Le migliori piattaforme per creare agenti AI

Le piattaforme per creare agenti AI consentono di progettare, addestrare e amministrare agenti intelligenti che lavorano autonomamente.

Nel processo di progettazione si inseriscono anche la gestione dei flussi di dati, la gestione dei flussi decisionali, l’integrazione dei modelli linguistici (LLM) e di API esterne o interne alle organizzazioni.

Il ricorso agli agenti AI non può essere rubricato alla voce “automazione”, è molto di più: sublima lo scopo stesso delle AI come le conosciamo e, ancora prima, rappresenta la soluzione potenziale al superamento dei limiti che queste impongono.

Cosa sono gli agenti AI

Prima di approfondire le piattaforme per creare agenti AI, è doveroso definire il concetto stesso di agente AI.

Gli agenti AI sono sistemi intelligenti in grado di percepire e di interagire con l’ambiente in cui operano, oltre a prendere decisioni e a intraprendere le azioni necessarie al raggiungimento degli obiettivi prefissati.

A differenza dei LLM, deputati all’elaborazione dati e alla generazione di contenuti, si adattano a molte applicazioni.

Possono essere considerati al pari di un’evoluzione dei LLM, una loro propaggine che dà un senso più specifico alle Intelligenze artificiali così come le conosciamo, in un panorama che vede un quasi sempiterno alternarsi di nuovi modelli e di potenziamento di modelli esistenti, senza però mai davvero giungere a un utilizzo pratico che vada al di là dell’analisi di dati e alla generazione di contenuti.

Con il supporto del machine learning e di algoritmi per il ragionamento logico, gli agenti AI rappresentano un salto nel processo di democratizzazione delle Intelligenze artificiali. In futuro sarà vieppiù facile (ma non per forza sempre semplice) creare agenti AI per un numero crescente di scopi e questo, oltre a rendere frizzante il mercato, contribuirà a sdoganare ulteriormente la necessaria sottostante cultura digitale.

Le differenze tra agenti AI e LLM

La prima differenza fa da pigliatutto e rende persino inutile elencarne altre: mentre i LLM sono abili nel generare contenuti in risposta a input più o meno particolareggiati, gli agenti AI usano le informazioni per prendere decisioni e agire autonomamente anche di fronte a scenari complessi.

A seguire, va sottolineato che gli agenti AI possono svolgere compiti al servizio di altri agenti AI e questo permette di creare azioni concatenate tra le cui maglie, se necessario, può intervenire un operatore umano.

È sempre più evidente come gli agenti AI siano in grado di gestire interi flussi di lavoro, affidando invece agli esseri umani quei micro-compiti o quelle attività in cui, per vari motivi, continuano a eccellere rispetto alle macchine.

Cosa è una piattaforma per creare agenti AI

Approfondiamo il concetto accarezzato in apertura per entrare più nello specifico e illustrare le piattaforme per creare agenti AI, ossia ambienti software che permettono di progettare, sviluppare e gestire agenti autonomi che usano le Intelligenze artificiali – inclusi i LLM più diffusi come GPT di OpenAI, Claude di Anthropic, Perplexity e altri ancora – per interagire con ambienti e sistemi al fine di compiere attività, anche complesse.

Le diverse piattaforme sono accomunate da peculiarità che, a grandi linee, possono essere riassunte così:

• Interfacce e strumenti per definire passo a passo quali azioni dovrà svolgere l’agente AI
• Integrazione con sistemi terzi (suite per l’ufficio, software di varia natura, API, sistemi Customer Relationship Management e tanti altri ancora)
• Gestione dei prompt, monitoraggio e debugging.

Va da sé che, tra le tante piattaforme disponibili, alcune sono più orientate a certi obiettivi rispetto ad altre, questo è tema che affronteremo sotto.

Qualche esempio di agenti AI

Per contestualizzare, si può pensare a un agente che legge e interpreta le richieste dei clienti e, oltre a fornire risposte pertinenti, avvia delle procedure aziendali che, a seconda del caso, possono avvertire l’operatore umano della necessità del suo intervento oppure vanno ad archiviare nel software aziendale la richiesta come risolta, aggiornando così i record del cliente.

Altro compito che gli agenti AI svolgono è la gestione delle scorte in rapporto alle necessità di produzione di un’impresa, avviando le pratiche per il riapprovvigionamento quando necessarie e rendendo edotti gli operatori umani coinvolti nel processo.

