Vale la pena investire in agenti di intelligenza artificiale: cosa dicono i numeri del mio
Un agente di intelligenza artificiale è un programma a cui si dà un obiettivo invece di una sequenza di istruzioni, e che sceglie da solo i passaggi per arrivarci. Vale la pena investire in agenti di intelligenza artificiale quando il lavoro da fare è ripetitivo ed è già stato deciso da qualcuno: un agente moltiplica l'esecuzione, non il giudizio su cosa valga la pena eseguire.
Detta così sembra una frase da manuale, quindi la appoggio su una cosa che ho misurato in casa mia. Su questo sito gira una routine automatica che ogni mattina sceglie una notizia, la verifica alla fonte e scrive l'articolo. Il 17 agosto 2026 le ho fatto fare un audit completo, e i numeri hanno detto due cose opposte nello stesso momento.
Vale la pena investire in agenti AI: la risposta sta in due domande, non in una
Vale la pena investire in agenti AI quando si riescono a tenere separate due domande che di solito arrivano appiccicate: se l'agente sa fare quel lavoro, e se quel lavoro serve. La prima è una domanda tecnica, e oggi la risposta è sì molto più spesso di quanto si creda. La seconda è una domanda tua, e nessun fornitore te la può risolvere.
Quasi tutte le valutazioni che vedo fanno collassare le due domande in una sola, e finiscono per comprare capacità di esecuzione dove il problema era di direzione. È lo stesso motivo per cui conviene guardare prima quando un workflow automatizzato batte un agente: se il lavoro ha già una sequenza fissa, un agente aggiunge costo e variabilità senza aggiungere niente.
Quello che Anthropic mette prima di tutto il resto
Anthropic, nella guida Building effective agents pubblicata il 19 dicembre 2024, separa i flussi di lavoro dagli agenti: i primi sono sistemi in cui modelli e strumenti vengono orchestrati attraverso percorsi di codice definiti in anticipo, i secondi sono sistemi in cui il modello dirige da sé il proprio processo e l'uso degli strumenti.
La raccomandazione che chiude quella guida è più netta di quanto ci si aspetti da chi vende modelli: trovare la soluzione più semplice possibile e aumentare la complessità solo quando serve, il che secondo Anthropic «might mean not building agentic systems at all». Nella stessa pagina c'è la frase che vale come criterio di acquisto: «Agentic systems often trade latency and cost for better task performance, and you should consider when this tradeoff makes sense».
Cosa ha prodotto il mio agente in diciassette giorni
L'agente che scrive su questo sito ha pubblicato 24 articoli in 17 giorni, dal 1 al 17 agosto 2026, senza un solo errore tecnico. Sono i numeri dell'audit interno del 17 agosto, ed è la parte che di solito convince chi sta valutando un investimento del genere.
| Voce | Numero |
|---|---|
| Articoli scritti dall'agente | 24 |
| Giorni di attività | 17 |
| Esecuzioni finite con un errore tecnico | 0 |
| Notizie inventate | 0 |
| Link interni rotti su tutto il sito | 0 |
| Lunghezza media degli articoli | 1208 parole |
Presi da soli, i numeri della tabella dicono che l'investimento è riuscito. Un collaboratore umano che per diciassette giorni consegna ogni mattina senza saltare un colpo e senza inventarsi niente sarebbe considerato bravo, e l'agente costa una frazione. Il problema è che nessuna riga di quella tabella risponde alla domanda se quello che l'agente produceva servisse a qualcuno.
Dove ha sbagliato, e non è dove ve lo aspettate
L'errore dell'agente non è stato scrivere male, è stato scrivere bene sulla cosa sbagliata. Lo stesso audit ha cercato dentro l'archivio di 3589 parole chiave italiane del sito i termini su cui metà degli articoli era costruita, e ha trovato zero righe per «claude», zero per «subagent», zero per «token», zero per «prompt» e zero per «anthropic».
Diciotto articoli su trentasette puntavano su quei termini, e quattordici li aveva scritti l'agente. Non sono pagine inutili, perché costruiscono autorevolezza e alimentano le citazioni dei motori generativi, ma da Google non arriverà traffico per quanto siano scritte bene.
La causa di quell'errore di bersaglio è meccanica, e vale la pena portarsela via. Le regole del sito elencavano otto controlli obbligatori prima di pubblicare, mentre le istruzioni dell'agente dicevano di farne sette: un numero copiato a mano dentro le istruzioni aveva sovrascritto la regola, e il controllo che saltava era proprio l'ottavo, quello sulla ricerca delle parole chiave, aggiunto per ultimo. Zero volte su ventiquattro articoli.
I tre costi di un agente che non stanno nel preventivo
Il costo di un agente non è quasi mai il costo del modello. Nel mio caso i tre che hanno pesato davvero sono stati l'ambiente in cui gira, la revisione di quello che produce e la sorveglianza di quello che dichiara di aver fatto, e nessuno dei tre compare in un listino. Il conto del consumo è un problema diverso, che ho affrontato scrivendo quanto costa un agente AI in azienda e come si mette un tetto.
