Dal prompting al ruolo lavorativo per l’agente: una guida per l’impresa agentica

Chiedi a un dirigente aziendale di descrivere uno dei suoi agenti AI e probabilmente otterrai una risposta chiara: “riepiloga i documenti” oppure “gestisce i ticket di assistenza di primo livello”. Ma chiedi come viene governato, misurato o corretto quell’agente AI e spesso riceverai solo silenzio. Quel silenzio racconta la situazione attuale dell’Agentic AI. 

Parlo regolarmente con i responsabili dati e AI delle principali aziende globali riguardo all’implementazione di agenti AI, non di semplici pilot, in produzione. Ciò che distingue le organizzazioni che stanno guadagnando terreno non è un modello migliore o un budget più alto. Piuttosto, hanno smesso di trattare gli agenti AI come prompt da progettare e hanno iniziato a considerarli come ruoli lavorativi.

I prompt spiegano i task; le descrizioni delle mansioni spiegano i ruoli

Un prompt dice a un agente AI cosa fare in un determinato momento. Una descrizione della mansione va oltre: cosa richiede questo ruolo, come si inserisce nell’organizzazione e chi è responsabile dei suoi risultati?

Molte aziende hanno saltato la fase della descrizione della mansione. Una delle principali preoccupazioni legate all’Agentic AI è mantenere una supervisione umana e prevenire azioni incontrollate. Questo pone una domanda: chi gestisce gli agenti AI e chi ha formato questi manager per farlo?

I leader con cui ho parlato sviluppano i loro programmi di agenti AI attorno ai tre passaggi deliberati che seguono, ognuno dei quali corrisponde a una fase che le organizzazioni adotterebbero con qualsiasi nuova assunzione.

Motivare l'assegnazione del ruolo

Prima di scrivere una sola riga di logica per l’agente AI, chiediti quale task merita di essere automatizzato. In un’azienda di tecnologia musicale, questo ha significato analizzare i workflow per individuare il lavoro più ripetitivo e con il volume più elevato. Per questa organizzazione, un agente AI di rilevamento musicale classifica ora le tracce generate dall’AI su una scala che nessun team umano potrebbe sostenere. 

In un produttore automotive globale, un AI lead all’interno di ogni divisione aziendale raccoglie use case attraverso un processo di ideazione strutturato, per poi sottoporli a un framework di prioritizzazione prima di sviluppare qualsiasi cosa. Come ha affermato un dirigente: “è diventato così facile creare agenti AI che i team lo fanno prima di ogni altra cosa. C’è un processo? Stage gate? Metriche? La maggior parte delle organizzazioni non è ancora a questo punto.”

Il design conta quanto la definizione delle priorità. Gli agenti AI non lavorano isolati, proprio come i dipendenti, e la fiducia nasce fin dall’inizio. In un’agenzia di marketing digitale, un ruolo di solution architect si colloca ora tra i team AI e le unità di business, assicurando che gli agenti AI vengano lanciati come workflow governati e collegati a obiettivi reali, non come strumenti isolati aggiunti a un processo.

Preparare il manuale

Se la descrizione della mansione è la lettera di assunzione, i dati sono il manuale del dipendente. Un agente AI senza accesso a dati aziendali accurati, diversificati e aggiornati è come un dipendente che non è mai stato inserito in azienda. Eppure la maturità dei dati rimane il principale ostacolo all’adozione dell’enterprise AI: secondo una ricerca interna di Snowflake, il 65% delle aziende dichiara che smantellare i silos di dati AI è difficile o molto difficile, mentre il 62% afferma lo stesso riguardo alla preparazione dei dati per renderli pronti per l’AI già in partenza.

La soluzione non è avere più dati. È avere dati strutturati. “Spesso le persone sottovalutano l’importanza della struttura dei dati”, afferma il responsabile di un’agenzia di marketing digitale. “Pensano che gli agenti AI possano fare tutto. Ma i modelli non funzionano così. Scelgono solo ciò che fa comodo. Gli agenti AI efficaci richiedono un onboarding molto curato.”

Un’azienda di soluzioni energetiche ha imparato questa lezione sviluppando un agente AI per l’ingegneria delle riparazioni. “Sviluppare l’agente AI richiede solo circa 20 minuti”, afferma il manager. “Ma lo sforzo di ingegneria necessario per raccogliere dati da fonti sparse e sviluppare gli embedding richiesti richiede diverse settimane.” Un agente AI vale quanto il manuale che gli viene fornito.

Gestire attivamente

L’assunzione e l’onboarding sono le parti facili. È nella gestione che i programmi possono fallire, perché gestire un agente AI non ha nulla a che vedere con gestire una persona. Eppure richiede altrettanto rigore.

La responsabile globale dei dati e AI presso un’azienda di tecnologia sanitaria descrive tre ruoli emergenti per le persone che supervisionano questo cambiamento: il designer, che progetta il processo e l’agente AI che lo esegue; il controller, che monitora l’esecuzione e valida i risultati; e l’auditor, che garantisce in modo indipendente il lavoro dell’agente AI nei processi ad alto rischio. “Svolgere il task in sé potrebbe diventare sempre più opzionale, persino un hobby”, mi dice. “Ma la responsabilità umana non scomparirà. Le persone devono continuare a essere responsabili delle decisioni incorporate nei loro design, dell’autonomia concessa agli agenti AI e dei risultati che questi agenti AI producono.” Questa responsabilità deve essere misurata, non presunta. 

Un produttore automotive globale testa gli agenti AI in formazione su 170 domande distribuite in cinque round prima della messa in produzione, per poi sottoporli a un criterio semplice: superare le prestazioni di un umano, non semplicemente avvicinarsi ad esse. Il team operativo di un’azienda di tecnologia musicale effettua un controllo umano finale su ogni output dell’agente AI prima del rilascio. E ogni leader che ho intervistato ha dato la stessa risposta quando ho chiesto chi si assume la responsabilità di ciò che fa un agente AI: gli esseri umani.

Ed è proprio questo il punto. Costruire fiducia tra i dipendenti e i loro nuovi colleghi agentici richiede tempo. Un leader ha stimato che servono quattro settimane per sviluppare un agente AI e otto o nove mesi per raggiungere una vera adozione, perché la fiducia si guadagna attraverso l’iterazione. Non si dichiara al lancio.

Il prossimo organigramma includerà gli AI manager

In ogni funzione che implementa agenti AI su larga scala sta emergendo un nuovo ruolo: l’AI manager. “La prossima fase è gestire più agenti AI contemporaneamente”, mi dice un leader di un’azienda di tecnologia musicale. “Ora sei un manager e gestirai queste AI per renderle più efficienti.”

Le organizzazioni che si muovono più rapidamente con gli agenti AI sono chiare su dove debba operare ogni agente AI, ponderate sui dati da cui questi agenti AI dipendono e rigorose su chi controlla il loro lavoro. La tecnologia è pronta prima della maggior parte delle strutture di gestione. Il divario tra “abbiamo agenti AI” e “impieghiamo gli agenti AI in modo efficace” non è un divario tecnologico. È un gap di gestione. Colmarlo inizia con un semplice cambio di approccio: basta con i prompt, inizia ad assegnare ruoli lavorativi.

Approfondisco tutti gli aspetti citati sopra, incluso il modo in cui un fornitore globale di servizi informativi forma la propria forza lavoro agentica su 175 anni di competenza legale e fiscale, nell’ebook “Employ Agents Effectively: A Data Executive's Blueprint for the Agentic Enterprise”.