Venio AI - An agentic AI manifesto

L’Agentic AI è straordinaria, ma senza obiettivi chiari, regole precise e una governance solida, diventa solo un modo molto costoso per automatizzare la confusione.

Principi per costruire, adottare e governare l’AI autonoma in modo responsabile, utile e umano-centrico.

---

Introduzione all’AI generativa

L’Intelligenza Artificiale Generativa è una tecnologia che permette alle macchine di simulare l’intelligenza umana e il comportamento di un essere umano, creando ogni volta contenuti nuovi e originali, che possono essere testi, immagini, musica o persino codici di programmazione, partendo da ciò che hanno “appreso” (Machine Learning) durante un processo di addestramento. Quest’ultimo si basa su enormi quantità di dati: ad esempio, per insegnare a un sistema di intelligenza artificiale a generare testi, gli vengono forniti vasti archivi di testi; analogamente, per insegnargli a creare immagini, si utilizzano infinite raccolte di fotografie o disegni.

Il cuore di questo sistema è costituito da complessi algoritmi noti come reti neurali, che imitano il funzionamento del cervello umano: questi algoritmi sono in grado di riconoscere schemi, relazioni e strutture nei dati di addestramento e utilizzare queste informazioni per generare nuovi contenuti coerenti con quanto visto durante l’addestramento.

Il percorso dell’automazione

Il percorso dell’automazione si è evoluto significativamente, passando da sistemi basati su regole semplici a soluzioni intelligenti e adattive guidate dall’AI. Ecco come si è sviluppata questa trasformazione:

1. Automazione basata su regole (RPA) – Il punto di partenza

La Robotic Process Automation (RPA) è la base dell’automazione. Si affida a bot software che imitano le azioni umane interagendo con sistemi digitali tramite interfacce utente. Questi bot eseguono compiti strutturati e ripetitivi, come l’inserimento di dati, l’elaborazione di fatture  e prendono decisioni basate su regole.

💡 Limitazioni: la RPA fatica con dati non strutturati, flussi di lavoro dinamici e processi che richiedono ragionamento.

2. Automazione dei processi intelligente (IPA) – Automazione aumentata dall’AI

L’IDP (Intelligent Document Processing) migliora la RPA incorporando tecniche di AI come il riconoscimento ottico dei caratteri (OCR), il Natural Language Processing (NLP) e il machine learning.I modelli di AI consentono decisioni più dinamiche, permettendo all’automazione di gestire dati semi-strutturati e non strutturati, come quelli che provengono da fatture, contratti o email. Consentono di validare e classificare documenti, migliorare l’accuratezza tramite machine learning e automatizzare flussi di lavoro più complessi, che richiedono giudizio.

💡 Shift: invece di seguire solo regole, l’automazione ora si adatta, apprende e migliora nel tempo.

3. Agentic AI – Sistemi autonomi e orientati agli obiettivi

La fase più avanzata dell’automazione riguarda l’agentic AI, che va oltre l’esecuzione di compiti, arrivando a decisioni autonome e apprendimento adattivo. Questi agenti AI definiscono e perseguono obiettivi con minima supervisione umana, suddividono compiti, pianificano azioni e si autocorreggono e collaborano con altri agenti AI per completare flussi di lavoro complessi.

🚀 Futuro dell’automazione: invece di limitarsi ad automatizzare compiti, l’agentic AI crea sistemi intelligenti che funzionano come lavoratori digitali, ottimizzando continuamente i processi.

Non tutto è un agente!

Generative AI e agentic AI sono termini spesso confusi, ma concettualmente molto diversi.

La Generative AI è un partner creativo incredibilmente talentuoso che produce qualcosa quando gli viene chiesto. Riceve un input (domanda, richiesta, idea) e restituisce un output: poesia, immagine, spiegazione dettagliata, codice, musica. È reattiva, non ha obiettivi o desideri, aspetta solo istruzioni.

L'Agentic AI è un assistente o collega junior che sa non solo come creare contenuti, ma anche come ragionare su cosa va fatto. Può impostare obiettivi, pianificare, prendere decisioni e persino improvvisare o correggere il corso delle azioni.

