Pubblicato 19 agosto 2026 · 6 min di lettura

Che cosa sono gli agenti di IA e perché il 2025-2026 li ha resi centrali

Un agente non è un modello che risponde: è un sistema che sceglie da sé la sequenza delle operazioni. La differenza, i modi in cui viene oscurata e ciò che ne discende.

Nel 2025 la parola «agente» è passata dalla letteratura tecnica ai comunicati commerciali, e nel farlo ha cambiato significato almeno due volte. Il risultato è che oggi due prodotti descritti con la stessa parola possono avere architetture e rischi molto diversi, e che i capitolati che chiedono «agenti» raccolgono offerte non comparabili fra loro.

Questo articolo separa il termine tecnico dall’uso di mercato e indica la distinzione su cui conviene fondare qualunque valutazione.

Il termine tecnico

Nella letteratura un agente è un’entità che percepisce il proprio ambiente, sceglie come agire e agisce su di esso per perseguire un obiettivo, con un margine di iniziativa fra la ricezione dell’obiettivo e il risultato[1]. La definizione ha decenni e non presuppone modelli generativi: un termostato è un agente elementare, un robot mobile è un agente, un programma che gioca a scacchi è un agente.

Ciò che varia fra i casi è l’ampiezza del margine. All’estremo più semplice il sistema reagisce a uno stimolo con un’azione fissata; all’estremo opposto sceglie quali obiettivi intermedi perseguire, in quale ordine e con quali strumenti. È una scala continua, non una dicotomia.

Il manuale di riferimento del campo organizza gli agenti proprio così, per grado di complessità interna: da quelli puramente reattivi a quelli che mantengono un modello dello stato del mondo, fino a quelli che apprendono dall’esperienza[3].

Il sistema agentico

L’espressione entrata nell’uso corrente dal 2024 indica qualcosa di più specifico. Un sistema agentico è un sistema in cui un modello, ricevuto un obiettivo, sceglie da sé la sequenza delle operazioni, invoca strumenti esterni e ripete il ciclo finché ritiene raggiunto il risultato[1].

Gli elementi sono quattro: un modello che decide, un insieme di strumenti che il modello può invocare, un meccanismo che riporta al modello l’esito di ciascuna invocazione, e un ciclo che si ripete. Gli strumenti sono di solito chiamate a interfacce di programmazione, esecuzione di codice, ricerche, letture e scritture su archivi.

La differenza rispetto a una catena di chiamate progettata in anticipo è una sola, e non è tecnologica: chi sceglie il passo successivo. In una catena progettata lo ha scelto chi ha configurato il sistema, e la sequenza è la stessa a ogni esecuzione. In un sistema agentico lo sceglie il modello, e la sequenza cambia con il caso.

Perché la distinzione conta

Su quel margine si misurano due cose che il diritto e la pratica trattano seriamente.

La prima è l’autonomia. Il regolamento europeo àncora la qualifica di sistema di IA alla capacità di inferire e riconosce che i sistemi operano con un grado variabile di indipendenza dall’intervento umano[2]. Un sistema che sceglie da sé la sequenza delle operazioni ha un grado di indipendenza maggiore di uno che esegue una sequenza fissata, e questo si riflette sulle misure di controllo che chi lo impiega deve prevedere.

La seconda è la sorveglianza umana. Sorvegliare un sistema che esegue sempre gli stessi passi significa controllare l’ingresso e l’uscita. Sorvegliare un sistema che sceglie i passi significa poter osservare la sequenza mentre si svolge, poterla interrompere, e poter ricostruire a posteriori che cosa è stato fatto e perché. Sono requisiti di progetto, non opzioni da attivare dopo.

C’è poi una conseguenza sulla superficie di attacco. Un sistema che legge contenuti esterni e da quei contenuti ricava le proprie azioni successive è esposto a un problema che i sistemi tradizionali non hanno: il testo che il sistema legge può contenere istruzioni. La separazione fra dati e istruzioni, che nei sistemi informatici classici è un principio architetturale, in un sistema che tratta linguaggio naturale non è garantita da nulla.

Come il mercato usa la parola

Da quando l’espressione è entrata nelle offerte viene applicata anche a prodotti che eseguono una catena di chiamate stabilita in fase di progetto, dove il sistema non sceglie nulla: si sposta la parola, non la tecnologia[1].

Il fenomeno non è nuovo. È lo stesso che ha portato a chiamare «intelligenza artificiale» qualunque automazione, e prima ancora «cloud» qualunque server remoto. La differenza è che qui l’etichetta ha conseguenze sulla valutazione del rischio.

Ci sono tre domande che distinguono i due casi, e nessuna richiede competenze tecniche per essere posta:

• Quali decisioni restano al sistema? Se la risposta è «nessuna, la sequenza è quella», non è un sistema agentico.
• Che cosa succede se una delle operazioni fallisce? Un sistema agentico riprova o cambia strada da solo; una catena progettata si ferma o segue un ramo previsto.
• La sequenza eseguita è registrata? Senza registrazione delle operazioni, nessuna delle due architetture è verificabile a posteriori.

Un capitolato che chieda «agenti» senza rispondere alla prima domanda raccoglie offerte non comparabili[1].

Che cosa dicono le fonti normative

Il regolamento sull’intelligenza artificiale non definisce né «agente» né «sistema agentico». La modifica del 2026 ha portato a settanta i termini definiti dall’articolo 3 e ha aggiunto un allegato che classifica le tecnologie per tipo di dato trattato: è lì, e soltanto lì, che il testo nomina l’IA agentica, fra le tecnologie emergenti non contemplate dagli altri codici[1].

Questo significa che gli obblighi che riguardano un sistema agentico non discendono dall’etichetta ma dalle regole generali: la classificazione del rischio secondo l’uso, i requisiti sui dati, la documentazione tecnica, la sorveglianza umana. Chi cerca nel regolamento un capitolo sugli agenti non lo trova, e chi vende «conformità per agenti» vende qualcosa che il testo non prevede.

Perché proprio ora

Tre condizioni tecniche si sono allineate fra il 2024 e il 2026.

La prima è l’affidabilità nell’invocazione degli strumenti. Un ciclo agentico si rompe se il modello sbaglia il formato della chiamata; i modelli addestrati specificamente a produrre chiamate ben formate hanno reso il ciclo praticabile.

La seconda è il costo. Un sistema agentico consuma molte volte i token di una singola risposta, perché ogni passo rimette nel contesto la storia delle operazioni. Il crollo del costo dell’inferenza — circa 280 volte in tre anni su modelli di una classe di riferimento[4] — ha spostato questi sistemi dal territorio dell’esperimento a quello del prodotto.

La terza è la standardizzazione delle interfacce fra modelli e strumenti esterni, che ha reso riusabile ciò che prima andava costruito per ogni integrazione.

Come valutarli

Un sistema agentico si valuta su ciò che fa in condizioni di errore, non su ciò che fa quando tutto funziona. Le domande utili sono quattro: quali azioni può compiere senza conferma; quali credenziali gli sono state affidate; che cosa viene registrato di ogni operazione; chi può fermarlo mentre sta lavorando.

Sono domande di architettura, e si pongono prima dell’acquisto. Dopo, le risposte sono già state date da qualcun altro.