Per creare agenti AI oggi non serve più un team di sviluppatori. Un agente AI è un programma basato su un modello linguistico che capisce una richiesta, decide cosa fare, cerca le informazioni che gli servono e porta a termine il compito: risponde a un cliente, apre un ticket, fissa un appuntamento, aggiorna il CRM. Con una piattaforma no-code, chi conosce il processo, nel customer care, nelle vendite o nelle risorse umane, può crearlo da solo e metterlo in funzione in pochi giorni.
Le aziende si stanno muovendo in fretta. Secondo il report AI Agent Trends di Google Cloud pubblicato ad aprile 2026, il 52% delle organizzazioni usa già agenti AI e il 39% ne ha più di dieci in funzione. Il divario è con le piccole imprese: in Italia l'Osservatorio Artificial Intelligence del Politecnico di Milano conta almeno un progetto di AI nel 71% delle grandi imprese e solo nell'8% delle PMI.
Questa guida spiega cos'è un agente AI, quali tecnologie usa, come crearne uno in sette passi, con un esempio concreto, i casi d'uso per reparto, gli errori più comuni e le regole da rispettare.
Indice
- Cos'è un agente AI?
- Perché le aziende creano agenti AI adesso
- Le tecnologie dietro un agente AI
- Come creare un agente AI in 7 passi
- Un esempio concreto: l'agente per lo stato degli ordini
- Casi d'uso per reparto
- Gli errori più comuni
- Governance e AI Act
- Da dove cominciare
- FAQ su come creare agenti AI
Cos'è un agente AI?
Un chatbot tradizionale segue un copione: se l'utente scrive X, risponde Y. Un agente AI ha un obiettivo invece di un copione. Legge la richiesta, capisce cosa serve, sceglie quali strumenti usare e in che ordine, e controlla il risultato prima di rispondere. Se un cliente scrive "ho ordinato un divano due settimane fa e non so ancora niente", un chatbot mostra la FAQ sui tempi di consegna. Un agente chiede il numero d'ordine, lo cerca nel gestionale, vede che la spedizione è ferma in magazzino, comunica al cliente la nuova data di consegna e, se il cliente lo chiede, apre un reclamo.
La differenza la fanno tre cose. L'agente capisce il linguaggio libero, perché si basa su un Large Language Model. Conosce la tua azienda, perché legge i tuoi documenti tramite una knowledge base. E può agire, perché è collegato ad altri sistemi tramite API. Non tutti gli agenti hanno bisogno di tutte e tre: un agente che risponde soltanto partendo dai manuali è già utile, e le azioni si possono aggiungere dopo.
Per approfondire la differenza, leggi il nostro articolo sulla differenza tra chatbot e agenti AI. Per una panoramica su come si usano in azienda, vedi la pagina sugli agenti AI aziendali.
Perché le aziende creano agenti AI adesso
Lo studio AI Agent Trends 2026 di Google Cloud, basato su 3.466 dirigenti in 24 paesi, dà un quadro chiaro. Il 52% delle organizzazioni usa agenti AI, il 39% ne ha messi in funzione più di dieci e il 74% dei dirigenti dichiara un ritorno sull'investimento entro il primo anno. Il ritorno arriva da cose semplici: meno richieste ripetitive che arrivano agli operatori, risposte di notte e nel fine settimana, contatti ricontattati in pochi minuti invece che in qualche giorno.
In Italia il mercato cresce, ma in modo diseguale. L'Osservatorio Artificial Intelligence del Politecnico di Milano ha stimato il mercato italiano dell'AI in 1,8 miliardi di euro, in crescita del 50% in un anno, ma i progetti si concentrano nelle grandi aziende. Per una PMI l'ostacolo raramente è la tecnologia. È il costo e il tempo di un progetto di sviluppo. Le piattaforme no-code tolgono questo ostacolo: il primo agente costa qualche giorno di lavoro di chi conosce il processo, non sei mesi di sviluppo.
Le tecnologie dietro un agente AI
Non serve padroneggiare queste tecnologie per creare un agente, ma sapere cosa fanno aiuta a scegliere la piattaforma e a capire perché un agente risponde bene o male.
Il modello linguistico (LLM), come GPT, Claude, Gemini o Mistral, è il motore che capisce la richiesta e scrive la risposta. Una buona piattaforma ti permette di scegliere il modello e di cambiarlo in seguito senza rifare l'agente.
La knowledge base con RAG (Retrieval-Augmented Generation) è ciò che fa conoscere all'agente la tua azienda. Carichi manuali, schede prodotto, policy e FAQ; quando arriva una domanda, il sistema trova i passaggi pertinenti e il modello risponde a partire da quelli invece che dalla sua conoscenza generica. La nostra guida completa alla RAG spiega come funziona.
Strumenti e integrazioni permettono all'agente di agire. Webhook e API lo collegano al CRM, al sistema di ticketing o al back end dell'e-commerce. Il Model Context Protocol (MCP), uno standard aperto, sta diventando il modo comune per mettere questi strumenti a disposizione di un agente: descrivi una volta cosa fa lo strumento, e qualsiasi agente compatibile può usarlo.
