Gli agenti IA in azienda sono la versione attuale di una storia conosciuta: una demo che in dieci minuti funziona benissimo, seguita da sei mesi di tentativi per renderla abbastanza affidabile da lasciarla senza sorveglianza. Fra questi due stati passa quasi tutto il budget, e quasi nessun materiale commerciale descrive quella distanza.

Un agente differisce da un chatbot su un punto che conta sul piano commerciale. Un chatbot produce testo e una persona decide che farne. Un agente compie azioni, chiama sistemi, scrive record, invia messaggi. Quel passaggio sposta il rischio dall’imbarazzo alla conseguenza, ed è per questo che la disciplina ingegneristica richiesta assomiglia più alla costruzione di un sistema di pagamento che a quella di uno strumento di contenuti.

Dove finiscono davvero i soldi: il modello è la parte meno costosa. Il costo sta nell’integrazione degli strumenti, nelle impalcature di valutazione, nelle protezioni e nel percorso di passaggio all’operatore umano. Un semplice agente interno costa da £5,000 a £12,000, uno con recupero documentale da £12,000 a £30,000, e un agente multi-passo con accesso reale ai sistemi parte da circa £30,000 e arriva a £75,000 o più una volta costruiti per bene monitoraggio e ripristino.

Dove gli agenti IA in azienda funzionano davvero

Vale la pena essere precisi, perché l’elenco onesto è più corto del clamore e più utile.

Gli agenti se la cavano bene con compiti ripetitivi, delimitati e che tollerano un passaggio di revisione. Smistare le richieste in ingresso instradandole con una bozza di risposta. Estrarre dati strutturati da documenti non strutturati, con una conferma umana prima della registrazione. Riconciliare record fra due sistemi segnalando le eccezioni anziché risolverle. Un supporto di primo livello che chiude i casi comuni ed escala in modo pulito.

Lo schema è che l’agente assorbe il volume e la persona porta il giudizio. Ogni implementazione che abbiamo visto funzionare in produzione aveva questa forma, e la maggior parte di quelle fallite erano tentativi di togliere del tutto la persona da un processo in cui il giudizio serviva davvero.

Vanno male dove un errore è costoso e difficile da rilevare, dove il compito richiede conoscenze che esistono solo nella testa di qualcuno, e dove il processo è genuinamente diverso ogni volta. Un agente incaricato di un compito senza struttura stabile produrrà indefinitamente output plausibili senza mai avere ragione, il che è peggio di fallire in modo visibile.

Perché i progetti pilota si bloccano fra demo e produzione

Il primo modo di fallire è aritmetico e coglie di sorpresa. Se un singolo passo della catena di un agente è affidabile al novantacinque per cento, un compito in cinque passi riesce circa il settantasette per cento delle volte, e uno in dieci passi circa il sessanta. In una demo non se ne accorge nessuno, perché una demo percorre il caso felice. Diventa evidente alla terza settimana di pilota, e a quel punto la correzione è architetturale e non un ritocco al prompt: accorciare le catene, aggiungere verifiche fra i passi e progettare ogni passo perché il fallimento venga rilevato anziché trasmesso a valle.

Il secondo è che la maggior parte dei processi aziendali non ha un ripristino. Un agente che invia l’email sbagliata non può richiamarla. Un agente che aggiorna una scheda cliente ha modificato qualcosa che altri sistemi hanno già letto. Costruire la capacità di annullare un’azione è spesso più lavoro dell’azione stessa, ed è la parte che si rimanda e poi si scopre.

La valutazione è il vero costo ingegneristico

Il terzo fallimento è la valutazione, ed è lì che sta lo sforzo ingegneristico reale, sistematicamente sottostimato da chi è alle prime armi. Il software tradizionale si collauda rispetto a un output atteso. Un agente produce output diversi a ogni esecuzione e può avere ragione in più forme, quindi serve un insieme graduato di casi realistici con criteri definiti di comportamento accettabile, eseguito automaticamente a ogni modifica. Senza, non potete dire se un ritocco al prompt abbia migliorato le cose o spostato il guasto dove non stavate guardando. Mettete in conto che l’impalcatura di valutazione richieda tanto tempo quanto l’agente.

Il quarto è la varianza dei costi. Il consumo di token cresce con i tentativi e la lunghezza della catena, quindi un agente che fallisce costa più di uno che funziona, e un agente che entra in ciclo costa molto di più. I budget costruiti sull’idea che il comportamento medio sia quello tipico sbagliano di solito nella direzione peggiore. La nostra guida su latenza e costi dei modelli linguistici copre le strategie di cache e instradamento che tengono la cosa entro limiti.

