L’intelligenza artificiale è entrata in una nuova fase, verso sistemi capaci di agire, dialogare con i dati e gli applicativi aziendali e svolgere attività all’interno dei processi. È il passaggio dall’AI generativa all’AI operativa e agentica, al centro dell’intervista a Lorenzo Lorato, Marketing & Communication Director di Satisfactory Group che il 24 settembre sarà protagonista del talk “Dall’AI Generativa all’AI Operativa” nell’ambito di NEURA: Around AI, il Future Hub di Rome Future Week® dedicato all’intelligenza artificiale applicata, in programma il 23 e 24 settembre 2026 all’Innovation Hub di Roma.
Qui abbiamo anticipato alcuni dei temi che saranno al centro del suo intervento: agenti AI, autonomia dei sistemi, integrazione con CRM e dati aziendali, team ibridi e nuove responsabilità per le organizzazioni.
Negli ultimi due anni abbiamo imparato a dialogare con l’intelligenza artificiale. Ora si parla sempre più di agenti capaci di agire. Qual è la differenza sostanziale tra un chatbot, un assistente e un vero agente AI d’impresa?
La differenza fondamentale è proprio nel verbo: agire. Un chatbot risponde a una domanda, un assistente può comprendere meglio il contesto e accompagnare l’utente, un agente è in grado di perseguire un obiettivo e attivare autonomamente delle azioni.
Ma per noi c’è un ulteriore passaggio fondamentale. Un agente diventa davvero “d’impresa” quando non vive isolato, ma è integrato nell’ecosistema aziendale: CRM, database, sistemi di ticketing, centralini, WhatsApp, applicativi e processi.
Se un cliente chiama per avere informazioni su un prodotto, l’AI non deve soltanto rispondere bene: può riconoscere il cliente, comprenderne la storia, registrare il suo interesse nel CRM, attivare un follow-up e rendere quell’informazione disponibile agli altri sistemi e alle persone che gestiranno la relazione. Il salto è dall’AI che conversa all’AI che conversa, comprende e agisce.
L’AI agentica promette di non limitarsi a produrre risposte, ma di consultare dati, aggiornare un CRM, prenotare appuntamenti e coordinare attività. Quali processi aziendali sono già abbastanza maturi per essere affidati agli agenti e quali, invece, dovrebbero restare saldamente sotto il controllo umano?
I processi maturi sono quelli caratterizzati da attività frequenti, regole definite e conseguenze controllabili. Pensiamo alla gestione dei contatti di primo livello, alla classificazione di una richiesta, all’aggiornamento di informazioni nel CRM, alla prenotazione di un appuntamento o all’attivazione di comunicazioni successive.
Diverso è affidare all’AI decisioni che hanno conseguenze rilevanti sulle persone o sull’azienda. In questi casi il presidio umano deve rimanere centrale.
Noi preferiamo parlare di autonomia progressiva. Si parte da processi circoscritti, si misura ciò che accade e si aumenta gradualmente il livello di autonomia. Non credo che l’obiettivo debba essere eliminare l’uomo dal processo, ma capire in quali punti l’AI possa agire autonomamente e in quali debba invece assistere una persona nella decisione.
Satisfactory parla di “AI relazionale”. Che cosa significa progettare un’intelligenza artificiale non soltanto efficiente, ma capace di comprendere il contesto, adattare il linguaggio e costruire continuità nella relazione con un cliente?
Per noi significa partire da un presupposto molto semplice: una relazione non è una sequenza di conversazioni indipendenti.
Un cliente può entrare in contatto con un’azienda attraverso il sito, i social, scrivere su WhatsApp, ricevere una mail e successivamente parlare con un operatore. Dal suo punto di vista sta sempre parlando con la stessa azienda ma, molto spesso, i sistemi aziendali lo trattano come una persona diversa.
L’AI relazionale prova a costruire questa continuità, e lo può fare soltanto conoscendo il contesto, l’azienda e il cliente. Per questo continuiamo a sostenere che il valore dell’AI non risiede nella qualità del modello ma nella sua capacità di essere connessa all’ecosistema aziendale, per costruire relazioni utili e coerenti.
Il concetto di agente “empatico” è affascinante, ma può anche generare equivoci. Dove termina la personalizzazione intelligente della conversazione e dove inizia il rischio di far credere che una macchina comprenda realmente emozioni e intenzioni umane?
L’AI può riconoscere elementi del contesto, interpretare il linguaggio e adattare la propria risposta, ma questo non significa che provi empatia nel senso umano del termine.
Quando parliamo di AI relazionale non intendiamo costruire una macchina che simuli una persona, ma una tecnologia capace di gestire meglio una relazione.
Ad esempio, sulla base della velocità del linguaggio può comprendere lo stato emotivo del cliente e modificare tono e risposte, oppure trasferire la chiamata a un operatore velocità del linguaggio, del volume, dell’uso di determinate parole, può comprendere lo stato emotivo del cliente e modificare tono e risposte, oppure trasferire la chiamata a un operatore.
In fondo, non è molto differente da ciò che fa un essere umano durante una conversazione.
La vera innovazione non sembra essere il singolo agente, ma la possibilità di orchestrare più agenti specializzati. Come potrebbe funzionare, concretamente, un’organizzazione nella quale agenti commerciali, amministrativi e di assistenza collaborano tra loro e con le persone?
È esattamente la direzione sulla quale stiamo lavorando. Il punto non è costruire un agente capace di fare tutto, ma orchestrare competenze diverse.
