Agenti AI per le PMI che cosa fanno, quanto costano, che rischi

Che cos'è un agente AI, in pratica?

È un programma che usa un modello linguistico (LLM) per arrivare a un obiettivo dentro i tuoi sistemi, scegliendo da sé quali passi fare e quali strumenti usare. Per esempio legge un'email, cerca un cliente nel gestionale, confronta un prezzo con il listino, prepara una bozza. Un assistente come ChatGPT risponde a chi gli scrive; un agente lavora sui dati e sui programmi dell'azienda, con i permessi che gli dai.

Sotto lo stesso nome il mercato vende cose diverse. Anthropic, che sviluppa i modelli Claude, distingue i flussi di lavoro dagli agenti («Building effective agents», 19 dicembre 2024). Nei flussi di lavoro modelli e strumenti seguono percorsi di codice decisi in anticipo; negli agenti è il modello a dirigere da sé i passi e l'uso degli strumenti. Il consiglio che ne trae è cercare la soluzione più semplice possibile, e aumentare la complessità solo quando serve.

Molti dei casi che le risposte degli assistenti AI chiamano agenti sono la terza riga: il flusso degli ordini che descrivono segue passi fissi, leggere, estrarre, controllare, inserire. Ed è spesso la scelta giusta, perché un percorso fisso si prova, si misura e si spiega meglio. L'autonomia della quarta riga serve quando il percorso cambia davvero da un caso all'altro, e allora un sistema agentico va tenuto dentro limiti precisi. Più autonomia vuol dire più controllo: guardrail, protezione dei dati personali e permessi per ruolo, altrimenti la flessibilità diventa imprevedibilità.

Che cosa può fare un agente in una PMI manifatturiera?

Leggere quello che arriva in forma libera e trasformarlo in dati per il gestionale, e preparare il lavoro che una persona poi decide. È lì che oggi qualcuno ricopia, e che un programma tradizionale non basta, perché ogni cliente e ogni fornitore scrive a modo suo.

La riga delle fatture italiane è quella che le risposte degli assistenti AI dimenticano. Dal 1° gennaio 2019 le fatture fra soggetti residenti o stabiliti in Italia sono solo elettroniche, in un file XML che passa dal Sistema di Interscambio. L'Agenzia delle Entrate ricorda che proprio il formato XML rende più rapida la registrazione e riduce gli errori dell'inserimento a mano (guida alla fattura elettronica, dicembre 2025). Per leggerle non serve un modello, serve un'importazione fatta bene. L'agente serve per quello che il Sistema di Interscambio non porta: le fatture dei fornitori esteri, i documenti di trasporto, e i casi in cui fattura, ordine e consegna non tornano.

Il 24 ottobre 2026 abbiamo fatto le stesse domande sugli agenti AI per le PMI a Google, alla sua panoramica AI e alla modalità AI, a ChatGPT e a Perplexity, e abbiamo letto 161 delle pagine citate. La panoramica AI e la modalità AI propongono di far leggere a un agente le fatture dei fornitori da PDF, email e PEC. Nessuna delle 26 risposte ricorda che quelle dei fornitori italiani sono già dati strutturati.

Le PMI che usano l'AI sono ancora poche, ma crescono. Secondo l'ISTAT, nel 2025 usa almeno una tecnologia di AI il 15,7% delle PMI con almeno 10 addetti, contro il 7,7% del 2024; fra le grandi imprese è il 53,1%. Sui documenti tecnici e sulle procedure lo stesso principio vale in grande. In un'azienda industriale abbiamo riunito 4 archivi, 225 GB di documenti, in un archivio unico che si interroga in linguaggio naturale, con un RAG, e ogni ricerca fa risparmiare 23 minuti.

Un agente può ricopiare nel gestionale ordini e richieste d'offerta?

Gli ordini sì, in bozza e con una persona che conferma; le richieste d'offerta no, perché non sono dati da ricopiare ma un lavoro da preparare. Arrivano nella stessa casella e spesso nella stessa forma, un'email con un PDF, ma chiedono due flussi diversi. L'ordine diventa una riga nel gestionale, la richiesta d'offerta diventa un fascicolo per chi fa il prezzo.

Il caso è quello di un'azienda meccanica di 30 persone, dove ogni giorno arrivano un centinaio di email con ordini e richieste d'offerta e due persone le ricopiano nel gestionale. Il 24 ottobre 2026 l'abbiamo chiesto con queste parole alle stesse superfici. Tutte le risposte dicono di sì. Solo ChatGPT e Perplexity trattano le richieste d'offerta e gli ordini come due lavori diversi, e le cifre di costo, quando ci sono, vengono da blog di fornitori o da nessuna fonte.

