Una fattura arriva, viene letta dall’intelligenza artificiale e i suoi dati sono estratti in pochi secondi. Il lavoro dell’azienda, però, prosegue: occorre confrontarli con l’ordine, verificare eventuali incongruenze, individuare chi deve autorizzare la spesa e registrare l’operazione nel gestionale. È lungo questa catena che si misura il valore dell’AI – nella capacità di portare a termine un intero processo riducendo attese, passaggi manuali, incongruenze ed errori.
L’AI agentica porta questa prospettiva al centro delle decisioni di investimento.
Gli agenti possono utilizzare strumenti software, consultare informazioni e scegliere i passaggi necessari per raggiungere un obiettivo all’interno di un perimetro definito. Per funzionare in azienda devono, però, conoscere il terreno sul quale operano – documenti, sistemi, regole, responsabilità e peculiarità del settore.
Un agente generalista, per quanto capace, non sa come si struttura un ciclo passivo, quali soglie fanno scattare un’approvazione o quali eccezioni ogni comparto conosce a memoria. Colmare questa distanza caso per caso richiede tempo, ed è spesso qui che i progetti si incagliano nell’evoluzione dal Proof-of-Concept all’utilizzo in scala.
La differenza tra una dimostrazione convincente e un processo che si deve eseguire più volte ogni giorno sta proprio nella conoscenza del contesto, che non si improvvisa e non si ottiene semplicemente con un prompt più preciso.
Indice degli argomenti:
AI Olympics: la sfida dei campioni dell’intelligenza artificiale
È questa evidenza a spiegare l’attenzione crescente delle aziende verso gli agenti AI verticali, costruiti cioè attorno a esigenze operative specifiche e di settore. Ed è proprio questa la chiave di lettura di AI Olympics l’evento organizzato da Alterna e Microsoft a Milano il prossimo 3 dicembre.
La sfida di AI Olympics si gioca sul parallelismo tra l’adozione dell’intelligenza artificiale e i giochi olimpici. Ogni Olimpiade poggia su alcuni elementi-chiave: gli atleti, un luogo dove gli atleti si preparano, qualcuno che li allena, le gare in cui si misurano. In azienda, questa logica aiuta a collegare la tecnologia alla preparazione dei team e ai risultati di business.
Il villaggio olimpico è l’ecosistema tecnologico – il cloud e gli strumenti di Microsoft.
L’allenatore è Alterna. Proprio come un coach adatta la preparazione alle caratteristiche fisiche e tecniche degli atleti, Alterna accompagna le aziende nell’adozione dell’AI con percorsi costruiti sulle loro peculiarità ed esigenze.
Gli atleti sono le aziende, che non vincono per il solo fatto di possedere le dotazioni tecnologiche migliori, ma soprattutto per come mettono le persone nelle condizioni di utilizzarle al meglio.
Le discipline sportive sono i settori in cui operano le aziende. Come ogni specialità richiede una preparazione mirata, ogni settore ha esigenze specifiche sulle quali costruire e mettere alla prova le soluzioni AI.
La metafora sportiva aiuta a mettere a fuoco tre condizioni fondamentali da tener presente quando ci si sfida per una medaglia così come si fa quando si adotta l’AI in azienda: scegliere la disciplina nella quale competere, allenare l’atleta o la squadra e misurare con continuità i progressi raggiunti.
Il valore del contesto
Un atleta prepara la gara in funzione delle distanze, degli ostacoli e delle capacità richieste. Anche un agente AI deve essere progettato rispetto al compito che gli viene affidato. Il contesto di settore determina quali informazioni cercare, quali controlli eseguire e quando coinvolgere un operatore umano.
Nella produzione su commessa, per esempio, la gestione di una richiesta richiede di collegare specifiche tecniche, disponibilità dei materiali, tempi di approvvigionamento e condizioni contrattuali. Nel turismo, invece, un processo amministrativo può attraversare documenti eterogenei, fornitori internazionali e riferimenti a servizi e prenotazioni.
