Agenti IA: la guida completa per costruirli, venderli e non bruciare il budget

Di Daniele Forciniti

Indice del Contenuto

Gli agenti IA sono sistemi che uniscono quattro pezzi: un modello linguistico, la capacità di chiamare strumenti esterni, un ciclo di esecuzione che si ripete e una memoria che conserva lo stato. Se manca uno di questi quattro, non hai un agente: hai un chatbot con un prompt lungo. Questa guida spiega come sono fatti davvero, come si costruiscono partendo dal caso più semplice, quanto e come si fanno pagare, e quali errori tecnici ti bruciano un mese di lavoro e il budget del cliente. È lunga e tecnica di proposito: mettila tra i preferiti, ci tornerai.

Cos’è un agente e cosa invece non lo è

La distinzione più utile non l’ha inventata il marketing, l’ha scritta Anthropic nella sua guida tecnica su come costruire agenti efficaci, e vale la pena impararla a memoria perché ti evita mesi di lavoro sbagliato:

Cosa	Come funziona	Quando serve
Chatbot	Una chiamata al modello, magari con documenti nel contesto. Nessuno strumento, nessun ciclo	Risposte a domande, testi, riassunti
Workflow	Modello e strumenti orchestrati da percorsi di codice già scritti da te: sai in anticipo quali passi verranno eseguiti	Processi ripetibili con passaggi prevedibili
Agente	Il modello decide da solo il proprio percorso e quali strumenti usare, passo dopo passo	Problemi aperti dove non sai quanti passi serviranno

Anthropic è netta su un punto che quasi nessuno ripete perché non fa spettacolo: gli agenti costano di più e possono accumulare errori a catena. La loro raccomandazione è aggiungere complessità solo quando migliora dimostrabilmente il risultato. Tradotto in soldi: nel 90% dei lavori che ti verranno chiesti, un workflow ben fatto batte un agente autonomo, costa meno da mantenere e non ti telefona il cliente il sabato.

Il ciclo agentico, spiegato semplice

Schema del ciclo agentico: percezione, ragionamento, azione, osservazione, che si ripete fino all'obiettivo — Il ciclo che si ripete a ogni passo dell’agente

Un agente non risponde e basta: gira in tondo finché il lavoro non è finito. Riceve la richiesta, decide quale strumento serve, lo chiama, legge il risultato e riparte da capo con l’informazione nuova. Il giro si chiude quando l’obiettivo è raggiunto oppure quando si tocca il limite di passi che hai impostato tu.

Quel limite di passi non è un dettaglio: è la differenza tra un sistema che funziona e una bolletta a sorpresa. Senza un tetto alle iterazioni, un agente che sbaglia può ripetere lo stesso tentativo decine di volte, e te ne accorgi a fine mese.

Tool calling: come il modello esegue azioni vere

Il tool calling (o function calling) è il pezzo che trasforma un modello che parla in un sistema che fa. Funziona così, e la meccanica è la stessa su tutti i principali fornitori, come si legge nella documentazione ufficiale sul tool use:

Dichiari lo strumento con tre cose: un nome, una descrizione in parole umane, e uno schema dei parametri che accetta.
Il modello decide se e quando usarlo, basandosi soprattutto sulla descrizione che hai scritto.
Ti restituisce una chiamata strutturata con i parametri compilati, e si ferma.
Il tuo codice esegue l’operazione vera: interroga il database, manda la mail, scrive sul gestionale.
Rimandi il risultato al modello, che lo legge e decide il passo successivo.

Due cose che nessuno ti dice e che scoprirai a tue spese. La prima: la descrizione dello strumento è il vero prompt. Se scrivi “cerca cliente” il modello sbaglierà quando chiamarlo; se scrivi cosa fa, cosa restituisce e quando non va usato, funziona. La seconda: gli strumenti dichiarati consumano token a ogni chiamata, perché nomi, descrizioni e schemi viaggiano nel contesto. Venti strumenti collegati a un agente sono venti descrizioni pagate ogni singola volta.

