L’Agentic AI, in italiano intelligenza artificiale agentica, è un modo di progettare sistemi di intelligenza artificiale capaci di pianificare ed eseguire una serie di azioni per raggiungere un obiettivo. Per farlo, un sistema agentico può utilizzare strumenti e informazioni esterni e adatta i passaggi successivi ai risultati che ottiene: non si limita a rispondere a una domanda o a generare un contenuto.
La differenza rispetto a un assistente AI tradizionale sta soprattutto nel passaggio dalla risposta all’azione: un assistente può spiegare come preparare un’offerta per un ricambio; un sistema agentico, se dispone degli strumenti e delle autorizzazioni necessari, può leggere la richiesta del cliente, individuare il codice del componente, verificare la disponibilità nel gestionale e preparare l’offerta da far approvare a una persona prima dell’invio.
Il termine “agentic” deriva dall’inglese “agency”, cioè la capacità di agire per perseguire un obiettivo: Agentic AI non indica un singolo modello o prodotto, descrive sistemi che possono avere livelli di autonomia molto diversi.
Come funziona l’Agentic AI?
Un sistema di Agentic AI lavora attraverso cicli di pianificazione, azione e verifica:
- riceve un obiettivo
- individua i passaggi necessari
- utilizza gli strumenti a disposizione o, se in grado, se ne procura di ulteriori
- valuta i risultati e decide come proseguire.
Per farlo, un sistema agentico combina generalmente cinque elementi:
- Uno o più modelli di intelligenza artificiale, spesso un modello linguistico di grandi dimensioni (LLM) e un modello System 1, che interpretano la richiesta e contribuiscono a decidere i passaggi successivi.
- Un obiettivo, definito da una persona o da un processo aziendale.
- Strumenti esterni come applicazioni, database e servizi, con cui il sistema recupera informazioni o esegue operazioni.
- Un sistema di gestione del contesto che tiene traccia delle attività svolte e dei risultati ottenuti.
- Regole e autorizzazioni che stabiliscono quali azioni il sistema può compiere autonomamente e quali richiedono l’intervento di una persona.
Per collegarsi agli strumenti esterni i sistemi agentici possono utilizzare API e protocolli standard come l’MCP (Model Context Protocol), un protocollo aperto presentato da Anthropic nel novembre 2024 e trasferito nel dicembre 2025 all’Agentic AI Foundation, nell’ambito della Linux Foundation.
L’MCP permette di rendere disponibili strumenti e dati attraverso un’interfaccia standardizzata, ma non rende automaticamente agentico un sistema: obiettivi, pianificazione e decisioni dipendono da come è stato progettato.
Non tutti i sistemi agentici, inoltre, lasciano al modello la stessa libertà: Anthropic, l’azienda che sviluppa Claude, distingue tra workflow, in cui modelli e strumenti seguono percorsi definiti in anticipo, e agenti, in cui è il modello a decidere come procedere e quali strumenti utilizzare. La distinzione, descritta nell’articolo “Building effective agents”, è utile perché non tutti i sistemi che combinano IA e automazione hanno lo stesso grado di autonomia.
In ogni caso, l’autonomia di un sistema agentico dipende dai limiti stabiliti da chi lo progetta.
Che differenza c’è tra Agentic AI e IA generativa?
L’intelligenza artificiale generativa produce contenuti; l’Agentic AI utilizza l’intelligenza artificiale per organizzare ed eseguire attività orientate a un obiettivo.
Le due cose non si escludono: molti sistemi agentici utilizzano un modello generativo per interpretare le richieste, elaborare informazioni e decidere come procedere. La differenza non dipende soltanto dal risultato finale, ma anche dal modo in cui viene raggiunto.
Consultare documenti prima di rispondere, per esempio, non rende automaticamente agentico un assistente: è il caso di molti sistemi basati sulla RAG (Retrieval-Augmented Generation), che recuperano informazioni da fonti esterne per costruire risposte più pertinenti.
Un sistema diventa agentico quando può decidere quali operazioni svolgere, quali strumenti utilizzare e come adattare il processo ai risultati ottenuti.
Che differenza c’è tra Agentic AI e agenti AI?
Un agente AI è un componente software che svolge attività per raggiungere un obiettivo; Agentic AI è l’approccio più generale con cui si costruiscono sistemi di questo tipo. Nel linguaggio corrente, però, i due termini vengono spesso utilizzati come sinonimi.
Un sistema agentico può essere formato da un solo agente oppure da più agenti che collaborano (nel secondo caso si parla di sistema multi-agente o multi-agent system): dividere il lavoro tra più agenti, però, non è sempre utile, perché spesso un solo agente ben progettato è sufficiente e risulta più semplice da controllare.
Il termine “agente” viene inoltre utilizzato per descrivere sistemi con livelli di autonomia molto diversi, talvolta anche prodotti che di agentico hanno poco: Gartner utilizza l’espressione “agent washing” per descrivere la pratica di presentare come agentici prodotti già esistenti, come chatbot, assistenti o automazioni, senza che possiedano capacità agentiche sostanziali.
È una forma specifica di comunicazione potenzialmente ingannevole, collegata al più ampio fenomeno dell’AI washing: attribuire a un prodotto capacità di intelligenza artificiale che non corrispondono al suo funzionamento reale.
Non esiste però una soglia di autonomia universalmente condivisa oltre la quale un software possa essere definito un agente AI: per questo, più che fermarsi all’etichetta commerciale, è importante capire che cosa il sistema sia effettivamente in grado di fare.
Che differenza c’è tra Agentic AI e automazione tradizionale?
