Agenti AI in azienda: architettura, costi e organizzazione
Guida agli agenti AI in azienda: cosa sono, come organizzarli, quanto costano davvero, dove nasce il debito tecnico e due casi reali, Arvo e Zeno.
In breve. Un agente AI è un programma basato su un modello linguistico che non si limita a rispondere: riceve un obiettivo, decide i passi, usa strumenti e dati e consegna un risultato. Portarli in azienda pone tre problemi pratici: come farli collaborare, quanto costano davvero e come evitare che il sistema diventi ingestibile. In questa guida raccolgo quello che ho imparato costruendo prodotti con più agenti e rimando agli articoli di approfondimento.
Cosa distingue un agente AI da un chatbot
Un chatbot risponde a una domanda alla volta. Un agente lavora per obiettivi: scompone il compito, chiama strumenti esterni (database, API, altri agenti), controlla il risultato e decide se serve un altro passo. Per capire le basi del funzionamento dei modelli linguistici e dei prompt parto sempre da come funziona ChatGPT.
Organizzare gli agenti come un'azienda
Con un solo agente tutto sembra semplice. Con dieci, i problemi sono gli stessi di un'organizzazione umana: chi fa cosa, come si passano il lavoro, chi controlla la qualità. Nell'articolo Smetti di gestire agenti AI, inizia a costruire organizzazioni descrivo l'approccio che uso: un organigramma di agenti con ruoli fissi e dinamici, passaggi di consegna formali e metriche per ogni ruolo.
Quanto costano davvero
Il costo di un sistema di agenti non è solo il prezzo per token del modello: pesano il contesto che si rimanda a ogni chiamata, i tentativi ripetuti, i controlli di qualità, i test. Per la parte di base trovi la formula in quanto costa usare un LLM; per i costi che emergono quando il sistema cresce leggi il debito tecnico nascosto degli agenti AI, dove spiego perché la stima "token per costo per richieste" sottovaluta la spesa reale e come un livello di astrazione sui fornitori aiuta a tenerla sotto controllo.
I dati vengono prima del modello
Un agente decide bene solo se ha accesso ai dati giusti, aggiornati e governati. Nel SaaS B2B questo significa ripensare l'architettura dei dati e il ruolo dei data team: ne parlo in LLM nel SaaS B2B.
Due casi reali: Arvo e Zeno
- Arvo è un'app di personal training costruita su un'architettura multi-agente: ogni agente si occupa di un compito specifico (pianificare, scegliere gli esercizi, validare le modifiche, analizzare i progressi) e il sistema li coordina.
- Zeno è un'app per la crescita personale che propone micro-azioni quotidiane di cinque minuti; usa un sistema RAG (retrieval-augmented generation) per personalizzare i suggerimenti.
Le scelte da fare prima di partire
| Scelta | Domanda da porsi | Dove approfondire |
|---|---|---|
| Un agente o tanti | Il compito si può dividere in ruoli con input e output chiari? | Arvo |
| Coordinamento | Chi passa il lavoro a chi, e chi controlla la qualità? | Organizzazioni di agenti |
| Costi | Quanto contesto invio a ogni chiamata e quante chiamate faccio? | Costi degli LLM |
| Manutenzione | Posso cambiare modello o fornitore senza riscrivere tutto? | Debito tecnico |
| Dati | L'agente ha accesso a dati affidabili e aggiornati? | LLM e dati |
Domande frequenti
Cos'è un agente AI?
È un sistema basato su un modello linguistico che persegue un obiettivo in più passi: pianifica, usa strumenti e dati, verifica il risultato e decide come proseguire.
Che differenza c'è tra un agente AI e un chatbot?
Il chatbot risponde a una richiesta alla volta; l'agente svolge un compito completo, anche usando altri strumenti o altri agenti, fino a consegnare un risultato.
Quanto costa un sistema di agenti AI?
Dipende dal modello, dalla quantità di contesto inviata a ogni chiamata e dal numero di chiamate. Oltre al costo dei token vanno considerati tentativi ripetuti, controlli di qualità e manutenzione, che spesso pesano più della singola risposta.
Da dove si parte per introdurre agenti AI in azienda?
Da un processo ripetitivo e ben definito, con input e output chiari e un modo semplice per verificare la qualità del risultato. Meglio un solo agente che funziona davvero che dieci agenti senza regole di collaborazione.