In pratica, la Generative AI è uno strumento per la creazione; l'Agentic AI è un sistema per l’azione. La generative AI aspetta istruzioni. L’agentic AI capisce cosa fare e agisce, a volte chiedendo feedback, a volte prendendo iniziativa.

L’evoluzione verso l’Agentic AI

Caratteristiche dell’Agentic AI:

• Autonomia: opera senza direzione umana costante.

• Orientamento agli obiettivi: agisce in base a obiettivi chiari, assegnati o derivati.

• Pianificazione ed esecuzione: scompone compiti complessi, pianifica sequenze di azioni e adatta i piani in tempo reale.

• Consapevolezza contestuale e adattamento: percepisce cambiamenti e si adatta, imparando dall’esperienza.

• Vincoli di sicurezza e allineamento: deve operare entro limiti etici, legali e di sicurezza.

Come funziona?

Un sistema agentic AI funziona come un problem solver autonomo che cicla continuamente tra quattro fasi:

1. Formulazione degli obiettivi: obiettivi definiti dall’utente o derivati da istruzioni generali.

2. Percezione e raccolta del contesto: monitoraggio dell’ambiente, dati in tempo reale, API esterne o contesti digitali.

3. Pianificazione e decisione: uso di algoritmi di ragionamento e pianificazione per sequenziare azioni e ricalcolare piani in tempo reale.

4. Azione e ciclo di esecuzione: esecuzione delle azioni e ritorno alla percezione per valutare l’impatto e decidere i passi successivi.

Componenti di supporto:

• Memoria e tracciamento storico

• Feedback e apprendimento

• Guardrails di sicurezza

L’agentic AI è un sistema a ciclo chiuso: obiettivo → percezione → pianificazione → azione → feedback.

Benefici dell’Agentic AI

• Decisioni più accurate: sfrutta enormi dataset, individua schemi oltre la capacità cognitiva umana e si adatta a condizioni dinamiche in tempo reale, portando a risultati più precisi e guidati dai dati.

• Maggiore automazione ed efficienza: semplifica flussi di lavoro complessi, riduce l’intervento manuale e minimizza gli errori, liberando i lavoratori umani per concentrarsi su attività strategiche di livello superiore.

• Colmare la mancanza di competenze o risorse: l’Agentic AI aiuta a ridurre i gap di competenze e risorse, soprattutto in settori con carenze di personale o che richiedono expertise di nicchia, democratizzando l’accesso a capacità avanzate e scalando soluzioni dove l’esperienza umana è limitata.

Se implementato responsabilmente, questo paradigma di AI ha il potenziale di generare aumenti di produttività senza precedenti, supportando e migliorando al contempo il processo decisionale umano.

Manifesto dell’Agentic AI per le imprese

Abbiamo sviluppato 5 principi dedicati a CIO, COO e specialisti di Digital Transformation per adottare l’agentic AI in modo efficace ed efficiente.

1. KYP: Know Your Process

   • Cosa sta rallentando il tuo business?

   • Dove i dipendenti incontrano difficoltà per mancanza di competenze o informazioni?

2. Posiziona gli agenti AI nei punti giusti

   • Che cos’è un agente?

   • Mi servono davvero gli agenti?

3. Tieni presenti TCO e ROI

   • Quanto spenderò?

   • Quanto risparmierò?

4. AI ibrida: l’AI (non può) agire

   • Stabilisci regole chiare

   • Limita l’autonomia dell’AI senza richiedere supervisione umana continua

5. Gli agenti non vivono nel vuoto

   • Come posso integrare gli agenti nel mio processo complessivo?

1. KYP: Know Your Process (conosci i tuoi processi)

Quando una nuova tecnologia emerge, molte organizzazioni faticano a capire dove applicarla per ottimizzare i processi. È facile adottare rapidamente nuove soluzioni, ma spesso senza ottenere il ritorno sull’investimento previsto.

Lo abbiamo visto con l’RPA: adottata in fretta per compiti ripetitivi a basso valore aggiunto, ha ridotto i tempi di esecuzione, ma i processi complessivi non sono migliorati drasticamente. Alcuni utenti hanno persino criticato i fornitori di RPA per non aver raggiunto il ROI atteso.

