Gli strumenti per creare agenti di intelligenza artificiale senza scrivere codice si moltiplicano. Si disegna il flusso su una lavagna, si assegna un compito a ogni agente e il sistema li fa lavorare in squadra. Capgemini, in un articolo di settembre 2025 sui flussi di lavoro multi-agente, presenta così la sua piattaforma: anche chi non ha competenze tecniche potrà costruire la propria squadra di agenti per il reparto in cui lavora.
L’idea è interessante e per una piccola o media impresa apre possibilità concrete. Tra la demo e il lunedì mattina in ufficio, però, c’è parecchio lavoro da fare, e conviene conoscerlo prima di scegliere uno strumento.
Come funziona un sistema multi-agente
Un agente AI è un modello linguistico che riceve un obiettivo, usa degli strumenti (leggere un file, cercare in un archivio, preparare una mail) e decide da sé i passaggi per raggiungerlo.
In un sistema multi-agente il lavoro viene diviso tra più agenti, ognuno con un ruolo preciso. Uno legge i documenti, uno estrae i dati, uno scrive, uno controlla. Funziona come un piccolo ufficio in cui ognuno ha la propria scrivania e passa la pratica al collega successivo.
Un esempio concreto è una richiesta di preventivo che arriva per email:
- il primo agente legge la mail e capisce cosa chiede il cliente;
- il secondo cerca prodotti, quantità e prezzi nel listino;
- il terzo prepara la bozza di risposta con il tono dell’azienda;
- una persona la rilegge, la corregge se serve e la invia.
-
Email in arrivo
Richiesta
«Vorrei un preventivo per 40 sedie da ufficio, consegna entro marzo.»
-
Agente 1
Legge la mail
40 sedie · consegna a marzo
-
Agente 2
Cerca nel listino
Modello e prezzo aggiornati · disponibilità
-
Agente 3
Scrive la bozza
Risposta con il tono dell’azienda
-
Persona
Rilegge e invia
Approvata ✓ Inviata al cliente
Ogni agente fa un solo compito. L’ultima parola resta a una persona.
Nessuno dei tre agenti fa tutto, e proprio per questo ciascuno può essere istruito e controllato meglio.
I cinque modi in cui gli agenti collaborano
Gli schemi sono pochi e conviene conoscerli, perché aiutano a capire cosa si sta comprando e quanto sarà prevedibile. Capgemini ne elenca quattro; Anthropic, l’azienda che sviluppa Claude, ne descrive di simili nella sua guida tecnica Building effective agents.

- In catena. Ogni agente passa il proprio risultato al successivo, come nel preventivo. È lo schema più semplice da capire e da controllare.
- Smistamento. Un primo passaggio classifica la richiesta e la manda all’agente giusto: un reclamo va a chi gestisce l’assistenza, una domanda sui prezzi a chi conosce il listino.
- In parallelo. Più agenti lavorano nello stesso momento su parti diverse e alla fine i risultati si uniscono. Per esempio, tre agenti analizzano tre offerte di fornitori e un quarto le mette a confronto.
- Chi scrive e chi controlla. Un agente produce un testo, un altro lo verifica rispetto a criteri precisi e lo rimanda indietro finché non va bene.
- Coordinatore e specialisti. Un agente divide il lavoro al momento, in base alla richiesta, e lo distribuisce agli altri. I passaggi non sono fissati in anticipo.
Più si scende nella lista, più il sistema decide da solo. E più diventa difficile prevedere cosa farà, quanto tempo impiegherà e quanto costerà.
Per una PMI spesso basta un agente solo
Spesso no, almeno all’inizio. Nella stessa guida, Anthropic consiglia di cercare la soluzione più semplice possibile e di aggiungere complessità solo quando serve, il che a volte significa non costruire affatto un sistema di agenti. Per molte attività basta una singola richiesta al modello ben preparata, con i documenti giusti a disposizione. Ogni agente in più aggiunge tempo di risposta, costi e un punto in cui le cose possono andare storte.
Anche Gartner invita alla prudenza. In un comunicato del 25 giugno 2025 prevede che oltre il 40% dei progetti di AI agentica verrà cancellato entro la fine del 2027, per costi crescenti, valore poco chiaro o controlli dei rischi insufficienti. Per questa fase consiglia di usare l’AI agentica solo dove porta un valore chiaro. Segnala inoltre l’agent washing: strumenti che esistevano già, come chatbot e automazioni, ripresentati con l’etichetta di agenti.
Per capire da che parte stai, una domanda aiuta: il lavoro segue passaggi sempre uguali?
- Se la risposta è sì, basta un flusso fisso, anche con un solo agente nel punto in cui serve leggere o scrivere testo.
- Più agenti hanno senso quando le fasi richiedono competenze molto diverse, quando un controllo indipendente migliora il risultato, oppure quando i passaggi non si possono prevedere in anticipo.
Cosa preparare prima di costruire una squadra di agenti
Il no-code toglie la programmazione, non l’organizzazione. Lo ammette anche Capgemini, quando indica come ostacoli principali i dati sparsi, i sistemi che non comunicano tra loro e le regole di gestione. Prima di aprire una piattaforma servono cinque cose.
Un processo descritto. Se oggi non sai dire chi fa cosa e con quali criteri, non saprai spiegarlo nemmeno a un agente. Affidare un compito all’AI richiede le stesse cose che servono per delegare a un collaboratore: un obiettivo chiaro, il contesto e un modo per dire che il lavoro è fatto bene.
