Dalla chat agli Agenti AI: i tre livelli dell’adozione dell’AI in azienda

In breve

• Introdurre gli agenti AI in azienda vuol dire affrontare tre livelli diversi per rischio, prerequisiti e ritorno: l’AI personale, gli agenti che automatizzano i processi di reparto e l’AI verso i clienti.
• Il primo livello chiede solo regole sui dati, documenti collegati e mezza giornata di formazione per reparto; si misura contando chi lo usa davvero, su quali attività e con quale frequenza.
• Al secondo livello l’agente scrive nei sistemi aziendali (CRM, ERP, ticketing): servono integrazioni, processi descritti bene e un’approvazione umana sulle azioni sensibili.
• Il terzo livello aggiunge risposte verificate su casi reali, un passaggio all’operatore che funziona e la trasparenza dell’art. 50 dell’AI Act, applicabile dal 2 agosto 2026.

“Vogliamo portare l’AI in azienda”: nelle riunioni a cui partecipiamo, questa frase indica almeno tre cose diverse. Può significare dare a tutti un assistente per scrivere e cercare nei documenti. Oppure costruire qualcosa che apra i ticket al posto di una persona. O ancora, far rispondere l’AI ai clienti su WhatsApp. Sono tre progetti con costi, rischi e tempi molto diversi tra loro, e trattarli come se fossero uno solo è il modo più rapido per non portarne a termine nemmeno uno.

In questo articolo separiamo i tre livelli con cui si introducono gli agenti AI in azienda: che cosa fa l’AI in ciascuno, quali prerequisiti servono, quali rischi comporta, come si misura e quando conviene passare al successivo. È la mappa che usiamo con le aziende prima di qualsiasi discussione sugli strumenti.

Livello 1. L’AI personale, dentro il perimetro

Ogni collaboratore usa l’AI per il proprio lavoro: sintetizza un capitolato, riscrive una mail, estrae i dati da una tabella, cerca una procedura nei documenti aziendali. Rispetto a quello che già succede oggi con gli account personali, la differenza non è nella funzione ma nel perimetro: accesso con le credenziali aziendali, dati che restano dentro, risposte che citano la fonte da cui arrivano e un registro di cosa è stato fatto.

Cosa serve? Pochissimo: decidere quali dati possono essere trattati, collegare i documenti (Drive, SharePoint o un caricamento diretto) e mezza giornata di formazione per reparto. Non servono integrazioni con i gestionali o altri sistemi, non servono sviluppi IT, non serve pensare al processo; la chat è subito disponibile ed è per questo per cui si parte quasi sempre da qui.

Il rischio è basso perché l’AI legge e scrive testo senza toccare i sistemi. Il rischio vero è di qualità: un output plausibile ma sbagliato che qualcuno usa senza verificarlo. Si contiene in due modi: citando le fonti in ogni risposta e con una formazione che mostri anche gli errori, non solo i successi.

Come si misura? Contando quante persone lo usano davvero, su quali attività e con quale frequenza. Se dopo sei settimane l’utilizzo non cresce, quasi mai la causa è la resistenza al cambiamento: più spesso lo strumento governato risulta più scomodo di quello che le persone usavano prima.

Quando passare oltre? Quando dal primo livello emerge una lista di attività ripetitive che tornano sempre uguali. Quella lista è il materiale di partenza del secondo livello, e per questo saltare il primo è quasi sempre un errore: senza, i casi d’uso degli agenti finiscono per essere immaginati in sala riunioni invece che ricavati dal lavoro reale.

Livello 2. Agenti AI in azienda: automazioni di reparto

Qui l’AI smette di rispondere e comincia a lavorare. Un agente apre e classifica i ticket, prepara una bozza di offerta leggendo listino e condizioni, aggiorna un record nel gestionale, raccoglie i dati per un report ricorrente. Attraversa più sistemi e, soprattutto, scrive, mentre al primo livello si limitava a leggere.

