Negli articoli precedenti abbiamo fatto due passi.
Prima abbiamo distinto Progetti, GPT e Skill. Un Progetto è uno spazio di lavoro, un GPT è un assistente configurato, una Skill è una procedura riutilizzabile. (https://pillsfornerds.com/progetti-gpt-e-skill-la-differenza-spiegata-bene/)
Poi siamo entrati dentro una Skill e abbiamo visto che cosa succede quando un prompt smette di essere una semplice richiesta e diventa una vera procedura: trigger, regole, output, controlli, riferimenti, script. (https://pillsfornerds.com/anatomia-di-una-skill-di-chatgpt-quando-il-prompt-diventa-una-procedura/)
A questo punto manca il passaggio più interessante.
Che cosa succede se quella procedura non deve più aspettare che qualcuno apra ChatGPT e scriva un prompt?
Immaginiamo questo scenario.
Ogni lunedì mattina vogliamo che il sistema:
- apra una cartella di Google Drive;
- trovi le nuove scansioni degli scontrini;
- legga ogni scontrino;
- estragga i dati;
- controlli duplicati e anomalie;
- aggiorni il registro delle note spese;
- produca un riepilogo del lavoro svolto;
- conservi una traccia dell’esecuzione;
- mi invii una mail.
A questo punto non abbiamo più semplicemente una Skill. Abbiamo qualcosa che assomiglia molto di più a un agente AI. La differenza fondamentale è questa: una Skill sa come fare un lavoro; un agente sa quando partire, quali strumenti usare, come eseguire il lavoro e cosa fare alla fine.
Prima di tutto: che cosa intendiamo per agente AI?
Il termine “agente” viene usato ormai per qualsiasi cosa abbia dentro un modello linguistico, quindi conviene restringere un po’ la definizione. Nel nostro esempio un agente è un sistema composto da almeno cinque elementi:
| Componente | Nel nostro esempio |
|---|---|
| Obiettivo | Registrare automaticamente gli scontrini |
| Trigger | Ogni lunedì mattina |
| Procedura | Regole della nota spese |
| Strumenti | Google Drive, Google Sheets, Gmail |
| Memoria/stato | Registro elaborazioni e storico |
| Output | Foglio aggiornato + report + email |
Il modello AI è solo una parte del sistema. È quello che permette di interpretare uno scontrino storto, capire che “RIST. DA MARIO SNC” probabilmente è un ristorante, distinguere imponibile e IVA, classificare una spesa e capire che una certa informazione non è sufficientemente leggibile. Ma da solo non basta. Serve qualcuno che dica: “È lunedì. Parti. Guarda qui. Fai queste operazioni. Aggiorna questo registro. Poi dimmi come è andata.”
Quella è l’orchestrazione, ed è ciò che trasforma l’assistente in agente.
L’architettura
La struttura generale sarebbe questa:
La cosa importante è notare che non farei del Progetto ChatGPT il centro tecnico dell’automazione. Il centro operativo sarebbe Google Drive. Il motivo lo vedremo tra poco.
1. Google Drive diventa la “inbox” dell’agente
Cominciamo da Drive.
Creerei una struttura molto semplice:
Note spese/
│
├── 01_Da_elaborare/
│
├── 02_Elaborati/
│
├── 03_Da_verificare/
│
├── Registro_note_spese
├── Registro_elaborazioni
└── Policy_note_speseLa cartella più importante è:
01_Da_elaborareÈ la casella di ingresso dell’agente. Durante la settimana i dipendenti, oppure l’amministrazione, depositano lì:
- fotografie;
- scansioni;
- PDF;
- ricevute;
- scontrini.
L’agente non deve quindi cercare genericamente “gli scontrini presenti nel mio Drive”. Gli diamo un confine preciso. Questo è importante sia tecnicamente sia dal punto di vista della sicurezza. Un buon agente non dovrebbe avere accesso a più dati di quelli necessari. La regola è la stessa che utilizziamo nei sistemi informatici tradizionali: least privilege, cioè minimo privilegio. Se l’agente deve elaborare gli scontrini, diamogli accesso alla cartella degli scontrini, non all’intero archivio aziendale se non è necessario.
ChatGPT può utilizzare Google Drive come app collegata e oggi le azioni di Google Docs, Sheets e Slides sono state riunite all’interno dell’app Google Drive. Le azioni disponibili dipendono comunque dal piano, dalle autorizzazioni e dalle impostazioni del workspace.
2. Il trigger: ogni lunedì mattina
Ora serve qualcosa che faccia partire il processo.
ChatGPT dispone delle attività programmate, che possono essere una tantum oppure ricorrenti.
Possiamo quindi definire un’attività che parte, per esempio:
ogni lunedì alle 8:00.
Le attività programmate possono essere gestite dalla sezione dedicata “Programmate” di ChatGPT e possono anche utilizzare app collegate, quando disponibili e autorizzate per l’account o per il workspace. Quindi il nostro agente ha finalmente un orologio. Prima avevamo: quando l’utente carica uno scontrino, applica questa Skill. Adesso abbiamo: ogni lunedì mattina, verifica autonomamente se ci sono scontrini da elaborare.
È un cambiamento piccolo nella frase, ma enorme nel modello operativo. Nel primo caso abbiamo un’AI reattiva. Nel secondo cominciamo ad avere un’AI proattiva.
3. Il task non dovrebbe limitarsi a dire “controlla gli scontrini”
Qui torna utile tutto quello che abbiamo visto parlando di Skill.
Potremmo creare un’attività programmata con questo prompt:
Ogni lunedì controlla gli scontrini su Google Drive e aggiorna il registro.Probabilmente qualcosa farebbe.
Ma sarebbe un pessimo agente.
Mancano infatti:
- confini;
- regole;
- controlli;
- criteri di successo;
- gestione degli errori;
- gestione dei duplicati;
- condizioni per non modificare i dati;
- formato del report finale.
L’attività programmata deve invece richiamare una procedura molto precisa.
Per esempio:
Accedi alla cartella Google Drive "Note spese/01_Da_elaborare".
Considera solo i file non ancora presenti nel Registro elaborazioni.
Per ogni documento:
1. identifica il tipo di documento;
2. estrai data, esercente, importo totale e IVA se leggibile;
3. determina la categoria utilizzando esclusivamente le categorie
previste nella Policy note spese;
4. non inventare valori mancanti;
5. se un dato obbligatorio non è leggibile, imposta lo stato
"DA VERIFICARE";
6. controlla possibili duplicati confrontando data, esercente,
importo e identificativo del file;
7. non registrare automaticamente un duplicato;
8. aggiungi gli scontrini validi al Registro note spese;
9. registra l'esito nel Registro elaborazioni;
10. sposta i documenti elaborati nella cartella 02_Elaborati;
11. sposta quelli problematici nella cartella 03_Da_verificare.
Al termine prepara un riepilogo contenente:
- numero di file trovati;
- numero di file registrati;
- numero di file da verificare;
- possibili duplicati;
- valore totale delle spese elaborate;
- eventuali errori.
Infine invia il riepilogo via Gmail.Questo assomiglia molto alla Skill costruita nell’articolo precedente. E infatti non è un caso. L’agente non sostituisce la Skill. La orchestra. Possiamo pensare alla relazione in questo modo:
Skill = come lavorare
Task programmato = quando lavorare
Google Drive = dove trovare il lavoro
Google Sheets = dove scrivere il risultato
Gmail = come comunicare il risultato4. Una scelta importante: Excel o Google Sheets?
Nel nostro esempio originale abbiamo sempre parlato di un file Excel. Tecnicamente possiamo continuare ad avere un file .xlsx su Google Drive. Ma se sto progettando questo processo dentro Google Workspace, personalmente cambierei leggermente architettura. Userei Google Sheets come registro principale. Perché? Perché il problema non è “creare un Excel”. Il problema è mantenere nel tempo un database tabellare affidabile.
Un foglio Google è più naturale per:
- aggiungere nuove righe;
- fare ricerche;
- aggiornare celle;
- lavorare contemporaneamente;
- mantenere versioni;
- condividere il registro;
- utilizzare le azioni native di Google Workspace.
Le azioni di scrittura per le app Google consentono a ChatGPT, quando abilitate, di interagire con documenti e fogli; Google Drive utilizza anche scope specifici per la creazione e modifica dei file Drive e Google Sheets.
Il foglio potrebbe essere:
Registro_note_spesecon colonne:
ID_DOCUMENTO
DATA
DIPENDENTE
FORNITORE
CATEGORIA
IMPORTO
IVA
METODO_PAGAMENTO
CENTRO_DI_COSTO
STATO
FILE_ORIGINALE
DATA_ELABORAZIONE
NOTESe l’azienda ha bisogno di Excel, possiamo sempre prevedere una copia o un’esportazione .xlsx.
Quindi:
Google Sheets = fonte dati principale
Excel = formato di interscambio o esportazioneÈ molto più robusto del contrario.
5. Perché aggiungerei un ID univoco
Uno dei problemi più pericolosi di un agente ricorrente è questo: come fa a sapere che uno scontrino è già stato elaborato? Non possiamo affidarci soltanto alla memoria della conversazione. Serve uno stato persistente. Aggiungerei quindi a ogni documento un identificativo.
Per esempio potremmo utilizzare:
- ID del file Google Drive;
- nome file;
- hash del documento;
- oppure una combinazione di più campi.
Il Registro_elaborazioni potrebbe avere questa struttura:
| FILE_ID | NOME FILE | DATA ELABORAZIONE | ESITO | RIGA REGISTRO |
| 18ABC… | IMG_1042.jpg | 24/08/2026 | OK | 521 |
| 18ABD… | ricevuta.pdf | 24/08/2026 | DA VERIFICARE | — |
Quando parte il lunedì successivo, l’agente deve prima controllare questo registro. Se trova lo stesso FILE_ID, lo ignora. Questa è una caratteristica fondamentale di una buona automazione: deve essere idempotente. Parola apparentemente complicata, concetto molto semplice, significa che ripetere accidentalmente un’operazione non deve produrre danni, se il task parte due volte, non deve inserire due volte tutti gli scontrini. L’AI non elimina le buone pratiche informatiche ma le rende ancora più importanti.
6. L’agente non deve “indovinare”
Arriviamo alla parte intelligente.
Supponiamo che trovi questo scontrino:
Ristorante Da Mario
12/08/2026
2 Menu pranzo 36,00
Acqua 3,00
TOTALE 39,00È abbastanza semplice.
L’agente potrebbe produrre:
Data: 12/08/2026
Fornitore: Ristorante Da Mario
Categoria: Vitto
Importo: 39,00
Stato: CompletoMa supponiamo che la parte con la data sia illeggibile. L’agente non dovrebbe “ragionare”: gli altri scontrini sono di agosto, probabilmente sarà il 12 agosto. Deve scrivere: Data: DA VERIFICARE
L’AI è utile proprio perché sa interpretare documenti imperfetti. Ma un agente amministrativo deve essere costruito con una regola molto chiara: incertezza non significa autorizzazione a inventare.
Possiamo anche introdurre una logica di confidenza:
CONFIDENZA_DATA = alta
CONFIDENZA_IMPORTO = alta
CONFIDENZA_FORNITORE = mediae stabilire che alcuni campi con confidenza bassa blocchino la registrazione automatica.
7. Introduciamo l’human in the loop
A questo punto qualcuno potrebbe pensare: Se devo comunque controllare i documenti dubbi, dov’è il vantaggio? Il vantaggio è proprio questo, non dobbiamo automatizzare il 100% dei casi. Dobbiamo automatizzare il 90% dei casi semplici e portare all’essere umano solo il 10% problematico.
Il processo diventa:
100 scontrini
|
v
AGENTE
|
+------ 87 registrati automaticamente
|
+------ 8 da verificare
|
+------ 3 possibili duplicati
|
+------ 2 non conformi alla policyL’amministrazione non controlla più cento documenti, ne controlla tredici. Questa è una delle applicazioni più concrete dell’AI nei processi aziendali. Non “sostituire l’operatore”, ma spostare l’operatore dalle operazioni ripetitive alle eccezioni.
8. Che ruolo ha il Progetto ChatGPT?
A questo punto potremmo creare un Progetto chiamato:
Gestione note spese 2026Dentro possiamo mantenere:
- discussioni sulla procedura;
- modifiche alle regole;
- analisi mensili;
- decisioni;
- esempi;
- link alla cartella Google Drive;
- link al registro;
- report;
- documentazione della policy.
I Progetti possono utilizzare file e cartelle Google Drive come fonti e una risposta di ChatGPT può essere salvata come fonte del Progetto. Ma qui c’è una limitazione importante. La documentazione OpenAI specifica che, se creiamo un’attività programmata all’interno di un Progetto che contiene file, l’attività non può accedere a quei file del Progetto.
Questo cambia l’architettura.
Non farei quindi:
Task
|
v
Progetto
|
v
scontrini caricati nel ProgettoFarei:
Task
|
v
Google DriveIl Progetto resta invece il nostro spazio di lavoro umano. È dove discutiamo con l’agente, analizziamo i risultati e teniamo insieme il contesto. Google Drive resta il sistema operativo dei documenti. Questa distinzione è molto importante.
9. Possiamo salvare automaticamente una nota nel Progetto?
Qui bisogna distinguere ciò che sarebbe bello architetturalmente da ciò che conviene fare concretamente. ChatGPT consente di salvare una risposta di una chat come fonte di un Progetto. Ma non imposterei l’automazione dando per scontato che, al termine di ogni attività programmata, il sistema possa automaticamente creare una nuova fonte interna al Progetto. Preferirei una soluzione più robusta. Creerei su Google Drive un documento chiamato:
Registro esecuzioni agente note speseoppure una cartella:
Report settimanali/contenente file del tipo:
2026-08-24 - Elaborazione note spese
2026-08-31 - Elaborazione note spese
2026-09-07 - Elaborazione note speseOgni esecuzione aggiunge un report.
Per esempio:
ESECUZIONE: 24/08/2026 08:00
File individuati: 27
Registrati: 22
Da verificare: 3
Possibili duplicati: 2
Totale registrato: € 1.428,30
ANOMALIE
- IMG_1432.jpg: data non leggibile
- scan_029.pdf: importo ambiguo
- ricevuta_mario.jpg: centro di costo assente
DUPLICATI
- IMG_1411.jpg
- ricevuta_ristorante.pdf
STATO FINALE
Completato con eccezioni.Poi aggiungerei quel documento o la cartella come fonte del Progetto. Il Progetto diventa così la nostra interfaccia cognitiva sullo storico, mentre Drive rimane il repository persistente. In futuro potremmo chiedere nel Progetto: “Quali sono le anomalie più frequenti delle ultime otto settimane?” oppure: “Quanto spendiamo mediamente in ristorazione?” oppure: “Quali dipendenti dimenticano più spesso il centro di costo?”
È qui che il Progetto torna estremamente utile.
10. E la notifica via Gmail?
Alla fine dell’elaborazione voglio sapere che cosa è successo. Potrei accontentarmi della notifica dell’attività programmata. Ma per un processo amministrativo preferisco una mail vera e propria. Per esempio:
Oggetto:
Note spese - elaborazione automatica del 24/08/2026
Sono stati individuati 27 nuovi documenti.
22 registrati correttamente
3 richiedono verifica
2 possibili duplicati
Totale elaborato: € 1.428,30
Documenti da verificare:
- IMG_1432.jpg
- scan_029.pdf
- ricevuta_mario.jpg
Il registro delle note spese e il registro elaborazioni
sono stati aggiornati.Le attività programmate possono usare app come Gmail quando queste sono disponibili per l’account o abilitate nel workspace; le azioni eseguibili dipendono comunque dalle autorizzazioni concesse all’app e dalle impostazioni dell’amministratore. In un ambiente aziendale farei comunque una distinzione. Una cosa è: prepara una bozza di email un’altra è: invia automaticamente l’email.
Per una semplice mail di riepilogo a noi stessi, l’invio automatico può avere perfettamente senso. Per email indirizzate a clienti, fornitori o dipendenti con contenuti sensibili, preferirei inizialmente una conferma umana. L’autonomia dell’agente deve crescere insieme alla nostra fiducia nel processo.
11. Il vero prompt dell’agente
A questo punto possiamo scrivere qualcosa di molto più vicino a una specifica operativa che a un normale prompt.
Per esempio:
OBIETTIVO
Gestisci l'elaborazione settimanale delle note spese.
SORGENTE
Usa esclusivamente i nuovi documenti presenti nella cartella
Google Drive:
Note spese/01_Da_elaborare
RIFERIMENTI
Usa:
- Policy_note_spese
- Registro_note_spese
- Registro_elaborazioni
PROCEDURA
Per ogni documento:
1. recupera l'identificativo Google Drive;
2. verifica nel Registro_elaborazioni se è già stato processato;
3. se è già presente, ignoralo;
4. identifica data, fornitore, importo totale e IVA;
5. assegna una categoria ammessa dalla policy;
6. non inventare informazioni mancanti;
7. controlla eventuali duplicati;
8. controlla eventuali violazioni della policy;
9. se tutti i campi obbligatori sono affidabili, aggiungi una riga al Registro_note_spese;
10. altrimenti assegna stato DA VERIFICARE;
11. registra sempre l'esito nel Registro_elaborazioni.
SPOSTAMENTO FILE
Se elaborato correttamente:
sposta il documento in 02_Elaborati.
Se richiede intervento umano:
spostalo in 03_Da_verificare.
SICUREZZA
Non cancellare documenti.
Non sovrascrivere righe esistenti.
Non registrare possibili duplicati.
Non inventare dati.
Non modificare la policy.
REPORT
Crea un report contenente:
- documenti trovati;
- documenti registrati;
- documenti da verificare;
- duplicati;
- totale economico;
- errori operativi.
Salva il report nel registro delle esecuzioni.
NOTIFICA
Invia tramite Gmail un riepilogo dell'esecuzione.
Se si verifica un errore che impedisce di completare
l'elaborazione, non tentare modifiche distruttive e segnala
chiaramente l'errore nel report e nella mail.A questo punto il prompt comincia quasi ad assomigliare a codice. Ed è esattamente il punto a cui volevo arrivare con questa serie di articoli.
12. Prompt, Skill e agente: ora la differenza è evidente
Possiamo finalmente mettere insieme tutti i pezzi.
Prompt
Leggi questi scontrini e crea una tabella.È una richiesta.
Prompt strutturato
Leggi questi scontrini.
Estrai questi campi.
Usa queste categorie.
Non inventare dati.
Restituisci questa tabella.È una richiesta ben progettata.
Skill
Quando devi gestire scontrini, usa sempre questa procedura.È un metodo di lavoro riutilizzabile.
Agente
Ogni lunedì alle 8:00,
controlla autonomamente questa cartella,
usa questa procedura,
aggiorna questi sistemi,
gestisci le eccezioni,
registra ciò che hai fatto
e avvisami del risultato.È un processo operativo.
La differenza non sta quindi soltanto nell’intelligenza del modello. Sta soprattutto nella capacità di agire nel tempo e sugli strumenti.
13. L’agente è fatto di AI e software tradizionale
Questo esempio ci fa capire anche una cosa importante. Non tutto deve essere risolto dall’intelligenza artificiale. Al contrario. Userei l’AI per:
- leggere immagini;
- interpretare testo;
- normalizzare fornitori;
- classificare le spese;
- individuare anomalie;
- comprendere documenti poco strutturati;
- produrre il riepilogo.
Userei invece logica deterministica per:
- identificare un file;
- controllare se è già stato elaborato;
- aggiungere una riga;
- spostare un documento;
- registrare un timestamp;
- verificare che un campo obbligatorio esista;
- impedire duplicazioni.
Questa combinazione è molto più affidabile. Possiamo riassumerla così:
AI
per ciò che richiede interpretazione
+
software tradizionale
per ciò che richiede certezzaUn buon agente non cerca di usare l’AI per tutto.
14. Anche gli errori fanno parte dell’architettura
Quando costruiamo una demo tendiamo a immaginare sempre il percorso perfetto. Nel mondo reale prima o poi qualcosa non funzionerà.
Per esempio:
- l’autorizzazione Google scade;
- il foglio viene rinominato;
- qualcuno elimina una colonna;
- una scansione è vuota;
- Drive non risponde;
- il documento è protetto;
- manca un’autorizzazione;
- il registro contiene una riga incoerente.
Un agente ben progettato deve quindi avere anche una strategia di fallimento.
Per esempio:
Se non riesci ad accedere al Registro_note_spese:
NON spostare gli scontrini in Elaborati.
Se non riesci a registrare un documento:
mantienilo in Da_elaborare oppure spostalo in Da_verificare.
Se l'autenticazione Google fallisce:
interrompi l'elaborazione e segnala l'errore.
Non cancellare mai un documento come conseguenza di un errore.Questo è uno dei passaggi in cui una semplice “automazione con AI” comincia a diventare un vero sistema.
15. Come lo costruirei, in pratica
Riassumendo, procederei in questo ordine.
Fase 1 — Creazione dell’ambiente Google Workspace
Preparerei:
Google Drive
└── Note spese
├── 01_Da_elaborare
├── 02_Elaborati
├── 03_Da_verificare
├── Registro_note_spese
├── Registro_elaborazioni
├── Policy_note_spese
└── Report_settimanaliFase 2 — Collegamento delle app
Collegherei a ChatGPT:
- Google Drive;
- Gmail.
Verificherei poi le autorizzazioni effettivamente disponibili.
In un workspace aziendale questo passaggio è particolarmente importante perché le azioni di scrittura possono essere controllate dall’amministratore. OpenAI prevede scope differenti per lettura e modifica dei servizi Google e gli amministratori possono scegliere quali azioni consentire.
Fase 3 — Test manuale
Prima dell’automazione farei una prova manuale con cinque scontrini.
Chiederei:
Analizza i documenti presenti in 01_Da_elaborare,
ma non modificare ancora nessun file.
Mostrami ciò che registreresti.Poi confronterei il risultato con quello di un operatore umano.
Fase 4 — Scrittura controllata
Solo dopo attiverei l’aggiornamento del foglio.
Ancora manualmente.
Elabora questi cinque documenti secondo la procedura
e aggiorna il Registro_note_spese.Controllerei:
- duplicati;
- formati;
- importi;
- date;
- categorie;
- gestione degli errori.
Fase 5 — Registro elaborazioni
Aggiungerei la memoria operativa:
FILE_ID
DATA_ESECUZIONE
ESITOe testerei due volte lo stesso insieme di documenti.
Il secondo passaggio deve produrre:
0 nuovi documenti da registrareFase 6 — Report
Farei generare automaticamente il riepilogo.
Fase 7 — Gmail
Aggiungerei la mail finale.
Fase 8 — Programmazione
Soltanto a questo punto trasformerei il processo in un’attività ricorrente:
Ogni lunedì alle 08:00Prima rendiamo affidabile il processo. Poi lo rendiamo autonomo. Non il contrario.
16. Quanto è davvero autonomo questo agente?
Dipende dalle autorizzazioni che gli concediamo. Possiamo immaginare quattro livelli.
Livello 1 — Osservatore
Legge gli scontrini e prepara il report. Non modifica niente.
Livello 2 — Assistente
Legge gli scontrini e prepara le righe, ma chiede conferma prima di scriverle.
Livello 3 — Agente controllato
Registra autonomamente i casi sicuri e manda all’essere umano le eccezioni.
Livello 4 — Agente autonomo
Elabora, registra, archivia e notifica senza intervento umano. Per le note spese sceglierei probabilmente il livello 3. È spesso il compromesso migliore.
casi semplici → automazione
casi dubbi → essere umano17. E quindi serve ancora la Skill?
Sì. Anzi, ancora di più. Il problema degli agenti è che possono fare cose. E quando un sistema può fare cose, diventa ancora più importante definire come devono essere fatte. La Skill rappresenta la procedura. L’agente rappresenta l’esecuzione.
Possiamo pensarlo così:
Progetto = dove ragioniamo sul processo
Skill = come deve essere eseguito
Task = quando deve partire
App = con quali sistemi può interagire
Agente = l'insieme orchestrato di tutto questoEd è probabilmente questa la definizione più utile di agente AI in un contesto aziendale. Non un chatbot più intelligente. Ma un sistema al quale possiamo affidare un piccolo processo operativo.
Tiriamo le somme
Siamo partiti da un prompt. Poi abbiamo trasformato quel prompt in una procedura. Ora abbiamo dato alla procedura:
- un orologio;
- degli strumenti;
- dei dati;
- una memoria operativa;
- la capacità di modificare sistemi;
- una gestione delle eccezioni;
- un canale di comunicazione.
Ed ecco apparire l’agente. Nel nostro esempio il risultato finale potrebbe essere molto semplice da descrivere: ogni lunedì mattina ChatGPT controlla la cartella degli scontrini su Google Drive, identifica quelli nuovi, ne estrae i dati, registra automaticamente i casi affidabili nel foglio delle note spese, separa quelli dubbi, lascia un report dell’esecuzione e invia una mail all’amministrazione.
Non sembra fantascienza. Ed è proprio questo il punto. Le applicazioni più interessanti degli agenti AI probabilmente non saranno robot digitali che gestiscono autonomamente intere aziende. Saranno processi molto più banali: uno scontrino da leggere, una tabella da aggiornare, un documento da controllare, una cartella da monitorare, una mail da mandare.
Cose che oggi qualcuno deve ricordarsi di fare. La vera trasformazione avviene quando smettiamo di chiedere all’AI: “Puoi aiutarmi a fare questo?”e cominciamo a progettare sistemi ai quali possiamo dire: “Questa è la procedura. Questi sono gli strumenti. Queste sono le regole. Ogni lunedì mattina occupatene tu.”
Resta un approccio ingegneristico, ergo… non è pane per tutti.
Se l’articolo ti è piaciuto restiamo in contatto su linkedin a https://www.linkedin.com/in/andreatonin/
| Editorial Manager at Pills for Nerds | CTO & Technology Consultant |
Technology professional, editor and lifelong nerd with over 30 years of experience in the digital and innovation sectors. I work as a CTO and technology consultant, designing complex and scalable software ecosystems, and I am also active in IT education and professional training. Alongside my technology career, I serve as Editorial Manager and contributor at Pills for Nerds, online publication covering video games, game development, emerging technologies, artificial intelligence, digital culture and industry events. In my editorial role, I coordinate content planning and contribute articles, interviews, event reports and in-depth features. You can learn more about my consulting work at lucedigitale.com and connect with me on LinkedIn
By
