In breve: un workflow di AI agentica è un software che esegue una sequenza di azioni tra i vostri strumenti, ad esempio legge una richiesta, verifica un sistema, prepara una risposta e la smista, mentre una persona approva i passaggi che contano. In un’azienda del mid-market funziona su processi circoscritti e ad alto volume. Non è ancora un dipendente digitale autonomo.
Quest’anno “agentico” è in tutte le presentazioni dei fornitori. I board ne chiedono conto, e ad alcuni team di leadership vengono proposti agenti di AI capaci di gestire intere funzioni. Gran parte di queste promesse è più avanti di dove si trovano davvero la tecnologia e i dati della maggior parte delle aziende.
Gartner non usa mezzi termini. A giugno 2025 ha previsto che oltre il 40% dei progetti di AI agentica sarà cancellato entro la fine del 2027, per costi crescenti, valore di business poco chiaro o controlli sui rischi inadeguati. Gartner ha anche messo in guardia dall’“agent washing”, cioè la presentazione come agenti di chatbot, assistenti e strumenti di RPA già esistenti, e ha stimato che, tra le migliaia di fornitori che dichiarano di offrire AI agentica, solo circa 130 lo facciano davvero.
Non è un motivo per aspettare. È un motivo per essere precisi. Ho progettato e costruito questi workflow, anche come fondatore e CEO di un system integrator globale che realizza programmi di trasformazione, oggi concentrato su AI agentica e automazione. Ecco che cosa, secondo me, è reale.
Che cos’è davvero un workflow agentico
Tolto il marketing, un workflow agentico è un software che esegue una sequenza di azioni su più strumenti per portare a termine un lavoro, con una persona nel processo.
La differenza rispetto all’automazione tradizionale è ciò che succede tra un passaggio e l’altro. Un workflow basato su regole fa sempre la stessa cosa. Uno agentico sa leggere qualcosa di disordinato, come un’email, un contratto o una fattura scansionata, capire di che cosa si tratta, scegliere il passaggio successivo e richiamare il sistema giusto. Una persona approva tutto ciò che è costoso, esterno o difficile da annullare.
Un esempio semplice: un fornitore invia una fattura via email. Il workflow la legge, la abbina all’ordine di acquisto nel gestionale, segnala eventuali differenze, prepara una richiesta di chiarimento al fornitore se qualcosa non torna e sottopone la fattura abbinata a qualcuno che la approvi. Nessuno ridigita nulla. Nessuno sollecita. Una persona autorizza comunque il pagamento.
È utile. Ed è anche molto lontano da “un agente di AI che gestisce la contabilità fornitori”.
Prima l’automazione, poi gli agenti
Qui conviene essere precisi, perché il confine tende a sfumare.
Per un brand globale di beni di consumo ho trasformato il processo di lancio dei prodotti in un unico workflow automatizzato. Oggi un solo modulo di richiesta avvia 450 attività di lancio tra 8 team, 4 regioni e 14 agenzie. È automazione dei workflow, non AI: la sequenza è fissa, e la piattaforma assegna ogni attività al team, alla regione o all’agenzia giusta.
Conta comunque per l’AI agentica, perché ne è la base. Ho dovuto documentare la sequenza di lancio prima di poterla automatizzare. Gli agenti di AI hanno bisogno della stessa cosa: un processo noto, responsabili chiari e sistemi a cui collegarsi. Buona parte del valore di un primo workflow agentico viene da questo lavoro preparatorio, con l’AI che si fa carico dei passaggi che prima richiedevano una persona per leggere e decidere.
L’esempio di AI è la traduzione su larga scala. Per lo stesso brand ho portato traduzione e localizzazione su una piattaforma AI-first in 14 lingue, con le persone che rivedono e rifiniscono invece di tradurre da zero. Il risparmio è di circa US$1M all’anno. La revisione umana fa parte del disegno, non è un ripensamento. (Approfondimenti sul mio lavoro con beni di consumo e retail.)
