Agenti AI: quando il modello smette di rispondere e inizia ad agire
Un agente non si limita a generare testo: pianifica, usa strumenti, verifica il risultato e riprova. Ecco come funziona e perché richiede regole nuove.
Per qualche anno abbiamo usato i modelli linguistici come interlocutori: si fa una domanda, si ottiene una risposta. La novità più importante degli ultimi tempi è un'altra: gli agenti AI, sistemi in cui il modello non si ferma alla risposta ma compie azioni per raggiungere un obiettivo. Cercare informazioni, leggere file, eseguire comandi, compilare moduli, aprire un ticket.
Il ciclo dell'agente
Il funzionamento di base è un ciclo che si ripete:
- Pianifica: il modello scompone l'obiettivo in passi. “Verifica perché il sito è lento” diventa: controlla il carico del server, leggi i log, analizza le query più pesanti.
- Agisce: invoca uno strumento, come una ricerca, un comando, una chiamata API.
- Osserva: legge il risultato e lo aggiunge al proprio contesto.
- Decide: se l'obiettivo è raggiunto si ferma, altrimenti aggiorna il piano e ricomincia.
La differenza rispetto a un normale chatbot è proprio questo anello di retroazione: l'agente vede gli effetti delle sue azioni e corregge la rotta, come farebbe una persona.
Gli strumenti fanno la differenza
Un agente vale quanto gli strumenti a cui ha accesso. Per questo si stanno diffondendo standard aperti, come il Model Context Protocol (MCP), che definiscono un modo uniforme per collegare un modello a sorgenti dati e servizi: un database, un sistema di ticketing, un server raggiungibile via SSH. Lo stesso connettore può essere usato da assistenti diversi, senza riscrivere l'integrazione ogni volta.
Dove funzionano già bene
Gli ambiti in cui gli agenti danno risultati concreti sono quelli con obiettivi chiari e risultati verificabili: lo sviluppo software, dove il codice può essere compilato e testato; l'amministrazione di sistemi, dove un comando restituisce un output leggibile; la ricerca e la sintesi di documentazione; l'automazione di processi d'ufficio ripetitivi. Più il risultato è controllabile, più l'agente può correggersi da solo. Dove invece l'esito è ambiguo o soggettivo, il contributo umano resta decisivo in ogni passaggio.
Autonomia sì, ma con il guinzaglio
Dare a un software la capacità di agire significa anche dargli la capacità di sbagliare in modo concreto. Alcune regole di buon senso:
- Privilegi minimi: l'agente deve avere accesso solo a ciò che serve per il compito, meglio se in sola lettura.
- Approvazione umana per le azioni irreversibili: cancellazioni, pagamenti, invii a clienti, modifiche in produzione.
- Tracciabilità: ogni azione va registrata, per poter ricostruire cosa è successo e perché.
- Diffidenza verso i contenuti esterni: una pagina web o un'email può contenere istruzioni malevole pensate per manipolare l'agente. È il problema della prompt injection.
Gli agenti non sostituiscono il professionista: ne moltiplicano la capacità operativa. Il valore sta nel delegare il lavoro ripetitivo e mantenere il controllo sulle decisioni che contano.