Agenti AI cosa sono e cosa fanno davvero in un service desk aziendale

Alla domanda su agenti AI cosa sono, la risposta più utile per chi gestisce un'azienda non è una definizione astratta ma una descrizione di lavoro. Un agente AI è un software che riceve un obiettivo, ragiona su come raggiungerlo e compie azioni concrete nei sistemi aziendali, usando gli strumenti a cui è stato collegato. La differenza rispetto a un normale chatbot sta qui: non si limita a rispondere, agisce.

Per rendere il concetto verificabile conviene partire da un caso in produzione. Si tratta di un service desk IT che vive dentro Microsoft Teams, basato sul modello Claude di Anthropic, e che smista le richieste dei dipendenti verso Zoho Desk, il sistema di ticketing in cui lavorano i tecnici. Il dipendente scrive in chat come farebbe con un collega, e la richiesta arriva alla persona giusta già classificata.

Questo esempio è utile perché mostra con chiarezza due cose. La prima è ciò che un agente fa bene: capire richieste formulate in linguaggio naturale e trasformarle in azioni strutturate. La seconda è il punto in cui deve fermarsi e lasciare decidere una persona. Chi valuta un progetto di questo tipo ha bisogno di entrambe le informazioni, perché il valore e il rischio stanno esattamente sul confine tra ciò che l'agente decide da solo e ciò che resta in mano all'organizzazione.

Nel linguaggio commerciale i termini vengono spesso usati come sinonimi, ma descrivono strumenti diversi. Il criterio che li separa è l'autonomia, cioè quanto il sistema decide da solo e quanto invece esegue o suggerisce.

Il bot a regole

Un bot tradizionale segue regole scritte in anticipo: se l'utente sceglie l'opzione A, mostra la risposta A. Funziona bene finché la richiesta rientra nello schema previsto e si blocca appena l'utente scrive qualcosa di imprevisto. Non ha memoria del contesto e non pianifica.

L'assistente AI

Un assistente capisce il linguaggio naturale, risponde e può suggerire cosa fare, ma la decisione resta all'utente. È il caso tipico di chi usa un modello linguistico per scrivere una bozza o riassumere un documento: il lavoro finale lo fa la persona.

L'agente AI

Un agente riceve un obiettivo e sceglie da sé i passi per raggiungerlo, usando strumenti esterni come un sistema di ticketing, un database o un servizio di posta. Gli obiettivi e le regole li fissano però le persone: l'autonomia riguarda il come, non il cosa. La tabella qui sotto riassume le differenze pratiche.

Dal punto di vista tecnico un agente è composto da pochi elementi, ciascuno con un ruolo preciso. Capirli aiuta a valutare un progetto senza dipendere dal linguaggio di chi lo vende.

• Il modello linguistico. È il componente che interpreta il testo e decide il passo successivo. Nel caso del service desk è Claude: legge la richiesta del dipendente e ne ricava che cosa serve.
• Gli strumenti. Sono le funzioni a cui l'agente ha accesso: creare un ticket, assegnarlo a una coda, consultare lo storico di un utente. Senza strumenti un modello può solo scrivere testo.
• La memoria. Permette di tenere il filo di una conversazione e di recuperare informazioni utili, per esempio richieste simili già risolte.
• Obiettivi e regole. Definiscono che cosa l'agente deve ottenere e che cosa non può fare. Sono scritti dall'azienda, non dal modello.

Il ciclo di lavoro è semplice da descrivere: l'agente ragiona, compie un'azione, osserva il risultato e decide il passo successivo. La qualità del risultato dipende meno dal modello in sé e più da come sono progettati strumenti e regole. Un agente collegato a un sistema di ticketing disordinato, con categorie ambigue e code mal definite, produrrà smistamenti disordinati. Per questo buona parte del lavoro di progetto riguarda i processi e i dati, non l'intelligenza artificiale.

Il problema di partenza è comune a molte aziende con un reparto IT interno. Le richieste arrivano da canali diversi, scritte in modo impreciso, e qualcuno deve leggerle, capire di che cosa si tratta e assegnarle al gruppo corretto. Ogni ticket assegnato alla coda sbagliata torna indietro, passa di mano e allunga i tempi di risoluzione.