Dove i workflow agentici funzionano oggi
Funzionano meglio quando valgono quattro condizioni: il lavoro è ripetitivo e ad alto volume, gli input sono abbastanza disordinati da mettere in difficoltà le regole semplici, i sistemi coinvolti si possono collegare e un errore si può intercettare prima che costi molto.
| Buoni primi workflow agentici | Perché funzionano | Attenzione a |
|---|---|---|
| Acquisizione di fatture e documenti | Alto volume, una risposta corretta chiara e un sistema esistente con cui confrontarsi | Le modifiche alle coordinate bancarie dei fornitori devono sempre essere verificate da una persona |
| Smistamento delle email di clienti e fornitori | Leggere, smistare e preparare risposte è lento per le persone e rapido per l’AI | L’invio senza revisione. Partite da bozze approvate da una persona |
| Attività amministrative di vendita e CRM | Registrare le chiamate, aggiornare i dati e preparare i follow-up è lavoro che nessuno vuole fare | La qualità dei dati. Un agente che scrive in un CRM disordinato lo rende più disordinato, più in fretta |
| Contenuti e traduzione | Una prima bozza con revisione umana è sufficiente, e il costo attuale è visibile | Le affermazioni di brand, legali o regolamentate richiedono comunque una revisione specialistica |
| Richieste e approvazioni interne | Le richieste a IT, risorse umane e acquisti seguono percorsi noti, con molti solleciti | Tutto ciò che riguarda dati personali. Verificate prima gli aspetti di privacy e GDPR |
| Reporting e documenti per il board | Raccogliere dati da più sistemi e sintetizzarli è puro lavoro di coordinamento | Le cifre che l’AI genera invece di recuperare. Ogni numero va ricondotto alla sua fonte |
Dove non funzionano (ancora)
- Ruoli aperti. “Un agente che gestisca il servizio clienti” non è un workflow. Sono cento workflow, la maggior parte dei quali nessuno ha definito.
- Decisioni ad alto impatto senza revisione. Credito, assunzioni, prezzi personalizzati o qualunque decisione che incida in modo significativo sui diritti di una persona richiedono una persona responsabile. Il GDPR limita già le decisioni basate unicamente su trattamenti automatizzati, e l’AI Act europeo classifica come ad alto rischio molti di questi usi.
- Processi che nessuno ha messo per iscritto. Se il vostro team non sa descrivere i passaggi, un agente non può seguirli. Mappate prima il processo.
- Sistemi che non si possono collegare. Se un software non può leggere da un sistema o scrivere in esso, l’agente finisce per lavorare sullo schermo come una persona, e si blocca altrettanto spesso.
- Lavoro a basso volume. Se succede due volte al mese, il costo di costruirlo e monitorarlo supererà il risparmio.
Come scegliere il primo workflow agentico
- Partite dal costo, non dalla tecnologia. Elencate i processi che oggi assorbono più ore o più spesa. Se non sapete dare un numero al costo attuale, non potete dimostrare un ritorno.
- Scegliete qualcosa di circoscritto e ad alto volume. Un processo, un team, un inizio e una fine chiari. Centinaia di transazioni simili al mese valgono più di poche transazioni complesse.
- Verificate sistemi e dati. Accertatevi che ogni sistema del workflow si possa collegare e che i dati su cui si basa siano abbastanza buoni per agire.
- Nominate un responsabile. Una persona che risponda del workflow una volta in produzione, ne controlli i risultati e decida quando modificarlo.
- Decidete dove interviene la persona. Classificate ogni passaggio come automatico, rivisto o approvato. Tutto ciò che è esterno, finanziario o difficile da annullare parte come approvato.
- Concordate l’indicatore e la scadenza. Ore risparmiate, tempi di ciclo, tasso di errore o costo per transazione, misurati rispetto alla situazione attuale entro 90 giorni dalla messa in produzione.
Come gestirlo in sicurezza
Un agente che compie azioni richiede controlli più stretti di un chatbot che si limita a rispondere. Le basi sono semplici:
- Accessi minimi. Date al workflow solo i permessi di cui ha bisogno, attraverso un account dedicato e non le credenziali di una persona.