Gli obblighi di trasparenza che valgono adesso

È la parte cambiata di recente e che la maggior parte delle aziende che costruiscono agenti rivolti ai clienti non ha registrato.

Gli obblighi di trasparenza del regolamento europeo sull’IA, all’articolo 50, sono entrati in vigore il 2 agosto 2026 come previsto in origine. Richiedono di informare quando una persona interagisce con un sistema di IA, di etichettare contenuti sintetici audio, immagine, video e testo generati dall’IA, e di dichiarare i deepfake. Fatto cruciale, si applicano in base a ciò che il sistema fa e non al livello di rischio in cui rientra, quindi un normale agente di assistenza clienti è coinvolto.

Gli obblighi per l’alto rischio sono stati rinviati. Il Digital Omnibus europeo sull’IA, il regolamento 2026/1744 , è stato pubblicato in Gazzetta ufficiale il 24 luglio 2026 ed è entrato in vigore il 27 luglio 2026, sei giorni prima della scadenza originaria. Ha spostato la conformità dei sistemi ad alto rischio autonomi dell’allegato III dal 2 agosto 2026 al 2 dicembre 2027, e quella dell’IA incorporata in prodotti già coperti dalla normativa europea sulla sicurezza dei prodotti al 2 agosto 2028. L’Omnibus ha inoltre aggiunto due categorie vietate all’articolo 5, con un periodo di tolleranza per le relative salvaguardie tecniche fino al 2 dicembre 2026.

L’AI Act Explorer è il modo più rapido per verificare quali articoli tocchino un dato sistema. Il Regno Unito non ha approvato una legge equivalente e prosegue con un approccio guidato dai regolatori, quindi un impiego puramente nazionale ricade sul diritto esistente anziché su un quadro dedicato all’IA. Questa distinzione conta meno di quanto sembri. Se servite clienti dell’Unione, o se il vostro prodotto viene usato nell’Unione, il regolamento vi raggiunge a prescindere da dove siete costituiti, e gli obblighi di trasparenza sono in vigore adesso, non rinviati. Integrare l’informativa in un agente rivolto ai clienti costa poco in fase di progettazione ed è scomodo da aggiungere dopo.

Quanto costa

Le fasce qui sotto seguono la stessa struttura della nostra più ampia guida ai costi di integrazione dell’IA , e descrivono il costo di costruzione, non quello di esercizio.

Un agente interno che svolge un singolo compito delimitato su uno o due sistemi, con revisione umana dell’output, costa da £5,000 a £12,000. È il primo progetto giusto ed è lì che scoprite se dati e processi sono in condizioni decenti.

Un agente con recupero sui vostri documenti, che gestisce un vero processo aziendale con più strumenti, costa da £12,000 a £30,000. Lo strato di recupero ne rappresenta di solito la parte maggiore, perché il tetto di qualità lo fissa la struttura dei vostri documenti e non il modello. Il nostro confronto fra affinamento, recupero e prompting spiega quale approccio si adatti a quale problema.

Un agente multi-passo con accesso in scrittura ai sistemi di produzione, monitoraggio adeguato, ripristino e un’impalcatura di valutazione parte da circa £30,000 e arriva comunemente a £75,000 o più. Non è la funzionalità a costare tanto. È l’apparato di sicurezza.

I costi di esercizio sono separati e più variabili di quanto lascino intendere i fornitori. Chiamate al modello, infrastruttura di recupero, monitoraggio e il tempo di ingegneria per mantenere le valutazioni mentre i modelli cambiano sotto di voi. Mettete a budget esplicitamente quest’ultimo, perché i fornitori di modelli dismettono e rivedono secondo il proprio calendario e il comportamento del vostro agente cambia quando lo fanno.

Come definire un primo progetto

Scegliete un compito di cui potete già misurare la prestazione attuale. Se non sapete quanto dura il processo manuale o quanto spesso va storto, non potrete dire se l’agente ha aiutato, e il progetto verrà giudicato a impressioni.

Tenete corta la prima catena. Tre passi che funzionano sono una base migliore di dieci che funzionano quasi sempre, e insegnano le stesse cose sulla qualità dei vostri dati.

Costruite l’insieme di valutazione prima dell’agente. Da venti a cinquanta casi reali con esiti attesi noti, messi per iscritto prima che qualcuno cominci a scrivere prompt. Questa singola pratica separa i progetti che convergono da quelli che oscillano.

