Un agente AI è un sistema software costruito attorno a un modello linguistico di grandi dimensioni (LLM) in grado di perseguire obiettivi in autonomia, anziché limitarsi a rispondere a un singolo prompt alla volta. Osserva gli input, ragiona su cosa fare dopo e compie azioni, come chiamare un'API, cercare sul web, eseguire codice o scrivere su un database, quindi valuta il risultato e decide la mossa successiva. Questo ciclo di percepire, ragionare e agire è ciò che distingue un agente da un semplice chatbot.
Come funziona un agente AI
La maggior parte degli agenti AI combina tre ingredienti: un modello di base come nucleo di ragionamento, un insieme di strumenti che il modello può invocare e un ciclo di controllo che mantiene il modello al lavoro fino al completamento del compito. Quando riceve un obiettivo, l'LLM in genere produce un piano, seleziona uno strumento, osserva l'output dello strumento e aggiorna il piano. Questo schema è spesso chiamato ReAct, abbreviazione di reasoning plus acting.
Ad esempio, a un agente viene chiesto di "riassumere i reclami dei clienti di questa settimana": potrebbe elencare i file recenti, leggere ciascuno, estrarre i temi con una chiamata a un modello linguistico e scrivere un report in un documento, il tutto senza che un essere umano scelga ogni singolo passaggio. Molti agenti mantengono anche una memoria a breve o lungo termine per conservare il contesto tra i turni e recuperare gli errori. Framework come LangGraph, OpenAI Agents SDK e l'API di tool-use di Anthropic espongono queste primitive agli sviluppatori.
Perché è importante
Gli agenti AI trasformano i modelli linguistici da risponditori passivi a sistemi in grado di completare flussi di lavoro reali, ed è per questo che il termine "agentic AI" si è diffuso rapidamente nel software aziendale. Vengono utilizzati per l'assistenza alla ricerca, copiloti di programmazione che aprono pull request, bot di assistenza clienti che recuperano dati degli account e attività operative come la pianificazione o l'inserimento dati. Poiché gli agenti possono concatenare azioni e usare strumenti, possono anche fallire in modi nuovi, tramite chiamate errate agli strumenti, loop infiniti o prompt injection da contenuti non attendibili, quindi vengono solitamente distribuiti con guardrail, revisione umana e permessi limitati.
Tipologie principali
- Utilizzatori di strumenti a passaggio singolo: modelli che effettuano una o due chiamate a strumenti per rispondere a una domanda, come un chatbot che cerca sul web una sola volta.
- Agenti multi-passaggio: sistemi che pianificano ed eseguono diverse azioni in sequenza, come un agente di ricerca che legge, riassume e scrive un report.
- Sistemi multi-agente: configurazioni in cui agenti specializzati si passano il lavoro l'un l'altro, ad esempio un pianificatore, un programmatore e un revisore che collaborano a un compito software.
- Agenti embodied e per uso del computer: agenti che guidano un browser, controllano un desktop o gestiscono robot traducendo gli obiettivi in azioni sull'interfaccia utente o fisiche.
Man mano che i modelli di base migliorano nel ragionamento strutturato e nell'uso degli strumenti, gli agenti AI stanno passando da demo a sistemi in produzione che gestiscono lavori end-to-end, anche se affidabilità, valutazione e sicurezza restano le parti più difficili.