MCP: lo standard che ha già vinto

Fino a poco tempo fa, collegare un agente a uno strumento significava riscrivere l’integrazione per ogni modello. MCP, Model Context Protocol, è lo standard aperto che ha risolto il problema. La documentazione ufficiale lo paragona a una porta USB-C per le applicazioni IA: scrivi l’integrazione una volta, la colleghi ovunque.

Qui c’è il fatto che cambia il quadro e che pochi articoli riportano. Il 9 dicembre 2025 Anthropic ha donato MCP alla Agentic AI Foundation, nata dentro la Linux Foundation insieme a due altri progetti fondanti: goose di Block e AGENTS.md di OpenAI. Tra i membri di primo livello ci sono Amazon Web Services, Anthropic, Block, Bloomberg, Cloudflare, Google, Microsoft e OpenAI.

Perché ti interessa commercialmente: quando i concorrenti diretti mettono lo stesso protocollo dentro una fondazione neutrale, non stai imparando la tecnologia di un fornitore, stai imparando l’infrastruttura del settore. Oggi MCP è supportato da Claude, ChatGPT, Gemini, Microsoft Copilot, Visual Studio Code e Cursor, e Google Cloud lo ha reso ufficiale sui propri servizi. Se costruisci le tue integrazioni come server MCP, il giorno che il cliente cambia modello non riscrivi niente.

Memoria, stato e RAG: dove si gioca la qualità

Un agente senza memoria è quello che ti richiede il numero d’ordine a ogni messaggio, ed è la lamentela numero uno degli utenti finali. Vanno distinte due cose diverse:

Memoria breve: il contesto della conversazione in corso. Sparisce quando la sessione finisce.
Memoria lunga: cosa l’agente ricorda di quello specifico utente tra una sessione e l’altra. Va salvata da qualche parte, tipicamente in un archivio dedicato.

Poi c’è il RAG, cioè indicizzare i documenti del cliente e recuperare i pezzi giusti da mettere nel contesto prima che il modello risponda. È la parte che decide se l’agente è utile o inventa. E il punto critico non è il modello che scegli, è come tagli i documenti: spezzare un contratto ogni tot caratteri, senza rispettare articoli e clausole, produce risposte che citano metà di una regola e metà di un’altra. Su testi legali, medici o tecnici il taglio va fatto seguendo la struttura del documento, non un conteggio meccanico.

Regola pratica che uso sempre: tieni separata la memoria dell’utente dalla base di conoscenza. Sono due archivi con due cicli di vita diversi, e mescolarli è la strada più rapida per un agente che confonde quello che sa con quello che gli hai detto ieri.

I sei livelli, dal primo incasso al sistema che gira da solo

I sei livelli per costruire e vendere agenti IA, dall'architettura minima al sistema replicabile — La progressione: si sale di livello solo quando il precedente è già pagato

Livello 0: capire prima di vendere

Prima di proporre qualcosa, scegli il settore dove hai già un vantaggio di conoscenza. Se conosci come lavora uno studio dentistico o un’agenzia immobiliare, lì progetterai l’agente migliore, perché sai quali sono le domande vere e dove il processo si inceppa. Il potenziale di mercato conta meno del fatto che tu sappia già cosa chiedere in riunione.

E definisci il risultato misurabile prima dell’architettura. “Ti integro l’intelligenza artificiale” non si vende. “Portiamo il tempo di prima risposta da quattro ore a due minuti, e quando il modello non è sicuro passa a una persona” si vende, perché contiene un numero che si può verificare.

Livello 1: automazione più una sola chiamata IA

Il primo incasso non richiede un agente autonomo. Richiede un flusso normale e prevedibile con un solo punto in cui decide il modello. Meno superficie d’errore, più facile da spiegare, più facile da far pagare. Quattro esempi che funzionano davvero, con quello che serve per costruirli:

Assistenza di primo livello con classificazione dell’intento. Un webhook riceve il messaggio da WhatsApp o dalla chat del sito, il modello classifica l’intento (richiesta di preventivo, stato dell’ordine, reclamo) restituendo un valore strutturato, e da lì il flusso normale esegue l’azione corrispondente o passa la conversazione a una persona. Serve l’orchestratore (n8n o simili), una chiamata al modello e il collegamento al gestionale per le risposte dinamiche. Si vende a canone, con un impegno sul tempo di risposta.

