato | cosa si ricorda fra un passo e l'altro | voi |
| Limite | quando si ferma anche senza aver finito | voi |
| Modello | quanto è bravo a scegliere il passo dopo | il fornitore |
La colonna di destra è la parte più istruttiva della tabella. Il fornitore del modello vi vende una riga su sei, e le altre cinque restano lavoro vostro anche quando comprate una piattaforma chiavi in mano: cambia chi scrive il codice, non chi prende le decisioni.
La distinzione che dice se vi serve davvero un agente
Anthropic separa agenti e workflow in una riga sola nell'articolo tecnico Building effective agents, pubblicato il 19 dicembre 2024: nei workflow "modelli e strumenti sono orchestrati attraverso percorsi di codice predefiniti", mentre gli agenti sono "sistemi in cui i modelli dirigono dinamicamente i propri processi e l'uso degli strumenti". Nello stesso testo c'è la raccomandazione che quasi nessuno cita in Italia: cercare la soluzione più semplice possibile e aumentare la complessità solo quando serve.
Il criterio pratico che ne discende è uno solo. Se la sequenza dei passaggi la sapete scrivere oggi su un foglio, non vi serve un agente ma un'automazione, che costa meno ed è più facile da certificare. La scelta a quel punto si sposta sulla piattaforma, ed è la partita di n8n o Make e come si contano i costi. Sul confine fra le due famiglie ho scritto per intero la differenza tra chatbot e agente di intelligenza artificiale.
I sei passaggi, nell'ordine in cui vanno fatti
L'ordine conta più dei singoli passaggi, perché ogni scelta vincola quella successiva e tornare indietro costa. Il modello lo sceglierete alla fine, e vi porterà via cinque minuti.
- Scrivete il processo come lo esegue oggi una persona, comprese le eccezioni che nessuno ha mai messo per iscritto. È il passaggio che fa fallire più progetti, e non è un passaggio tecnico.
- Elencate i sistemi che l'agente deve toccare in scrittura, non in lettura. Zero sistemi in scrittura vuol dire che vi serve un assistente in chat, e la discussione finisce lì.
- Aprite i permessi minimi su quei sistemi prima di scrivere una riga di codice, perché il perimetro che concedete è anche il perimetro della vostra responsabilità. Su cosa concedere e a chi, quali permessi dare agli strumenti AI in azienda è la decisione da prendere per prima.
- Decidete dove l'agente scrive cosa ha già fatto. Un agente senza memoria di lavoro al secondo giro ricomincia da capo e ve lo fa pagare due volte.
- Fissate il limite prima di accendere: numero massimo di giri, tetto di spesa mensile, finestra oraria in cui può lavorare.
- Scegliete il modello, e tenetelo isolato dietro una sola funzione del vostro codice, così cambiarlo resta una modifica di un'ora.
Il passaggio che quasi tutti saltano è il punto di fermata
Il punto di fermata è la condizione scritta che spegne l'agente anche quando il compito non è finito, e va decisa dal quinto passaggio e non dopo il primo incidente. Un agente senza punto di fermata non si comporta male: si comporta come gli avete detto, cioè continua. La forma concreta sono tre numeri da scrivere in configurazione, un massimo di giri per compito, un tetto di spesa e un orario oltre il quale non parte, più la regola su cosa fa quando uno strumento gli risponde con un errore. Sugli ordini di grandezza della spesa ho messo le voci in quanto costa un agente AI in azienda.
Come è fatto un agente AI che gira davvero ogni giorno
Gli articoli di questo blog li scrivono ogni mattina due routine automatiche, e il codice che le regge sta nella cartella automazione-blog/ dentro il repository del sito. È un agente AI piccolo, il che lo rende leggibile per intero e utile come esempio, perché tutte e sei le decisioni della tabella qui sopra sono visibili in pochi file.
La macchina che conserva le trascrizioni dei video non è raggiungibile dall'agente via SSH. Espone un solo servizio HTTP sulla porta 8787, con tre indirizzi e nient'altro, e ogni chiamata porta un header X-Token tranne il controllo di salute:
Lo stato non sta nella testa dell'agente: il fatto che una trascrizione sia già stata usata viene scritto sul server con /api/marca-trattata, quindi sopravvive alla fine della sessione.
