Agenti AI per il business nel 2026: quali attività puoi davvero affidare?

Documentazione di riferimento Ailoot: ailoot.ai/docs/.

Un chatbot aspetta il tuo messaggio; nel frattempo un agente compie venti passi#

La differenza diventa chiara quando esci per prendere un caffè. Un chatbot aspetta. Un agente AI può fare molto in quel tempo, anche cose che non gli hai mai chiesto.

Oggi il termine agente AI viene applicato a ogni sorta di cosa, quindi distinguiamo tre livelli.

Tutto questo serve ad arrivare al terzo livello. Descrivi il lavoro una volta, imposta una pianificazione e poi viene svolto senza di te.

Avvii l’esecutore a mano e vedi subito il risultato. Una funzione lavora mentre sei via e ti accorgerai di un errore il giorno dopo, quando si sarà già ripetuto. Vediamo ora quale lavoro puoi spostare in sicurezza a quel terzo livello.

Perché i “agenti AI chiavi in mano” nei risultati di ricerca deludono spesso?#

Non sto criticando questo mercato. Un bot su un sito web va benissimo se è proprio quello il compito. Il problema nasce quando qualcuno dice: “Voglio un dipendente AI”, riceve un widget per il sito e un mese dopo conclude che tutta la faccenda degli agenti è stata inventata dai marketer.

Ci sono tre cose che questo tipo di configurazione non ti darà mai.

1. I tuoi sistemi. Un agente sulla piattaforma di qualcun altro può vedere ciò che quella piattaforma è riuscita a collegare. L’export del tuo magazzino, la cartella dei contratti e la corrispondenza con un appaltatore non ci saranno.
2. Il tuo modo di pensare. Il bot risponde secondo scenari ideati da qualcun altro. Un clone AI funziona al contrario: riproduce la tua logica decisionale perché sei tu ad averla inserita nel progetto.
3. La possibilità di apportare modifiche. Vuoi aggiungere un passaggio? Contatti l’assistenza e aspetti. Ciò che hai costruito da solo puoi modificarlo in una sera.

Quando lo costruisci da solo, paghi un prezzo diverso: tempo per la configurazione iniziale e attenzione per controllare il lavoro. Quell’attenzione ripaga quando basta un minuto per correggere un errore; non quando l’errore ti costa diversi giorni.

Quali attività aziendali può gestire oggi un agente AI dall’inizio alla fine?#

Il test è semplice. Fatti tre domande sull’attività: posso annullarla? Mi accorgerò oggi di un errore? Posso rifarla in un minuto? Tre sì: affidala dall’inizio alla fine.

Ecco cosa rientra in questa categoria.

1. Una bozza di qualsiasi tipo di testo. La descrizione di un servizio, una risposta a una domanda frequente, un’email a un appaltatore, la scaletta di un post. Una brutta bozza si riconosce dalla prima riga.
2. Gestione dei messaggi in arrivo. Richieste, recensioni, email, messaggi in chat. L’agente li divide per argomento, estrae i reclami ricorrenti e li inserisce in un riepilogo.
3. Preparazione di un report dai tuoi dati. Un export di foglio di calcolo, pagamenti, registri degli appuntamenti. L’agente esegue i calcoli e formatta tutto; tu controlli il risultato.
4. Una prima passata su grandi quantità. Duecento recensioni, quaranta pagine di un contratto, un anno di corrispondenza. Una persona impiegherebbe mezza giornata per quella mole; l’agente la esamina in pochi minuti e tu controlli il suo lavoro su un campione.
5. Modifiche meccaniche a un progetto. Rinominare elementi, uniformare tutto, ordinare file o correggere la stessa cosa in venti file alla volta.

Questo corrisponde alle misurazioni. In uno studio sull’affidabilità degli agenti nei compiti a lungo termine, che ha sottoposto dieci modelli a 23.392 esecuzioni, i diversi tipi di lavoro si sono comportati in modo diverso: il trattamento dei documenti è rimasto quasi stabile all’aumentare della durata dell’attività, passando da 0,74 a 0,71. La gestione dei messaggi in arrivo e la preparazione di riepiloghi sono proprio attività di questo tipo, ed è per questo che sono le prime da affidare.

Il proprietario di un salone può dare a un agente le recensioni di un trimestre e ottenere un elenco dei reclami ricorrenti, mentre prima aveva solo la vaga sensazione che “sembra andare tutto bene”. Un errore in un riepilogo di questo tipo è subito evidente.