Ricerca sui documenti con citazione della fonte. Per studi legali, commercialisti e consulenti: indicizzi i loro documenti e l’agente risponde citando il punto preciso da cui ha preso l’informazione. La parte tecnica che decide tutto è il taglio dei testi: un contratto va spezzato rispettando articoli e clausole, non ogni tot caratteri, altrimenti la risposta mette insieme metà di una regola e metà di un’altra. Il fatto che citi la fonte non è un vezzo: è quello che permette al cliente di accorgersi subito di un errore.

Qualificazione dei contatti con punteggio. L’agente fa tre o quattro domande in chat, estrae i dati in formato strutturato (budget, urgenza, tipo di richiesta) e calcola un punteggio che decide se il contatto passa subito a un venditore o resta in coltivazione automatica. È il più facile da far approvare, perché il ritorno si vede nella prima settimana: meno tempo del commerciale buttato su contatti freddi.

Solleciti e recuperi basati sullo stato. Collegato al gestionale o all’agenda, manda promemoria, riprogramma appuntamenti e fa il post vendita leggendo lo stato reale del record, non un calendario cieco. La differenza tecnica è tutta lì: l’agente controlla la situazione attuale prima di decidere, così non manda il promemoria a chi ha già confermato.

Come si prende il primo cliente: non proponendo “un agente IA”, che non vuol dire niente per chi ti ascolta. Individua un collo di bottiglia misurabile in un’attività concreta (quante ore al giorno passano a rispondere alle stesse domande, quanti contatti restano senza risposta oltre le due ore) e porta il flusso specifico che lo risolve. Il preventivo si discute su quel numero, non sulla tecnologia.

Livello 2: da flusso a prodotto confezionato

Quando hai fatto lo stesso lavoro tre volte per lo stesso settore, smetti di rifarlo da zero. Il lavoro di progettazione l’hai già venduto una volta: da lì in poi quello che vendi è quasi tutto margine. Ecco cosa si confeziona davvero:

Il flusso come modello con le variabili da compilare. Webhook, classificazione, azione e registro già montati ed esportati: il cliente inserisce solo le proprie credenziali e la propria base documenti.
Il kit di prompt e schemi per un settore. Il prompt di sistema, gli esempi che gli hai dato e le descrizioni degli strumenti, già tarati su immobiliare, sanità o studi professionali. È la parte che ti è costata più tentativi e che nessuno vede.
La struttura di indicizzazione per settore. Se hai capito come vanno tagliati e catalogati i documenti di un certo tipo, quella struttura è un prodotto a sé: non stai vendendo i dati, stai vendendo il modo in cui sono organizzati.
La formazione sul tuo stesso metodo. Come hai montato la catena completa, documentata passo per passo. Si vende a chi vuole arrivarci senza rifare tutti i tuoi errori.

Dove venderlo: all’inizio anche a mano, mentre verifichi che qualcuno lo voglia davvero. Costruire la piattaforma prima di sapere se il prodotto interessa è il modo più elegante di perdere due mesi.

Livello 3: sistemi che girano senza di te

Qui l’obiettivo cambia: il sistema deve produrre valore anche quando tu non lanci niente. Servono esecuzioni programmate, inneschi su evento e una gestione degli errori che non dipenda da te che guardi. Tre cose che si vendono ad abbonamento:

Sorveglianza continua con avvisi. Un’esecuzione periodica controlla fonti che cambiano (prezzi dei concorrenti, menzioni del marchio, aggiornamenti normativi), confronta con lo stato salvato la volta prima e avvisa solo se il cambiamento conta davvero. Il passaggio che fa la differenza è la seconda verifica prima di notificare: senza, il cliente riceve dieci falsi allarmi e in due settimane disattiva tutto.
Catena di ricerca per contenuti. Raccolta automatica dalle fonti del settore, l’agente sintetizza e ordina per rilevanza, tu ci metti l’angolo e pubblichi. La parte tecnica non è la scrittura, è l’ingestione e soprattutto l’eliminazione dei duplicati: la stessa notizia arriva da sei fonti e senza controllo te la ritrovi sei volte.
Confronti tecnici tra piattaforme. Far girare gli stessi casi di prova su strumenti diversi e pubblicare i risultati con il metodo dichiarato. È contenuto che si posiziona bene proprio perché quasi nessuno lo fa sul serio.