Il perimetro tecnico coincide con il perimetro del danno
La finestra aperta verso l'esterno è una sola, e questo decide quanto può andare storto. Il peggio che quell'agente può combinare è chiedere la trascrizione sbagliata, perché non ha nessuna strada per arrivare al resto della macchina. Il limite è scritto nel prompt come tetto fisso di due articoli al giorno su tutto il sito, e nella versione che apre una Pull Request l'articolo nasce con published: false, così la pubblicazione resta una decisione di una persona. Sono tre righe di configurazione che valgono più di qualsiasi istruzione gentile data al modello.
Dove si rompono gli agenti costruiti in fretta
Gli agenti si rompono quasi sempre fuori dal modello, e Anthropic lo mette per iscritto nello stesso articolo del dicembre 2024: la natura autonoma degli agenti comporta costi più alti e la possibilità di errori che si accumulano. Il guasto tipico non è una risposta sbagliata, è un ciclo che riprova all'infinito su uno strumento che risponde con un errore, e che nessuno guarda finché non arriva la fattura.
Sul modo di collegare gli strumenti conviene sapere che uno standard c'è già: il Model Context Protocol è uno standard open source per collegare le applicazioni AI a sistemi esterni, ed è supportato da Claude, ChatGPT, Visual Studio Code e Cursor. Adottarlo vi risparmia di scrivere una colla diversa per ogni strumento.
Tre controlli prima di lasciarlo acceso da solo
Tre controlli concreti, in ordine di quanto costa saltarli.
- Rilanciate lo stesso compito tre volte e confrontate i percorsi. Se ogni giro tocca sistemi diversi in scrittura, i permessi sono ancora troppo larghi.
- Staccate di proposito uno degli strumenti e guardate cosa fa l'agente. Deve fermarsi e dirlo, non riprovare.
- Guardate il conto del primo giorno pieno e moltiplicatelo per venti. Se quel numero non vi piace, il limite del quinto passaggio è troppo alto.
Un agente che passa questi tre controlli è pronto a lavorare senza qualcuno che lo guarda. La parte difficile, come avrete visto, non è mai stata la scelta del modello: è il disegno degli strumenti e dei permessi, che è il lavoro che facciamo nei progetti di sviluppo di agenti AI su misura. Il modello lo cambierete tre volte nei prossimi due anni, e ogni volta sarà la modifica più veloce della giornata.
Domande frequenti
Quanto tempo ci vuole per mettere in produzione un agente AI?
La parte tecnica di un agente AI semplice si costruisce in pochi giorni, il tempo lungo se lo prende quello che viene prima e quello che viene dopo: scrivere il processo in modo che una macchina lo possa eseguire, e osservare l'agente per qualche settimana prima di togliergli il controllo umano. Chi preventiva solo la costruzione arriva quasi sempre a un agente che funziona in demo e nessuno si fida di lasciare acceso. Il calendario realistico si misura in settimane di osservazione, non in giornate di sviluppo.
Serve un data scientist per creare un agente di intelligenza artificiale?
No, perché non state addestrando un modello: lo state usando. Le competenze che servono davvero sono quelle di chi sa scrivere software che parla con altri sistemi e di chi conosce il processo aziendale nel dettaglio, comprese le eccezioni che nessuno ha mai messo per iscritto. Un data scientist serve quando il problema è statistico, per esempio una previsione su dati storici, e quello è un progetto diverso.
Cosa succede a un agente quando il fornitore aggiorna il modello sotto?
Il comportamento cambia senza che voi abbiate toccato niente, e questo è un rischio da mettere in conto in fase di progetto. Un agente che dipende da un modello ospitato da un fornitore eredita ogni aggiornamento nel momento in cui viene rilasciato, spesso senza preavviso utile. La contromisura pratica è una decina di casi di prova con l'esito atteso scritto accanto, da rilanciare ogni volta che esce una versione nuova: costa una mattinata una volta sola e vi dice in dieci minuti se qualcosa si è mosso.
Conviene partire da una piattaforma pronta o scrivere l'agente da zero?
Conviene partire da una piattaforma pronta ogni volta che il processo tocca sistemi diffusi e non ha requisiti di riservatezza particolari, perché vi risparmia mesi di lavoro sui connettori. Scrivere da zero ha senso quando i sistemi da toccare sono interni e nessun connettore esiste, oppure quando i dati non possono uscire dall'azienda. La domanda che decide non è tecnica: è dove possono stare i dati mentre l'agente lavora.