Se ci siamo abituati in fretta alle spesso eccellenti capacità di conversazione dei sistemi di intelligenza artificiale generativa (GenAI), da qualche mese la diffusione dei cosiddetti “agenti AI” ci sta dando nuove ragioni per sorprenderci. Per esempio, nella gestione dei ritardi nelle forniture, un chatbot può suggerirci che cosa fare, e magari proporci i testi da inviare a fornitori e clienti; ma un agente AI, se collegato al sistema informativo aziendale e autorizzato a usarlo, può consultare gli ordini, individuare quelli a rischio, inviarci avvisi di allarme, confrontare alternative, scrivere e inviare le comunicazioni richieste.
Questo passaggio “dal dire al fare” apre dunque opportunità importanti, ma nello stesso tempo ci interroga: che conseguenze ha tutto ciò?
Ammettendo che molto di quello che sta accadendo è ancora troppo nuovo perché sappiamo rispondere in modo affidabile, possiamo almeno cercare di ricostruire gli elementi essenziali di ciò che ci ha portato a questa situazione, identificando le due trasformazioni radicali a cui abbiamo assistito in questi anni. Se nell’informatica tradizionale il programmatore specifica alla macchina procedure, indicando esplicitamente quali operazioni eseguire e in quale ordine, con i sistemi di machine learning, che molti hanno imparato a conoscere nella forma di chatbot, parte del comportamento del sistema viene acquisita attraverso l’addestramento su dati: è così che abbiamo ottenuto macchine capaci di riconoscere immagini e dialogare nelle nostre lingue senza scrivere esplicitamente le regole necessarie.
A questa prima transizione, quella dunque da sistemi a comportamento programmato a sistemi a comportamento addestrato, negli ultimi mesi è seguita una seconda: quella agentica. Si tratta di sistemi AI che non solo producono informazione ma sono anche in grado di intervenire autonomamente nel mondo. Grazie a capacità di elaborazione sempre più sofisticate, dal paradigma “esegui queste istruzioni” dei sistemi programmati la prima transizione ci ha portato a “produci questo risultato” dei chatbot, e ora la seconda transizione a “persegui questo obiettivo” degli agenti, in cui le modalità precedenti restano presenti ma sono integrate in livelli crescenti di delega.
Le possibili conseguenze della diffusione degli agenti nelle imprese sono molteplici, e plausibilmente molte sono ancora da comprendere: il risparmio di tempo e la progressiva automazione dei processi sono le più ovvie, ma ci potrebbe essere ben di più. Accenniamo a due possibili cambiamenti importanti.
Il primo ambito applicativo in cui gli agenti stanno dimostrando le loro capacità è, non sorprendentemente, lo sviluppo del software, e questo rende più sfumata la distinzione tra chi sviluppa software e chi lo utilizza: chi conosce approfonditamente un processo potrebbe svilupparne direttamente delle componenti di automazione, descrivendo in linguaggio naturale esigenze, vincoli e criteri di successo. Se, come è stato suggerito, “il nuovo linguaggio di programmazione è l’italiano” (nell’originale il riferimento è all’inglese, ma gli attuali modelli di linguaggio hanno eccellenti capacità linguistiche, appunto non solo in inglese), i power user potrebbero diventare progressivamente anche sviluppatori applicativi.
E questo introduce il secondo possibile cambiamento. Un agente potrebbe perseguire con grande efficienza un obiettivo formulato male. “Riduci i costi di approvvigionamento”, per esempio, è una richiesta incompleta se lascia impliciti requisiti di qualità e affidabilità delle consegne. Diventa quindi decisivo saper progettare la delega: definire obiettivi, priorità, limiti di accesso, condizioni di arresto e passaggi che richiedono approvazione umana. Chi usa questi sistemi assume così parte del ruolo di progettista e primo supervisore dei loro comportamenti. Per un’organizzazione, investire nella AI agentica significa dunque anche investire nelle competenze delle persone, che devono diventare “ingegneri degli obiettivi” e primo presidio di processi sempre più complessi e delicati di supervisione.
Il valore effettivamente generato dipenderà dalla capacità di decidere che cosa delegare, entro quali confini e con quali controlli. E questa – e non solo per ragioni di compliance (AI Act e dintorni) – è una responsabilità che dovrebbe restare agli esseri umani.