Per ogni email il flusso è questo:

1. l'agente legge l'email e gli allegati e riconosce che cosa sono: un ordine, una richiesta d'offerta, un sollecito, altro;
2. per un ordine estrae cliente, codici, quantità, prezzi e date di consegna, e li confronta con il gestionale: anagrafica, listino o offerta accettata, disponibilità;
3. prepara la bozza dell'ordine e segna i campi incerti o diversi dall'offerta;
4. una persona la confronta con il documento, corregge se serve e la conferma: solo allora l'ordine entra nel gestionale;
5. per una richiesta d'offerta prepara il fascicolo, con cliente, disegno e revisione, materiale, quantità, le commesse simili già fatte con i loro tempi e costi, e le domande da fare al cliente se manca qualcosa. Il prezzo lo fa l'ufficio tecnico.

Nei sistemi che costruiamo un ordine entra nel gestionale solo dopo che una persona ha confermato la bozza, e ogni correzione resta registrata: serve a misurare quanto sbaglia l'agente, e su che cosa.

Le due persone non spariscono: passano dal ricopiare al controllare, e si occupano delle eccezioni, dei clienti nuovi, dei casi che l'agente segnala. Secondo la Banca d'Italia (Questioni di Economia e Finanza n. 1005, marzo 2026), fra le imprese italiane con almeno 50 addetti l'AI aumenta la produttività del lavoro e la redditività. Sposta anche l'occupazione verso profili più qualificati, senza effetti negativi sull'occupazione complessiva. Nel 2024 la usava poco più del 10% di quelle imprese, e circa un terzo prevedeva di adottarla entro due anni.

Quanto tempo si libera dipende dai tuoi numeri. Un esempio con numeri ipotetici: dei cento documenti al giorno 70 sono ordini, e ricopiarne uno prende 5 minuti. Se l'agente prepara una bozza giusta per 7 ordini su 10 e controllarla prende un minuto, mentre gli altri si sistemano a mano come oggi, il conto è questo.

Sono ipotesi per mostrare il calcolo, non una promessa: i tuoi numeri li misura il pilota. E il tempo liberato non è ancora un risparmio. Tre ore al giorno diventano valore solo se le usi: per rispondere prima alle richieste d'offerta, per reggere più ordini senza assumere, per un lavoro che oggi non fa nessuno. Se restano ore vuote, il conto non torna.

Conviene cominciare in parallelo: nelle prime settimane l'agente prepara le bozze senza scrivere niente, e si confrontano con quello che le persone hanno inserito. È il modo più economico per sapere quanto sbaglia prima che possa sbagliare davvero. Il pilota poi si giudica su quattro misure:

• la quota di bozze confermate senza modifiche;
• gli errori arrivati nel gestionale dopo la conferma, per tipo: quantità, prezzo, codice, data;
• il tempo per documento, controllo compreso;
• il costo per documento, cioè l'uso dei modelli diviso per i documenti trattati.

La voce che di solito pesa di più è il collegamento con il gestionale, e su questo le risposte sono d'accordo. Ci colleghiamo a ERP, CRM, MES, MRP, APS e sistemi legacy tramite REST API, batch, WebSocket, MQTT, AMQP e altri canali sicuri. Il gestionale non si cambia, e se non ha un'API si usa la via che permette. Come si collegano i sistemi di fabbrica è nella guida ERP e MES.

Quanto costa un agente AI?

Un agente su misura costa da 10.000 € per il primo processo, più l'uso dei modelli, e si comincia da uno studio di fattibilità che costa fino a 2.500 €, scalati dal pilota se firmi. Sono le soglie d'ingresso di Volcanic Minds: il prezzo del tuo progetto lo scrive lo studio, con forchetta e massimo.

Il prezzo cresce con i collegamenti e con i controlli, non con il modello. Conta quante vie d'accesso ha il tuo gestionale, quanti formati di documento arrivano, quanti controlli servono prima che un dato entri, dove devono stare i dati. Un sistema con più processi e più agenti che lavorano insieme è un'altra classe di progetto: un MVP parte da 10.000 €, una piattaforma Enterprise da 45.000 €.

Poi ci sono i costi ricorrenti, che sono tuoi: l'uso dei modelli, l'hosting e, se la vuoi, la manutenzione, che è un contratto a parte. L'uso dei modelli si paga a consumo, in token, e dipende da quanti documenti passano, da quanto sono lunghi e da quale modello serve. Per leggere e classificare spesso basta un modello piccolo, più veloce ed economico. Per questo lo si misura nel pilota come costo per documento, e in esercizio si registra il costo di ogni passo, con limiti di spesa per processo invece di scoprire il consumo a fine mese. Sul software che sviluppiamo per te non c'è nessun canone di licenza.