Dati in ordine. Un agente che lavora su un listino vecchio produce preventivi sbagliati con grande sicurezza. Documenti aggiornati, in un posto solo e con una persona che ne risponde valgono più di qualsiasi strumento.
Collegamenti con i programmi che usi. Gli agenti lavorano attraverso gli strumenti a cui hanno accesso: posta, gestionale, archivio documenti. Sempre più piattaforme usano MCP, lo standard aperto che collega l’intelligenza artificiale ai programmi aziendali. Conviene dare a ogni agente l’accesso solo a ciò che gli serve.
Un punto di controllo umano. Decidi prima in quale passaggio una persona approva il lavoro. All’inizio, almeno su tutto ciò che esce dall’azienda: mail ai clienti, ordini, pubblicazioni.
Un modo per misurare. Tempo risparmiato, correzioni necessarie, costo per pratica. Le piattaforme mostrano il consumo di token, cioè quanto lavora il modello a ogni passaggio. Con più agenti e più giri di controllo quel numero cresce in fretta, quindi va guardato dal primo giorno.
Controlli e responsabilità quando lavorano più agenti
In una catena di agenti un errore iniziale si propaga. Se il primo legge male la richiesta, tutti gli altri lavorano con cura su un dato sbagliato, e il risultato finale sembra ordinato e convincente. Per questo servono tre accorgimenti:
- un registro di cosa ha fatto ogni agente, da consultare quando qualcosa non torna;
- un periodo di prova su pratiche già chiuse, prima di toccare quelle reali;
- l’approvazione di una persona sulle azioni che hanno conseguenze esterne.
C’è poi un tema di competenze. L’articolo 4 dell’AI Act chiede alle aziende che usano sistemi di intelligenza artificiale di adottare misure per sviluppare le competenze del personale che li usa. Con un sistema multi-agente questo significa anche sapere come è costruito il flusso e dove intervenire. Gli altri obblighi per chi usa questi strumenti sono riassunti nella guida all’AI Act per le PMI.
Da dove partire in un’azienda piccola
Secondo l’Istat, nel 2025 usava almeno una tecnologia di intelligenza artificiale il 15,7% delle PMI italiane con almeno 10 addetti. Tra le imprese che hanno valutato l’AI senza adottarla, il primo ostacolo indicato è la mancanza di competenze (58,6%). Il punto di partenza, quindi, raramente è la piattaforma più potente.
- Scegli un lavoro ripetitivo, con passaggi chiari e poco rischio. Valgono gli stessi criteri del primo progetto di intelligenza artificiale: frequente, misurabile, con errori che si correggono prima di arrivare al cliente.
- Fallo funzionare con un solo agente e una persona che controlla. Misura tempi e correzioni per qualche settimana.
- Aggiungi un secondo agente solo dove c’è un problema preciso. Di solito è il controllo di qualità, oppure una fase che richiede informazioni diverse. Quando automatizzi un passaggio, il collo di bottiglia si sposta su quello successivo: guardalo prima di aggiungere pezzi.
- Forma chi userà il sistema. Chi conosce il processo deve saper leggere quello che fanno gli agenti e accorgersi quando sbagliano. È il lavoro che faccio nei corsi di intelligenza artificiale per aziende.
Una squadra di agenti ben costruita può togliere ore di lavoro ripetitivo. Ma ci si arriva un agente alla volta, partendo da un processo che conosci bene.
Domande frequenti
Serve saper programmare per creare un sistema multi-agente?
Con gli strumenti no-code non serve scrivere codice. Serve però saper descrivere il processo: quali passaggi ci sono, quali informazioni servono a ciascuno e quando il risultato si può considerare corretto. È la parte che richiede più tempo, e la conosce meglio chi fa quel lavoro ogni giorno.
Che differenza c’è tra un flusso con agenti AI e un’automazione tradizionale?
Un’automazione tradizionale segue regole fisse: se arriva un modulo, crea un contatto e invia una mail. Un agente sa interpretare testi scritti in modo libero e decidere il passo successivo. Spesso la soluzione migliore li combina: regole fisse dove i passaggi sono sempre uguali, un agente solo dove serve leggere o scrivere.
Quanto costa un sistema con più agenti?
Dipende dalla piattaforma e da quanto lavora il modello. Ogni agente consuma token a ogni passaggio, quindi più agenti e più giri di controllo significano costi più alti. Il modo più affidabile per stimarlo è provare il flusso su un gruppo di pratiche reali e calcolare il costo per pratica prima di estenderlo.
Gli agenti possono inviare mail o fare ordini da soli?
Tecnicamente sì, se hanno accesso alla posta o al gestionale. All’inizio conviene comunque lasciare a una persona l’approvazione di tutto ciò che esce dall’azienda. L’autonomia si può allargare dopo, sulle attività in cui il sistema ha dimostrato di sbagliare poco.
I dati aziendali sono al sicuro in una piattaforma di agenti?
Dipende dalla piattaforma e da come la configuri. Prima di caricare documenti conviene verificare dove vengono trattati i dati, se sono usati per addestrare i modelli e se si possono limitare i permessi di ogni agente. La regola pratica è dare a ciascun agente l’accesso solo alle informazioni che gli servono per il suo compito.
Se stai pensando a un processo della tua azienda da affidare agli agenti, trovi come lavoro nella pagina intelligenza artificiale per il business.
Fonti: Capgemini Invent, “Customized multi-agentic AI workflows made simple”, settembre 2025; Anthropic, “Building effective agents”, dicembre 2024; Gartner, comunicato stampa del 25 giugno 2025; Istat, “Imprese e ICT – Anno 2025”, dicembre 2025. Dati verificati a novembre 2026.