In entrambi i casi, la capacità del modello acquista utilità attraverso la conoscenza approfondita delle relazioni tra i dati di cui si alimentano gli agenti AI e le regole su cui poggia l’azienda e il suo ecosistema di riferimento.
Agenti AI verticali: ogni settore ha la propria disciplina
La verticalizzazione degli agenti AI prende forma proprio qui: istruzioni operative contestualizzate, accesso alle fonti pertinenti, collegamenti applicativi e verifiche costruite su casi rappresentativi del settore.
Si tratta di un approccio operativo che non implica necessariamente la creazione di un modello dedicato. È possibile, infatti, utilizzare anche un modello generalista, se appositamente configurato e inserito in un’architettura specializzata. «Il valore di un agente cresce quando conosce il contesto nel quale deve operare, ovvero i dati, le regole e le specificità che caratterizzano un settore. È da questa conoscenza che possiamo costruire soluzioni utili ai processi di business in grado di scalare in modo sostenibile e generare valore, misurabile da subito, per l’azienda», osserva Giuseppe Mascoli, Chief Executive Officer di Alterna.
Una visione che negli ultimi mesi ha orientato la strategia di Alterna verso la vertical AI. Un’intelligenza artificiale fondata sul modello degli agenti specializzati, ottimizzati sui requisiti specifici delle singole industry.
Per le aziende, questo si traduce nella possibilità di partire da competenze e componenti nativamente coerenti con le dinamiche operative del proprio settore, perché frutto dell’esperienza consolidata di Alterna nei progetti di trasformazione digitale e nell’adozione dell’IA, concentrando gli sforzi di progettazione sulle specificità dell’organizzazione.
Il passaggio decisivo è dentro ERP, CRM e workflow
Conoscere il contesto permette all’agente di interpretare una richiesta. Per darle seguito è, però, necessario integrare l’AI nei sistemi aziendali. Un agente incaricato di supportare un’offerta commerciale deve poter recuperare le informazioni del cliente dal CRM, verificare disponibilità e prezzi nel gestionale e sottoporre la proposta al responsabile quando supera una soglia di sconto definita. Il risultato finale dipende dalla continuità tra tutti questi passaggi.
Qui si concentra una delle questioni più attuali dell’AI agentica: decidere quanta libertà assegnare al modello e quali operazioni mantenere entro percorsi prestabiliti. La scelta dipende dal problema, perché attività prevedibili possono beneficiare di flussi strutturati, mentre situazioni variabili possono richiedere maggiore flessibilità, con effetti su costi e tempi di esecuzione.
La lezione riguarda anche gli agenti verticali – prima di ampliare l’autonomia bisogna verificare che le azioni siano eseguibili, autorizzate e tracciabili. Dati aggiornati, identità digitali, permessi e gestione delle anomalie diventano, quindi, parte della qualità del servizio perché un’informazione interpretata correttamente perde utilità se viene registrata nel posto sbagliato o se il processo si blocca al passaggio successivo.
Allenare la squadra significa ridisegnare il lavoro
Quando l’agente entra nei processi, cambia anche il lavoro delle persone. Se l’algoritmo prepara una pratica, confronta documenti e segnala anomalie, l’operatore può concentrare l’attenzione sulle eccezioni e sulle decisioni che richiedono esperienza. Per ottenere tutto questo occorre, però, definire come collaborano persone e AI: chi assegna gli obiettivi, chi controlla l’output, chi interviene quando mancano informazioni rilevanti e chi risponde del processo.
Il parallelismo con una squadra olimpica diventa particolarmente efficace nei passaggi di consegna. In una staffetta, la qualità del cambio influisce sul risultato complessivo. In azienda, il passaggio dall’agente alla persona deve trasferire il contesto: quali fonti sono state consultate, quali verifiche sono state eseguite, quale dubbio resta aperto. Una segnalazione generica rischia di costringere l’operatore a ricominciare il lavoro.
