Cos’è un Agente AI (Agentic AI) e perché ci riguarda tutti

Nell’ottobre del 2025, Ennio Martignago ha analizzato su Il Franti l’inganno dell’Agentic AI e la tirannia dell’abbonamento.Quel pezzo guardava il fenomeno dall’alto, mercati, investitori, promesse mancate. Da allora qualcosa è cambiato , perchè l’Agentic AI non è più solo nei server delle grandi aziende. È negli smartphone e nei computer di tutti, incorporata nei piani premium di strumenti che usiamo ogni giorno. Quindi ora vediamo di comprendere di cosa si tratta e per farlo, partiamo da ciò che già oggi facciamo e scopriremo, lettura facendo, qualcosa di interessante per tutti noi.

Materiale per ragionare sull’Agentic AI, la nuova generazione di strumenti (e il caso OpenClaw)con cui dovremo convivere e lavorare, ma sopratutto capire quando e perchè usarli e se sono proprio necessari.

Nell’ottobre del 2025, Ennio Martignago ha analizzato su Il Franti l’inganno dell’Agentic AI e la tirannia dell’abbonamento, i fallimenti dei progetti pilota, la bolla speculativa, il modello dell’abbonamento perpetuo come nuovo strumento di controllo economico.

Quel pezzo guardava il fenomeno dall’alto, mercati, investitori, promesse mancate.

Da allora qualcosa è cambiato, perchè l’Agentic AI non è più solo nei server delle grandi aziende. È negli smartphone e nei computer di tutti, incorporata nei piani premium di strumenti che usiamo ogni giorno.

Quindi ora vediamo di comprendere di cosa si tratta e per farlo, partiamo da ciò che già oggi facciamo e scopriremo, lettura facendo, qualcosa di interessante per tutti noi.

Abbiamo tutti compilato un modulo online per aprire un conto, richiedere un rimborso o iscriverci a un servizio. Abbiamo visto le macro di un foglio di calcolo eseguire in pochi secondi operazioni che a mano richiederebbero ore. Ogni campo compilato, ogni passaggio obbligato, ogni calcolo automatico è una procedura umana che qualcuno ha scomposto in passi e codificato. Lo stesso accade ovunque: le richieste di ferie seguono un percorso predefinito, le fatture passano attraverso fasi di approvazione tracciate, i problemi tecnici vengono assegnati, lavorati e chiusi secondo regole che non dipendono da chi è in ufficio quel giorno. Tutto tracciato, tutto misurabile, tutto sottraibile, almeno in parte, alla discrezionalità della persona.

Non è una novità del XXI secolo. È la stessa logica del telaio Jacquard nel 1725, del management scientifico di Taylor nel 1911, della catena di montaggio di Ford, della delocalizzazione degli anni Ottanta. In ogni fase storica, il confine di ciò che è “automatizzabile” si è spostato un po’ più in là, un po’ più in alto nella piramide delle competenze umane. Prima i gesti fisici, poi i processi ripetitivi, poi i flussi di dati, poi il coordinamento del lavoro. Ogni passaggio è stato presentato come progresso inevitabile. Ogni passaggio ha concentrato più potere in meno mani.

I sistemi di gestione dei flussi di lavoro, quelli che tracciano chi fa cosa, quando e secondo quali regole, sono la madre di tutti gli agenti AI: routine burocratiche codificate in software.

Compilare un modulo, approvare una richiesta, classificare un documento secondo categorie prestabilite.

Qualcuno, a monte, ha deciso quali passi seguire, in quale ordine, con quali vincoli. Ha trasformato una procedura umana in una sequenza che il sistema esegue al posto tuo, o che ti obbliga a eseguire nel modo che ha stabilito lui.

Il passo successivo

Le routine burocratiche erano già automatizzabili perché seguono regole fisse. Ma c’è un altro tipo di lavoro, quello che richiede di leggere il contesto, valutare la situazione, adattarsi a ciò che si trova: redigere un contratto su misura, analizzare un caso clinico complesso, gestire una trattativa commerciale.

Questo lavoro era considerato al sicuro dall’automazione, perché non si lasciava ridurre a una sequenza di passi predefiniti.

Gli agenti AI arrivano qui.

Ed è qui che vale la pena capire esattamente cosa si sta muovendo, e perché.

