Chi si occupa di Agentic AI incontra rapidamente termini come «reasoning», «human-in-the-loop» o «Model Context Protocol». Questo glossario spiega i concetti principali in pochi minuti.
I sistemi di IA generativa come ChatGPT producono testi, immagini, riassunti o codice. Rispondono alle richieste e generano contenuti. L’Agentic AI, invece, persegue un obiettivo, agisce in modo autonomo, pianifica i passaggi necessari e può attivare direttamente azioni tramite i sistemi collegati.
Un agente può, ad esempio, raccogliere informazioni da diversi sistemi, stabilire le priorità delle richieste di assistenza, preparare un’offerta o coordinare un appuntamento con la clientela. Anziché dover avviare ogni singolo passaggio, il sistema lavora per raggiungere un obiettivo definito e può reagire al proprio ambiente anche senza una richiesta esplicita.
Confronto tra IA generativa e Agentic AI
| IA generativa | Agentic AI |
|---|---|
| risponde a domande | persegue obiettivi |
| reagisce ai prompt | agisce entro parametri definiti |
| genera contenuti | esegue azioni |
| singole interazioni | processi in più fasi |
L’IA agentica supporta quindi lo svolgimento di compiti. Alla base vi sono sistemi in grado di memorizzare informazioni e passaggi intermedi, perseguire un obiettivo e accedere ad applicazioni, fonti di dati o altri strumenti. Possono così collegare più fasi di lavoro, anziché limitarsi a reagire a singole richieste. L’Agentic AI si basa pertanto su sistemi di IA con stato: un primo concetto importante.
Con stato (stateful): un sistema di IA lavora con il contesto
I sistemi con stato possono tenere conto delle informazioni rilevanti provenienti dai passaggi precedenti. A tale scopo memorizzano, ad esempio, lo stato delle attività, le decisioni, i risultati o altre informazioni di contesto e li integrano nelle azioni successive. In questo modo è possibile gestire anche processi in più fasi per periodi più lunghi.
Esempio: un agente ricorda quali fornitori sono già stati contattati, quali risposte sono pervenute e quali sono i passaggi successivi ancora da svolgere.
Senza stato (stateless): un sistema di IA lavora senza contesto memorizzato
Un sistema senza stato tratta in gran parte ogni richiesta separatamente. Non sa automaticamente quali passaggi sono già stati eseguiti o quale obiettivo viene perseguito nell’arco di più fasi di lavoro.
Esempio: chiedete a un sistema di IA di redigere un riassunto. Alla richiesta successiva, occorre fornire nuovamente il contesto necessario.
Autonomia: fino a che punto può agire autonomamente un agente di IA?
Mentre l’IA generativa elabora soprattutto informazioni e genera contenuti, i sistemi agentici possono pianificare, decidere e agire in modo autonomo sulla base di tali informazioni. Il termine autonomia indica il grado di indipendenza con cui lo fanno.
Quanto maggiore è l’autonomia, tanto più numerose sono le attività che possono essere svolte senza un intervento umano diretto. Al contempo aumenta la necessità di guardrail e controlli chiari.
Spettro dell’autonomia: diversi livelli di indipendenza
L’IA agentica si presenta in diverse forme. Alcuni sistemi supportano singole attività, mentre altri possono eseguire in modo ampiamente autonomo intere fasi di processo. Tra la semplice automazione e l’orchestrazione ampiamente autonoma si distinguono quattro livelli: automazione reattiva, agenti specifici per un’attività, agenti condizionali e orchestrazione autonoma.
Scoprite di più sui quattro livelli di autonomia nel white paper «Dall’IA generativa all’IA agentica» (in tedesco).
Oltre che per il loro grado di autonomia, gli agenti si distinguono anche per il loro funzionamento. Analizzano informazioni, pianificano i passaggi successivi, utilizzano strumenti esterni e, a seconda del caso d’uso, collaborano con altri agenti o con persone. I concetti seguenti descrivono in modo semplificato il funzionamento dei sistemi agentici.
PRAF: Perception-Reasoning-Action-Feedback, il ciclo operativo di un agente
Molti sistemi agentici operano secondo un ciclo ricorrente:
- Percepire le informazioni (Perception)
- Ragionare e pianificare (Reasoning)
- Agire (Action)
- Verificare il risultato (Feedback)
Questo ciclo consente agli agenti di reagire a nuove informazioni e di adattare il proprio approccio.
Comunicazione con sistemi esterni e altri agenti: API, MCP e A2A
In genere, gli agenti di IA non operano in modo isolato. Tramite Application Programming Interface (API) o il Model Context Protocol (MCP) possono accedere ad applicazioni esterne, fonti di dati e strumenti.
Le API consentono il collegamento mirato a singoli sistemi, mentre l’MCP crea un quadro uniforme per accedervi. In senso figurato, l’MCP funziona come un adattatore universale: fa sì che gli agenti di IA e le applicazioni aziendali parlino la stessa lingua e possano scambiarsi informazioni.
Un agente di IA può, ad esempio, recuperare informazioni da un CRM, verificare la disponibilità nel calendario o creare una voce in un sistema di ticketing. L’Agentic AI non si limita quindi a elaborare informazioni, ma può anche attivare azioni nelle applicazioni aziendali esistenti.
Per comunicazione agent-to-agent (A2A) si intende lo scambio di informazioni e il coordinamento delle attività tra agenti. Quando più agenti specializzati collaborano, si parla di sistema multi-agente. Ad esempio, un agente ricerca le informazioni, un altro svolge l’analisi e un terzo si occupa della documentazione. Anthropic ha descritto altri modelli.
Human-in-the-Loop (HITL): il controllo resta nelle mani delle persone
Con questo approccio, le persone restano parte integrante del processo. Le decisioni critiche o irreversibili vengono eseguite solo dopo essere state verificate e approvate da una persona. È importante definire con precisione quando occorre ricorrere a una persona o quale fase del processo debba sempre rimanere sotto responsabilità umana.
Esempio: un agente prepara una bozza di contratto, mentre l’approvazione spetta al personale specializzato.
Cosa può fare oggi l’Agentic AI e quali sono i suoi limiti
L’Agentic AI suscita attualmente molte aspettative. Vale quindi la pena considerarne le capacità in modo realistico. L’IA agentica può analizzare informazioni, pianificare attività, collegare diversi sistemi ed eseguire in modo parzialmente autonomo processi definiti.
Al contempo, non si tratta di una tecnologia dotata di una propria coscienza o della capacità di giudizio umana. I sistemi attuali possono commettere errori e necessitano di regole chiare, dati adeguati e, a seconda del grado di automazione, spesso ancora di una supervisione umana.
Per le aziende, ciò significa che l’IA agentica non sostituisce né le competenze specialistiche né la responsabilità. Esprime il suo massimo potenziale quando persone e IA combinano i rispettivi punti di forza. Il controllo umano, guardrail chiari e processi trasparenti restano fattori di successo fondamentali.
Per saperne di più nel white paper
Questo glossario offre una prima panoramica dei concetti principali. Per approfondire il funzionamento tecnico dell’IA agentica, gli aspetti da considerare in materia di sicurezza, governance e protezione dei dati e il modo in cui le aziende possono pianificarne l’utilizzo in produzione, vale la pena consultare il white paper «Dall’IA generativa all’IA agentica» (in tedesco).
