Nel 2024-2025 ogni startup parlava di "agentic workflows". A maggio 2026 il rumore si è abbassato e iniziamo a vedere cosa è davvero entrato nei processi delle PMI italiane. La risposta breve: meno di quanto promesso, più di quanto ci aspettassimo.
I tre casi d'uso che hanno vinto
1. Customer support tier 1
Chatbot con accesso a knowledge base + creazione ticket. Gestisce 40-60% delle richieste senza intervento umano. Non sono "agenti" in senso stretto, ma il nome è entrato nel marketing. Costo: 50-150 USD/mese di token per una PMI media. ROI evidente.
2. Estrazione strutturata da documenti
PDF di fatture, contratti, ordini → JSON strutturato. Con i modelli multimodali di fine 2025 l'accuratezza ha superato l'85% sui documenti italiani reali — abbastanza da rendere economicamente sensato sostituire OCR + regex con LLM.
3. Sales operations
Arricchimento lead, qualificazione, drafting email personalizzate. Il pattern: l'agente lavora sul CRM, l'umano firma. Funziona bene per outbound B2B con cicli lunghi.
Cosa abbiamo ucciso
Agenti che "gestiscono tutto"
Gli agenti generalisti tipo Devin per il coding o Auto-GPT per il business non hanno portato valore stabile. Falliscono in modi imprevedibili, e il debug di una catena di 30 step è più costoso che fare il task a mano.
Agent-to-agent autonomi
Più agenti che si parlano tra loro per risolvere un problema sembrava il futuro nel 2024. Nella realtà introduce loop, allucinazioni che si rinforzano, e un costo in token fuori controllo. Lo abbiamo provato in 3 progetti e tolto in 3 progetti.
Cosa è cambiato nei modelli
Claude 4.6 e 4.7 hanno reso il tool use molto più affidabile rispetto al 2024. GPT-5 Vision gestisce documenti scansionati con risultati che un anno fa erano impensabili. Gemini 2.5 ha catch-up netto su contesto lungo.
Per le PMI italiane: nessun lock-in. I tre player offrono prezzi e qualità ormai paragonabili. Scegli in base a dove sta il tuo data layer.
Il fattore decisivo: contesto aziendale
Gli agenti che funzionano hanno tutti la stessa caratteristica: accesso strutturato ai dati aziendali. Senza un buon data layer — CRM pulito, knowledge base scritta, documenti taggati — l'agente è uno stagista intelligente lasciato senza istruzioni.
Il 70% del nostro lavoro nei progetti AI 2026 è prep dei dati, non prompt engineering. Era prevedibile, ma molti clienti pensavano ancora che bastasse "metterci ChatGPT sopra".
Verdetto operativo
Gli AI agents nel 2026 funzionano in casi specifici e ben recintati. Non sono una rivoluzione, sono un nuovo strumento utile per task che prima richiedevano molto lavoro manuale ripetitivo. La PMI che li adotta bene risparmia tempo. La PMI che li adotta male butta soldi in un MVP che non finisce mai.