L’allenamento comprende, quindi, la capacità di valutare l’AI. Gli utenti devono saper riconoscere un risultato incompleto, contestare una proposta plausibile ma sbagliata e fornire riscontri utili a migliorare il sistema.
Il progetto può partire da un perimetro circoscritto, essere verificato su casi reali e crescere quando affidabilità e organizzazione lo consentono. Questo percorso di training permette anche di capire quali competenze rafforzare e come impiegare il tempo liberato.
«Con AI Olympics – sottolinea Mascoli – vogliamo mettere a confronto esperienze che aiutino le aziende a costruire il proprio percorso. Questo significa aiutare le organizzazioni a scegliere un caso d’uso rilevante, integrare l’AI nei sistemi e preparare le persone a lavorarci insieme. La prestazione migliore nasce dalla qualità di questa squadra e dalla capacità di migliorare nel tempo».
Il cronometro del business: misurare ciò che cambia davvero
Per capire se la squadra sta migliorando serve, poi, un riferimento condiviso. Un agente può completare rapidamente un’attività e generare comunque lavoro aggiuntivo a valle se gli output richiedono correzioni continue. La misura utile deve, quindi, seguire il risultato del processo in termini di tempo complessivo di gestione, pratiche concluse correttamente, arretrato, qualità del servizio, costo per operazione.
Nel ciclo passivo, questo significa confrontare la situazione iniziale con quella successiva all’introduzione della soluzione, incluso il tempo dedicato alle eccezioni. Nel servizio clienti, per esempio, può significare verificare quante richieste vengono risolte e quante devono essere riaperte. Nella preparazione delle offerte, invece, la velocità va letta insieme alla correttezza delle condizioni e al rispetto dei margini.
Anche il ritorno economico richiede una valutazione a 360° che tenga conto degli sforzi di sviluppo e integrazione, dei consumi (token) dei modelli, della manutenzione e supervisione, che concorrono al costo. Le ore liberate acquistano valore quando l’organizzazione riesce a impiegarle per assorbire maggiori volumi, migliorare il servizio o svolgere attività prima trascurate. Definire questi obiettivi prima della sperimentazione aiuta a distinguere una dimostrazione convincente da un progetto da estendere in scala.
Nella logica di AI Olympics, ogni disciplina ha, così, il proprio metro di valutazione collegato alle esigenze del business.
È attorno a queste scelte che si concentrano i temi caldi dell’AI agentica verticalizzata: profondità della specializzazione, qualità dei dati, autonomia sostenibile, integrazione e capacità di dimostrare il beneficio.
AI Olympics: chi scende in pista
In programma il 3 dicembre alla Microsoft House di Milano, AI Olympics offre a chi guida o avvia progetti di intelligenza artificiale un’occasione di confronto e riflessione sui “temi caldi” dell’Agentic IA e degli agenti verticali, grazie alle testimonianze dirette di Gattinoni Group e PLC e al contributo prezioso dei docenti del Politecnico di Milano Giovanni Miragliotta e Antonio Ghezzi.
Chi partecipa non esce con un elenco di buone intenzioni, ma con strumenti da usare da subito in azienda. Vedrà modelli reali di agenti AI costruiti su processi veri, non demo, ed esempi concreti di integrazione tra AI e sistemi aziendali – ERP, CRM e flussi di lavoro quotidiani. Potrà far tesoro degli errori da evitare, raccontati da chi li ha incontrati lungo il percorso, ottenendo così preziosi spunti operativi per accelerare le iniziative già avviate in azienda.
Il vantaggio più importante, però, sarà la maggior chiarezza nelle scelte: la capacità di individuare più facilmente il processo dal quale partire, riconoscere i prerequisiti, definire il ruolo delle persone e stabilire con quali indicatori verificare i progressi.
La partecipazione all’evento è gratuita, previa registrazione. I posti sono limitati.
Partecipa alla community