Questo esempio è anche propizio all’introduzione delle applicazioni multi agentiche, ossia l’intervento contestuale o seriale di agenti diversi che svolgono compiti differenti ma utili al raggiungimento del medesimo obiettivo. Così, un agente AI può essere deputato a leggere i dati di inventario, un altro agente a leggere quelli delle vendite e un altro ancora, osservando i prezzi sul mercato delle materie prime, può essere addestrato per calcolare il momento migliore per effettuare le ordinazioni necessarie a garantire il pieno funzionamento delle attività produttive.

Perché un’azienda dovrebbe ricorrere a una piattaforma di agenti AI

L’impatto può trasformare il modo in cui un’azienda lavora. Questo non significa ridurre il capitale umano e neppure stravolgere flussi e processi. Le AI potenziano quanto è già esistente, non è quindi quasi mai necessario fare tabula rasa.

Si parte da un esercizio organizzativo (oppure riorganizzativo) per allestire flussi operativi più performanti contando sul supporto degli agenti AI, instancabili e precisi per definizione, a patto però che lavorino su dati qualitativamente e quantitativamente validi.

Una simile piattaforma lascia ampio spazio al modo in cui gli agenti possono essere impiegati, estendendo la loro gittata ai processi decisionali e a tutte le performance aziendali.

Agenti AI ingegnerizzati, creati e gestiti in modo puntuale e competente possono svolgere i compiti più disparati e non per forza solo quelli più elementari e ripetitivi. L’idea – peraltro ampiamente diffusa – secondo la quale le AI si fanno carico di compiti facili lasciando ai dipendenti modo di occuparsi di faccende di più alto livello, è limitativa.

Un’AI o un agente AI implementati in modo competente possono stravolgere il ruolo dell’operatore umano, ridisegnano il suo intero cahier des charges e permettendogli di partecipare alla missione aziendale con maggiore partecipazione, fornendo il suo apporto con le capacità hard e soft di cui dispone.

Del resto, partendo dall’indubbio presupposto secondo cui le AI possono potenziare l’esperienza dei clienti e rendere più lineare lo scambio di informazioni con gli stakeholder, non si capisce perché non possano potenziare in modo esponenziale il ruolo di dipendenti e collaboratori, fosse solo per il fatto che sfruttare appieno le tecnologie e riuscire a tenere sotto controllo le criticità che queste si portano appresso, è compito tipicamente umano.

In aggiunta, gli agenti AI devono essere scalabili per loro natura, riuscendo ad adattarsi a scenari inediti e a carichi di lavoro inusuali senza necessità di essere riprogettati.

In definitiva, degli agenti AI concepiti e amministrati secondo alti standard, abbattono i costi di gestione dei flussi di lavoro complessi e non soltanto, come si suole dire parlando di AI, il costo delle procedure aziendali a basso impatto.

I limiti degli agenti AI

Ai tanti vantaggi, gli agenti AI contrappongono rischi e limiti dei quali occorre tenere debito conto già durante le fasi di analisi che precedono la loro progettazione.

Il primo limite è la disponibilità di dati dell’organizzazione e la sua predisposizione alla cultura digitale. Avventurarsi nella creazione di agenti AI senza basi solide equivale a fare viaggiare un treno fuori dalle rotaie. Fatto salvo questo presupposto, che include dati di qualità e quindi privi di bias ed errori, vanno citati questi limiti:

• Controllo: l’autonomia degli agenti AI tende a escludere le logiche dell’uomo lungo i processi decisionali. Affidarsi esclusivamente agli agenti coincide con una perdita di controllo. Allo stesso modo, può essere complesso comprendere perché un agente ha preso una decisione ed è opportuno allestire un sistema di verifiche cicliche per il monitoraggio delle attività che svolge
• Complessità: gli agenti AI sfruttano infrastrutture complesse e questo obbliga a una gestione continua. Il ricorso a infrastrutture Cloud scarica parte della complessità sulle spalle del provider, ma non esime dalla gestione e dalle responsabilità interne all’azienda in caso di malfunzionamento degli agenti AI

A questi limiti se ne aggiungono altri che vertono verso la sicurezza e la compliance. Infatti, gli agenti AI sono obiettivi ghiotti per il cyber crimine e questo comporta particolare attenzione in materia di cybersecurity, anche al fine di mantenere la riservatezza dei dati.