Cosa sono

Quando sentiamo parlare di “Agenti AI” o “Agentic AI”, stanno parlando di sistemi software che ricevono un obiettivo, lo scompongono in passaggi, eseguono quei passaggi utilizzando strumenti esterni, email, database, API, altri software , e continuano da soli finché il compito non è completato, senza che tu debba approvare ogni singola mossa.

La differenza con un chatbot come ChatGPT nella sua forma base è questa: il chatbot risponde e si ferma. L’agente agisce in sequenza. Gli dici “organizza la riunione con tutti i fornitori del progetto X per la prossima settimana”, e lui accede al tuo calendario, legge la lista dei fornitori, manda le email, raccoglie le disponibilità, prenota la sala. Senza che tu faccia nulla, se non dare il via.

La letteratura di settore descrive questi sistemi come capaci di “percepire, ragionare e agire”.

È una formula che vale la pena ridimensionare subito, perché crea aspettative sbagliate in entrambe le direzioni, verso il miracolo e verso il pericolo fantascientifico.

Percepire non significa che il sistema sente qualcosa. Riceve input: testo, immagini, dati, output di altri programmi. Non c’è nessun “dentro” che lo esperisce. Elabora rappresentazioni numeriche.

Ragionare non significa che il sistema pensa. Produce output che seguono statisticamente pattern appresi da miliardi di esempi. È sofisticato, spesso sorprendentemente efficace, ma non è deduzione logica né giudizio consapevole.

Agire è il termine più onesto dei tre: gli agenti eseguono operazioni reali — aprono file, inviano messaggi, avviano processi, modificano sistemi. Le conseguenze sono concrete. Ma non c’è intenzione dietro: c’è un ciclo di regole contestuali che si attiva su input.

La struttura reale è: obiettivo ricevuto → scomposizione in passi → esecuzione di strumenti → verifica del risultato → passo successivo.

Un sistema di automazione molto più flessibile e contestuale di quelli precedenti, non un’entità che decide.

Tenerlo a mente non è un esercizio accademico. È la precondizione per capire cosa stiamo adottando quando ce lo vendono, e cosa stiamo cedendo quando lo usiamo.

Come funziona in pratica: cosa dicono MIT, Anthropic e OpenAI

John Horton, ricercatore al MIT Sloan, descrive gli agenti come sistemi che ricevono input da ambienti digitali, elaborano istruzioni secondo regole apprese, e compiono azioni misurabili per conto di chi li ha attivati. La sua collega Kate Kellogg aggiunge che la novità operativa sta nella capacità di «eseguire piani articolati su più passi, utilizzare strumenti esterni e interagire con ambienti digitali». Non è la risposta alla domanda: è la gestione dell’intero flusso.

Anthropic, la società che ha sviluppato il modello Claude, introduce una distinzione utile: c’è differenza tra un workflow (una sequenza di operazioni predefinita in cui il software segue un percorso fisso, come una macro di Excel avanzata) e un agente vero e proprio (un sistema in cui è il modello linguistico stesso a decidere dinamicamente quali strumenti usare e in quale ordine, adattandosi a ciò che trova). Il workflow è più prevedibile e controllabile. L’agente è più flessibile, ma anche più difficile da monitorare.

OpenAI definisce gli agenti come «sistemi che realizzano autonomamente compiti per conto dell’utente», con accesso a strumenti e con la capacità di gestire l’intera sequenza dall’inizio alla fine. Entrambe le società hanno investito molto nello sviluppo di infrastrutture per connettere gli agenti ai sistemi esistenti: il Model Context Protocol (MCP) di Anthropic è diventato lo standard de facto per far comunicare i modelli AI con strumenti e fonti di dati esterne; OpenAI ha rilasciato un proprio Agents SDK per costruire workflow agentivi complessi.

Un dettaglio che vale la pena conoscere: Anthropic e OpenAI hanno co-fondato insieme, a fine 2025, l’Agentic AI Foundation sotto la Linux Foundation, per definire standard aperti e condivisi per questi sistemi.

Screenshot 2026-03-11 alle 160038 - Franti Magazine — Agentic AI Foundation annuncia nuovi membri

Quando due concorrenti diretti fondano insieme un’organizzazione di standardizzazione, significa che il mercato si sta strutturandoe che chi non conosce quegli standard rischia di dipendere da chi li ha scritti.

Chi lo usa già, e come

L’adozione è già significativa. Una ricerca del 2025 di MIT Sloan Management Review e Boston Consulting Group indica che il 35% delle organizzazioni intervistate aveva già adottato agenti AI entro il 2023, con un ulteriore 44% che dichiarava piani di implementazione a breve termine.