Immaginiamo un cliente interessato a un prodotto. Un assistente gestisce la conversazione e raccoglie l’interesse; un altro sistema analizza i dati e aggiorna il CRM; un agente commerciale può individuare il segmento al quale appartiene quel cliente e attivare una comunicazione personalizzata; successivamente un altro agente può seguire la richiesta o supportare il personale commerciale.
Il vero valore nasce quando questi agenti condividono informazioni, regole e obiettivi, e soprattutto, quando lavorano insieme alle persone, creando dei team ibridi in cui ogni intelligenza, umana o artificiale, ha la sua specializzazione, il suo compito, che viene messo al servizio dello stesso processo.
Parliamo spesso di sostituzione del lavoro umano, ma forse la trasformazione più interessante riguarda la nascita di team ibridi. Come cambiano ruoli, competenze e responsabilità quando un gruppo di lavoro è composto contemporaneamente da persone e agenti artificiali?
Credo che questa sarà una delle trasformazioni organizzative più interessanti dei prossimi anni.
Oggi utilizziamo prevalentemente l’AI come strumento individuale: chiediamo qualcosa e otteniamo un risultato. Progressivamente lavoreremo invece all’interno di processi nei quali alcune attività saranno svolte dalle persone e altre dagli agenti.
Cambierà quindi anche il valore delle competenze. Sarà meno importante eseguire attività operative e molto più importante saper gestire un team, definire obiettivi, interpretare risultati, gestire eccezioni e assumersi la responsabilità delle decisioni.
Quest’ultimo aspetto è fondamentale: almeno al momento, non possiamo delegare all’AI la responsabilità. Le organizzazioni dovranno stabilire chiaramente chi controlla cosa, altrimenti il rischio sarà sempre più di non poter identificare la responsabilità delle azioni.
Il tema di Rome Future Week 2026 è “Materia Prima” e mette al centro elementi immateriali come conoscenza, tempo, intelligenza e relazioni. Qual è, secondo lei, la vera materia prima dell’AI agentica: i dati, il linguaggio, i processi aziendali o la fiducia delle persone?
La materia prima sono certamente i dati, ma il valore nasce dalle relazioni che riusciamo a costruire tra questi dati.
Le aziende possiedono già enormi quantità di informazioni: clienti, transazioni, conversazioni, ticket, documenti, navigazioni, campagne. Il problema è che molto spesso queste informazioni vivono in sistemi differenti e non dialogano tra loro.
Molte imprese possiedono enormi quantità di dati, documenti e informazioni, ma spesso sono frammentati, incoerenti o difficili da utilizzare. Prima di introdurre un agente AI, quanto è importante mettere ordine nella propria materia prima informativa?
Fondamentale ma non si deve pretendere di farlo subito. Pensare di dover sistemare prima tutto il patrimonio informativo aziendale e solo successivamente introdurre l’AI rischia di bloccare qualsiasi progetto.
La situazione reale delle aziende è fatta di database e applicativi sviluppati in momenti diversi per scopi diversi. È la realtà con cui dobbiamo confrontarci.
Bisogna identificare le fonti, definire accessi e responsabilità, migliorare progressivamente la coerenza e la qualità dei dati, ma l’AI non sta lì ad aspettare, può essere parte del processo di ordinamento: identificare le informazioni necessarie, i collegamenti, le anomalie, ecc.
Un agente collegato a CRM, database e sistemi aziendali può diventare estremamente utile, ma anche estremamente rischioso. Quali guardrail, autorizzazioni e forme di supervisione sono indispensabili per permettergli di agire senza perdere il controllo di dati e decisioni?
Attenzione, un agente non dovrebbe avere genericamente “accesso al CRM”: dovrebbe avere accesso esclusivamente ai dati e alle azioni necessari per svolgere il proprio compito. Non è molto diverso da quel che accade con le persone, pensate se all’interno di un’azienda tutto il personale avesse accesso all’intero CRM. Bisogna quindi definire identità, permessi, tracciabilità delle operazioni, limiti di autonomia e procedure di escalation.
Si tratta di inserire l’AI all’interno della stessa cultura di governance con cui vengono gestiti gli altri sistemi aziendali, tenendo conto naturalmente delle sue specificità. GDPR, sicurezza, accountability e standard come la ISO/IEC 42001 diventano parte integrante del progetto.
Immaginiamo un imprenditore che abbia sperimentato qualche strumento di AI generativa, ma non sappia ancora come trasformarlo in un progetto aziendale. Quali sono i primi tre passi concreti che dovrebbe compiere per avviare una collaborazione efficace tra persone, processi e agenti artificiali?
Non partire dall’AI, ma dal processo. Individuare un problema concreto, possibilmente misurabile: ridurre i tempi di risposta, gestire meglio i lead, aumentare la capacità del customer care o automatizzare una parte di un processo commerciale. Da qui si definisce come l’AI può aiutare.
Capire quali dati e quali sistemi servono. Dove sono le informazioni? Nel CRM, nelle conversazioni, nei documenti, nei sistemi gestionali? Come può accedervi l’agente e quali azioni dovrebbe poter compiere?
Partire con un progetto circoscritto, definendo fin dall’inizio obiettivi, responsabilità e indicatori di risultato. Si sperimenta, si misura e solo successivamente si amplia il perimetro e il livello di autonomia. È un approccio forse meno spettacolare rispetto all’idea di rivoluzionare immediatamente l’intera azienda, ma è quello che consente di trasformare l’AI da una demo interessante a una tecnologia realmente integrata nei processi e capace di produrre valore.
