Tra AI agentica e AI generativa la differenza è tra produrre e agire: l’AI generativa crea contenuti come testi, immagini o codice quando glielo chiedi, mentre l’AI agentica persegue un obiettivo pianificando i passi, usando strumenti e compiendo azioni nei tuoi sistemi con una supervisione limitata. La maggior parte dei sistemi agentici è costruita su modelli generativi, quindi la vera scelta per un’azienda è quanta autonomia dare al software, non quale tecnologia comprare. Questa guida offre definizioni semplici, un confronto fianco a fianco, gli usi in azienda di ciascuna, i rischi e i controlli che le rendono sicure, cosa cambia con l’AI Act europeo e come cominciare.
Ultimo aggiornamento: 21 ottobre 2026.
Cos’è l’AI generativa?
L’AI generativa è un software che produce contenuti nuovi a partire da un’istruzione. Scrivi una richiesta (un prompt) e un modello ti restituisce una bozza: un’email, una descrizione di prodotto, la sintesi di un contratto, un’immagine, qualche riga di codice. Il modello ha appreso schemi da grandi quantità di dati e prevede una risposta plausibile.
Il suo tratto distintivo è che risponde. Non fa nulla finché non glielo si chiede, restituisce il risultato a una persona, ed è quella persona a decidere cosa succede dopo. Un assistente in chat, uno strumento di scrittura dentro un editor di testo e un generatore di immagini sono tutti AI generativa.
Il suo punto di forza è la velocità sulle prime bozze e nel trasformare materiale non strutturato in qualcosa di utilizzabile. Il suo limite è che può affermare cose sbagliate con sicurezza, e non sa nulla della tua azienda se non le dai tu quel contesto.
Cos’è l’AI agentica?
L’AI agentica è un sistema a cui si affida un obiettivo invece di una singola richiesta, e che lavora per raggiungerlo da solo. Scompone l’obiettivo in passi, sceglie quali strumenti usare (la ricerca, un database, il tuo CRM, un account email, un sistema di pagamento), compie azioni, controlla i risultati e decide il passo successivo, ripetendo il ciclo finché il compito è concluso o finché ha bisogno di aiuto.
Un agente AI ha di solito quattro parti: un modello generativo che ragiona e scrive, un insieme di strumenti che è autorizzato a usare, una qualche forma di memoria di ciò che ha fatto, e regole su quando deve fermarsi e chiedere a una persona. Togli gli strumenti e il ciclo, e torni all’AI generativa.
Il suo tratto distintivo è che agisce. È ciò che la rende utile, ed è anche ciò che la rende più rischiosa: una frase sbagliata in una bozza la coglie chi legge, un’azione sbagliata in un sistema in produzione forse no.
In breve: l’AI generativa scrive la bozza, l’AI agentica fa il lavoro. Gli agenti nascono da modelli generativi più strumenti, memoria e permessi. Più un agente può fare senza chiedere, più valore può creare e più controlli richiede. Per la maggior parte delle aziende la strada giusta è prima l’AI generativa, poi agenti su compiti ristretti e ben conosciuti.
In Odduel, agenzia creativa e tecnologica con sedi a Barcellona e São Paulo, realizziamo entrambe: funzioni generative dentro prodotti e siti web, e agenti che svolgono compiti definiti negli strumenti dell’azienda, con il nostro lavoro di sviluppo AI. Quello che segue è il quadro che diamo ai clienti prima di costruire l’una o l’altro.