Le risposte che abbiamo letto danno quasi tutte delle forchette, da qualche decina di euro al mese per una piattaforma senza codice a decine di migliaia di euro per un collegamento con l'ERP. Vengono da blog di fornitori e agenzie, e in alcune risposte da nessuna fonte; lo stesso vale per le percentuali di ritorno. Il ritorno del tuo agente si calcola sul tuo processo, partendo dal punto di partenza misurato, come nell'esempio degli ordini.

Che cosa può andare storto?

Che l'agente legga male un dato, che esegua un'istruzione nascosta in un documento, o che abbia più permessi di quanti gliene servano. Il primo errore lo fermano i controlli e la persona che conferma; gli altri due si prevengono nel progetto, non dopo.

La seconda e la terza riga sono nell'elenco dei rischi delle applicazioni con modelli linguistici di OWASP, la fondazione che pubblica i riferimenti più usati sulla sicurezza del software. La prompt injection è il primo rischio, e quella indiretta avviene quando il modello accetta input da fonti esterne, come siti web o file (LLM01:2025). Per un agente che legge la posta in arrivo è la condizione normale di lavoro. L'eccesso di autonomia è il sesto, e le sue cause sono funzionalità, permessi e autonomia eccessivi (LLM06:2025). Nell'esempio di OWASP un assistente che riassume la posta riceve un'email con istruzioni nascoste e la usa per mandare messaggi a nome dell'utente. I rimedi sono un'estensione che sa solo leggere, un permesso in sola lettura e una persona che rilegge e manda ogni email preparata dal modello.

Nelle 26 risposte del 24 ottobre 2026 la prompt injection compare tre volte, e OWASP in 2 delle 161 pagine citate che abbiamo letto. Gli agenti che costruiamo agiscono solo attraverso strumenti espliciti, con permessi limitati e validazione rigida degli schemi dati: se l'output non rispetta le regole, il sistema non procede. L'AI non scrive mai liberamente nel database di produzione: ogni modifica passa da uno strumento con permessi limitati e, se conta, da una persona.

Che cosa decide l'agente, e che cosa una persona?

L'agente legge, cerca e prepara; una persona conferma tutto quello che cambia i tuoi sistemi o esce dall'azienda. L'AI classifica, prepara bozze e trova lacune; non è l'autorità che decide.

Con il tempo una parte delle conferme può diventare automatica: per esempio gli ordini di un cliente abituale, con codici e prezzi già noti, che per settimane sono passati dal controllo senza modifiche. È una scelta da fare sui numeri del pilota, processo per processo, e una persona (HITL) resta sulle operazioni a rischio. L'automazione arriva fin dove il costo di un errore resta accettabile.

Consigliamo sempre gli strumenti di osservabilità. Con questi, per ogni operazione resta una traccia del contesto letto, dei dati estratti dai tuoi sistemi, dei passaggi seguiti e del costo: un errore si ricostruisce anche mesi dopo, e un controllo trova le risposte.

Che cosa chiede l'AI Act per un agente?

Per un agente che legge ordini e prepara bozze, poco più di quello che chiede per ogni uso dell'AI in azienda: la formazione di chi lo usa e le regole sui dati personali che valgono già. La formazione la chiede l'articolo 4 dal 2 febbraio 2025. Gli obblighi crescono con quello che l'agente fa e con le persone che tocca.

I testi delle righe sono l'articolo 28 del GDPR, l'articolo 50 e l'allegato III dell'AI Act, e l'articolo 42 del decreto legislativo 179 del 2026.

C'è un punto che nessuna delle risposte che abbiamo letto tocca. Se fai costruire un agente su misura e lo metti in servizio con il tuo nome, per l'AI Act il fornitore sei tu (articolo 3, punto 3). E se l'agente parla con i clienti, l'avviso dell'articolo 50 tocca a te. Quando costruiamo per te un sistema su misura, con il tuo nome, il fornitore per l'AI Act sei tu: per questo la conformità la mettiamo nell'architettura, non in un documento a parte.

Il 24 ottobre 2026 l'AI Act compariva solo nelle risposte di ChatGPT e Perplexity; le superfici di Google non lo nominano, o lo riducono a dove passano i dati. Gli obblighi caso per caso, con un'autoverifica, sono nella guida AI Act per il deployer, che come questa è un contributo tecnico, non un parere legale.

Da dove si comincia?