La soluzione adottata mette l'agente nel punto in cui i dipendenti già lavorano, cioè Microsoft Teams, invece di chiedere loro di aprire un portale in più. L'agente raccoglie la richiesta in chat, chiede le informazioni mancanti e apre il ticket nel sistema di ticketing già in uso, dove i tecnici continuano a lavorare come prima. Il sistema di registrazione resta uno solo: l'agente non crea un archivio parallelo.

Svennis ha costruito questo sistema per Asset Services Group (Message Direct), e nel caso studio pubblicato con l'approvazione scritta del cliente il loro Head of Technology riporta il 99,7% di ticket instradati correttamente al primo tentativo e un guadagno di efficienza del 40%. Il dato rilevante per chi decide non è solo la percentuale, ma il tipo di metrica: lo smistamento corretto al primo tentativo è misurabile, verificabile e direttamente legato al lavoro dei tecnici.

In un service desk di questo tipo l'agente svolge un lavoro che prima richiedeva una persona dedicata allo smistamento. Scomposto in passaggi, il suo compito è piuttosto circoscritto.

1. Interpreta la richiesta. Il dipendente scrive in modo libero, per esempio che il portatile non si collega alla rete dell'ufficio. L'agente ne ricava categoria, urgenza e sistema coinvolto.
2. Completa le informazioni. Se manca un dato essenziale, come il modello del dispositivo o la sede, lo chiede prima di aprire il ticket, evitando il classico scambio di messaggi successivo.
3. Apre e classifica il ticket. Crea la pratica nel sistema di ticketing con i campi compilati e la assegna alla coda corretta.
4. Tiene informato il dipendente. Conferma l'apertura nella stessa chat in cui è partita la richiesta.

Si noti che nessuno di questi passaggi è una decisione di merito sul problema tecnico. L'agente non ripara il portatile e non decide come configurare la rete. Il suo valore sta nel ridurre il lavoro di smistamento e nel consegnare ai tecnici richieste complete e ben indirizzate. È un compito ripetitivo, ad alto volume e con un esito chiaramente giusto o sbagliato: le condizioni in cui un agente rende di più.

La parte più importante di un progetto è definire i confini. Un agente ben progettato è utile proprio perché fa poche cose e le fa in modo affidabile.

Non sostituisce il giudizio tecnico

La diagnosi e la risoluzione restano ai tecnici. L'agente prepara il lavoro, ma non decide interventi che hanno conseguenze sui sistemi aziendali, come reimpostare credenziali di amministrazione o modificare permessi, a meno che l'azienda non lo abbia esplicitamente previsto con controlli adeguati.

Non è infallibile

I modelli linguistici possono produrre risultati imprecisi. Un agente può classificare male una richiesta ambigua, oppure, se il piano non è ben definito, ripetere più volte la stessa azione senza arrivare a una conclusione. Per questo servono limiti tecnici, per esempio un numero massimo di tentativi, e un percorso chiaro di passaggio a una persona.

Non decide nelle situazioni delicate

Nelle materie che richiedono giudizio etico o responsabilità personale, come valutazioni sui dipendenti o decisioni con effetti legali, un agente non ha la bussola necessaria. In quei casi il suo ruolo, se c'è, è preparare informazioni per chi decide. Se una richiesta al service desk tocca un tema di questo tipo, la regola corretta è trasferirla subito a un responsabile umano.

Il controllo umano non è un freno aggiunto alla fine, ma una scelta di architettura da fare all'inizio. La domanda da porsi per ogni azione che l'agente può compiere è semplice: se sbaglia, quanto costa rimediare?

Da questa domanda discende una classificazione pratica delle azioni:

• Azioni reversibili e a basso impatto, come aprire un ticket o assegnarlo a una coda. L'agente può eseguirle in autonomia, perché un errore si corregge in pochi secondi.
• Azioni con effetti esterni, come inviare comunicazioni a molti destinatari o modificare dati anagrafici. Qui conviene prevedere una conferma da parte di una persona prima dell'esecuzione.
• Azioni irreversibili o con conseguenze economiche. Di norma restano fuori dal perimetro dell'agente.