Cosa serve? Qui servono tre cose che il primo livello non richiedeva: integrazioni con i sistemi dove il lavoro avviene (CRM, ERP, ticketing, documentale), processi descritti abbastanza bene da poter essere eseguiti, e una decisione esplicita su quali azioni l’agente può compiere da solo. A frenare il progetto, quasi sempre, non è l’AI: sono le integrazioni da costruire e la documentazione interna da sistemare.

Il rischio cambia natura. Un errore al primo livello produce un testo da correggere, un errore al secondo livello produce un record sbagliato in un sistema di produzione. Per questo servono regole che fermino le azioni sensibili oltre una certa soglia e chiedano il via libera a una persona, con traccia della decisione. È il principio che chiamiamo “l’AI agisce, tu approvi”: una cautela che diventa indispensabile quando di mezzo ci sono soldi, contratti o rapporti con i clienti.

Come si misura? Considerando le attività completate senza intervento umano, il tempo di ciclo del processo, il tasso di errore che richiede una correzione. Qui il ritorno è molto più alto rispetto al primo livello, perché tocca il processo e non la singola attività, ma va dimostrato con numeri di processo e non con la soddisfazione degli utenti.

Quando passare oltre? Quando un agente interno funziona in modo stabile su un processo che somiglia a quello che fareste verso i clienti. L’assistenza interna, tipicamente l’Help Desk IT o le domande ricorrenti alle Risorse Umane, è la palestra naturale prima di esporre l’AI all’esterno: stessi meccanismi, pubblico che perdona di più.

Livello 3. L’AI verso i clienti

In questo livello, gli stessi agenti rispondono a chi vi scrive da fuori, su WhatsApp, email, webchat e voce, con passaggio all’operatore quando serve una decisione. È il livello più visibile, quello con il ritorno più misurabile e anche quello con i requisiti più severi.

Cosa serve? Sicuramente tutto quello che serviva al secondo livello, più tre cose proprie: una qualità delle risposte verificata su casi reali e non su esempi scelti ad hoc, un percorso di escalation che funzioni davvero (il momento in cui l’AI passa la conversazione è quello che i clienti ricordano), e la trasparenza richiesta dall’art. 50 dell’AI Act, applicabile dal 2 agosto 2026: le persone devono sapere che stanno parlando con un sistema di AI.

Il rischio qui è reputazionale e immediato. Un errore non resta in azienda: arriva al cliente, e a volte finisce su uno screenshot pubblico. In compenso è il livello su cui il ritorno si misura più facilmente, perché tocca direttamente l’esperienza di chi paga.

Come si misura? Si misura con le metriche classiche dell’assistenza: quota di conversazioni gestite senza operatore, tempo di risposta, soddisfazione, costo per contatto. Sono anche le metriche con cui si costruisce il business case, perché sono le uniche delle tre che il controllo di gestione conosce già. Abbiamo raccolto il metodo nella guida al ROI dell’AI nel customer service.

Perché i tre livelli condividono le fondamenta

Finora abbiamo parlato del perché conviene tenere separati i diversi livelli, c’è però un motivo fondamentale sul perché tenerli uniti come infrastruttura: le fondamenta sono le stesse. L’identità con cui si accede, il perimetro dove stanno i dati, il registro di cosa è successo, i modelli disponibili, tutti questi elementi sono condivisi e non pregiudicano l’essere o meno su un livello, salire di livello, infatti, significa solo aggiungere capacità su una base che esiste già.

Se invece ogni livello vive su uno strumento diverso, ogni salto diventa un progetto che riparte da zero: nuova valutazione contrattuale, nuovi accessi da gestire, nuovi log in un posto diverso, e la conoscenza accumulata nel primo livello che non si trasferisce al secondo. È la frammentazione di cui abbiamo parlato nell’articolo su perché il futuro non è avere venti strumenti diversi, vista dal lato di chi deve farla funzionare.

La governance che accompagna i tre livelli

C’è un livello che non si sale per ultimo, perché deve essere presente fin dal primo passo: sicurezza e governance. Non è un “livello 4” nel senso stretto, ma l’infrastruttura di regole e controlli che rende sostenibili i tre livelli precedenti, e che su Userbot arriva già incorporata nella piattaforma, non come modulo a parte da attivare dopo.