Da un processo solo, scelto perché si ripete ogni giorno, si misura e ha un costo dell'errore che conosci: gli ordini che arrivano per email sono spesso il candidato giusto. Il percorso è quello della guida AI in azienda: da dove partire, con le stesse fasi e gli stessi prezzi.

1. Misuri il punto di partenza: quanti documenti arrivano, in quanti formati, quanto tempo prende ciascuno, quanti errori arrivano oggi nel gestionale.
2. Lo studio di fattibilità, 1-2 settimane e fino a 2.500 €, dice se serve un agente, un flusso più semplice o solo un'importazione fatta bene. Dice anche come si collega al gestionale, quanto costa l'uso dei modelli e con quale criterio fermarsi. Lo studio resta tuo anche se non firmi, e se firmi il suo costo si scala dal pilota.
3. Il pilota, 4-6 settimane da 10.000 €, mette l'agente al lavoro su un perimetro stretto, prima in parallelo e poi con la conferma di una persona, e misura il risultato contro il punto di partenza.
4. Integrazione e governance portano il processo in produzione: sommando le fasi, dal primo incontro a un processo in produzione passano fra 11 e 15 settimane.

Se il pilota non raggiunge l'obiettivo, ti diciamo di fermarti. Nella piattaforma di audit con agenti AI un primo MVP funzionante è arrivato fra sei e otto settimane, e ogni audit fa risparmiare 4 ore. Nelle misure fatte insieme al cliente l'agente raccoglie il 60% di dati in più delle interviste condotte a mano, con un'accuratezza dell'88% rispetto al lavoro di un auditor. Come costruiamo e governiamo i sistemi con più agenti è nella pagina sull'orchestrazione di agenti AI.

Quando non serve un agente?

Quando i dati arrivano già strutturati, quando il percorso è sempre lo stesso, o quando il problema è un archivio in disordine. Nel primo caso basta un'importazione: le fatture dei fornitori italiani dal Sistema di Interscambio, gli ordini dei clienti che li mandano già come dati, dal loro portale o con un tracciato concordato. Nel secondo basta un'automazione classica, o una funzione del gestionale che hai già, più economica e più facile da provare.

Nel terzo l'agente renderebbe il problema più veloce, non più piccolo. Due anagrafiche dello stesso cliente o due listini che dicono cose diverse producono bozze sicure e sbagliate: l'incompletezza si gestisce, la contraddizione no. Prima dell'agente viene il dato in ordine. E una decisione sulle persone non è un buon primo processo, per le regole che porta con sé.

Molti processi però hanno bisogno di un modulo fatto bene e di un database pulito, non di un agente, e in quel caso te lo diciamo. Quando ha senso integrare agenti AI, e quando no, è nelle domande frequenti sugli agenti AI.

Fonti e approfondimenti

• Anthropic, «Building effective agents», 19 dicembre 2024anthropic.com, consultato il 24 ottobre 2026
• OWASP GenAI Security Project, «LLM01:2025 Prompt Injection»genai.owasp.org, consultato il 24 ottobre 2026
• OWASP GenAI Security Project, «LLM06:2025 Excessive Agency»genai.owasp.org, consultato il 24 ottobre 2026
• Agenzia delle Entrate, «La fattura elettronica e i servizi gratuiti dell'Agenzia delle Entrate», dicembre 2025agenziaentrate.gov.it, consultato il 24 ottobre 2026
• Banca d'Italia, Tiziano Ropele e Alex Tagliabracci, «L'impatto economico dell'adozione dell'intelligenza artificiale: evidenza dalle imprese italiane», Questioni di Economia e Finanza n. 1005, marzo 2026bancaditalia.it, consultato il 24 ottobre 2026
• ISTAT, «Imprese e ICT, anno 2025», 15 dicembre 2025istat.it, consultato il 22 ottobre 2026
• AI Act, articolo 3, «Definizioni»ai-act-service-desk.ec.europa.eu, consultato il 24 ottobre 2026
• AI Act,articolo 4, «Alfabetizzazione in materia di IA»ai-act-service-desk.ec.europa.eu, consultato il 24 ottobre 2026
• AI Act,articolo 50, obblighi di trasparenza per i fornitori e i deployerai-act-service-desk.ec.europa.eu, consultato il 24 ottobre 2026
• AI Act,allegato III, sistemi di IA ad alto rischioai-act-service-desk.ec.europa.eu, consultato il 24 ottobre 2026
• Decreto legislativo 7 ottobre 2026, n. 179, adeguamento della normativa nazionale al regolamento (UE) 2024/1689normattiva.it, consultato il 24 ottobre 2026
• Regolamento (UE) 2016/679 sulla protezione dei dati (GDPR), articolo 28eur-lex.europa.eu, consultato il 24 ottobre 2026