L’errore tipico di questo livello è uno solo: non registrare le esecuzioni fallite. Se il sistema gira senza sorveglianza, ti serve un canale che avvisa te quando si rompe. Altrimenti se ne accorge il cliente prima di te, ed è una telefonata che non vuoi ricevere.

Livello 4: integrazione profonda, dove sta il ticket alto

Questo livello chiede di capire come è fatto il sistema informatico del cliente, non solo di saper montare un agente isolato. È il punto in cui un cliente solo può valere quanto dieci del livello uno, e in cui la concorrenza di chi assembla flussi senza codice sparisce. Quattro servizi che stanno qui:

Collegamento a gestionali esistenti. Quando il gestionale non ha un’interfaccia moderna, la strada è un livello intermedio costruito da te, oppure l’automazione dell’interfaccia stessa. Non è un problema di prompt, è un problema di integrazione di sistemi, e si paga di conseguenza.
Architettura con più agenti. Un coordinatore che distribuisce i compiti a specialisti: uno interroga i dati, uno redige, uno controlla il risultato contro le regole aziendali. Quello che si paga caro non è far parlare i modelli tra loro, è progettare cosa succede quando un pezzo fallisce a metà e il lavoro va ripreso senza duplicare azioni già fatte.
Analisi di maturità prima di automatizzare. Un lavoro di diagnosi che dice quali processi sono automatizzabili oggi e quali invece hanno bisogno prima di dati puliti o di un accesso programmabile ai sistemi. Si consegna un piano con l’architettura proposta, non una lista di idee. È il servizio che apre la porta a tutto il resto, e si vende anche da solo.
Manutenzione con osservabilità. Cruscotti che mostrano quali strumenti ha chiamato l’agente, con quanta latenza e con quale tasso di errore, più una batteria di controlli che gira ogni volta che cambi un prompt per verificare che non si sia rotto niente. È ricorrente, quasi nessuno lo offre, e un agente senza questa parte non è un prodotto: è una dimostrazione.

Per entrare qui non serve essere ingegneri esperti, ma servono tre cose concrete: saper leggere la documentazione di sistemi altrui, capire come funzionano le autenticazioni (chiavi, accessi delegati, richieste firmate) e saper ragionare su cosa succede quando un pezzo della catena risponde a metà. Se questi tre punti ti spaventano, resta al livello due e guadagna, non è una bocciatura.

Livello 5: farne un sistema tuo

Quando hai più clienti o un prodotto che gira da solo, il lavoro cambia natura: non costruisci più agenti, costruisci il modo in cui si replicano senza dipendere da te. Quattro abitudini che separano chi cresce da chi resta a fare assistenza:

Versiona prompt, schemi e flussi come codice fin dal primo cliente. Un prompt modificato senza storico è la causa numero uno del classico “la settimana scorsa funzionava e adesso non so cosa sia successo”.
Costruisci un archivio interno di modelli per settore. Quello che la prima volta ti è costato una settimana deve costarti un giorno alla quinta. Se non succede, non stai crescendo, stai solo lavorando di più.
Alza i prezzi prima di sentirti pieno, non dopo. Se ti accorgi di rimandare le manutenzioni perché non hai tempo, il prezzo di prima era già troppo basso.
Misura il costo reale per cliente mettendo insieme token consumati, ore di manutenzione e incidenti, e confrontalo con quello che fatturi. Un cliente che consuma molto e si rompe spesso può rendere meno di tre clienti semplici del livello uno, e questa è la cosa che si scopre sempre troppo tardi.