AI agentica e AI generativa a confronto
La tabella riassume le differenze che chi compra avverte nella pratica, da cosa fa il sistema a chi si assume il rischio.
| AI generativa | AI agentica | |
|---|---|---|
| A cosa serve | Produce contenuti su richiesta | Persegue un obiettivo in più passi |
| Come si avvia | Una persona scrive un prompt | Un obiettivo, un evento o una pianificazione |
| Risultato | Una bozza che una persona usa | Azioni completate nei tuoi sistemi |
| Accessi necessari | Di solito nessuno oltre al testo che gli dai | Strumenti, dati e account, con permessi |
| Ruolo umano | Rivede ogni risultato | Fissa l’obiettivo, approva i passi chiave, verifica |
| Errore tipico | Un’affermazione sbagliata o inventata | Un’azione sbagliata, ripetuta o concatenata |
| Impegno per farla bene | Da leggero a moderato | Da moderato a elevato: integrazioni, test, controlli |
| Andamento dei costi di gestione | A richiesta, prevedibile | Più chiamate al modello e agli strumenti per compito, più variabile |
| Ideale per | Scrivere, sintetizzare, tradurre, idee | Lavoro ripetitivo in più passi con regole chiare |
Nota che le colonne non sono rivali. Quasi ogni agente contiene un modello generativo, e molti progetti nascono come strumento generativo e diventano un agente quando l’azienda si fida dei risultati.
L’AI agentica è solo AI generativa con qualche passaggio in più?
In parte, e la risposta onesta ti aiuta a non pagare un’etichetta. Il ragionamento e il linguaggio dentro un agente vengono dallo stesso tipo di modello che usi in un assistente in chat. Ciò che si aggiunge è ingegneria: collegamenti ai tuoi sistemi, un ciclo che pianifica e verifica, memoria, permessi e log.
È in quell’ingegneria che stanno gran parte del lavoro e gran parte del valore. Un agente che legge il tuo sistema degli ordini, scrive una risposta a un cliente in attesa per un ritardo, offre il buono giusto e aggiorna il ticket è soprattutto un progetto di integrazione e di controllo, con un modello al centro.
Diffida di «agentico» usato per quello che in realtà è un singolo prompt dietro un pulsante. Fai a ogni fornitore tre domande: quali strumenti può usare, cosa può fare senza approvazione e dove viene registrata ogni azione? Se le risposte sono vaghe, non è un agente, o non è un agente sicuro.
Cosa può fare l’AI generativa per un’azienda?
L’AI generativa ripaga ovunque le persone passino tempo a produrre prime bozze o a digerire materiale lungo. Tra gli usi che vediamo funzionare bene nelle aziende europee:
- Contenuti e marketing: prime bozze di descrizioni prodotto, articoli, varianti di annunci e didascalie per i social, riviste da una persona che conosce la voce del brand.
- Assistenza clienti: risposte suggerite che un operatore controlla e invia, e sintesi di lunghi storici di ticket.
- Lavoro sulla conoscenza: sintesi di contratti, report e verbali di riunione; risposte ricavate dai tuoi documenti (spesso chiamato retrieval, quando al modello si danno i tuoi file da citare).
- Traduzione: prime traduzioni nelle lingue dei tuoi mercati, riviste da chi parla la lingua con padronanza prima di pubblicare qualsiasi cosa.
- Software e design: suggerimenti di codice, casi di test, testi dell’interfaccia e preparazione delle immagini, che accorciano lo sviluppo. Il nostro articolo su l’AI nel web design e nello sviluppo spiega cosa cambia per il budget e i tempi di un cliente.
Lo schema è sempre lo stesso: il modello scrive la bozza, una persona decide. Così il rischio resta basso e il guadagno è facile da misurare in ore risparmiate.
Cosa può fare l’AI agentica per un’azienda?
Gli agenti si guadagnano il loro posto su lavori che hanno più passi, toccano più di un sistema e seguono regole che una persona potrebbe mettere per iscritto. Candidati tipici:
- Ordini e assistenza: verificare lo stato di un ordine su più sistemi, rispondere al cliente, emettere un rimborso entro un limite stabilito e passare a una persona tutto ciò che lo supera.
- Gestione dei lead: leggere una richiesta dal modulo del tuo sito web, arricchirla con dati pubblici sull’azienda, valutarla secondo i tuoi criteri, scrivere una bozza di risposta e creare la scheda nel tuo CRM perché un commerciale la approvi.