Non da ultimo, così come certifica uno studio del Massachusetts Institute of Technology (MIT), l’uso eccessivo di strumenti AI che sono privi di spirito critico e di doti intellettuali, tende ad atrofizzare tali capacità nell’essere umano.

Le piattaforme per creare agenti AI

Proponiamo qui otto piattaforme fornendo delle indicazioni di massima perché entrare nei dettagli è compito proibitivo. Ognuna delle soluzioni che seguono godono di abbondante letteratura ufficiale online, nella quale si trovano anche le istruzioni passo a passo per implementare gli agenti i quali, nelle loro forme più complesse, dovrebbero essere creati da persone con appropriate qualifiche.

Google Vertex AI / Agentspace

È una piattaforma gestita di machine learning e fa parte dell’emisfero di Google Cloud. Ha il pregio di condurre passo a passo verso la creazione di agenti grazie a queste funzionalità:

• Preparazione dei dati (pulizia, analisi, segmentazione)
• Addestramento dei modelli usando AutoML (modalità no-code) oppure mediante la modalità Custom training, che fa leva su framework e librerie quali TensorFlow e PyTorch
• Distribuzione dei modelli sia nella modalità Online inference (con risposte in tempo reale) sia nella modalità Batch inference, basata sull’elaborazione a blocchi
• Gestione dell’intero ciclo, a partire dal tuning automatico fino al monitoraggio delle prestazioni
• Supporto e personalizzazione di diversi LLM come Gemini di Google

Riducendo all’essenziale, è opportuno considerare Vertex AI come il kit di machine learning e dei modelli di AI generativa, mentre Agentspace è l’insieme di strumenti utili a trasformare i modelli in agenti autonomi mediante interfacce di facile comprensione, integrazione di set di dati e governance.

Vertex aiuta nelle mansioni di creazione e addestramento degli agenti, mentre Agentspace ne facilita l’uso e la distribuzione all’interno delle imprese.

Inoltre, Agentspace non prevede spiccate doti di programmazione, consentendo di cercare e sintetizzare le informazioni direttamente dai dati aziendali come documenti, database, paper, email, eccetera).

Tutto ciò è reso possibile da Gemini che mette a disposizione:

• NotebookLM Enterprise, al quale abbiamo dedicato un approfondimento
• Agenti predefiniti per l’uso in diversi dipartimenti aziendali
• Agent Designer: tool per la costruzione visuale di agenti e dotato di connettore a servizi terzi
• Agent Development Kit e Agent2Agent protocol: framework Open source per intercomunicazione fra agenti
• Livello di sicurezza basato su ruolo (RBAC) e sulla gestione di identità (IAM)

I costi sottostanno a diverse variabili, tra le quali il numero di agenti creati, il volume di token e il tipo di abbonamento ad Agentspace, il cui prezzo va dai 9 dollari ai 45 dollari mensili per utente, ossia dai 7,65 ai 38,30 euro.

IBM Watsonx.ai

Watsonx.ai è il fulcro della piattaforma IBM Watsonx, un ambiente Cloud per lo sviluppo di Ai per il business.

Le sue prerogative possono essere suddivise in quattro famiglie:

• Scelta e importazione di modelli AI pre-addestrati
• Ottimizzazione dei modelli usando dati aziendali attraverso interfaccia o strumenti di sviluppo, facendo quindi ricorso a capacità di programmazione variabili
• Preparazione dei dati, addestramento, validazione e deploy dei modelli
• Gestione dei modelli attraverso sistemi di monitoraggio inclusi in Watsonx governance

I vantaggi risiedono nell’interfaccia semplice mediante la quale è possibile creare e gestire i modelli in modalità no-code. Un altro atout è la forma ibrida che permette di funzionare sia su IBM Cloud, sia su Amazon Web Services oppure Azure, nonché on premise.

La piattaforma è specializzata nello sviluppo di AI generative con tuning sui dati aziendali. Interessante anche la gestione della compliance e della spiegabilità demandata alle capacità di governance, che sovraintendono anche i bias e gli errori nei dati.

I flussi di lavoro improntati alla collaborazione si adattano alle necessità di data engineer e delle unità aziendali che si occupano di machine learning.

Anche in questo caso, le logiche di prezzi sono di tipo “pay as you go” ed è quindi difficile stimare costi attendibili.