Le applicazioni più avanzate sono nei settori bancario e finanziario, rilevamento frodi, automazione di processi di compliance, analisi di contratti, nel retail, nella gestione clienti e nella ricerca medica. Klarna gestisce con un agente due terzi dei propri ticket di supporto. La ricerca medica usa agenti per analizzare cartelle cliniche e rilevare eventi avversi in pazienti oncologici.

Il valore economico dichiarato è la riduzione dei costi di transazione: il tempo e lo sforzo implicati nella ricerca, nella comunicazione, nella contrattazione. Gli agenti non si stancano, lavorano continuamente, e possono analizzare volumi che sarebbero impraticabili per un operatore umano. Questa è la promessa.

Ma la misura più concreta di cosa stia accadendo non viene dai numeri di adozione: viene da ciò che le aziende fanno mentre li adottano. Il 26 febbraio 2026, Jack Dorsey, cofondatore di Twitter, CEO di Block, la società fintech che controlla Square e Cash App, ha annunciato il licenziamento di oltre 4.000 persone, quasi il 40% dell’intera forza lavoro.

La motivazione dichiarata, in una lettera agli azionisti resa pubblica, è esplicita: gli strumenti di intelligenza artificiale hanno cambiato la struttura del lavoro. «100 persone più AI equivalgono a 1.000 persone», ha scritto Dorsey. L’azienda aveva registrato risultati finanziari solidi, utile lordo in crescita del 17% su base annua, eppure ha scelto di dimezzare l’organico.

I mercati hanno applaudito: il titolo è salito oltre il 20% nelle contrattazioni after-hours. I lavoratori, prevedibilmente, no. Dorsey ha aggiunto che «la maggior parte delle aziende arriverà alla stessa conclusione entro un anno. Non penso che siamo arrivati in anticipo. Penso che la maggior parte delle aziende sia in ritardo».

Non è un caso isolato.

Andrea Pignataro, CEO di ION Group e secondo Forbes tra i primi per patrimonio in Italia con una stima di 42,8 miliardi di dollari, ha pubblicato a febbraio 2026 un paper di nove pagine intitolato The Wrong Apocalypse. La sua tesi: il mercato sta reagendo nel panico per le ragioni sbagliate. Il vero rischio non è il crollo immediato del software enterprise, ma la «tragedia dei commons della conoscenza istituzionale», ogni azienda che usa l’AI insegna alle piattaforme la grammatica del proprio settore, accelerando collettivamente la propria disintermediazione. L’apocalisse, nella sua lettura, non è sbagliata: è solo mal indirizzata. Come abbiamo già esplorato su queste pagine, la parola significa rivelazione, e ciò che viene rivelato è che stiamo industrializzando il giudizio umano.

L’onda arriva anche dove sembrava impensabile. Wired ha sollevato di recente una domanda scomoda: l’AI potrebbe disintermediare il venture capital stesso — il settore che ha finanziato l’AI? Piattaforme come ADIN già sostituiscono analisti umani nell’analisi delle startup, completando in un’ora processi che richiedevano settimane. Ma la minaccia più profonda è un’altra: se l’AI abbassa drasticamente i costi di avvio di una startup, i fondatori potrebbero non aver più bisogno di capitali di rischio. Chi ha finanziato la disruption di tutto potrebbe scoprire di essere il prossimo.

OpenClaw: cosa succede quando gli agenti incontrano il mondo reale

Nessun caso del 2026 ha reso più tangibili, e più controversi, i rischi dell’AI agentiva quanto OpenClaw. Creato dall’ingegnere austriaco Peter Steinberger e diventato virale tra gennaio e febbraio 2026, è un sistema open-source che chiunque può installare sul proprio computer e usare come assistente personale autonomo. Non risponde alle domande: fa cose. Legge le tue email, gestisce il calendario, automatizza compiti attraverso le app che usi, ricorda le conversazioni precedenti e agisce in background anche mentre dormi.

In poche settimane ha accumulato oltre 135.000 stelle su GitHub e più di 1,5 milioni di agenti costruiti dagli utenti. In febbraio, il suo creatore è stato assunto da OpenAI per guidare «la prossima generazione di agenti personali», segnale inequivocabile di dove l’industria sta puntando.