Nell’automazione tradizionale i passaggi sono generalmente stabiliti in anticipo; nell’Agentic AI il sistema può scegliere o modificare alcuni passaggi in base all’obiettivo e alle informazioni che raccoglie.
La distinzione però non è sempre netta: anche un’automazione tradizionale può gestire condizioni complesse, così come un sistema agentico può includere numerosi passaggi predefiniti. Cambia soprattutto quanta libertà viene lasciata al sistema nel decidere come raggiungere l’obiettivo.
Una maggiore autonomia può essere utile quando le situazioni cambiano frequentemente e non è possibile prevedere tutte le condizioni in anticipo ma, allo stesso tempo, rende il comportamento del sistema più difficile da prevedere, verificare e controllare.
A cosa serve l’Agentic AI in azienda?
L’Agentic AI serve soprattutto per attività articolate in più passaggi che richiedono di consultare fonti diverse, utilizzare più applicazioni e adattarsi alle caratteristiche del caso concreto: sono attività che possono essere difficili da descrivere attraverso una sequenza rigida di istruzioni.
Un sistema agentico può svolgere queste attività soltanto se è collegato agli strumenti appropriati, dispone delle autorizzazioni necessarie ed è progettato per gestire errori ed eccezioni.
Il principale vantaggio dell’Agentic AI è la possibilità di coordinare più operazioni all’interno dello stesso processo, invece di utilizzare l’intelligenza artificiale per svolgere un singolo compito alla volta: questo può ridurre il tempo dedicato alle attività ripetitive e lasciare più spazio alle decisioni che richiedono esperienza e valutazione.
Quali rischi comporta l’Agentic AI?
Il principale rischio dell’Agentic AI è che un errore non rimanga soltanto una risposta sbagliata, ma possa trasformarsi in un’azione: un agente collegato ai sistemi aziendali potrebbe modificare un dato, inviare un messaggio o avviare un’operazione che nessuno aveva effettivamente autorizzato.
I rischi più comuni comprendono:
- errori di interpretazione
- allucinazioni
- accessi impropri a informazioni riservate
- azioni non autorizzate
- difficoltà nel ricostruire perché il sistema abbia preso una determinata decisione.
Un problema particolarmente importante è la prompt injection che si verifica quando qualcuno inserisce istruzioni malevole in contenuti che l’agente deve leggere, come una pagina web, un documento o un’email, nel tentativo di indurlo a comportarsi diversamente da quanto previsto.
L’OWASP, organizzazione internazionale che si occupa di sicurezza del software, colloca la prompt injection al primo posto nella classificazione dei rischi delle applicazioni basate su LLM: il rischio diventa particolarmente rilevante quando il sistema può utilizzare strumenti esterni per modificare informazioni o compiere operazioni.
Un altro problema è concedere all’agente più autonomia o autorizzazioni di quelle necessarie, un rischio che OWASP definisce “excessive agency”: un sistema che deve soltanto consultare informazioni, per esempio, non dovrebbe avere anche la possibilità di modificarle o cancellarle.
C’è poi il problema della propagazione degli errori, ad esempio quando un agente che interpreta male un’informazione all’inizio del processo rischia di utilizzare quel risultato sbagliato per decidere tutti i passaggi successivi, producendo conseguenze che diventano più difficili da individuare e correggere.
Per ridurre questi rischi è importante prevedere:
- autorizzazioni limitate
- registri delle attività
- controlli sulle operazioni
- procedure per interrompere il processo quando qualcosa non funziona.
Per le azioni più delicate, come pagamenti, modifiche contrattuali o comunicazioni ai clienti, è opportuno prevedere l’approvazione di una persona. È l’approccio human-in-the-loop, in cui l’intervento umano viene inserito nei passaggi del processo che richiedono maggiore attenzione.
Il principio è coerente con la seconda regola del nostro Decalogo dell’intelligenza artificiale in azienda: ogni output rilevante deve passare attraverso una verifica umana, secondo quattro passaggi:
- genera
- verifica
- correggi
- assumi la responsabilità.
Come può un’azienda iniziare a usare l’Agentic AI?
Per iniziare a utilizzare l’Agentic AI conviene partire da un processo concreto, affidare all’agente soltanto una parte del lavoro e stabilire fin dall’inizio che cosa può fare autonomamente e che cosa richiede un’approvazione.
Un primo progetto potrebbe limitarsi a raccogliere informazioni da diverse fonti aziendali e preparare un riepilogo, senza permettere all’agente di modificare dati o inviare comunicazioni: in questo modo è possibile valutare la qualità dei risultati, individuare eventuali errori e verificare l’utilità del sistema prima di concedere autorizzazioni più ampie.
Prima ancora di avviare il progetto, però, vale la pena chiedersi se serva davvero un agente: se un’attività segue sempre gli stessi passaggi, un’automazione tradizionale può essere la soluzione più semplice, economica e affidabile.
Un approccio agentico ha invece più senso quando il processo richiede di interpretare informazioni che cambiano da un caso all’altro, scegliere tra strumenti diversi e adattare le operazioni alle circostanze.
Chi utilizza o supervisiona un agente deve comprenderne il funzionamento, conoscerne i limiti e sapere quando intervenire, ed è uno degli obiettivi dell’alfabetizzazione all’intelligenza artificiale (AI literacy), richiamata anche dall’articolo 4 dell’AI Act.
Il punto, per un’azienda, non è rendere autonomo il maggior numero possibile di attività, ma capire dove l’autonomia dell’IA produce un vantaggio reale e come mantenerla sotto controllo.