Microsoft Copilot Studio (già Power Virtual Agents)

Microsoft Copilot Studio è una piattaforma per la creazione di agenti conversazionali (chiamati copilot) mediante i quali automatizzare i processi aziendali in virtù della loro capacità di interagire con i dataset interni, gestire flussi di lavoro e rispondere a domande formulate in linguaggio naturale.

La piattaforma è di tipo low-code ed è l’evoluzione di Power Virtual Agents, ora parte integrante della suite Microsoft Copilot.

Copilot Studio integra plugin, GPT personalizzati e i flussi creati con Power Automate, un’altra piattaforma targata Microsoft che permette di ridurre le attività manuali ottimizzando i flussi di dati e di lavoro tra applicazioni e servizi.

I vantaggi immediati che offre sono:

• L’accessibilità anche a chi non ha nozioni avanzate di programmazione
• La creazione di agenti AI in grado di svolgere compiti e di prendere decisioni in modo autonomo
• L’integrazione nativa con i prodotti di Microsoft, tra i quali la suite 365, Teams e SharePoint
• La pubblicazione sul web, sulle intranet, sui canali social e via applicazioni
• Il livello di sicurezza demandato all’esperienza Microsoft tra DLP, Azure AD e Purview

Grazie agli oltre 1.500 connettori di cui dispone e che rendono facili le integrazioni con sistemi e piattaforme terze, gli obiettivi a cui mira la piattaforma sono l’automazione del servizio clienti e dell’helpdesk IT interno, della gestione del personale, del marketing e del procurement.

I costi sono articolati a seconda del piano scelto i quali, oltre a formule in abbonamento, prevedono anche la politica Pay-as-you-go.

ServiceNow AI Agents / AI Agent Orchestrator

Da una parte ServiceNow AI Agents che consente la creazione di agenti autonomi e dall’altra AI Agent Orchestrator che li coordina garantendone la corretta collaborazione.

La creazione di agenti avviene anche in modalità no-code facendo leva sul linguaggio naturale. La piattaforma ServiceNow AI Agents dispone di migliaia di agenti predefiniti e altamente personalizzabili e fornisce anche servizi di governance e sicurezza.

Si distingue nella classificazione e nella formulazione di risposte automatiche. Queste peculiarità, opportunamente declinate, fanno sì che gli agenti AI trovino posto nelle risorse umane, nella cybersecurity aziendale (analisi di incidenti), nelle operations, nell’assistenza clienti ma anche nei dipartimenti contabili-finanziari nella misura in cui possono supportare le fasi di audit, oltre ad aiutare nei compiti di autorizzazione delle fatture o nella suddivisione delle spese per centro di costo.

ServiceNow non pubblica prezzi e fa dipendere le proprie politiche dal numero di agenti, dal volume dei dati e dai moduli usati.

UiPath Platform for Agentic Automation

Una soluzione interessante che coniuga agenti AI con la RPA, la Robotic Process Automation.

Gestisce processi che coinvolgono anche dati non strutturati e, grazie al sistema di orchestrazione UilPath Maestro, coordina il lavoro di robot, agenti e persone al fine di sostenere flussi di lavoro complessi e concatenati, spostando verso l’alto l’asticella dei flussi gestiti da attori diversi, tra AI e operatori umani.

Lo sviluppo degli agenti è possibile anche in modalità low-code, fermo restando che con l’aumento della complessità dei flussi l’intervento di programmatori rodati è raccomandato.

Tra i vantaggi evidenti figurando anche le capacità di integrazione con altre piattaforme e LLM (anche con la già citata Microsoft Copilot) e il controllo serrato sui dati e sul comportamento degli agenti durante le fasi di svolgimento dei rispettivi compiti.

Si tratta di una soluzione usata anche nel comparto della salute grazie alla dimestichezza nell’analisi della documentazione clinica e nella gestione degli eventi eccezionali.

I piani disponibili, suddivisi in tre categorie, guardano alle imprese meno grandi con prezzi che partono dai 25 dollari al mese, fino a servizi enterprise il cui costo parte, indicativamente, da 1.000 dollari per utente al mese. (Da 21,35 a 854 dollari mensili per utente).

CrewAI

Un framework Open source scritto in Python e progettato per coordinare agenti AI autonomi (crew) che collaborano per svolgere compiti complessi. Ogni agente ricopre un ruolo specifico, fa leva su strumenti dedicati e interagisce con altri agenti al fine di raggiungere gli obiettivi che gli sono stati assegnati.