La stessa cosa può accadere con tecnologie emergenti come la generative AI e l’agentic AI: senza capire quali aree del processo hanno il maggiore impatto sui KPI, l’adozione sarà solo un esercizio interessante, ma poco efficace.

Per questo motivo, il primo passo del manifesto è iniziare il percorso di automazione conoscendo a fondo il processo, identificando i passaggi prioritari per colmare i gap di performance e definendo i risultati attesi.

2. Posizionare gli agenti AI nei punti giusti

Quando si parla di inserire agenti AI nei processi aziendali, può sembrare allettante pensare che l’AI risolva tutto, ma sarebbe come dare a qualcuno un kit di attrezzi senza sapere quale sia il problema reale: rischi solo di creare caos.

Esempio pratico: in un ristorante con uno chef eccellente ma un solo cameriere oberato, mettere un agente AI al posto dello chef potrebbe creare un disastro. Al contrario, inserirlo per automatizzare la presa degli ordini o la gestione dei pagamenti colma un gap critico senza interrompere ciò che funziona già.

Principio chiave: l’AI non è una bacchetta magica, ma se collocata correttamente può colmare lacune di conoscenza, migliorare efficienza e compensare carenze di competenze.

Non tutto ha bisogno dell’Agentic AI

Oggi si parla moltissimo di Agentic AI: sistemi capaci di pianificare, ragionare e agire in autonomia, ma la verità è che non tutto deve essere autonomo. A volte serve semplicemente uno strumento molto efficace, non un agente AI che prenda decisioni da solo.

Ricorda che esiste già una vasta gamma di soluzioni di automazione, alcune consolidate, altre emergenti, che possono essere utilizzate senza dover introdurre un agente AI per risolvere problemi che altre tecnologie gestiscono già molto bene.

Colmare i gap di conoscenza e le carenze di competenze

Capire dove posizionare gli agenti è fondamentale, perché ogni processo aziendale contiene zone in cui le persone non hanno informazioni o conoscenze sufficienti (knowledge gap), oppure sanno cosa fare, ma non hanno abbastanza competenza, tempo o capacità per farlo bene (skill gap).

Gli agenti AI danno il meglio di sé quando funzionano da acceleratori nei punti in cui l’abilità umana incontra attrito.Questo attrito può dipendere da un’attività troppo complessa oppure troppo noiosa, ripetitiva o lenta da svolgere manualmente, ma se non analizzi attentamente il processo e non ti chiedi “dove stiamo perdendo tempo, precisione o creatività è perché le persone non sanno fare qualcosa, oppure non riescono a farlo abbastanza velocemente o bene?” rischi di sprecare il vero potenziale dell’agente.

3. Tenere conto di TCO e ROI

Parliamo di TCO (Total Cost of Ownership) e ROI (Return on Investment), due termini che saltano fuori spesso nelle riunioni, ma che diventano davvero cruciali quando si ragiona sugli agenti AI.

Prima cosa: il TCO - Cosa significa davvero in questo contesto?

Quando qualcuno dice: “Usiamo un agente per gestire questa cosa!”, il pensiero immediato è il risparmio, ma quei risparmi non arrivano automaticamente.Il costo di un agente non è solo la licenza o le chiamate API. I costi reali emergono in:

• Sviluppo e configurazioneServono persone competenti per progettare l’agente, definire i task, addestrarlo e integrarlo.

• IntegrazioneDeve connettersi ai sistemi aziendali (database, CRM, API). Questo richiede tempo, denaro e spesso anche complessità tecnica.

• ManutenzioneGli agenti non sono soluzioni “fire and forget”. I processi cambiano, le strutture dati evolvono, le regole di business si aggiornano. L’agente va seguito nel tempo, proprio come un software, o come un dipendente.

• Monitoraggio e governanceChi controlla l’agente? Chi verifica che non prenda decisioni inadeguate? Chi gestisce le escalation? Questo richiede dashboard, alert, cicli di feedback e spesso supervisione umana dedicata.

• Formazione e change managementSe non investi per far sì che i team capiscano come lavorare con gli agenti, sprecherai tempo ed energie. Le persone potrebbero resistere, dubitare delle decisioni dell’agente o ignorarlo del tutto.

Se non consideri tutto questo nel TCO, l’anno successivo ti ritroverai sorpreso nel notare che l’agente non è un risparmia-tempo “magico”, ma un’altra infrastruttura complessa che richiede attenzioni.