Quanto far pagare gli agenti IA

La domanda che ricevo più spesso. Non esiste un listino, ma esistono tre strutture che reggono, e una che non regge:

Struttura	Come funziona	Quando ha senso
Attivazione più canone	Una cifra per costruirlo, poi un mensile per farlo funzionare e mantenerlo	È il modello standard, quello che consiglio di default
Canone con impegno di servizio	Il mensile è legato a parametri misurabili: tempo di risposta, percentuale di richieste risolte	Quando il cliente ha già numeri suoi da migliorare
Licenza del prodotto confezionato	Vendi il kit già pronto per il settore, con configurazione a carico tuo	Dal terzo cliente dello stesso tipo in poi
Solo una tantum	Costruisci, consegni, sparisci	Quasi mai: i modelli cambiano, le integrazioni si rompono e la colpa sarà tua comunque

Due cose da mettere nel prezzo che i preventivi improvvisati dimenticano sempre: il consumo di token è un costo variabile tuo, quindi va stimato prima e rivisto dopo i primi mesi reali; e la manutenzione non è un favore, è la voce che rende sostenibile il lavoro nel tempo. Se non la fai pagare, il cliente numero cinque ti impedirà di lavorare per il numero sei.

Le quattro leve per non bruciare il budget

Il costo di un agente non esplode per il prezzo del modello, esplode per come lo hai costruito. Queste quattro leve valgono più di qualsiasi confronto tra listini:

Limite di passi per esecuzione. Un tetto alle iterazioni impedisce all’agente di ripetere all’infinito un tentativo che non funziona.
Tetto di spesa mensile con avviso. Non aspettare la fattura: imposta una soglia che ti avvisa quando il consumo supera il previsto.
Meno strumenti dichiarati. Ogni strumento collegato viaggia nel contesto a ogni chiamata. Venti strumenti quando ne servono cinque sono quindici descrizioni pagate ogni volta.
Non rileggere tutto a ogni passo. Dove il fornitore offre la cache del contesto, usarla cambia il conto in modo netto sui flussi agentici, che rileggono le stesse istruzioni decine di volte.

Gli errori tecnici che costano un mese

Scambiare un prompt lungo per un agente. Senza strumenti e senza ciclo non c’è autonomia, c’è solo un testo elaborato.
Non mettere limiti di passi e di spesa. È l’errore che si paga letteralmente, e te ne accorgi con la fattura.
Rimandare l’osservabilità. Senza registri, quando qualcosa si rompe in produzione stai tirando a indovinare.
Tagliare i documenti a caso in settori dove la struttura del testo è il contenuto.
Trattare i prompt come configurazione usa e getta invece che come codice da versionare. È la causa numero uno del classico “la settimana scorsa funzionava”.
Progettare più agenti per un problema che ne voleva zero. L’autonomia va aggiunta quando serve, non perché fa curriculum.

Lo stack, categoria per categoria

Categoria	Strumenti	A cosa serve
Modelli	Claude, GPT, Gemini via API	Il motore di ragionamento, con tool calling nativo
Orchestrazione	LangGraph, CrewAI, SDK dei fornitori	Flussi con più passi e più agenti coordinati
Automazione	n8n, Make, Zapier	La parte prevedibile del flusso, dove il modello non serve
Protocollo strumenti	MCP	Esporre dati e strumenti una volta sola, per tutti i modelli
Basi vettoriali	Pinecone, Weaviate, pgvector	Il recupero dei documenti per il RAG
Osservabilità	LangSmith e simili	Tracciare esecuzioni, latenza, errori e regressioni
Versionamento	Git	Prompt, schemi e flussi trattati come codice

Un consiglio sulla scelta: se il cliente ha già un database Postgres, pgvector ti evita di aggiungere un servizio in più da mantenere e da fatturare. La soluzione più elegante è quasi sempre quella che aggiunge meno pezzi.

La mia opinione, da chi vende siti e non modelli

Da oltre dieci anni lavoro con siti web, contenuti e posizionamento, e negli ultimi due anni questi strumenti sono entrati nel lavoro di tutti i giorni. Ti dico la cosa che ho visto più spesso: i clienti non comprano “un agente”. Comprano un’ora al giorno che non passano più a rispondere alle stesse tre domande. Chi vende la tecnologia fatica, chi vende il tempo liberato chiude.

La seconda cosa è meno comoda da dire: quasi tutto quello che viene chiesto oggi si risolve con un’automazione ben fatta e un solo punto intelligente. Costruire l’agente autonomo perché è più interessante da progettare è un errore che paghi tu, non il cliente. E se il sito su cui deve girare è lento o mal costruito, l’agente non salva niente: per quello serve prima un sito fatto bene, e poi il resto.