- Punti di approvazione. Pagamenti, email esterne, modifiche ai dati dei clienti e tutto ciò che è irreversibile richiedono l’approvazione di una persona, almeno finché il workflow non ha dimostrato a lungo di farli bene.
- Un registro di ogni azione. Dovete poter vedere che cosa ha fatto l’agente, quando e perché.
- Un modo per fermarlo. Qualcuno deve poter sospendere il workflow in pochi minuti, e il processo deve poter continuare manualmente senza di esso.
- Test su casi reali. Fatelo girare in parallelo con il processo attuale prima di passare al nuovo, e continuate a controllarlo dopo l’avvio.
Inserite ogni workflow nel vostro registro dell’AI e sottoponetelo alla stessa valutazione dei rischi di qualunque altro uso dell’AI. La mia checklist di governance dell’AI per il CdA riporta le domande da porre.
Costi e ritorno
Le licenze raramente sono il costo principale. I costi maggiori sono la mappatura del processo, il collegamento dei sistemi, i test e il tempo che qualcuno dedica a supervisionare il workflow. Consumi di AI, canoni di piattaforma e monitoraggio continuano dopo l’avvio, quindi inseriteli anche nel business case.
Il ritorno deve essere altrettanto concreto: ore liberate, tempi di ciclo più rapidi, meno errori o un costo che non pagate più. Il lavoro sulla traduzione ha reso perché il costo era già visibile, e il risparmio era facile da vedere. Se non sapete indicare la situazione di partenza, non siete pronti a finanziare lo sviluppo.
La mia regola pratica: se il primo workflow non mostra un ritorno misurabile entro un trimestre dalla messa in produzione, o il perimetro era sbagliato o il processo non era pronto. Risolvete questo prima di finanziarne un secondo. Pongo le stesse quattro domande a qualunque iniziativa di AI, e le trovate in AI nel mid-market.
Chi deve esserne responsabile
I workflow agentici attraversano team, sistemi e ambiti di rischio, quindi hanno bisogno di un responsabile senior che possa decidere su tutti e tre. In molte aziende del mid-market è proprio questo che manca. È il lavoro che svolgo come Fractional Chief AI & Transformation Officer: scegliere i primi workflow, metterli in produzione su strumenti come n8n e UiPath e costruire i controlli intorno a essi.
Da dove partire
Per capire se la vostra azienda è pronta per i workflow agentici, compilate la mia AI Readiness Scorecard gratuita. Richiede circa cinque minuti e copre strategia, dati, processi, persone e governance. Oppure prenotate una call di 30 minuti e individueremo insieme quale dei vostri processi sarebbe un buon primo workflow.
Domande frequenti
Qual è la differenza tra un agente di AI e la RPA?
La RPA segue regole fisse. Clicca gli stessi pulsanti nello stesso ordine ogni volta, e si blocca quando qualcosa cambia. Un agente di AI sa leggere input non strutturati, come un’email o un PDF, decidere quale passaggio viene dopo e richiamare lo strumento giusto. I workflow migliori di solito combinano le due cose, con le regole per i passaggi prevedibili e l’AI per quelli che richiedono di leggere e smistare.
Dobbiamo sostituire i nostri sistemi per usare l’AI agentica?
No. La maggior parte dei workflow agentici utili lavora sopra i sistemi che avete già, collegando CRM, gestionale amministrativo, posta e cartelle condivise attraverso le integrazioni esistenti. Sostituire un sistema centrale per fare spazio agli agenti di AI raramente è la prima mossa giusta.
Quanto tempo serve per mettere in produzione il primo workflow agentico?
Per un processo circoscritto e ben definito, circa tre mesi dalla scelta del caso d’uso alla messa in produzione sono un’aspettativa ragionevole, compreso un periodo in parallelo con il processo esistente. Se ci vuole molto di più, di solito non sono pronti il processo o i dati.
L’AI agentica sostituirà il personale?
Nel mid-market più spesso elimina i solleciti, i copia-incolla e le ridigitazioni che riempiono le giornate, così lo stesso team gestisce più lavoro. Dove i ruoli cambiano davvero, pianificatelo apertamente e per tempo. Le persone aggirano in silenzio un workflow di cui non si fidano.
