Prima di scegliere un agente di intelligenza artificiale, una PME fa bene a stilare l’elenco di ciò che resterà in mani umane. Questo esercizio, più utile della lista di ciò che si vorrebbe affidare alla macchina, fissa il perimetro, il budget e il modo di giudicare il progetto.
Un perimetro troppo ampio rende l’agente impossibile da testare
Lo scenario si ripete spesso. Un dirigente assiste a una dimostrazione e immagina un assistente che risponderebbe alle e-mail, qualificherebbe i lead, aggiornerebbe il CRM (il software di gestione della relazione client), rilancerebbe i preventivi e riassumerebbe le riunioni. Sulla carta, è un progetto. In pratica, sono cinque mestieri, ognuno con le proprie fonti di informazione.
Il primo ostacolo è il test. Un agente si valida su casi concreti: arriva una certa richiesta, ecco cosa deve fare. Per un solo compito, qualche decina di casi reali copre la maggior parte delle situazioni. Per cinque, le combinazioni si moltiplicano, e sono spesso i casi al confine a creare problemi. Un cliente scrive per effettuare un ordine e lamentarsi di una consegna nello stesso messaggio: chi se ne occupa, l’elaborazione degli ordini o il servizio clienti?
Ogni accesso aggiuntivo, che si tratti della posta elettronica, del CRM o della fatturazione, rappresenta anche un’altra porta da proteggere. È meglio iniziare con un compito, un canale di ingresso e un risultato atteso, per poi ampliare una volta che questo primo perimetro regge.
Tre criteri per selezionare un compito
Il primo criterio è la frequenza. Un compito che si ripete due volte al mese quasi mai giustifica un agente, perché il tempo speso per costruirlo, testarlo e mantenerlo supera ciò che farà risparmiare. Un compito che si ripete più volte al giorno cambia l’equazione e fornisce abbastanza casi per testare prima del lancio.
Il secondo è la stabilità delle regole. Basta chiedere alla persona che svolge il compito oggi se può spiegare in una pagina come decide. Se la risposta inizia con «dipende» e prosegue con dieci minuti di eccezioni, la regola non esiste ancora e l’agente riprodurrà questa ambiguità.
Il terzo è il costo di un errore. La domanda non è se l’agente sbaglierà, ma cosa succede quando sbaglia. Un’e-mail classificata male costa qualche minuto. Un prezzo errato comunicato a un cliente o un appuntamento registrato nel giorno sbagliato costano molto di più e non sempre si recuperano. Se l’errore può essere individuato prima di uscire dall’azienda, l’automatizzazione è fattibile. Altrimenti, l’agente prepara e un umano convalida l’invio.
Quando l’agente si rivolge direttamente al pubblico, si aggiunge un obbligo legale. L’articolo 50 del regolamento europeo sull’IA, applicabile dal 2 agosto 2026, impone che le persone sappiano che stanno interagendo con un’IA, a meno che ciò non sia evidente nel contesto.
Scegliere lo strumento, poi monitorare l’agente
Per compiti comuni, come la presa di appuntamenti, lo smistamento di una casella di posta o il resoconto di riunioni, esistono già software mantenuti dal loro editore e fatturati al mese. Il riflesso ragionevole consiste nel testarne uno su casi reali per qualche settimana. Il su misura si giustifica quando il compito dipende da strumenti che il mercato non sa collegare, quando le regole fanno parte del know-how aziendale o quando i dati non possono essere affidati a una piattaforma di terze parti.
Un fornitore che tratta dati personali per conto dell’azienda è un subappaltatore ai sensi del GDPR. L’articolo 28 prevede che tale trattamento sia «disciplinato da un contratto o da un altro atto giuridico». Questo contratto deve essere richiesto prima di qualsiasi connessione, così come bisogna sapere cosa succederebbe se l’editore cambiasse i prezzi o chiudesse il servizio.
Una volta che l’agente è in servizio, ogni richiesta elaborata deve lasciare una traccia, e una revisione settimanale di questo registro, durante il primo mese, mostra rapidamente dove l’agente esita. Anche i fornitori di modelli evolvono le loro versioni, e un agente può cambiare comportamento senza che sia stato modificato nulla. Conservare una serie di casi reali anonimizzati e riproporli dopo ogni cambiamento permette di verificarlo. Infine, il contratto deve specificare a chi appartengono il codice, le istruzioni e gli scenari di automazione, e la documentazione deve permettere a un altro fornitore di riprendere l’agente.