I flussi conversazionali gestiscono i passaggi che devono avvenire sempre allo stesso modo, come la raccolta dei dati per una prenotazione o un'informativa legale. L'agente improvvisa dove serve e segue un percorso fisso dove deve.
Infine, canali e passaggio all'operatore: l'agente deve raggiungere i clienti dove sono già (sito, WhatsApp, Messenger, telefono) e passare la conversazione a un operatore umano quando serve.
Come creare un agente AI in 7 passi
Questi sono i passaggi che vediamo nei progetti riusciti. L'ordine conta più della velocità.
- Definisci un obiettivo e una metrica. "Rispondere sullo stato degli ordini e dimezzare i ticket su questo tema" è un obiettivo. "Migliorare la customer experience" no. Scegli una richiesta frequente, ripetitiva e con regole chiare, e decidi come misurerai il risultato prima di iniziare.
- Scegli il tipo di agente. Un agente che risponde soltanto partendo dai documenti si crea in fretta e ha rischi bassi. Un agente che agisce anche, modificando una prenotazione o emettendo un rimborso, richiede integrazioni e regole più rigide. Parti dal primo tipo anche se hai in mente il secondo.
- Prepara la conoscenza. Raccogli i documenti che l'agente deve conoscere e puliscili: togli listini vecchi, procedure superate e doppioni. La qualità delle risposte dipende da questi documenti più che dal modello. Caricali nella knowledge base e decidi chi li terrà aggiornati.
- Scrivi il comportamento. Nel system prompt descrivi chi è l'agente, il tono, a cosa deve rispondere, cosa deve rifiutare e quando deve chiedere aiuto. Per le domande che richiedono una risposta fissa (prezzi, condizioni legali) usa risposte esatte invece di risposte generate.
- Collega strumenti e sistemi. Aggiungi solo le integrazioni che servono all'obiettivo: il gestionale ordini per lo stato degli ordini, il calendario per le prenotazioni, il CRM per i contatti. Ogni integrazione è un'azione che l'agente può compiere, quindi dagli solo i permessi strettamente necessari.
- Prevedi il passaggio alle persone. Decidi quando la conversazione passa a un operatore: su richiesta esplicita, dopo due risposte non riuscite o per argomenti delicati come i reclami. Gli operatori devono vedere tutta la conversazione, così il cliente non deve ripetere tutto.
- Prova, pubblica, monitora. Prova con domande vere prese dai ticket passati, comprese quelle scritte male o ambigue. Dopo il lancio leggi le trascrizioni ogni settimana per il primo mese, aggiungi i contenuti mancanti e correggi le risposte sbagliate. Un agente migliora con l'uso solo se qualcuno se ne occupa.
Con una piattaforma no-code come Crafter.ai, i passaggi dal 3 al 6 avvengono in un'interfaccia visuale: carichi i documenti, scrivi il prompt, disegni i flussi e colleghi i canali senza scrivere codice. Lo sviluppatore serve solo per integrarsi con sistemi che non hanno API o connettori pronti.
Un esempio concreto: l'agente per lo stato degli ordini
Prendiamo un negozio online di arredamento che riceve circa cento messaggi al giorno, metà dei quali chiede "dov'è il mio ordine?". Ognuno porta via a un operatore tre o quattro minuti: trovare l'ordine, controllare il corriere, rispondere.
Il team decide di creare un agente solo per questa richiesta. Nella knowledge base carica la policy di spedizione, i tempi di consegna per regione e la procedura di reso. Collega l'agente al gestionale ordini con un'integrazione in sola lettura, così l'agente può consultare un ordine ma non modificarlo. Nel prompt scrive che l'agente deve sempre chiedere il numero d'ordine e l'email usata per l'acquisto, non deve mai promettere una data di consegna che il sistema non mostra, e deve passare la conversazione a un operatore se il cliente parla di danni o vuole annullare.
La conversazione diventa questa: il cliente scrive, l'agente chiede numero d'ordine ed email, controlla lo stato e risponde con il corriere, il link di tracciamento e la data prevista. Se l'ordine è in ritardo, si scusa e spiega perché. Se il cliente scrive "il divano è arrivato graffiato", passa la conversazione a un operatore con un riepilogo.
Dopo un mese il team legge le trascrizioni e trova due lacune: domande sul servizio di montaggio e sulla consegna ai piani alti. Aggiunge due documenti. Questo è tutto il progetto: un obiettivo, un'integrazione, regole chiare e qualcuno che legge cosa succede.
Casi d'uso per reparto
Il customer care è il punto di partenza per la maggior parte delle aziende. L'agente risponde alle domande frequenti, controlla ordini e prenotazioni, apre ticket e passa i casi complessi. Parliamo di costi e risultati nell'articolo sugli agenti AI per il customer care.