Accanto a questa classificazione servono due elementi di governo. Il primo è la tracciabilità: ogni azione dell'agente deve risultare nel sistema di ticketing, con un'identità propria e distinguibile da quella degli utenti umani, così che sia sempre chiaro chi ha fatto che cosa. Il secondo è la misura: una metrica come lo smistamento corretto al primo tentativo permette di accorgersi rapidamente se la qualità cala e di intervenire su regole e categorie.

Un agente che lavora dentro gli strumenti aziendali tratta inevitabilmente dati personali: nomi, ruoli, descrizioni di problemi che possono contenere informazioni riservate. Questo lo colloca pienamente nel perimetro del GDPR e, per gli aspetti specifici dell'intelligenza artificiale, della normativa europea sull'AI.

L'attenzione dell'autorità italiana su questi temi è concreta. Il Garante per la protezione dei dati personali ha sanzionato nel 2026 Character.AI, rilevando criticità anche nella tutela dei minori e nei sistemi di verifica dell'età. Sempre nel 2026 ha avvertito una start-up italiana per un plug-in in grado di rilevare linguaggio, emozioni e livello di stress dei dipendenti. Il secondo caso è particolarmente rilevante per chi introduce agenti negli strumenti di lavoro interni.

La conseguenza pratica per un service desk è chiara: l'agente deve limitarsi ai dati necessari a smistare la richiesta e non deve essere usato per analizzare il comportamento dei dipendenti. Prima dell'avvio conviene documentare quali dati l'agente legge, dove vengono conservati e chi può consultarli. Per un orientamento sugli obblighi applicabili può consultare la panoramica sul quadro normativo AI in Italia e il testo annotato dell'AI Act.

Non tutti i processi traggono beneficio da un agente. Sviluppare e gestire un agente ha un costo in progettazione, integrazione e manutenzione, e per attività piccole o molto variabili quel costo può superare il beneficio. Il caso del service desk funziona perché soddisfa alcune condizioni precise.

• Volume ripetitivo. Molte richieste simili, ogni giorno. Se le richieste sono poche, uno smistamento manuale resta più economico.
• Esito verificabile. Il ticket è nella coda giusta oppure no. Dove non esiste un criterio chiaro di correttezza, misurare il valore dell'agente diventa difficile.
• Un sistema di riferimento già in uso. L'agente lavora davanti a un sistema di ticketing esistente, senza sostituirlo. Le categorie e le code sono già definite.
• Canale già adottato. I dipendenti usano Teams ogni giorno: non serve convincerli ad aprire uno strumento nuovo.

Se il Suo processo candidato non soddisfa almeno le prime due condizioni, è probabile che il primo passo utile non sia un agente, ma un riordino del processo: definire categorie, responsabilità e tempi. Spesso un'automazione a regole ben fatta risolve una parte del problema a costo inferiore, e l'agente si aggiunge dopo, sulle richieste che le regole non riescono a gestire.

Se sta valutando un agente AI per la Sua azienda, l'ordine delle attività conta più della scelta del modello. Una sequenza ragionevole è la seguente.

1. Scelga un solo processo. Preferisca un'attività ad alto volume con un esito chiaramente giusto o sbagliato, come lo smistamento delle richieste interne.
2. Misuri la situazione attuale. Quante richieste arrivano, quante vengono riassegnate, quanto tempo richiede lo smistamento. Senza un punto di partenza non potrà valutare il risultato.
3. Definisca i confini. Elenchi le azioni che l'agente può compiere da solo, quelle che richiedono conferma e quelle escluse.
4. Verifichi dati e obblighi. Documenti quali dati personali l'agente tratta e coinvolga chi si occupa di privacy prima dell'avvio, non dopo.
5. Avvii con un gruppo ristretto. Un reparto o una sede, con una revisione periodica degli smistamenti errati per correggere regole e categorie.

Per capire da dove partire può usare la valutazione di prontezza all'AI, che aiuta a individuare i processi più adatti. Per un quadro più ampio sulle applicazioni possibili nei diversi reparti, la guida su come ogni azienda può usare l'AI offre un punto di partenza ordinato.