- Back office: abbinare le fatture agli ordini di acquisto, segnalare le discrepanze, preparare i pagamenti da approvare.
- Operazioni sui contenuti: prendere una scheda prodotto approvata e pubblicarla nel negozio online, nelle inserzioni dei marketplace e nella newsletter nei formati giusti.
- Monitoraggio: sorvegliare un sito web per pagine rotte, caricamenti lenti o moduli che non funzionano, aprire un ticket con le prove e suggerire la correzione.
- Ricerca: raccogliere e confrontare informazioni pubbliche su fornitori o gare in un brief strutturato.
Ciò che li accomuna è una definizione chiara di «fatto» e un confine chiaro. Più l’obiettivo è aperto («aumenta le vendite»), meno un agente può fare in sicurezza; più è ristretto («rispondi alle domande sulle date di consegna e aggiorna il ticket»), meglio funziona.
Esempi di AI agentica che chi compra può immaginare
Pensa a un negozio online che vende mobili. Uno strumento generativo aiuta il team a scrivere le descrizioni dei nuovi pezzi. Un agente va oltre: quando una consegna è in ritardo, legge l’aggiornamento del corriere, trova gli ordini interessati, scrive a ogni cliente nella sua lingua, offre il gesto concordato e registra ogni messaggio. Una persona ne rivede un campione ogni giorno e gestisce i casi insoliti.
Oppure a un’azienda di servizi con un modulo di contatto molto usato. L’AI generativa scrive una bozza di risposta a ogni richiesta. Un agente smista le richieste per tipo, prenota uno slot di call dal calendario per quelle qualificate e lascia le altre in coda con una sintesi di una riga.
Quale dovrebbe usare per prima la tua azienda?
Per la maggior parte delle aziende, prima l’AI generativa. Richiede poca integrazione, il rischio è contenuto dalla revisione umana e insegna al team come si comportano i modelli, dove sono forti e dove inventano. È l’esperienza che serve prima di lasciare che un software agisca.
Passa a un agente quando valgono tre condizioni:
- Il compito è frequente, in più passi, e oggi si svolge a mano con una procedura scritta o che si può scrivere.
- I sistemi coinvolti si possono raggiungere in sicurezza, con collegamenti adeguati e permessi limitati invece di una password condivisa.
- Qualcuno dalla tua parte è responsabile del processo e rivedrà il lavoro dell’agente, soprattutto nelle prime settimane.
Se un compito non rispetta anche una sola di queste condizioni, un assistente generativo che prepara il lavoro per una persona è di solito l’investimento migliore. L’autonomia si può sempre aggiungere dopo; toglierla dopo un incidente è più difficile.
Quali sono i rischi, e come si controllano?
I due tipi di AI condividono alcuni rischi: fatti inventati, pregiudizi ereditati dai dati di addestramento, fughe di informazioni riservate attraverso i prompt e dipendenza da un fornitore. Gli agenti aggiungono i rischi dell’agire: un rimborso sbagliato, un messaggio inviato al cliente sbagliato, un ciclo che ripete un errore molte volte, o un’istruzione nascosta in un’email o in una pagina web che induce l’agente a fare qualcosa che non dovrebbe (la cosiddetta prompt injection).
I controlli sono ben noti e dovrebbero comparire in qualsiasi preventivo tu riceva.
Supervisione umana
Stabilisci per iscritto quali azioni un agente può compiere da solo, quali richiedono approvazione e quali non può compiere mai. Pagamenti, cancellazioni, messaggi a molte persone e tutto ciò che ha rilievo legale dovrebbero partire nella colonna dell’approvazione. Dai all’agente un modo chiaro per fermarsi e passare la mano a una persona, e dai alle persone un modo semplice per metterlo in pausa.
Log e verifica
Ogni passo va registrato: l’obiettivo, le informazioni che l’agente ha letto, gli strumenti che ha usato, cosa ha deciso e cosa ha modificato. I log ti permettono di indagare su un reclamo, dimostrare cosa è successo e migliorare l’agente. Senza, non puoi distinguere un errore raro da uno schema ricorrente.