Significa, concretamente, poter decidere quali azioni l’AI può compiere da sola e quali richiedono un’approvazione umana, con ogni decisione tracciata in un registro di audit. Significa sapere sempre chi ha usato cosa, quando e su quali dati, invece di scoprirlo (o non scoprirlo mai) dopo che è successo. Significa che i dati restano nell’area di lavoro dell’azienda, su infrastruttura in UE, senza finire ad addestrare modelli di terzi. E significa poter scegliere tra i diversi modelli disponibili senza essere legati a un unico fornitore.

Su questo fronte la piattaforma è conforme a GDPR e AI Act by design, con infrastruttura certificata ISO 27001 e data residency europea: non requisiti da verificare caso per caso a ogni nuovo progetto, ma condizioni già date in partenza. È anche il motivo per cui conviene scegliere un’unica piattaforma per tutti e tre i livelli: la governance si costruisce una volta, non a ogni salto.

Dove si sbaglia la sequenza

Nella pratica, i problemi non nascono quasi mai dai livelli in sé, ma dall’ordine in cui si affrontano. Questi sono i tre errori che vediamo tornare più spesso.

• Partire dal terzo livello per visibilità. L’AI verso i clienti è il progetto che si presenta meglio in consiglio di amministrazione, ed è anche quello con meno margine d’errore. Farlo per primo si può, ma va fatto sapendo che si sta saltando la palestra.
• Fermarsi al primo e chiamarla adozione. Dare a tutti un assistente produce un miglioramento diffuso, ma è difficile da quantificare. È un ottimo inizio e un pessimo punto d’arrivo. Il secondo livello è dove quel ritorno diventa visibile anche a budget.
• Trattare il secondo livello come un problema di modello. Quando un agente non funziona, nove volte su dieci il problema è un processo mal descritto o un’integrazione che non c’è. Cambiare modello non risolve nessuno dei due.

A che livello siete

Bastano tre domande per capire a che punto siete con gli agenti AI in azienda, domande a cui conviene rispondere con i dati e non “con la pancia”.

• Le persone usano quotidianamente uno strumento di AI fornito dall’azienda?
• Esiste almeno un processo in cui l’AI compie azioni su un sistema aziendale, non solo suggerimenti?
• I vostri clienti interagiscono con l’AI, e lo sanno?

Rispondere no, a una o tutte le domande, in realtà non indica che l’AI non è usata in azienda, ma indica che l’adozione in azienda con molta probabilità c’è comunque, ma è sommersa. Nessuna preoccupazione, è il caso più frequente, il punto di partenza ora è censire l’AI.

Rispondere sì, invece, sposta il tema dall’adozione, alla misurazione e al governo di quello che è già in produzione. La domanda quindi è: ho un unico punto centralizzato in cui misurare e governare l’adozione AI aziendale?

Conclusione

La progressione dai primi assistenti agli agenti AI in azienda non è una scala da percorrere per forza fino in cima: è piuttosto un modo di sapere, in ogni momento, che cosa si sta facendo e che cosa richiede. Un’azienda che si ferma consapevolmente al primo livello e lo usa bene è messa meglio di una che annuncia il terzo e non ha ancora deciso quali dati possono uscire.

Quello che non conviene è salire di livello cambiando fondamenta ogni volta. Le decisioni su identità, dati, log e modelli si prendono una volta, all’inizio, quando costano poco; rifarle a ogni passaggio è il modo più sicuro per trasformare un’adozione in tre progetti scollegati, ognuno con il suo perimetro e il suo contratto.

Se volete capire da quale livello conviene partire nel vostro caso, il metodo completo è nella guida alla strategia di AI adoption aziendale, oppure ne parliamo direttamente in una demo.

Teresa Spadaro, Delivery Manager di Userbot

Segue i progetti dei clienti dalla progettazione degli Agenti AI alla messa in produzione, dove si vede se un agente regge davvero. Sul blog scrive di guardrail, osservabilità, Router Agent, Tools e di come gli agenti leggono e capiscono i documenti.