Sei cose da sapere prima di mettere un agente AI al lavoro in azienda

Un agente AI non è magia. E non è nemmeno “costruisci un agente, automatizza tutto, incassa”. La maggior parte delle persone non sa cosa sia un agente; tra chi lo sa, molti ne costruiscono uno e lo vedono cadere a pezzi. Inventa un dato, dimentica cosa stava facendo a metà del compito, chiama lo strumento sbagliato nel momento sbagliato. Funziona alla perfezione in demo e si rompe il primo giorno in produzione.

Queste sono sei cose che abbiamo imparato costruendo Ditta, dove un dipendente virtuale lavora ogni giorno sui conti di aziende vere. Valgono per chi costruisce agenti e per chi li compra.

1. Il contesto è tutto

È la cosa più ovvia e la più trascurata. Costruire un agente non è incatenare strumenti: scegliere un modello, dargli accesso ai dati e lasciargli capire cosa fare. Un agente così vede solo il passo in cui si trova, tira a indovinare e spera.

Il contesto è la differenza tra un agente che vale e uno che non vale niente. Cosa ricorda: se sta gestendo una fattura anomala deve sapere cosa ha fatto scattare l’anomalia, chi è il fornitore, quale regola vale, cosa è successo l’ultima volta con quel fornitore. Come passa le informazioni: quando un passo consegna al successivo, i dati devono arrivare puliti e strutturati, o tutto quello che viene dopo si rompe. Cosa sa del mestiere: le note di credito, l’IVA, il reverse charge, i termini di pagamento non si indovinano dai documenti. Vanno dati, in una forma che l’agente possa usare.

Un agente con un contesto povero è quello che chiama due volte lo stesso strumento perché ha dimenticato la risposta, o che prende una decisione contraria a quello che ha imparato due passi prima. Un agente con un buon contesto lavora come una persona che conosce il mestiere: collega i punti senza che qualcuno gli dica come.

2. Gli agenti moltiplicano, non sostituiscono

Il modo sbagliato di pensarci: “così non dobbiamo assumere”. Il modo giusto: “così tre persone fanno quello che ne richiedeva quindici”. Gli agenti non eliminano il bisogno di giudizio umano. Eliminano l’attrito attorno al giudizio: la ricerca, la raccolta, gli incroci, la formattazione, i solleciti.

Un ufficio amministrativo deve ancora decidere cosa fare con le eccezioni. Ma invece di passare la settimana di chiusura a cercare documenti che mancano, la passa a risolvere i casi. L’agente ha fatto il lavoro, la persona lo approva. E questo vuol dire anche che si parte prima: non serve un agente che gestisca ogni caso limite, serve uno che gestisca bene i casi comuni e porti quelli strani a una persona con abbastanza contesto da chiuderli in un minuto.

3. La memoria e l’architettura

Come un agente tiene le informazioni lungo un compito, e tra un compito e l’altro, decide se funziona su scala. Tre schemi tornano sempre. Un agente solo che fa tutto un flusso, dall’inizio alla fine: semplice, ma deve ricordare al passo dieci cosa ha deciso al passo tre. Più agenti in parallelo su pezzi diversi dello stesso problema: veloce, ma bisogna decidere come si uniscono i risultati e chi decide quando due arrivano a conclusioni opposte. Agenti in sequenza, uno smista, uno indaga, uno risolve: naturale quando il lavoro ha fasi, ma i passaggi di mano sono il posto dove le cose si rompono.

Non sono dettagli di implementazione. Sono decisioni di architettura, e contano più della scelta del modello. Se le sbagli, passi mesi a cercare errori che non sono errori: sono una forma sbagliata per il problema.

4. Catturare le eccezioni, non fare cruscotti

L’istinto di chi costruisce sistemi con l’AI è mostrare informazioni. Un cruscotto con i casi aperti, i tempi medi, le percentuali. Ma l’amministrazione sa già che mancano le ricevute. Il commerciale sa già che un contratto è fermo in attesa di una firma. Un cruscotto è il posto dove i problemi vanno a morire.

Un agente deve prendere il problema quando nasce e portarlo a chi lo può risolvere, con tutto quello che serve per risolverlo, subito. Una fattura senza i documenti richiesti non va in un rapporto: va segnalata adesso, alla persona giusta, con il fornitore, l’importo, la regola che vale e il documento che manca, e non va registrata finché non è risolta. Il cruscotto, semmai, arriva dopo, quando il problema è quasi sparito.

5. Il software che non si adatta e quello che impara

C’è un motivo per cui le aziende continuano a comprare programmi che poi nessuno usa. Sono facili da comprare: hanno una demo, un prezzo e una casella da spuntare accanto a un bisogno. Qualcuno approva e sente che è successo qualcosa.

Poi il programma resta lì. Non si integra con il modo in cui il lavoro succede, diventa un altro posto dove entrare, e dopo un anno è abbandonato ma impossibile da togliere. Ogni strumento in più è un’integrazione da mantenere e un fornitore che può cambiare idea: si accumula debito.

Un agente costruito sui sistemi che l’azienda ha già fa il contrario. Lavora dentro quei sistemi, non crea un posto nuovo, e ogni correzione lo rende migliore: si accumula capacità. È la differenza tra affittare uno strumento che andrà sostituito e costruire qualcosa che cresce con l’azienda.

6. I tempi

Se il progetto prevede un anno prima che qualcosa vada in produzione, è già perso. Il piano non sopravvive al contatto con la realtà: i flussi disegnati sul foglio non sono quelli veri, e i casi che nessuno aveva previsto sono proprio quelli che contano. E in un anno il campo sarà cambiato tre volte.

Si va in produzione in poche settimane, su un lavoro vero, con decisioni vere e una traccia di ogni azione. Poi si migliora ogni giorno, con le correzioni delle persone. Il miglior agente è quello che gira e migliora, non quello ancora in progettazione.

In breve

Il contesto è il gioco intero: un agente senza contesto è un generatore di numeri a caso molto costoso. Si progetta per moltiplicare le persone, non per sostituirle. L’architettura conta più del modello. Si cattura e si risolve, non si riporta e si rivede. Si va in produzione presto e si migliora sempre. Tutto il resto è dettaglio.

Lo spunto viene da un articolo di Varick Agents, che mette agenti in produzione per grandi gruppi. Le lezioni coincidono con le nostre, a una scala diversa.