Differenza tra chatbot e agente di intelligenza artificiale: il confine è il permesso di agire
Un agente di intelligenza artificiale è un programma che riceve un obiettivo, sceglie da solo quali strumenti usare per raggiungerlo e continua ad agire finché il compito è chiuso o finché una condizione lo ferma. Un chatbot riceve un messaggio e restituisce un messaggio, e il giro finisce lì. La differenza tra chatbot e agente di intelligenza artificiale non sta nel modello che c'è sotto, perché può essere lo stesso identico modello: sta nel fatto che al secondo avete dato le chiavi di qualcosa.
Quasi tutte le pagine italiane che rispondono a questa domanda la raccontano come una differenza di bravura, come se l'agente fosse un chatbot cresciuto bene. Non è così, ed è un errore che si paga in fase di preventivo. La bravura la porta chi produce il modello. I permessi, lo stato e il conto dei consumi li portate voi.
Chatbot e agente AI: la differenza sta in cosa può toccare
Il confine passa dagli strumenti, non dalle risposte. Un chatbot produce testo e si ferma, un agente AI produce chiamate a strumenti che cambiano qualcosa fuori da lui: un file scritto, una riga in un gestionale, una mail partita, un deploy fatto.
| Chatbot | Agente AI | |
|---|---|---|
| Cosa riceve | un messaggio | un obiettivo |
| Cosa produce | un altro messaggio | chiamate a strumenti, e un risultato |
| Strumenti | nessuno, o la sola ricerca | quelli che gli avete dato |
| Fra un passo e l'altro | non ricorda niente di suo | tiene uno stato e lo rilegge |
| Chi decide il passo dopo | l'utente, scrivendo | il modello, guardando il risultato |
| Quando finisce | quando l'utente smette | quando il compito è chiuso o scatta un limite |
| Se sbaglia | ha detto una cosa sbagliata | ha fatto una cosa sbagliata |
| Come si paga | a conversazione | a giro di ciclo, e i giri non li contate voi |
La definizione che usa chi gli agenti li produce
Anthropic mette la stessa distinzione in una riga sola nell'articolo tecnico Building effective agents, pubblicato il 19 dicembre 2024: gli agenti sono "sistemi in cui i modelli dirigono dinamicamente i propri processi e l'uso degli strumenti, mantenendo il controllo su come portano a termine i compiti", mentre nei workflow "modelli e strumenti sono orchestrati attraverso percorsi di codice predefiniti". Nello stesso testo la definizione operativa è ancora più asciutta: un agente è un modello che usa strumenti in un ciclo, sulla base di quello che l'ambiente gli risponde.
Cosa dovete costruire in più quando passate a un agente
Il lavoro nuovo non è il prompt, è il programma che sta attorno al modello. Quel programma gestisce il ciclo, espone gli strumenti, applica i permessi e decide quando fermarsi, ed è quello che in inglese si chiama harness. Ho scritto un pezzo intero su cos'è un agent harness e come si valuta, perché è il componente che le aziende scoprono di dover comprare o scrivere solo dopo aver firmato.
Serve anche un posto dove l'agente scrive cosa ha già fatto, altrimenti al secondo giro ricomincia da capo. La memoria di un agente AI non è un dettaglio implementativo: è la differenza fra un agente che chiude un compito in dieci passi e uno che gira a vuoto.
Un agente deve poter decidere anche di non agire
La capacità di stare fermo è una funzione, non un'assenza di funzione. Anthropic lo ha reso esplicito nell'aggiornamento di Claude Tag pubblicato il 13 agosto 2026: al posto del classificatore leggero che valutava un messaggio Slack alla volta, l'agente legge il contesto del canale e sceglie fra quattro mosse, rispondere in linea, aprire un thread, instradare il messaggio in un lavoro già aperto oppure restare in silenzio. Anthropic dichiara un miglioramento di circa il 30% nel decidere quando intervenire e quando no.
I permessi non stanno dentro il modello
I permessi si applicano fuori dal modello, nel programma che gli passa gli strumenti. Questo blog è un esempio piccolo e verificabile: gli articoli di ogni mattina li scrivono due routine automatiche il cui codice sta in automazione-blog/ dentro il repository del sito, e la regola scritta nel README è che l'agente cloud non entra mai nella macchina che ospita i dati, ma chiama un solo endpoint HTTP protetto da token. Non è una precauzione teorica: è la ragione per cui un errore dell'agente resta un articolo sbagliato invece di diventare un server compromesso. Sullo stesso principio, quali permessi dare agli strumenti AI in azienda è una decisione da prendere prima di accendere qualsiasi cosa.