Ora il ROI, l’altra metà dell’equazione

Puoi creare un agente sofisticato che funziona perfettamente, ma se non risolve il problema giusto, se automatizza qualcosa che non era davvero un collo di bottiglia, o fa risparmiare pochi minuti senza creare valore strategico, allora non sta generando ROI.

Il ROI di un agente può derivare da diversi fattori:

• Risparmio di tempo in attività ad alto valoreSe riduci ore di lavoro su processi che impattano direttamente su ricavi o customer experience, stai creando valore reale.

• Velocità nelle decisioni o nell’esecuzioneAnche pochi minuti possono fare la differenza quando consentono di agire prima della concorrenza.

• Riduzione di errori e maggiore consistenzaErrori evitati significa denaro risparmiato, reputazione protetta, tempi più rapidi.

• Scalabilità dell’expertiseQuesto è cruciale: se l’agente permette di operare al livello dei tuoi esperti migliori, ma su scala aziendale, hai un vantaggio trasformativo.

Il ROI è difficile da misurare se non lo definisci prima. Se non misuri la velocità di risoluzione del problema, il livello di intervento umano e l’impatto sulla soddisfazione dei clienti, non potrai dimostrare il valore ottenuto.

La danza tra TCO e ROI

Qui entra in gioco la strategia. Se il costo di costruire, integrare, monitorare e mantenere un agente supera il valore che genera, ti ritroverai con una tecnologia brillante ma nessun beneficio reale. Le mosse più intelligenti sono:

• Partire in piccolo e in modo miratoIndividua i punti dolenti dove il ROI può emergere rapidamente.

• Calcolare un TCO realistico, oltre le licenzeConsidera integrazioni, monitoraggio continuo e impegno umano.

• Legare ogni iniziativa a un risultato di business chiaro, con metriche definite prima del lancio.

• Progettare per l’adattabilitàGli agenti dovranno evolvere. Se sono rigidi e hard-coded, il TCO esploderà nel tempo a causa delle continue modifiche.

Non chiedetevi solo: “Cosa possiamo automatizzare?”. Chiedetevi:

“Dove spendiamo più tempo e denaro, cosa può essere migliorato automatizzando decisioni o scalando conoscenza, e vale davvero l’investimento per mantenere e far evolvere un agente?”

Gli agenti non sono “stagisti economici”. Sono più simili a un nuovo team di specialisti: hanno bisogno di coaching, strumenti e revisioni delle performance.Se posizionati nel punto giusto, supportati adeguatamente e collegati ai risultati aziendali corretti, il ritorno è enorme, non solo in termini di costi, ma anche in velocità, intelligenza e capacità operative che nessun team umano può raggiungere da solo.

4. Hybrid AI: l’AI non può agire (senza controllo)

L’Agentic AI è quel tipo di intelligenza artificiale che non si limita ad aspettare una tua richiesta, ma che pianifica, prende decisioni e agisce in autonomia. È estremamente potente, ma è anche il punto in cui tutto può deragliare se non vengono stabiliti controlli adeguati.

Senza guardrail chiari, un’AI autonoma può:

• inventare informazioni e agire con sicurezza su dati falsi,

• oltrepassare limiti operativi,

• prendere decisioni che non dovrebbe,

• causare danni concreti se utilizzata in aree critiche senza supervisione.

Quindi, se riduci il coinvolgimento umano e lasci che l’AI operi più liberamente, devi restringere il campo in altri modi. Ecco come.

Definisci confini rigidi

Immagina di formare un nuovo dipendente: non gli diresti mai “Fai quello che ti sembra giusto”. Sarebbe un disastro. Gli daresti invece linee guida precise: cosa può fare, cosa non può fare, dove può mettere mano e dove no.Con l’AI è lo stesso: devi “metterla in una scatola” affinché non agisca al di fuori del suo ruolo.

Gli agenti sono come nuovi membri del team:

• vanno inseriti e formati;

• serve spiegare come funzionano i processi, chi coinvolgere, dove reperire le informazioni;

• bisogna definire quali decisioni possono prendere da soli e quali vanno sempre escluse o segnalate;

• devono integrarsi in meeting, workflow, strumenti di project management e documentazione.