I crew, gli agenti autonomi, seguono logiche condizionali e rispondono a eventi stabiliti e si distinguono nei compiti di data enrichment e Business intelligence, nelle analisi finanziarie e di mercato, nel supporto clienti e, grazie al pieno supporto dei LLM maggiormente diffusi, anche nella generazione collaborativa di contenuti.

È pensato per essere integrato in modo facile nei flussi di lavoro di qualsiasi organizzazione, a prescindere dal mercato di riferimento e dalla grandezza. Per trarre il massimo dalla potenzialità che offre sono utili conoscenze di Python, è quindi indicato nei contesti aziendali dotati di profili tecnici.

Ha una natura modulare che favorisce la scalabilità e, non dipendendo da piattaforme sottostanti proprietarie ed essendo Open source, coinvolge una comunità molto attiva che si prodiga nel fornire strumenti supplementari.

Nella sua versione gratuita sono previste le funzionalità base, la politica di prezzo rischia di essere fumosa, poiché articolata sul numero di esecuzioni mensili e sul numero di agenti attivi. Il piano Pro ha costi che partono dai 99 dollari al mese (84,50 euro), il pacchetto Enterprise costa invece 1.000 dollari mensili (853 euro circa).

LangChain

LangChain è un framework Open source che facilita lo sviluppo di applicazioni e si è guadagnato uno spazio grazie alla sua versatilità.

Il modulo Agent permette agli agenti di prendere decisioni in autonomia e LangGraph gestisce le azioni concatenate e complesse.

Consente lo sviluppo di applicazioni basate su LLM e, sfruttando una struttura modulare composta da strumenti, API e il recupero di informazioni via Retrieval Augmented Generation (RAG), restituisce risultati che il mercato e la comunità di riferimento apprezzano.

Le automazioni dei flussi di lavoro non sono il solo motivo che può spingere a valutare LangChain, particolarmente abile anche nel fornire risposte attingendo ai documenti aziendali, generare contenuti e creare interfacce conversazionali, chatbot e assistenti virtuali.

Nella versione Developer Plan, LangChain è gratuito, limitatamente a un singolo utente e a 5mila “trace” al mese, oltre a prevedere limitazioni che escludono un massiccio uso aziendale. Con il termine “trace” si intende un’esecuzione completa di un agente AI e quindi, per esempio, corrisponde a una “trace” l’interpretazione di una domanda formulata da un utente e la relativa risposta fornita dopo avere consultato la documentazione di riferimento.

La versione Plus include 10mila “trace” ha un costo di 39 dollari al mese per utente (33,30 euro), quella Enterprise prevede listini personalizzati a seconda delle esigenze.

Trengo

Video

Proponiamo, infine, una soluzione che non rientra nel senso canonico degli agenti AI ma che a nostro avviso merita una menzione perché capace di soddisfare le esigenze di qualsiasi azienda, anche la più piccola. Trengo si concentra soprattutto sull’assistenza clienti e sull’automazione delle conversazioni e non è da intendere come una piattaforma per creare agenti AI con finalità disparate.

Si distingue nella capacità di rispondere alle richieste dei clienti, dirottando verso l’operatore umano quelle che non riesce a evadere. È multicanale e quindi può essere usato su siti web, email, applicazioni aziendali ma anche mediante le app di messaggistica istantanea.

Con 299 euro al mese si acquistano 6.000 conversazioni annue mentre, con il pacchetto Pro, le conversazioni sono 18.000 al prezzo di 499 euro al mese. È disponibile anche l’acquisto di soluzioni personalizzate per le imprese con esigenze diverse.

Il futuro degli agenti AI

Fare previsioni è un buon modo per cadere in errore. Tuttavia, raccogliendo gli indizi disseminati dai tanti attori che si contendono il mercato degli agenti AI, non è del tutto balzano immaginare che, in futuro, saranno sempre più competenti e autonomi, offrendo capacità di ragionamento sempre più affinate, multimodalità e saranno dotati di memoria personale per ricordare le specificità di ogni singolo utente, dote ancora oggi appannaggio degli operatori umani.

Non è da escludere un uso più diffuso anche nella sanità, laddove un agente AI può fungere da assistente che imposta routine terapeutiche per i pazienti.

Allo stesso modo, gli agenti AI possono facilitare la comunicazione tra persone che parlano lingue diverse e fornire supporto inclusivo a persone diversamente abili.