Limiti e permessi
Dai a ogni agente un account proprio con l’accesso minimo che il compito richiede, limiti di spesa e di volume, e un ambiente di test prima di quello reale. Tratta i contenuti esterni (email, pagine web, file caricati) come non affidabili, così possono informare l’agente ma mai dargli ordini.
Protezione dei dati
Quando ci sono di mezzo dati personali, il GDPR si applica a un sistema di AI come a qualsiasi altro trattamento: una base giuridica, una finalità chiara, dati minimi, accordi con il fornitore del modello e attenzione a dove i dati vengono conservati e trattati. Verifica se il fornitore usa i tuoi dati per addestrare i suoi modelli, e scegli impostazioni o contratti che lo impediscano dove serve.
Test prima della fiducia
Prepara un insieme di casi reali passati, compresi quelli difficili, e fai girare l’agente su di essi prima della messa online e dopo ogni modifica al modello o alle istruzioni. Comincia con l’agente che propone le azioni mentre sono le persone a eseguirle, poi passa gradualmente all’approvazione e infine all’autonomia per le azioni più sicure.
Cosa significa l’AI Act europeo per agenti e AI generativa?
L’AI Act europeo, regolamento (UE) 2024/1689, è entrato in vigore il 1º agosto 2024 e si applica per fasi. Regola l’AI in base all’uso e al rischio, non in base al fatto che un sistema si chiami generativo o agentico, quindi le stesse regole valgono per un agente e per uno strumento di chat che svolge lo stesso lavoro.
Alcuni punti sono certi e rilevanti per la maggior parte delle aziende:
- Alcune pratiche sono vietate dal 2 febbraio 2025, come le tecniche manipolative che causano danni significativi e certi usi del riconoscimento delle emozioni sul lavoro.
- Gli obblighi per i fornitori di modelli di AI per finalità generali si applicano dal 2 agosto 2025. Ricadono soprattutto sulle aziende che costruiscono i grandi modelli, non su un’impresa che li usa.
- Gli obblighi di trasparenza si applicano dal 2 agosto 2026: le persone devono essere informate quando interagiscono con un sistema di AI, salvo che sia evidente, e alcuni contenuti generati dall’AI devono essere contrassegnati come tali.
- Gli usi classificati ad alto rischio, come la selezione dei candidati a un lavoro o le decisioni sull’accesso a servizi essenziali, comportano obblighi più pesanti, tra cui supervisione umana e conservazione delle registrazioni.
Per un tipico agente di marketing, assistenza o back office, la conseguenza pratica è dire alle persone quando hanno a che fare con l’AI, mantenere la supervisione e i log descritti sopra e verificare per tempo se il tuo uso rientra in una categoria ad alto rischio. Se potrebbe rientrarvi, chiedi un parere legale prima di costruire; questo articolo non è una consulenza legale.
Come si avvia un progetto di AI?
Che tu cominci con una funzione generativa o con un agente, i passi sono simili, e tengono bassa la prima spesa.
- Scegli un compito, non una strategia. Scegli qualcosa di frequente, misurabile e fastidioso, e scrivi come si fa oggi.
- Definisci il successo in termini semplici: ore risparmiate, tempo di risposta, tasso di errore, o una quota di casi gestiti senza una persona.
- Mappa i dati e i sistemi che il compito tocca, chi ne è responsabile e quali accessi è sicuro concedere.
- Costruisci una versione piccola che scrive bozze o propone, senza mai agire, e testala su casi reali passati.
- Aggiungi i controlli (passi di approvazione, log, limiti) prima di qualsiasi autonomia, e stabilisci chi rivede i risultati.
- Falla lavorare accanto alle persone per qualche settimana, confronta i risultati e correggi ciò che non funziona.
- Allarga con cautela: più autonomia per le azioni più sicure, o un secondo compito, solo quando il primo funziona.