Se inserisci un agente in un processo aziendale e lo lasci semplicemente “andare”, senza fornirgli contesto, dati, limiti decisionali o preparare il team umano, cosa succede? L’agente si blocca (“Non ho i dati!”), oppure assume informazioni sbagliate, o peggio, disturba il processo lasciando persone confuse, frustrate e impegnate a sistemare i danni.

Limita il potere decisionale dell’AI

Non tutte le decisioni devono essere autonome. Una struttura efficace distingue tre livelli:

1. Autonomia completa (basso rischio)L’AI può agire senza input umano, ad esempio per classificare e taggare ticket di supporto.

2. Revisione umana (rischio medio)L’AI propone, l’umano approva. Per esempio: un agente redige bozze di contratti, che poi un legale deve convalidare.

3. Controllo rigido (alto rischio) L’AI non può agire; fornisce solo analisi e insight, per esempio nel caso di un sistema sanitario che analizza dati clinici, ma non fornisce diagnosi.

Questo modello riduce il carico umano dove è sicuro farlo, mantenendo però supervisione nei punti critici. L’obiettivo non è “imbavagliare” l’AI, ma trovare il punto ideale in cui può operare efficacemente senza rischi.

Mantieni l’AI responsabile (Logging & Auditing)

Anche se l’AI opera in autonomia, è indispensabile tracciare tutto ciò che fa. Altrimenti, in caso di errore, non potrai capire cosa sia successo né come correggerlo. Ogni azione dell’agente deve essere registrata (quando l’ha fatta), tracciabile (come l’ha fatta), spiegabile (perché l’ha fatta).

Questa audit trail permette di mantenere l’AI sotto controllo e rende molto più semplice effettuare debug quando qualcosa non va. Queste regole codificate sono ciò che impedisce all’AI di oltrepassare i confini, riducendo al minimo la necessità di supervisione continua.

5. Gli agenti non vivono nel vuoto

L’Agentic AI è rivoluzionaria, ma solo se si integra davvero nei processi aziendali. Non puoi semplicemente “buttare” un’AI autonoma dentro alle operation e aspettarti risultati magici. Se non la integri correttamente (es. CRM, ticketing, database), otterrai solo workflow scollegati, dipendenti frustrati e un sistema che genera più lavoro invece di ridurlo.

Quindi, come si fa a far funzionare davvero l’AI nel mondo reale? Tutto si gioca sull’integrazione intelligente: assicurarsi che l’AI non sia solo presente in azienda, ma che migliori attivamente efficienza, processi decisionali e automazione senza mandare in crisi tutto il resto.

L’AI deve inserirsi in modo naturale nel modo in cui le persone lavorano già. Se i dipendenti devono controllarla manualmente, correggerla o aggirarla in continuazione, non è vera automazione, è lavoro extra travestito da innovazione.La contropartita è che i dipendenti devono essere formati per lavorare con l’AI, non contro di essa.

Se i dipendenti non si fidano dell’AI, non la useranno. Se non la usano, tutto il tempo e il budget dedicati all’integrazione saranno stati sprecati.Le persone devono percepire l’AI come un alleato, uno strumento che semplifica il loro lavoro, non una scatola nera imprevedibile che sforna decisioni casuali.

C’è poi un altro punto importante: gli agenti devono far parte di un feedback loop. Sono efficaci solo quanto i segnali che ricevono. Devono imparare dagli errori, adattarsi a priorità di business che cambiano e, a volte, essere riaddestrati o riallineati.Se restano “isolati”, disconnessi dall’evoluzione dell’azienda, diventano rapidamente obsoleti e inefficaci.

Un agente non è solo tecnologia, è un partecipante nell’ecosistema aziendale.

Ha bisogno di contesto, connessione e conversazione, altrimenti non è un agente, è un tirocinante troppo sicuro di sé, senza onboarding, pronto a mettere sottosopra i tuoi workflow.

Pensarla così fa capire che creare una strategia sugli agenti non è come implementare software, ma come assumere, formare e integrare un super-dipendente che non dorme mai, ma che, esattamente come una persona, ha ancora bisogno di mentorship, chiarezza e collaborazione per essere davvero efficace.