Agentic AI: la differenza tra un'AI che risponde e una che agisce

Chiedi a ChatGPT quale gelatiera comprare. Ti dà un buon consiglio, magari con pro e contro. Poi però il modello si ferma lì: cercare l'offerta migliore, controllare la disponibilità e completare l'acquisto tocca ancora a te. Quel salto, dal consiglio all'azione, è esattamente il punto dove nasce l'agentic AI.

È il termine del momento nel mondo AI, e per una volta l'entusiasmo è giustificato. Vale la pena capirlo bene, perché cambia il modo in cui useremo questi strumenti al lavoro.

Generativo contro agentico

L'AI generativa produce contenuti. Le dai un prompt, lei ti restituisce testo, immagini o codice, basandosi su quello che ha imparato durante l'addestramento. Utilissima, ma resta ferma alla richiesta: genera un output e si ferma.

Un agente AI fa un passo in più. Prende quell'output e lo usa per raggiungere un obiettivo, decidendo da solo i passaggi. Non ti dice soltanto che una certa gelatiera piace: se gli dai accesso ai dati dell'e-commerce e al metodo di pagamento, può teoricamente comprarla al posto tuo. La parola "agentico" indica proprio questo: la capacità di agire in modo autonomo e con uno scopo.

Il trucco è mettere insieme due mondi che di solito stanno separati. La flessibilità di un LLM, bravo a capire il linguaggio naturale e a gestire l'imprevisto, e la precisione della programmazione classica, deterministica e affidabile quando servono regole, sicurezza o calcoli esatti. L'agente usa il modello per ragionare e il codice per eseguire con rigore. Intuitivo e preciso insieme.

Agentic AI o agente AI?

Qui si fa spesso confusione, e in aula conviene chiarirlo subito. L'agentic AI è il framework, cioè l'idea generale di risolvere problemi con poca supervisione umana. L'agente AI è il singolo mattone dentro quel framework, un componente che gestisce un compito con un certo grado di autonomia.

Pensa a una casa intelligente che ottimizza i consumi energetici. L'agentic AI è il sistema che coordina il tutto usando dati in tempo reale e le tue preferenze. Gli agenti sono il termostato, le luci, gli elettrodomestici: ognuno con il suo incarico, tutti che collaborano verso lo stesso obiettivo.

Come lavora un agente

Il funzionamento segue un ciclo in quattro mosse: percepire, ragionare, agire, apprendere. L'agente percepisce l'ambiente raccogliendo dati da API, database, sensori o dalle tue richieste. Ragiona su quei dati per capire il contesto. Sceglie ed esegue l'azione migliore interagendo con i sistemi esterni. Poi valuta il risultato e usa quel feedback per migliorare la volta dopo.

Il pezzo che sblocca davvero tutto sono gli strumenti. Un LLM da solo è chiuso nei dati con cui è stato addestrato: non naviga sul web, non chiama un'API, non interroga un gestionale in tempo reale. L'agente sì. Ed è questa la differenza tra sapere qualcosa fino a una certa data e sapere cosa sta succedendo adesso.

Quando i problemi si fanno grossi, entra in gioco il multi-agente. Un modello fa da direttore d'orchestra e coordina agenti più semplici, ognuno specializzato. C'è chi cerca, chi elabora, chi esegue. La memoria permette loro di ricordare e non ripartire ogni volta da zero.

Non tutti gli agenti sono uguali: si va da quelli elementari, come un termostato che segue una regola secca, fino a quelli che imparano dall'esperienza e migliorano nel tempo. Sono cinque tipi, con complessità crescente, e in un sistema serio lavorano insieme. Ne parlo nel pezzo dedicato, perché è un discorso che merita spazio suo.

Dove si usa già

Gli esempi concreti non mancano. In cybersecurity un agente sorveglia traffico di rete e log per stanare anomalie che sanno di malware o accessi non autorizzati. Nella sanità monitora i dati dei pazienti e aggiorna le indicazioni terapeutiche man mano che arrivano nuovi esami. Nel servizio clienti capisce intenzione ed emozione di chi scrive e risolve senza rimbalzare tutto a un operatore.

Un caso che tocchiamo con mano noi in DF: prendi un sistema di ticketing pieno di tabelle e menu. Invece di navigarlo a mano per mezz'ora, chiedi in italiano "fammi la slide con i ticket chiusi per dipendente negli ultimi cinque anni". L'agente recupera i dati, li elabora e prepara i grafici in pochi secondi. Il valore è tutto qui.

I limiti, detti onesti

L'autonomia è il pregio più grande e anche il rischio più grande. Se l'obiettivo è mal definito, l'agente ottimizza la metrica sbagliata: un sistema che deve massimizzare l'engagement finisce per spingere contenuti sensazionalistici, un robot ottimizzato per la velocità danneggia i prodotti. E siccome gli agenti sono tanti e collegati, un errore può propagarsi a cascata. Per questo servono obiettivi chiari, misurabili e guardrail veri. Autonomia non vuol dire abbandonarli a sé stessi.

Il punto

L'AI generativa risponde, l'agentic AI agisce. La prima genera contenuti, la seconda li usa per portare a termine un compito, ragionando, usando strumenti e adattandosi. È il passo che porta gli LLM fuori dalla chat e dentro il lavoro vero. Con la testa, però: potente non significa da lasciare senza controllo.

---

Fonti: IBM Think, "Cos'è l'agentic AI?" (ibm.com/think/topics/agentic-ai) · IBM Think, "Cosa sono gli agenti AI?" (ibm.com/think/topics/ai-agents) · IBM Think, "Tipi di agenti AI" (ibm.com/think/topics/ai-agent-types)