Nelle riunioni sugli agenti AI la domanda che sento più spesso è “cosa sa fare?”. Quella che sento meno è “cosa gli lasciamo decidere?”. Eppure è la seconda a stabilire se un progetto arriva in produzione o resta fermo al pilota.
Il tema non è più teorico. Secondo McKinsey (The state of AI in 2025, novembre 2025), il 23% delle organizzazioni sta già scalando almeno un sistema di agentic AI e un altro 39% ha iniziato a sperimentare. In Italia il quadro è più prudente: per l’Osservatorio AI4Innovation del Politecnico di Milano (Innovazione & AI nelle imprese italiane: Gen-AI & Agentic-AI, aprile 2026) solo il 13% delle imprese usa l’AI in modo strutturato nei processi decisionali. Le decisioni delegate alle macchine aumenteranno, ma il rischio è che molte aziende le deleghino male.
Oggi la maggior parte delle organizzazioni sceglie cosa affidare all’AI in base alle capacità della tecnologia. Se l’agente sa leggere una fattura, gli si affida l’approvazione delle fatture. Se sa scrivere una mail, gli si affida la comunicazione con il cliente. È un criterio comprensibile ma rovesciato: parte da ciò che l’AI sa fare, non da ciò che ha senso farle fare.
I numeri lo confermano. Sempre secondo McKinsey (The state of AI in 2025), il 51% delle organizzazioni che usano l’AI ha già subito almeno una conseguenza negativa e quasi un terzo degli intervistati segnala problemi legati a output inaccurati.
Il dato più interessante però è un altro: le aziende che ottengono i risultati migliori sono anche quelle che hanno definito processi precisi per stabilire quando un output dell’AI richiede una validazione umana. Il vantaggio, quindi, non sta solo nella tecnologia. Sta nell’aver deciso prima cosa lasciarle decidere.
Indice degli argomenti:
Una matrice su due assi
Per orientarsi possiamo usare una matrice semplice, costruita su due assi.
Il primo è la reversibilità. Jeff Bezos, nella lettera agli azionisti di Amazon del 2015 (Amazon, 2015 Letter to Shareholders), distingueva tra decisioni “porta a due vie”, da cui si torna indietro con un costo contenuto, e decisioni “porta a una via”, che una volta prese non si annullano. È la distinzione più utile che conosca per ragionare di delega, perché sposta l’attenzione dalla probabilità dell’errore al costo di correggerlo.
Il secondo asse è l’impatto: economico, reputazionale, regolatorio e, soprattutto, sulle persone.
Reversibile e a basso impatto. È il territorio dell’autonomia piena: riordino di materiali di consumo, smistamento dei ticket, aggiustamenti di prezzo entro soglie predefinite. Bastano regole esplicite e modelli predittivi, orchestrati da agenti che agiscono senza chiedere permesso. L’umano sta fuori dal ciclo e verifica a campione. Mettere un’approvazione su ogni azione, qui, significa pagare l’AI per poi non usarla.
Reversibile ma ad alto impatto. Allocazione del budget di una campagna, pianificazione della produzione, riassegnazione dei turni. Servono modelli prescrittivi e di ottimizzazione, che non si limitano a prevedere ma raccomandano l’azione migliore dati certi vincoli. L’umano sta sopra il ciclo: definisce soglie, monitora gli scostamenti e può fermare il sistema in qualsiasi momento.
Irreversibile ma a basso impatto. È il quadrante più sottovalutato: inviare una comunicazione formale a un cliente, cancellare un dato, disdire un contratto minore. Prese una per una sembrano decisioni banali, ma non tornano indietro e, sommate, costruiscono o erodono la fiducia. L’AI prepara tutto, l’umano firma.
Irreversibile e ad alto impatto. Selezione del personale, concessione del credito, scelta di un fornitore strategico. Qui decide l’umano e l’AI supporta: legge i dati, esplora scenari, genera alternative, fa l’avvocato del diavolo. L’AI Act colloca ambiti come il recruiting e il merito creditizio tra i sistemi ad alto rischio e, con l’articolo 14 (Regolamento UE 2024/1689), impone una sorveglianza umana effettiva. In questo quadrante la governance è un requisito, non una scelta.
Prima le regole, poi l’LLM
C’è un principio di progettazione che considero decisivo: quando un agente deve valutare se un’azione è rischiosa, la sequenza giusta parte dal livello più semplice: prima le regole predefinite, poi l’analisi statistica del comportamento e solo alla fine, se il quadro resta incerto, un modello linguistico.
Vale per qualsiasi decisione delegata: un LLM non è un modello decisionale: è un motore di ragionamento, utilissimo dove serve interpretare ambiguità e contesto, ma meno spiegabile e più costoso di una regola. Più una decisione sta in alto nella matrice, più conviene ancorarla a logiche deterministiche e verificabili.
Un esempio di scenario
Immaginiamo un’azienda manifatturiera da 2.000 addetti che introduce agenti AI nell’ufficio acquisti. Il riordino dei materiali di consumo va in piena autonomia. La ripartizione degli ordini tra fornitori qualificati viene ottimizzata dall’agente entro limiti fissati dal buyer. La disdetta di un contratto minore viene preparata dall’agente ma parte solo con una firma umana.
La sostituzione di un fornitore strategico resta una decisione del management, che usa l’AI per simulare l’impatto su costi e filiera. Un solo processo, quattro livelli di delega.
La prima implicazione è che bisogna mappare le decisioni, non i processi. Un processo contiene decisioni di natura molto diversa, e trattarle allo stesso modo è l’errore più frequente nei progetti agentici che seguo.
La seconda è che la reversibilità si progetta. Ambienti di prova isolati, simulazioni preventive e capacità di rollback cambiano la natura di una decisione: una scelta che si può annullare in modo affidabile scende di quadrante e può essere delegata di più. Spesso il modo più efficace per aumentare l’autonomia di un agente non è migliorarne il modello, ma rendere annullabili le sue azioni.
La terza riguarda la supervisione. Stanno nascendo strumenti pensati per sorvegliare gli agenti in modo automatico, i cosiddetti guardian agent, ma il mercato è ancora giovane e la loro capacità di intervenire in tempo reale è limitata. Il ruolo “sopra il ciclo”, quindi, resta per ora in larga parte umano, e va progettato e assegnato prima del go-live.
La quarta è la tracciabilità. Ogni decisione delegata deve lasciare un registro non modificabile con input, azione e responsabile, insieme a una mappa chiara di chi risponde di ciascun agente. Senza questi elementi, sei mesi dopo nessuno saprà spiegare perché è successo qualcosa.
Partecipa alla community