Quanto cambia il conto quando decide l'agente
Il conto cambia natura, non solo dimensione. Un chatbot consuma una richiesta per ogni messaggio che gli scrivete, quindi la spesa la governate voi con il dito sulla tastiera. Un agente AI consuma una richiesta per ogni giro del suo ciclo, e i giri li decide lui: lo stesso compito può chiudersi in tre passaggi o in quaranta a seconda di cosa trova.
Da qui discendono due cose pratiche. La prima è che il limite va messo fuori dall'agente, sotto forma di tetto sui giri, sui token o sulla spesa, e non affidato alla sua buona volontà: le routine di questo sito, per dire, hanno scritto nel prompt un tetto fisso di due articoli al giorno sull'intero blog. La seconda è che conviene ridurre quanto contesto l'agente si porta dietro a ogni giro, che è il tema di come ridurre i token di un agente di coding. Su ordini di grandezza e voci di spesa ho già messo i numeri in quanto costa un agente AI in azienda.
Come capire se vi serve un chatbot o un agente AI
La domanda giusta non è quanto è complesso il compito, è se la sequenza dei passaggi si può scrivere in anticipo. Se si può, non vi serve un agente: vi serve un'automazione, che costa meno ed è più facile da controllare. La scelta si sposta allora su quale piattaforma usare, e su quel punto ho messo i due modi opposti di contare in n8n o Make, quale scegliere.
Tre criteri per decidere prima di spendere
Tre criteri concreti, in ordine di quanto pesano.
- Guardate se il passo successivo dipende dal risultato del passo precedente in un modo che non sapete elencare oggi. Se lo sapete elencare, il flusso lo scrivete e risparmiate il ciclo.
- Contate quanti sistemi diversi il compito deve toccare in scrittura. Zero sistemi in scrittura vuol dire chatbot, e la discussione finisce lì.
- Decidete chi ferma la cosa quando va storta, e scrivetelo prima di partire. Se la risposta è "ce ne accorgiamo", il progetto non è pronto, ed è il motivo per cui vale la pena leggere chi controlla gli agenti AI in azienda.
Quando i tre criteri portano davvero verso un agente, la parte difficile smette di essere la scelta del modello e diventa il disegno degli strumenti e dei permessi, che è il lavoro che facciamo nei progetti di sviluppo di agenti AI su misura.
Il modo più onesto di riassumere la differenza è questo: un chatbot vi fa perdere tempo quando sbaglia, un agente vi fa perdere dati. Vale la pena costruirlo lo stesso, in molti casi, ma sapendo di quale delle due cose state parlando quando firmate.
Domande frequenti
Un chatbot aziendale già in produzione si può trasformare in un agente AI senza rifarlo da zero?
Il pezzo che genera le risposte si riusa quasi sempre, quello che manca è tutto il resto: gli strumenti che l'agente può chiamare, i permessi su quegli strumenti, il posto dove tiene lo stato fra un passo e l'altro e il punto in cui si ferma. Nella pratica si tiene il modello e l'interfaccia e si costruisce attorno il programma che esegue il ciclo. Chi preventiva la trasformazione come un aggiornamento di solito sbaglia di un ordine di grandezza.
Che differenza c'è tra un agente AI e un'automazione fatta con n8n o Make?
In un'automazione con n8n o Make i passaggi li ha decisi una persona e sono scritti nel flusso: il programma li esegue sempre nello stesso ordine. In un agente AI la sequenza la sceglie il modello a ogni giro, guardando il risultato del passo precedente. L'automazione è più prevedibile e più facile da certificare, l'agente serve quando la sequenza giusta non si può scrivere in anticipo perché dipende da quello che si trova per strada.
Chi è responsabile se un agente di intelligenza artificiale sbaglia un'azione?
Chi lo ha messo in produzione, esattamente come per qualsiasi altro software aziendale. L'agente non è un soggetto giuridico e il fornitore del modello risponde del modello, non di quello che voi gli avete permesso di toccare. È la ragione pratica per cui i permessi vanno stretti prima e non dopo: il perimetro tecnico che disegnate coincide con il perimetro della vostra responsabilità.
Serve un modello più potente per passare da chatbot ad agente AI?
Non necessariamente, e non è lì che si gioca la partita. Lo stesso modello che risponde bene in chat spesso regge anche un ciclo agentico corto, mentre i cicli lunghi falliscono quasi sempre per motivi che con l'intelligenza del modello non c'entrano: strumenti descritti male, permessi che bloccano un passaggio a metà, nessun posto dove scrivere cosa è già stato fatto.