L'ambiente è il più sottovalutato dei tre. Fra il 12 e il 17 agosto 2026 l'agente ha saltato quattro giornate su dodici esecuzioni, e non per mancanza di materiale: le ricerche di quelle mattine avevano restituito 53, 72, 66 e 44 righe. La connessione dell'ambiente cloud era quasi tutta chiusa, l'agente non riusciva ad aprire le fonti e si fermava invece di scrivere senza aver verificato. Il comportamento era quello giusto, il costo stava in una impostazione che nessuno guardava.
La revisione è il collo di bottiglia, non la scrittura
La revisione di quello che un agente produce è il costo che cresce insieme alla sua produttività, ed è il motivo per cui raddoppiare la resa di un agente spesso non raddoppia il risultato. Un articolo finito, 1067 parole con la fonte verificata due volte, è rimasto fermo quattro giorni dentro una proposta di modifica in attesa di un clic mio. Un agente che produce più di quanto il suo revisore riesca a leggere non fa risparmiare tempo, lo sposta di reparto.
La sorveglianza è il terzo costo ed è quello che fa più danni, perché non si vede. Il controllo giornaliero che doveva dirmi se Google avesse indicizzato gli articoli girava ogni mattina, durava mezzo minuto e riportava «riuscito» senza fare niente: mancava una chiave di accesso e il controllo era costruito per fermarsi in verde quando quella chiave non c'è. Per settimane ho avuto un cruscotto verde e nessun dato. Su chi debba tenere d'occhio queste cose ho scritto a parte, parlando di chi controlla gli agenti AI dentro un'azienda.
Come si decide se vale la pena, senza comprare niente
La decisione si prende con tre numeri che si raccolgono in mezz'ora, con carta e penna, prima di parlare con qualsiasi fornitore: quante volte al mese viene eseguito quel lavoro, quanti minuti porta via ogni volta se lo fa una persona, e quanto costa un singolo errore che nessuno nota per una settimana.
Il costo di un errore che nessuno nota è il numero che ribalta la decisione più spesso, ed è quello che quasi nessuno si scrive. Un processo eseguito trecento volte al mese in cui un errore costa una mail di scuse è territorio da agente. Lo stesso processo, se un errore costa una fornitura sbagliata o una sanzione, resta territorio da automazione deterministica con una persona in fondo, e il confine fra le due cose è quello che divide la RPA dall'intelligenza artificiale.
La prova da fare prima di firmare: contate le regole
La prova che costa zero e che consiglio prima di firmare qualsiasi contratto è questa: scrivete a mano, in un file di testo, le regole che l'agente dovrà seguire, e contatele. Se sono più di una decina e alcune si contraddicono fra loro, il problema non è l'agente: è il processo, e un agente lo eseguirà contraddizioni comprese. Nel mio caso quelle regole stanno in tre file dentro il repository, .claude/skills/articolo/SKILL.md, linee-guida.md e seo-geo.md, e l'istruzione dice all'agente di fermarsi se non li trova. Vale più di qualsiasi controllo messo a valle.
La risposta onesta, quindi, è che un agente conviene quando avete già capito che quel lavoro va fatto e vi serve solo che venga fatto più volte. Se state ancora decidendo se serva, un agente vi farà arrivare più in fretta nel posto sbagliato, ed è esattamente quello che ha fatto il mio per diciassette giorni. Quando accompagno un'azienda a mettere un agente AI dentro un processo la prima mezza giornata se ne va lì, prima di guardare quale strumento usare, e chi vuole farsi un'idea degli strumenti può partire da come si sceglie fra gli agenti AI disponibili.
Domande frequenti
Un agente AI conviene anche a chi ha un solo processo da automatizzare?
Dipende da quante volte quel processo gira, non da quanti processi ci sono. Un lavoro che si ripete cento volte al mese giustifica un agente da solo, mentre cinque processi diversi eseguiti due volte al mese ciascuno di solito non ne giustificano nessuno. La soglia utile è la frequenza, perché il costo di costruire e sorvegliare un agente è quasi tutto fisso e si ammortizza sul numero di esecuzioni.
Quanto tempo serve prima di capire se un agente sta rendendo?
Serve almeno un ciclo completo del processo, e per molte attività aziendali vuol dire un mese. Il primo periodo non produce risparmio e non deve farlo: serve a raccogliere quanto l'agente esegue davvero, quante volte si ferma e quanto tempo porta via a chi rilegge. Chi misura dopo una settimana vede quasi sempre solo l'entusiasmo iniziale di chi lo ha acceso.
Che differenza c'è fra comprare un agente già pronto e farselo costruire?
Un agente già pronto arriva con le sue regole scritte da qualcun altro e va bene quando il processo somiglia a quello di tutti. Un agente costruito su misura costa di più all'inizio e ha senso quando le regole del processo sono una caratteristica dell'azienda e non un dettaglio. La domanda da farsi prima è se quelle regole esistono già scritte da qualche parte oppure vivono nella testa di una persona sola.
Serve una persona tecnica per tenere acceso un agente in azienda?
Serve qualcuno che sappia leggere cosa l'agente ha fatto, e non è per forza un programmatore. La competenza che manca più spesso non è tecnica ma di merito: qualcuno che sappia riconoscere un risultato sbagliato nel proprio mestiere. Un agente sorvegliato da chi capisce il lavoro ma non il codice funziona meglio di uno sorvegliato da chi capisce il codice ma non il lavoro.