Vuoi andare oltre la tua prima attività e costruire un flusso di lavoro in cui l’agente classifica il lavoro secondo le tue categorie? Una singola attività è solo un tassello. È utile ragionare sull’intero flusso di lavoro: clone AI + Second Brain + Context Engineering. È questo che trasforma un agente da assistente incline alle allucinazioni a esecutore prevedibile.

Quali attività può svolgere solo sotto supervisione?#

L’ho messo in una tabella e da allora non ho più dovuto ripensarci.

La supervisione si imposta una volta sola ed è semplice. L’agente AI inserisce il risultato in una bozza; tu la invii. Prima di modificare qualcosa, ti dice cosa intende cambiare. Si ferma e chiede prima di qualsiasi passaggio che costa denaro.

In Claude Code imposti tutto nelle autorizzazioni di accesso: elenca cosa l’agente può fare senza avvisarti e cosa può fare solo con il tuo permesso. Altre informazioni nella guida su come impedire a un agente di rompere il tuo progetto. Impostalo una volta per un progetto e da quel momento funziona senza promemoria.

Una funzione ricorrente ricade automaticamente nella seconda categoria, anche se sembra innocua da sola, perché non vedrai un errore di un’esecuzione notturna fino al mattino e a quel punto potrebbe essersi ripetuto diverse volte.

In cosa fallisce sistematicamente un agente AI e perché un prompt non può correggerlo?#

Il 30 luglio 2026 Anthropic ha pubblicato un’analisi delle proprie valutazioni di sicurezza. L’azienda ha esaminato 141.006 esecuzioni di valutazione e ha trovato tre casi in cui un modello è finito su Internet reale durante un’esecuzione e ha danneggiato sistemi reali.

Nel primo caso, il nome di un’azienda fittizia nell’attività coincideva con un dominio esistente. Il modello ha trovato l’azienda reale, ha superato le lacune nella sua sicurezza ed è arrivato a un database di produzione: diverse centinaia di righe di dati attivi.

Nel secondo caso, il modello ha creato un programma malevolo e lo ha caricato in un catalogo pubblico di pacchetti di codice pronti all’uso, da cui scaricano migliaia di altri progetti. Il programma è rimasto online per circa un’ora ed è arrivato su quindici sistemi reali, compreso uno scanner di un’azienda specializzata in sicurezza.

Nel terzo caso, un modello di ricerca interno ha esaminato circa novemila obiettivi, ha raggiunto un’azienda usando tecniche note, poi ha concluso autonomamente che l’obiettivo era reale e ha interrotto l’attacco.

Un modello riesce a capire se il suo ambiente è reale? Tre casi, tre risposte diverse. Il primo se n’è accorto e si è fermato, il secondo se n’è accorto e ha continuato, il terzo si è convinto di essere ancora in un test. E questo era il laboratorio di Anthropic, con alcune delle migliori condizioni al mondo. Le condizioni sul tuo portatile sono più modeste.

La restrizione deve trovarsi al di fuori dell’agente. La versione pratica è questa: fisicamente non ha accesso al database di produzione né a una chiave di pagamento. Chiedergli di fare attenzione resta solo una richiesta e, sotto pressione, il modello troverà un modo per aggirarla.

La seconda debolezza emerge dalle misurazioni di affidabilità. Un’attività ingegneristica aperta passa da 0,90 a 0,44 con l’allungarsi dell’orizzonte e persino i modelli più forti falliscono fino al 19% delle esecuzioni perché intraprendono piani ambiziosi e articolati in più passaggi che non riescono a portare a termine. Lo stesso studio ha rilevato qualcosa di inaspettato: il supporto alla memoria ha peggiorato le prestazioni nei compiti lunghi per tutti e dieci i modelli.

L’aritmetica di una catena lunga lo spiega senza bisogno di ricerche. Se un agente esegue correttamente ogni passaggio 85 volte su cento, completerà otto passaggi consecutivi circa 27 volte su cento. Tre attività su quattro si interromperanno da qualche parte a metà, ogni volta in un punto diverso.

La regola vale per qualsiasi tipo di lavoro aziendale. Un agente AI può gestire ciò che riesci a controllare rapidamente. Ma tutto ciò il cui costo emerge mesi dopo—fiducia dei clienti, reputazione, ordine dei dati, conseguenze legali—non entra nel suo giudizio, perché non può misurarlo entro la fine dell’attività.