In vendite e marketing, l'agente qualifica i contatti dal sito e da WhatsApp con poche domande, consiglia il prodotto giusto e fissa una call solo per i contatti qualificati. Funziona particolarmente bene su WhatsApp, dove i clienti rispondono più che all'email: ecco la nostra guida al chatbot WhatsApp per le aziende.
Nelle risorse umane, fa il pre-screening dei candidati, fissa i colloqui e risponde ai dipendenti su ferie, note spese e benefit, prendendo le risposte dal regolamento aziendale.
Nell'e-commerce e nel retail, aiuta i clienti a scegliere, traccia gli ordini e avvia i resi. In IT e operations, risponde alle domande dell'help desk interno, guida gli utenti nelle procedure standard e apre ticket con i dettagli già compilati. In sanità, assicurazioni e finanza, prenota visite, dà informazioni su polizze e prodotti e gestisce un primo triage, con un passaggio rapido alle persone per tutto ciò che è delicato.
Se vuoi capire dove l'automazione ha più effetto in azienda, la nostra guida su come migliorare i processi con l'AI li passa in rassegna uno per uno.
Gli errori più comuni
La maggior parte dei progetti di agenti che falliscono fallisce per le stesse poche ragioni, e nessuna riguarda il modello.
La prima sono troppi obiettivi insieme. Un agente che dal primo giorno deve gestire ordini, resi, reclami, consigli sui prodotti e candidature risponde male a tutto. Parti da una richiesta e aggiungi le altre quando la prima funziona.
La seconda sono i documenti superati. Se nella knowledge base c'è il listino dell'anno scorso, l'agente citerà i prezzi dell'anno scorso con grande sicurezza. Qualcuno deve essere responsabile dei contenuti e aggiornarli.
La terza è non poter raggiungere una persona. I clienti accettano un agente che risponde in fretta. Non accettano di restare bloccati in un giro senza uscita. Un passaggio visibile all'operatore fa parte del progetto, non è un extra.
La quarta è non misurare. Senza una metrica decisa all'inizio, dopo tre mesi nessuno sa se l'agente funziona. Conta le richieste gestite senza operatore, i passaggi agli operatori e gli argomenti a cui l'agente non ha saputo rispondere.
Governance e AI Act
Quando chiunque in azienda può creare un agente, qualcuno deve decidere quali agenti vanno online, quali dati possono leggere e chi controlla le risposte. Senza queste regole un'azienda si ritrova con diversi agenti che danno risposte diverse alla stessa domanda.
Poi c'è la legge. Con l'AI Act europeo, gli obblighi di trasparenza si applicano da agosto 2026: l'utente deve sapere che sta parlando con un sistema di AI. I dati personali trattati dall'agente sono soggetti al GDPR. Scegli una piattaforma che ospiti i dati in Europa, ti permetta di mostrare un messaggio informativo e tenga traccia di conversazioni e accessi.
Da dove cominciare
Guarda la casella del supporto o i ticket del mese scorso e trova la richiesta che torna più spesso. Quello è il tuo primo agente. Crealo solo per quella richiesta, misura per un mese quante conversazioni chiude senza un operatore, poi estendilo.
Se non hai mai creato un assistente, la nostra guida alla Conversational AI senza codice spiega le basi. Crafter.ai è una piattaforma no-code per creare agenti AI con LLM, RAG sui documenti aziendali, flussi visuali, integrazioni MCP e passaggio agli operatori, con i dati ospitati in Europa. Puoi confrontare i piani nella pagina prezzi.
FAQ su come creare agenti AI
Quanto costa creare un agente AI?
Dipende da volumi, canali e integrazioni. Su una piattaforma no-code i costi principali sono l'abbonamento o la tariffa a consumo, il tempo per preparare i documenti e il monitoraggio nei primi mesi. Gli agenti che richiedono integrazioni su misura con sistemi vecchi costano di più per via dello sviluppo. L'articolo su quanto costa un chatbot analizza ogni voce.
Quanto tempo serve per creare un agente AI?
Un primo agente che risponde partendo dai documenti richiede pochi giorni su una piattaforma no-code. Un agente collegato a più sistemi aziendali richiede settimane, soprattutto per le integrazioni e i test.
Servono competenze tecniche per creare un agente AI?
Per la maggior parte dei progetti no. Chi conosce il processo può creare e aggiornare l'agente su una piattaforma no-code. Lo sviluppatore serve per integrarsi con sistemi che non hanno API o connettori pronti.
Che differenza c'è tra un chatbot e un agente AI?
Un chatbot segue un copione e risponde. Un agente AI ha un obiettivo, capisce richieste scritte liberamente, cerca le informazioni nei tuoi documenti e può agire su altri sistemi, per esempio aprendo un ticket o aggiornando il CRM.
Cos'è l'MCP e perché conta per gli agenti AI?
Il Model Context Protocol è uno standard aperto per collegare gli agenti AI a strumenti e dati esterni. Descrivi uno strumento una volta sola (consultare un ordine, creare un ticket) e qualsiasi agente compatibile può usarlo, quindi le integrazioni si costruiscono più in fretta e si riusano più facilmente.
Link correlati:
