Agenti AI messi alla prova prima della produzione.
Costruiamo l'agente su un processo reale, lo stressiamo su dati veri e misuriamo l'intera esecuzione, non solo la risposta finale. Alla fine dello sprint hai i numeri per decidere se portarlo in produzione.
Molti agenti partono, pochi arrivano.
Gartner prevede la cancellazione di oltre il 40% dei progetti agentici entro fine 2027, per costi in crescita, valore di business non chiaro o controlli di rischio inadeguati. Nel suo Hype Cycle 2026 rileva che solo il 17% delle organizzazioni ha effettivamente distribuito agenti, mentre oltre il 60% prevede di farlo entro due anni.
Una survey di marzo 2026 su 650 responsabili tecnologici enterprise fotografa lo stesso scarto: il 78% ha pilot agentici attivi, meno del 15% ha raggiunto la scala di produzione.
Il punto di rottura non è il modello. È la distanza tra un agente che funziona in demo e un agente che si comporta in modo prevedibile su input che nessuno aveva previsto.
Tre configurazioni, un solo criterio: deve poter andare in produzione.
Agente su singolo processo
Un agente che esegue un compito definito end-to-end: legge, ragiona, chiama gli strumenti che gli servono, produce un esito verificabile.
Sistema multi-agente
Più agenti specializzati che si passano il lavoro. Progettiamo i punti di handoff, che sono il luogo in cui questi sistemi si rompono più spesso.
Agente su sistemi esistenti
L'agente innestato su CRM, ERP, ticketing o posta, con permessi limitati e azioni tracciate. Nessuna sostituzione dei sistemi in essere.
Copilota interno
Un assistente su documenti e procedure aziendali, con recupero controllato e citazione della fonte per ogni risposta.
Cinque punti in cui i progetti agentici si fermano
- 1. Il caso d'uso non era agentico. Molti processi candidati sono deterministici. Un'automazione classica li risolve meglio, a costo inferiore e con comportamento prevedibile. Il primo lavoro è capire se serve davvero un agente.
- 2. I confini tra agenti. Microsoft Research ha rilevato che il 61% dei fallimenti nei sistemi multi-agente nasce ai punti di passaggio tra agenti, non dentro il singolo agente. È il punto meno testato e il più fragile.
- 3. Il costo per esecuzione. Un agente che funziona su dieci richieste al giorno può diventare insostenibile su diecimila. Senza una misura del costo per esecuzione, il caso di business si scopre solo dopo il rilascio.
- 4. La valutazione guarda solo l'output finale. Un errore al terzo passaggio può produrre una risposta finale che sembra corretta. Chi misura solo l'esito non lo vede.
- 5. Nessun proprietario interno. Un agente in esercizio cambia comportamento nel tempo, perché cambiano i dati e i modelli. Senza qualcuno che lo tenga in mano, degrada in silenzio.
Cosa consegniamo alla fine dello sprint
La valutazione di un agente esamina l'intera traiettoria di esecuzione. Chiamate agli strumenti, ordine dei passaggi e decisioni intermedie falliscono in modo indipendente dal risultato finale, quindi vanno misurati separatamente.
Accuratezza sull'esecuzione
Non solo l'esito, ma la correttezza dei passaggi intermedi e delle chiamate agli strumenti.
Traiettorie di riferimento
Un insieme di percorsi corretti verso cui confrontare il comportamento dell'agente a ogni modifica.
Comportamento sui casi limite
Input ambigui, incompleti e avversariali, inclusi deliberatamente nel set di prova.
Costo per esecuzione
Costo reale di una singola esecuzione completa, proiettato sui volumi attesi.
Latenza percepita
Il tempo che l'utente aspetta, misurato sul percorso completo e non sulla singola chiamata.
Superficie di rischio
Cosa può fare l'agente, cosa non deve poter fare, dove interviene una persona.
Il set di metriche viene definito con te prima di scrivere codice, così la soglia di promozione in produzione è concordata e non negoziata a posteriori.
- Il processo ha molti percorsi possibili e richiede giudizio su input variabili.
- Servono più fonti o più sistemi per arrivare a un esito.
- Il volume giustifica il costo per esecuzione.
- Esiste un modo oggettivo per dire se l'esito è corretto.
- Il processo ha regole fisse e poche eccezioni.
- L'esito deve essere identico ogni volta, senza margine di variazione.
- Il costo dell'errore è alto e non esiste supervisione umana praticabile.
- Un prodotto già sul mercato risolve lo stesso problema.
protot.ai prova. ZeroFive costruisce in produzione e governa.
Noi lavoriamo su un perimetro chiuso e su una domanda sola: questo agente funziona, a che costo, e dove si rompe. Consegniamo l'agente, le metriche e una decisione. Da lì in poi la messa in produzione, l'integrazione sui sistemi aziendali, la governance e il presidio continuativo passano a ZeroFive.AI, con AI Agents e AI Shift.
Stesso team a monte e a valle, nessun passaggio di consegne verso terzi, nessuna perdita di contesto.
Scopri AI Agents e AI ShiftDomande dirette.
Quello che ci chiedono prima della prima call sui progetti agentici.
- Quanto tempo serve per un agente validato?
- Una settimana per capire se il processo è davvero un caso agentico. Tre o quattro settimane per un agente funzionante su un processo reale con almeno un'integrazione viva. Sei o otto settimane per un sistema multi-agente con handoff, guardrail e tracciabilità.
- Che differenza c'è tra un agente e un'automazione?
- Un'automazione esegue una sequenza decisa in anticipo. Un agente sceglie i passaggi in base a quello che trova. La seconda cosa costa di più, è meno prevedibile e ha senso solo quando il processo ha davvero molti percorsi possibili. Parte del nostro lavoro è dirti quando la prima basta.
- Perché misurare l'intera esecuzione e non solo la risposta?
- Perché un errore in un passaggio intermedio può propagarsi e produrre una risposta finale plausibile. Un controllo sull'esito non lo intercetta. Guardando la traiettoria completa, invece, l'errore emerge nel punto in cui è nato.
- Lavorate su un framework specifico?
- Scegliamo lo stack dopo la validazione, in base al caso. Nessun vincolo verso una piattaforma e nessun lock-in: repository, credenziali e documentazione sono tuoi a fine sprint.
- E se dopo il test l'agente non convince?
- È un esito che vale il costo dello sprint. Ti risparmia un progetto di mesi su un'ipotesi sbagliata e ti lascia dati concreti su dove il caso d'uso non teneva. Da lì si riparte con un'ipotesi migliore o con un'automazione più semplice.
- Gli agenti rientrano nell'AI Act?
- Gli agenti che dialogano con persone rientrano negli obblighi di trasparenza dell'articolo 50, applicabili dal 2 agosto 2026. Se l'agente incide su decisioni relative a persone, può rientrare tra i sistemi ad alto rischio dell'Allegato III. Ne parliamo nella pagina dedicata.
Portaci il processo, ti diciamo se serve un agente.
Trenta minuti per capire se il tuo caso d'uso è agentico e cosa serve per dimostrarlo in poche settimane.
Prenota la discovery call