OpenClaw mostra cosa succede quando l’AI agentiva incontra l’adozione di massa prima che esistano infrastrutture di sicurezza adeguate. I ricercatori hanno documentato attacchi di prompt injection, istruzioni malevole nascoste in un’email o un documento che dirottano il comportamento dell’agente senza che l’utente se ne accorga. Sul marketplace pubblico di componenti aggiuntivi, circa il 12% dei moduli disponibili risultava compromesso. Una vulnerabilità critica permetteva l’esecuzione di codice arbitrario in millisecondi dalla visita di una pagina web.

Il punto strutturale, sottolineato dai ricercatori dell’Alan Turing Institute, è questo: nei sistemi tradizionali il percorso dei dati è definito dall’applicazione. Nei sistemi agentici è il dato stesso a controllare il percorso. Ogni documento, email o pagina web che l’agente legge è un potenziale vettore di attacco. Non è un bug risolvibile con una patch: è una proprietà del paradigma.

Rischi e dipendenze: le questioni che contano davvero

La letteratura di settore tende a trattare i rischi dell’AI agentiva come problemi tecnici e gestionali: affidabilità dei modelli, cybersecurity, governance dei processi. Sono problemi reali, ma parziali. Mancano le domande più difficili.

La dipendenza cognitiva. Il rischio più sottile non è che il sistema sbagli, ma che funzioni abbastanza bene da essere delegato in modo sistematico. Ogni volta che affidi a un agente un’analisi, una bozza, una decisione sequenziale, trasferisci al sistema un frammento della tua competenza operativa. Non la perdi nell’immediato. Ma la pratica si atrofizza. Il giudizio indipendente, come qualsiasi capacità, si degrada senza esercizio. È la stessa dinamica che il management scientifico di Taylor ha applicato al lavoro manuale: l’operaio non perde la memoria muscolare in un giorno, la cede progressivamente a procedure che altri hanno standardizzato al suo posto. L’AI agentiva applica questo meccanismo al lavoro intellettuale.

La tragedia dei commons della conoscenza. Ogni organizzazione che adotta agenti AI insegna alla piattaforma la propria grammatica operativa — le procedure, il linguaggio, la logica delle decisioni. Nessuna singola azienda condivide segreti consapevolmente. Ma tutte insieme, interazione dopo interazione, trasferiscono alle piattaforme il sapere di interi settori. Il risultato è che le piattaforme imparano a fare direttamente ciò che oggi fanno le organizzazioni che le usano. Ogni adozione è razionale per chi la fa. L’effetto cumulativo è autodistruttivo per l’insieme.

La concentrazione del potere infrastrutturale. Gli agenti AI non sono strumenti che possiedi. Sono servizi che girano su infrastrutture controllate da pochissimi soggetti — Anthropic, OpenAI, Google, Microsoft, Amazon. Ogni workflow agentivo che costruisci su queste piattaforme crea un legame di dipendenza che non riguarda solo i costi: riguarda chi ha accesso ai log delle decisioni, chi può modificare il comportamento del sistema con un aggiornamento, chi può revocare l’accesso. La parola “autonomia” nel marketing dell’AI agentiva descrive l’autonomia dell’agente rispetto a te. Non la tua autonomia rispetto alla piattaforma. Quella, semmai, decresce.

L’invisibilità del lavoro che scompare. I servizi che gli agenti erogano non scompaiono — scompaiono le persone che li erogavano. Il report viene prodotto, il contratto viene redatto, l’analisi viene fatta, ma dietro un’interfaccia, senza volto, senza nome. Come il pane arriva sullo scaffale senza che nessuno pensi più al fornaio, i flussi di lavoro cognitivi slittano nell’invisibilità. Il rischio non è il collasso del servizio: è che il processo diventi opaco e non più contestabile da chi lo subisce.

Per chiudere, senza chiudere

Quello degli agenti AI non è un tema per addetti ai lavori. È un tema per chiunque lavori, per chiunque gestisca un’organizzazione, per chiunque si stia formando in un settore che questi strumenti stanno già attraversando.

Capire cosa sono, non la versione promozionale, ma la struttura reale, è il primo passo per poter scegliere. Non necessariamente scegliere di rifiutare: la pressione competitiva per molte organizzazioni rende la risposta già scritta. Ma scegliere consapevolmente cosa si delega, a chi, a quali condizioni, e con quale possibilità di tornare indietro.

Come ha scritto Postman a proposito di ogni nuova tecnologia: i vincitori tendono a persuadere i vinti che sono anch’essi vincitori.

Riflettiamo.