Agenti AI o workflow? Progettare automazioni che non duplicano il lavoro

Il modulo riceve una richiesta, il sistema la classifica e crea un’attività nel CRM. Durante un timeout il servizio ritenta l’operazione. Il commerciale trova due attività e contatta due volte la stessa persona. Il modello ha classificato bene la richiesta; l’automazione ha fallito lo stesso.

Quando si parla di agenti AI per aziende, le dimostrazioni si concentrano spesso sulla capacità di comprendere un testo. In produzione occorre progettare ciò che succede prima e dopo quella comprensione.

Decidi quali passaggi richiedono davvero un modello

Una regola può verificare che esista un indirizzo email, normalizzare una data o assegnare una richiesta a un’area geografica. Un modello linguistico può aiutare a interpretare una descrizione libera o proporre una sintesi. Un agente può scegliere e invocare strumenti entro un perimetro definito.

Descrivi il processo come una sequenza di ingressi, decisioni e azioni. Se conosci già tutti i passaggi, valuta un workflow esplicito. Riserva maggiore autonomia ai punti in cui produce un vantaggio osservabile e puoi controllarne gli effetti.

Chiedi al modello un risultato che l’applicazione possa verificare

Per classificare una richiesta, definisci categorie ammesse e campi necessari. Fai validare all’applicazione la struttura dell’output prima di utilizzarlo. Se la categoria non esiste o manca un campo, inoltra il caso a revisione invece di trasformare un testo plausibile in un comando.

Un formato valido non garantisce che il contenuto sia corretto. Verifica anche i riferimenti: il cliente esiste, il prodotto è disponibile, il responsabile può ricevere quella richiesta? Per gli effetti esterni, considera un’anteprima e un’approvazione quando il rischio lo richiede.

La chicca che salva i CRM: l’idempotenza

Un’operazione idempotente consente di ripetere la stessa richiesta senza produrre un nuovo effetto indesiderato. La Builders’ Library di AWS descrive l’uso di identificatori univoci per rendere sicuri i tentativi ripetuti e distinguere la ripetizione di una richiesta da un’intenzione nuova.

Nel nostro esempio ipotetico, l’identificatore dell’invio può accompagnare la creazione dell’attività. Prima di ripetere l’effetto, il sistema controlla se ha già completato quell’operazione. Va definito anche il caso in cui lo stesso identificatore arrivi con un contenuto diverso: accettarlo in silenzio può nascondere un errore a monte.

Evita di deduplicare usando solo il testo. Due clienti possono inviare la stessa frase e meritano due pratiche distinte. Conserva l’identità dell’evento, lo stato del processo e l’esito della scrittura.

I documenti esterni non sono istruzioni operative

Un allegato o un messaggio può contenere frasi che cercano di cambiare il comportamento dell’agente. Questo rischio, chiamato prompt injection, conta soprattutto quando il modello può usare strumenti e accedere a informazioni riservate.

Limita le azioni disponibili al compito, separa contenuto e autorizzazioni e controlla i parametri prima di chiamare un servizio. Un’email che chiede di esportare tutti i contatti non acquisisce il permesso di farlo soltanto perché l’agente la sta leggendo. Il disegno dell’applicazione deve contenere gli effetti anche quando il modello interpreta male un input.

Prevedi il recupero dei casi interrotti

Salva uno stato leggibile: ricevuto, classificato, in revisione, scritto nel CRM, completato o in errore. Registra un identificatore che permetta di seguire lo stesso evento attraverso i passaggi. Conserva nei log solo ciò che serve alla diagnosi, con accessi e tempi di conservazione appropriati.

Nel collaudo interrompi una chiamata, invia due volte lo stesso evento e simula un output non valido. Chiedi a un collega come riprendere il lavoro senza duplicarlo. Se la risposta richiede di leggere cento righe di chat, manca un pezzo dell’interfaccia operativa.

Per le fonti documentali dell’assistente, approfondisci il RAG con controlli di accesso. Per decidere quando il sistema può uscire dalla fase sperimentale, prepara un pilota AI misurabile.

Riferimenti: AWS Builders’ Library, idempotenza e retry; OpenAI, progettare agenti resistenti alla prompt injection. Consultati il 23 ottobre 2026.