La terza debolezza, valutare il proprio lavoro, è la più difficile da notare e ostacola più spesso delle prime due. L’agente dice “fatto” con lo stesso tono che userebbe una persona dopo aver controllato. Ho spiegato separatamente questo meccanismo nella guida su perché un agente dice “fatto” quando il lavoro non è finito; include anche un prompt di accettazione già pronto.

Cosa è successo quando agli agenti è stato affidato il compito di gestire attività reali?#

Un distributore automatico. Niente persone, partner o avvocati. Un modello che scrive codice meglio della maggior parte degli sviluppatori qui ottiene un sesto del risultato umano e lo fa con costanza, con una tendenza che migliora mese dopo mese.

Anthropic ha condotto un esperimento simile con distributori automatici reali in tre città e, nella seconda fase, ha aggiunto un agente manager accanto all’agente di vendita. Gli sconti sono diminuiti di circa l’80% e gli omaggi sono stati dimezzati. Allo stesso tempo, il manager ha triplicato i rimborsi e raddoppiato i crediti per acquisti futuri, anche se entrambi riducevano semplicemente i ricavi. Gli agenti hanno quasi sottoscritto contratti futures sulle cipolle, vietati negli Stati Uniti dal 1958, e hanno cercato di assumere una guardia di sicurezza per $10 all’ora.

Serve una precisazione per avere il quadro completo. All’agente era stato detto esplicitamente che qualsiasi somma rimasta nell’account al mattino sarebbe stata considerata pari a zero nella valutazione e che, se l’attività non fosse cresciuta entro un giorno, sarebbe stata chiusa. Si è comportato esattamente come una persona a cui fosse stato appena detto che sarebbe stata licenziata. Un agente ottimizza fedelmente l’obiettivo che gli hai assegnato, compresi tutti i suoi aspetti distorti; non c’entra la stupidità del modello.

Più codice scritto dall’IA e una quota maggiore con commenti di revisione sostanziali#

Anthropic ha condiviso questi numeri a luglio, raccontando come l’azienda organizza lo sviluppo.

C’è un’altra cifra: la quota di lavoro che riceve commenti di revisione sostanziali è passata dal 16% al 54%. Nel frattempo, gli ingegneri distribuiscono in media otto volte più codice per trimestre rispetto al periodo dal 2021 al 2025.

C’è meno da digitare manualmente e più codice da valutare. L’aumento riferito dal 16% al 54% equivale a circa 3.4 volte la quota precedente con commenti sostanziali, ossia 38 punti percentuali in più. Non dimostra che copertura o tempo di revisione siano triplicati: si può revisionare senza lasciare un commento sostanziale.

“Imposterò un agente e smetterò di occuparmi di questa attività”: non funziona così. Una persona comincia a gestire quanto prima faceva un intero team. L’esperienza dell’autore segue lo stesso schema: bozze, gestione dei messaggi in arrivo e riepiloghi delle metriche vengono raccolti senza di lui, mentre tutto ciò che arriva a persone reali viene ancora confermato manualmente.

Grazie agli agenti, preparare una prima versione è diventato economico, mentre portarla a uno stato utilizzabile da persone reali costa più o meno quanto prima. Il divario tra “funziona per me” e “funziona per il cliente” non è scomparso. Una persona deve ancora colmarlo.

Da quale attività dovresti iniziare per non mollare dopo un mese?#

L’autore ha formulato questo principio dopo aver costruito app che non sono mai state completate. Quando inizi, vuoi fare vibe coding per tutto: un sito web, un bot, un assistente, un altro sito web. Sei mesi dopo guardi indietro: hai dedicato un sacco di tempo e consumato molti token, ma funziona solo una soluzione su venti. Anche l’autore ha attraversato questa fase e solo una quota minore ha funzionato: è normale. Il lavoro è finito solo quando continua a essere svolto senza di me.

1. Si ripete. È più economico svolgere a mano un’attività una tantum. Comincia ad avere senso quando fai la stessa cosa ogni settimana.
2. Ti richiede più di un’ora. Se l’attività richiede dieci minuti, passerai più tempo a configurarla di quanto ne risparmierai in sei mesi.
3. Puoi controllare il risultato in un minuto. Hai una risposta chiara alla domanda “è stato fatto bene o no?” e puoi vederla senza scavare.
4. Hai già i dati. Un export, una cartella, un foglio di calcolo, la corrispondenza. Un’attività che comincia raccogliendo dati da cinque posti è un pessimo primo tentativo.
5. Non tocca denaro o persone reali. Configura la tua prima funzione dove il peggior risultato possibile sia una brutta bozza.

Tutti e cinque gli elementi si trovano più spesso insieme negli stessi tipi di attività: un riepilogo settimanale, la gestione dei messaggi in arrivo, bozze basate su modelli e pulizia dei dati.

Per un negozio online, di solito si tratta di gestire le recensioni e le domande della settimana. Per un consulente, di riassumere la corrispondenza con i clienti. Per una clinica, di pianificare appuntamenti e gestire richieste di follow-up. Tutti hanno già i dati, il risultato richiede un minuto per essere controllato e il peggio che può succedere è sprecare qualche minuto di lavoro della macchina.

Quanto costa al mese un agente AI e da cosa è composta la spesa?#

1. Abbonamento. La tariffa base per accedere al modello. Include un limite di utilizzo settimanale.
2. Eccedenze. Quando raggiungi il limite dell’abbonamento, il lavoro continua con tariffazione a consumo. È qui che arrivano le sorprese spiacevoli.
3. Luogo in cui eseguirlo. Se la funzione si avvia secondo una pianificazione senza di te, serve un computer sempre acceso. Un computer di casa va bene fino alla prima vacanza.
4. Archiviazione. Report, bozze, export. Per un po’ una cartella è gratuita; oltre quel punto, il costo dipende dal volume.

È la seconda voce a far saltare i piani dei principianti. Una funzione ricorrente consuma il suo limite alla stessa velocità ogni giorno, che tu ti ricordi o meno della sua esistenza. Tre esecuzioni al giorno con grandi volumi di dati possono esaurire la quota settimanale in un paio di giorni.

Anthropic aumenta periodicamente per un periodo limitato i limiti settimanali dei piani a pagamento, ma ogni aumento ha una data di fine. Non considerare questa capacità extra come la nuova normalità: stima l’utilizzo in base alla quota regolare e tieni l’aumento temporaneo come margine. Per le esecuzioni pianificate, controlla anche le condizioni del tuo piano: i fornitori hanno regole diverse per l’uso manuale e automatizzato.

La mia regola per le piccole attività è semplice. Un orchestratore notturno che esegue controlli in un ciclo consuma rapidamente i token e non ha senso configurarlo per un’attività minuscola. Se un lavoro ti richiede dieci minuti alla settimana, deve restare un lavoro da dieci minuti.

Tieni traccia della destinazione del denaro fin dal primo mese. Il meccanismo dei limiti è spiegato nella guida su quanti token include un abbonamento, mentre la storia di un’esecuzione notturna che ha esaurito il budget in una sessione mostra quanto può andare male.

Come puoi testare un agente sulla tua attività in una settimana?#

1. Giorno 1. Descrivi l’attività con parole tue, come se la stessi spiegando a una persona (circa 40 minuti)

   Scrivi liberamente: cosa entra, cosa deve uscire, cosa si considera un risultato negativo e cosa non va fatto. Quest’ultimo punto è quello che le persone saltano più spesso ed è ciò che le salva in seguito.

2. Giorno 2. Eseguila manualmente tre volte con dati reali

   Non con un esempio inventato. Prendi tre casi reali della tua settimana e guarda dove l’agente sbaglia. Annota gli errori parola per parola.

3. Giorno 3. Aggiungi istruzioni basate sugli errori

   Trasforma ogni errore in una regola. Costruisci le istruzioni a partire dagli errori delle prime esecuzioni. Qui le tue supposizioni su come dovrebbero funzionare le cose sono d’intralcio.

4. Giorni 4–5. Impostala secondo una pianificazione e non intervenire

   Lasciala lavorare da sola e inviare il risultato. Tu osservi soltanto e annoti quante volte hai dovuto rifare qualcosa.

5. Giorno 6. Fai i conti

   Conta quanti minuti hai passato a controllare e correggere le cose quella settimana. Confrontalo con quanto tempo l’attività avrebbe richiesto a mano. Annota la differenza con un numero.

6. Giorno 7. Decidi

   Se risparmi meno di un’ora alla settimana, hai scelto l’attività sbagliata: scegline un’altra. Se risparmi più di due ore, configura una seconda funzione.

Un prompt per aiutarti a iniziare il primo giorno. Incollalo e compilalo per conto tuo.

You are helping me set up a recurring task. I will describe the work in my own words, and you will return instructions for doing it every week without me.

My task: [describe it in your own words, as if explaining it to a new person]
What the input consists of: [files, folders, exports, correspondence]
What should come out: [a specific result: a file, email, summary]
What counts as a bad result: [describe it explicitly]
What must never be done under any circumstances: [deletions, sending anything externally, payments]

Do three things.

Ask me clarifying questions wherever my description could be interpreted in more than one way. Don't start until I answer.

After I answer, put together instructions: steps in order, a definition of “done,” and a list of prohibitions.

Separately list the ways you could make a mistake without my noticing, and suggest how I can check each one in a minute.

Dove falliscono le prime funzioni#

1. Affrontare subito un’attività enorme. “Lascia che gestisca tutte le mie vendite” fallisce al secondo giorno. Comincia con una singola attività che si ripete ogni settimana.
2. Non definire cosa si considera un risultato negativo. L’agente ottimizza l’obiettivo che hai indicato. Se non hai detto cosa non deve fare, non lo saprà.
3. Dargli più accesso di quanto gli serva. Una funzione che legge un export e scrive un riepilogo non ha bisogno di una chiave per il database. Imposta le autorizzazioni una volta per tutte.
4. Controllare leggendo tutto. Così consumi tutti i risparmi. Controlla un campione: tre casi su venti, più tutti i casi in cui l’agente ha segnalato incertezza.
5. Scrivere le istruzioni da zero. Scrivi le regole dopo aver visto errori reali.
6. Non misurare il risultato. Senza un numero che indichi “quanti minuti ci sono voluti”, deciderai in base alle sensazioni e un mese dopo non ricorderai se le cose sono diventate più semplici.

Vedo il quinto errore più spesso degli altri e sembra innocuo. Ti siedi e scrivi venti regole in anticipo perché pare più accurato. Poi metà delle regole è d’intralcio, metà di quelle necessarie manca e riscrivi tutto dopo la prima esecuzione.

Chi è responsabile quando un agente commette un errore?#

Sembra ovvio, ma nella pratica le persone se ne dimenticano. L’email che l’agente ha inviato a un cliente l’hai inviata tu. Il prezzo che ha modificato sul sito è il tuo prezzo. E sei responsabile nei confronti di chiunque possieda i dati che sono stati cancellati.

Tre cose che imposto in anticipo.

1. Un registro. Fai in modo che ogni funzione ricorrente registri ciò che ha fatto e i dati di input utilizzati; senza questo, indagare diventa un esercizio di ipotesi. Basta un normale file di testo.
2. Un limite alle azioni irreversibili. Cancellare, inviare all’esterno, pagare: ogni azione richiede la tua conferma. Tecnicamente, è un’unica impostazione delle autorizzazioni.
3. Un punto di ripristino. Chiedi all’agente di salvare lo stato del progetto prima di ogni modifica che alteri i dati. È una riga nelle sue istruzioni e ti permette di ripristinare in un minuto la versione di ieri.

Il titolare dell’attività conserva alcune mansioni perché il loro valore deriva dal fatto che a svolgerle sia una persona reale. L’autore registra personalmente brevi video, anche se si sarebbero potuti automatizzare molto tempo fa. Una conversazione con un cliente difficile, un intervento pubblico, le scuse per un errore: appartengono tutti alla stessa categoria. Un agente può svolgerli. Costerebbe meno e verrebbero peggio.

Da dove dovresti iniziare domani?#

Comincia da un lavoro in cui il peggior risultato possibile sia una brutta bozza. Rimanda le vendite e tutto ciò che arriva ai clienti: lì il costo di un errore non si misura in minuti e un primo tentativo negativo potrebbe farti rinunciare a continuare.

La domanda successiva è come far classificare all’agente le attività secondo le tue categorie. Dipende da cosa inserisci nel suo progetto: le tue regole, la struttura delle tue conoscenze, il tuo modo di scomporre il lavoro. Leggi Second Brain e delega tramite più agenti.

Continua a esplorare Ailoot su ailoot.ai.