È la logica del prodotto minimo funzionante applicata all’AI; la nostra guida allo sviluppo MVP tratta la stessa disciplina per i prodotti in generale. Anche i cicli di sviluppo brevi si adattano al lavoro sull’AI meglio di un piano fisso, per le ragioni spiegate in agile vs waterfall: il comportamento del modello sui tuoi casi reali si impara testando, non specificando.
Quanto ai costi, contano il numero di sistemi da collegare, i controlli richiesti, quanti test servono per i tuoi casi e il costo di gestione delle chiamate al modello, di solito più alto e meno prevedibile per gli agenti perché ogni compito comporta più chiamate. Un preventivo fisso segue un breve brief, una volta noti il compito e i sistemi.
Le domande più comuni
Qual è la differenza principale tra AI agentica e AI generativa?
L’AI generativa produce contenuti come testi, immagini o codice quando una persona li chiede, e restituisce il risultato perché sia quella persona a usarlo. All’AI agentica si affida un obiettivo e lavora per raggiungerlo da sola, pianificando i passi, usando strumenti e compiendo azioni in sistemi reali. La maggior parte degli agenti usa al suo interno un modello generativo.
ChatGPT è AI generativa o AI agentica?
Un assistente in chat che risponde alle domande è AI generativa: risponde a ogni prompt e lascia a te la decisione. Molti assistenti oggi includono funzioni da agente, come navigare sul web, eseguire codice o agire in app collegate. Quando l’assistente compie più passi e agisce con strumenti verso un obiettivo, quella parte si comporta come AI agentica.
L’AI agentica costa più dell’AI generativa?
Di solito sì, sia da costruire sia da gestire. Un agente ha bisogno di collegamenti ai tuoi sistemi, permessi, log, passi di approvazione e test approfonditi, e ogni compito usa più chiamate al modello e agli strumenti invece di una. Il costo in più è giustificato quando l’agente svolge un lavoro frequente e in più passi che oggi richiede molto tempo alle persone.
Un agente AI può lavorare senza supervisione umana?
Si può costruire così, ma per la maggior parte dei compiti aziendali all’inizio non dovrebbe. La pratica sicura è far proporre le azioni all’agente, poi farlo agire con approvazione, e solo in seguito lasciarlo agire da solo sui passi a rischio più basso, con limiti e log completi. Per gli usi ad alto rischio, l’AI Act europeo richiede che la supervisione umana sia prevista fin dalla progettazione.
L’AI Act europeo tratta gli agenti diversamente dall’AI generativa?
No. Il regolamento disciplina l’AI in base a come viene usata e al rischio di quell’uso, non in base al fatto che si chiami generativa o agentica. Un agente che seleziona candidati a un lavoro è soggetto agli obblighi per l’alto rischio; uno che risponde a domande sulle consegne è soggetto soprattutto agli obblighi di trasparenza, come dire alle persone che stanno parlando con un sistema di AI.
Quali compiti aziendali si adattano meglio all’AI agentica?
Compiti frequenti, che seguono regole che una persona potrebbe mettere per iscritto, con più passi su più di un sistema e un punto d’arrivo chiaro. Buoni esempi sono le domande su ordini e consegne, lo smistamento e l’instradamento delle richieste, l’abbinamento delle fatture, la pubblicazione di contenuti approvati su più canali e il monitoraggio di un sito web per individuare guasti e aprire ticket.
Se hai in mente un compito, comincia scrivendo come si svolge oggi e come sarebbe un buon risultato: quella pagina è già gran parte di un brief. Possiamo aiutarti a valutare se serve un assistente generativo o un agente, a costruirne una versione piccola con i controlli giusti e a farla crescere quando ha dato prova di sé, con il nostro servizio di sviluppo AI. Parlaci del tuo progetto.
Per approfondire: L’AI nell’UX design: cosa cambia e cosa no, Quanto costa sviluppare un agente AI e come si svolge il progetto.
