Agenti AI: come capire se stanno davvero lavorando bene

Un elenco di aziende, una relazione ordinata, una bozza di email pronta. L’intelligenza artificiale può produrre materiali che sembrano già utilizzabili. Ma una presentazione convincente non basta per capire se il lavoro è stato svolto correttamente.

Le aziende rispettano davvero i criteri richiesti? Le informazioni provengono da fonti consultate? Il file è stato aggiornato oppure l’AI ha soltanto descritto come aggiornarlo? Quanto tempo servirà per controllare e correggere tutto?

Sono domande concrete, soprattutto ora che gli agenti AI promettono di gestire attività composte da più passaggi. Nel rapporto 2026 di Anthropic sullo sviluppo software, coordinamento degli agenti, collaborazione umana e valutazione della qualità sono temi centrali [1]. Per professionisti e piccole realtà, la domanda utile è quali attività delegare e come verificare il risultato.

Prompt, workflow e agente: cosa cambia

Un prompt è l’istruzione che diamo al modello: per esempio, chiedere una bozza partendo da informazioni già disponibili.

Un workflow organizza il lavoro in passaggi definiti. Prima raccoglie i dati, poi li controlla, infine prepara il documento. Può includere AI, software tradizionale e interventi umani.

Un agente AI dispone di strumenti e di una certa autonomia nel decidere i passaggi successivi: può cercare informazioni, aprire file e scegliere come proseguire in base a ciò che trova. Questa distinzione segue l’impostazione tecnica di Anthropic, pur con definizioni che possono variare tra prodotti [2].

Per scegliere, conviene partire dal compito. Se basta una buona istruzione, non occorre costruire un sistema articolato. Se i passaggi sono prevedibili, un workflow può offrire un percorso più controllabile. L’autonomia aggiuntiva va valutata quando il lavoro richiede decisioni variabili.

Un esempio: cercare possibili clienti

Immaginiamo uno studio che voglia individuare cinque aziende compatibili con i propri servizi in un territorio preciso.

Questo è un esempio illustrativo, ispirato alla sperimentazione di workflow di ricerca commerciale. Non riporta risultati misurati né prestazioni dimostrate di un servizio.

La richiesta generica potrebbe essere: “Trova cinque aziende e prepara le email”. Per valutare il risultato, però, servono condizioni più precise.

Le aziende devono operare nei settori scelti. La sede o l’attività nel territorio deve essere verificabile. Ogni proposta di contatto deve partire da un’osservazione documentata, senza inventare problemi aziendali. Le email restano bozze: la loro preparazione non autorizza l’invio.

Supponiamo che l’AI trovi un’impresa con un catalogo fotografico poco uniforme. Può segnalare ciò che ha osservato e proporre un possibile approfondimento. Non può trasformarlo automaticamente nella certezza che l’impresa abbia bisogno di nuove fotografie, disponga di un budget o voglia cambiare fornitore.

Separare fatti, interpretazioni e ipotesi rende il materiale più utile a chi dovrà decidere.

Cinque controlli prima di usare il risultato

1. Le fonti sostengono le affermazioni?

Un collegamento non basta. Apriamolo e controlliamo se contiene davvero l’informazione riportata. Registriamo la data della verifica quando il dato può cambiare. Se un contatto non è disponibile, segnaliamolo: completare una tabella con informazioni dedotte crea un’apparenza di precisione.

2. Il lavoro rispetta i criteri?

Cinque nomi non equivalgono a cinque aziende pertinenti. Controlliamo territorio, settore e motivo concreto della selezione. Se soltanto tre aziende soddisfano i requisiti, è preferibile dichiararlo anziché riempire l’elenco con due risultati deboli.

3. Gli errori sono visibili?

Un campo vuoto, una fonte mancante o un’informazione contraddittoria devono emergere. La revisione diventa difficile quando tutto viene presentato con lo stesso tono di certezza. Chiediamo al sistema di indicare cosa è verificato, cosa è incerto e cosa richiede un intervento umano.

4. L’azione è stata eseguita?

Scrivere “file aggiornato” non dimostra che il file sia cambiato. Dopo un’azione, verifichiamo il risultato nella destinazione prevista. Anthropic distingue tra il resoconto dell’agente e lo stato finale effettivo dell’ambiente: la valutazione deve considerare ciò che è realmente accaduto [3].

5. Quanto lavoro resta alla persona?

Una risposta veloce può richiedere una revisione lunga. Misuriamo preparazione, controllo delle fonti, correzioni e gestione degli errori. Annotiamo separatamente anche l’attesa del sistema: un processo può ridurre il lavoro umano senza accorciare il tempo complessivo di consegna.

Una prima prova su tre casi

Per iniziare, proponiamo tre casi con difficoltà diverse: uno ordinario, uno con informazioni incomplete e uno con dati ambigui. Manteniamo gli stessi criteri di accettazione e annotiamo strumento, versione disponibile, istruzioni e data del test.

Confrontiamo il procedimento con il metodo abituale, chiedendo a entrambi un risultato di qualità equivalente. Quando ripetiamo il test sullo stesso caso, consideriamo che conoscere già la risposta può ridurre artificialmente i tempi.

Prima di partire, definiamo cosa rende un risultato accettabile. Nell’esempio commerciale: nessuna azienda fuori territorio senza motivazione, nessuna affermazione importante senza fonte e nessun invio automatico.

Alla fine registriamo risultati utilizzabili, errori, tempo umano e costi diretti. Le tre prove servono a trovare problemi e capire dove migliorare. Non certificano l’affidabilità del sistema: prima di ampliare l’uso occorrono più casi e verifiche ripetute, soprattutto dopo cambiamenti a istruzioni, strumenti o modello.

Il controllo umano deve avere un compito preciso

Human in the Loop significa assegnare alla persona una verifica concreta. Nella ricerca commerciale, qualcuno controlla le evidenze e decide se l’azienda merita attenzione. Nei contenuti, verifica fatti, tono e coerenza. Nelle azioni esterne, conferma destinatario, contenuto e autorizzazione.

La persona deve poter correggere, rifiutare o fermare il processo. Il livello di controllo dipende dalle conseguenze dell’errore: una bozza interna e un messaggio inviato a un cliente richiedono verifiche diverse.

Anche un secondo modello può aiutare a individuare problemi, ma la sua approvazione non costituisce una prova indipendente di correttezza.

Quando aggiungere più agenti

Dividere ricerca, controllo e scrittura può essere utile. Aumenta però i passaggi, i costi e le occasioni di perdere informazioni. Anthropic raccomanda di partire da soluzioni semplici e aumentare la complessità quando migliora concretamente i risultati [2].

La nostra proposta è confrontare il sistema più articolato con quello semplice sullo stesso compito. Se il vantaggio non emerge, manteniamo il percorso più facile da capire e correggere.

In AI LAB proponiamo questo approccio: scegliere un’attività circoscritta, rendere visibili i criteri e registrare ciò che succede. È da queste prove che può nascere una delega consapevole all’AI.