Progettate il passaggio di consegne in modo esplicito. Che cosa accade quando l’agente è incerto, che cosa vede la persona e come il caso rientra in coda. I team che lo trattano come un caso limite scoprono che è la maggior parte del traffico interessante.

Strumentate tutto dal primo giorno. Volete input completo, ragionamento, strumenti chiamati ed esito per ogni esecuzione, perché i guasti che dovete capire sono quelli che non avevate previsto.

Quando non costruirne uno

Se il processo che volete automatizzare è stabile e basato su regole, il software tradizionale è più economico, più veloce, più affidabile e più facile da verificare. Molto di ciò che oggi si costruisce come agentico potrebbe essere un processo pianificato con qualche condizione, e ne trarrebbe beneficio.

Se i vostri dati sono sparsi, incoerenti o non documentati, sistemate prima quello. Un agente eredita ogni problema dei dati sottostanti e lo amplifica, perché agirà con sicurezza su un input sbagliato anziché fermarsi.

Prima di dare a un agente accesso in scrittura a qualsiasi cosa, vale la pena leggere la OWASP Top 10 per le applicazioni con modelli linguistici , che cataloga le classi di guasto che contano quando un modello può agire e non solo rispondere. E se la risposta onesta alla domanda su cosa succede quando sbaglia è che nessuno se ne accorgerebbe per una settimana, non dategli accesso in scrittura. Gli agenti in sola lettura che preparano bozze per approvazione umana catturano gran parte del valore a una frazione del rischio, e sono la versione che sopravvive al contatto con un carico reale.

Arrivare a un perimetro realistico

Il modo più comune in cui questi progetti vanno storti è impegnarsi su un agente ambizioso prima di aver stabilito se i dati e i processi sotto possano sostenerlo, che è una domanda a cui una breve analisi risponde a poco prezzo.

Mecanik costruisce agenti in produzione tramite i nostri servizi di integrazione IA , con impalcatura di valutazione, monitoraggio e ripristino trattati come consegne e non come extra, e cura il lavoro applicativo attorno tramite il nostro team di sviluppo software . Se avete un pilota che si dimostra bene e non si stabilizza, quello è un problema preciso e risolvibile di cui vale la pena parlare.

Post correlati: Software sanitario nel Regno Unito: regole e costi , Self-hosting di Kimi K3: hardware, costi e sovranità , Integrare API di terze parti: costi e modi di guasto , Integrazione API OpenAI: aggiungere GPT a un’app .

Domande frequenti

Qual è la differenza fra un agente IA e un chatbot? Un chatbot produce testo su cui poi agisce una persona. Un agente compie azioni da sé, chiama sistemi, scrive record e invia messaggi. Quel passaggio sposta il rischio dall’imbarazzo alla conseguenza, quindi la disciplina ingegneristica richiesta assomiglia più a quella di un sistema di pagamento che di uno strumento di contenuti.

Quanto costano gli agenti IA a un’azienda? Un agente interno su un compito delimitato con revisione umana costa da £5,000 a £12,000. Uno con recupero sui vostri documenti e più strumenti costa da £12,000 a £30,000. Un agente multi-passo con accesso in scrittura ai sistemi di produzione, monitoraggio e ripristino parte da circa £30,000 e supera comunemente £75,000.

Perché i progetti pilota di agenti IA non arrivano in produzione? L’affidabilità si compone male lungo i passi: una catena di cinque passi al novantacinque per cento ciascuno riesce solo intorno al settantasette per cento delle volte. Inoltre la maggior parte dei processi aziendali non ha un ripristino, e costruire un’impalcatura di valutazione richiede tipicamente lo stesso tempo dell’agente.

Devo dichiarare che i clienti stanno parlando con un’IA? In base al regolamento europeo sull’IA, gli obblighi di trasparenza dell’articolo 50 sono entrati in vigore il 2 agosto 2026 e impongono di informare quando una persona interagisce con un sistema di IA, oltre a etichettare i contenuti generati. Si applicano in base a ciò che il sistema fa e non al livello di rischio, e riguardano le aziende che servono clienti dell’Unione ovunque siano costituite.

Le regole sull’alto rischio del regolamento europeo sono state rinviate? Sì. Il regolamento 2026/1744, Digital Omnibus sull’IA, è entrato in vigore il 27 luglio 2026 e ha spostato gli obblighi per i sistemi ad alto rischio autonomi dell’allegato III dal 2 agosto 2026 al 2 dicembre 2027, e per l’IA incorporata in prodotti regolamentati al 2 agosto 2028. Gli obblighi di trasparenza dell’articolo 50 non sono stati rinviati.