Se vuoi metterci le mani gratis prima di investire, ci sono strade serie, a partire dai corsi gratuiti sull’AI. E c’è di meglio: AWS ha aperto otto certificazioni pratiche gratuite, e una è proprio su Agentic AI, con prova in un ambiente reale. E sui modelli conviene sapere cosa si muove: l’ultimo salto lo trovi nell’articolo su Claude Fable 5.1, dove il taglio sul costo della cache riguarda esattamente il lavoro agentico.

In conclusione

Non serve essere ingegneri per costruire e vendere questi sistemi. Serve capire l’architettura abbastanza da fare la diagnosi giusta, scegliere un settore dove sei già più bravo della media, e vendere un numero invece di una sigla. Parti dal livello uno questa settimana: un flusso prevedibile, un solo punto deciso dal modello, un risultato misurabile e un prezzo dal primo giorno. Il resto arriva dopo, e arriva più in fretta di quanto pensi.

Domande frequenti

Qual è la differenza tra un chatbot e un agente?

Il chatbot risponde con una sola chiamata al modello. L’agente ha strumenti che può eseguire, un ciclo che si ripete e uno stato che conserva. Senza queste tre cose, per quanto lungo sia il prompt, resta un chatbot.

Che cos’è MCP e perché se ne parla tanto?

È lo standard aperto per collegare i modelli a strumenti e dati esterni senza riscrivere l’integrazione per ognuno. Nato in Anthropic, dal dicembre 2025 è gestito dalla Agentic AI Foundation della Linux Foundation, con Google, Microsoft, OpenAI, AWS e altri tra i membri principali.

Serve saper programmare?

Per i primi due livelli no: bastano gli strumenti di automazione e la capacità di leggere una documentazione. Dal livello quattro in poi sì, perché entri in autenticazioni, sistemi aziendali e gestione dei guasti parziali.

Meglio un agente autonomo o un flusso automatico?

Nella maggior parte dei casi il flusso automatico con un punto di decisione intelligente. La stessa Anthropic consiglia di aggiungere autonomia solo quando migliora dimostrabilmente il risultato, perché costa di più e accumula errori.

Quanto costa mantenerlo ogni mese?

Dipende da quanti token consuma e da quante integrazioni ha. Il consumo va stimato prima e verificato sui primi mesi reali, perché è un costo variabile che sta in capo a te: un agente che rilegge grandi contesti a ogni passo può costare molto più di quanto sembri in fase di prova.

Cosa serve per non farlo sbagliare sui documenti?

Un buon lavoro di indicizzazione: tagliare i documenti rispettando la loro struttura, tenere separata la memoria dell’utente dalla base di conoscenza, e far citare all’agente la fonte esatta, così l’errore si vede subito invece di passare inosservato.

Da dove conviene partire per il primo cliente?

Da un collo di bottiglia misurabile in un’attività che già conosci: tempo di prima risposta, contatti persi, ore passate su richieste ripetitive. Si propone quel flusso specifico, non “l’intelligenza artificiale” in generale.

Fonti

Anthropic: costruire agenti efficaci, la differenza tra workflow e agenti e i pattern architetturali.
Documentazione ufficiale sul tool use: come si definisce uno strumento e come funziona il ciclo di chiamata.
Model Context Protocol: la specifica e la documentazione ufficiale dello standard.
Linux Foundation: la nascita della Agentic AI Foundation e i progetti donati.
Google Cloud: il supporto ufficiale a MCP sui servizi Google.

Daniele Forciniti

Sono Daniele Forciniti, un esperto di web design e SEO con oltre 10 anni di esperienza e diverse certificazioni professionali. Mi specializzo in HTML e CSS, utilizzo CMS come WordPress. Sono il maggior esperto in Italia di WIX e WIX Studio, mi occupo anche di SEO posizionamento web nei motori di ricerca e digital marketing. Sono appassionato del mio lavoro e continuo ad aggiornare le mie competenze per fornire soluzioni innovative e di alta qualità ai miei clienti.