Un’azienda che oggi risponde ai clienti ha quasi sempre tre porte aperte: il numero WhatsApp Business che sta in firma, la casella info@ che riceve di tutto, e il widget di chat in basso a destra sul sito. Nella maggior parte dei casi dietro quelle tre porte ci sono tre cose diverse, un flusso comprato da un fornitore di messaggistica, una casella smistata a mano, e un chatbot installato nel 2023 che nessuno ha più toccato. Il cliente non lo sa e non gli interessa: scrive su WhatsApp, non riceve risposta, riscrive via email, e si sente chiedere di nuovo il numero d’ordine che aveva già dato.
Costruire un agente AI multicanale aziendale significa esattamente risolvere quel momento lì. Non significa comprare tre licenze in più. Significa decidere una volta sola come l’azienda ragiona, cosa sa, cosa può promettere, quando si ferma, e poi far uscire quella logica da tre porte che hanno regole tecniche molto diverse fra loro. È un lavoro di progetto, non di installazione, ed è la parte che nessuna demo mostra mai.
In questo articolo scoprirai:
- Cosa sono gli agenti AI, e cosa cambia quando devono rispondere su più canali
- Come si può utilizzare l’intelligenza artificiale in azienda senza costruire tre bot diversi
- Agente AI su WhatsApp Business: i vincoli della Cloud API che decidono il progetto
- Agente AI via email e widget web: perché lo stesso modello si comporta in modo diverso
- Routing e memoria conversazionale: come un agente AI tiene un’unica logica su tre canali
Cosa sono gli agenti AI, e cosa cambia quando devono rispondere su più canali
La definizione più utile in circolazione non è di un blog ma di chi costruisce questi sistemi. Anthropic, nella sua guida per ingegneri, separa due cose che in italiano finiscono tutte sotto la stessa parola: i workflow sono «sistemi dove LLM e strumenti sono orchestrati attraverso percorsi di codice predefiniti», mentre gli agenti sono «sistemi dove gli LLM dirigono dinamicamente i propri processi e l’uso degli strumenti» (Anthropic, Building effective agents). La differenza non è di potenza, è di chi decide il percorso: nel workflow lo decide chi ha scritto il codice, nell’agente lo decide il modello mentre risponde.
Per il customer care aziendale questa distinzione conta più di quanto sembri, perché la maggior parte delle richieste che arrivano su WhatsApp o via email non ha bisogno di un agente autonomo: ha bisogno di un percorso fisso fatto bene. Lo dice la stessa fonte, ed è il consiglio più controcorrente del documento: bisogna «trovare la soluzione più semplice possibile, e aumentare la complessità solo quando serve», perché gli agenti «comportano latenza, costo ed errori che si accumulano» più alti. Se vuoi un quadro completo di cosa sappiano fare davvero, abbiamo una guida 2026 sugli agenti AI che entra nel merito senza slogan, e una ricognizione dei tre processi aziendali in cui funzionano già oggi.
Identità del cliente: il nodo che nasce con l’agente AI multicanale
Il multicanale cambia le carte in tavola perché introduce una variabile che nel singolo canale non esiste: la stessa identità che si presenta in tre modi incompatibili. Su WhatsApp il cliente è un numero di telefono. Via email è un indirizzo. Sul widget del sito, finché non si identifica, è un cookie di sessione e niente altro. Tre chiavi diverse per la stessa persona, e nessun modello linguistico le unisce da solo, quella è infrastruttura, e va progettata prima di scrivere il primo prompt.
Come si può utilizzare l’intelligenza artificiale in azienda senza costruire tre bot diversi
La strada che quasi tutte le aziende imboccano per prima è anche la più costosa nel tempo: un bot per canale. Si parte da WhatsApp perché è dove il traffico è visibile, si aggiunge il widget perché il fornitore del sito lo regala, e l’email resta fuori perché «è diversa». Dopo sei mesi ci si ritrova con tre set di risposte che divergono, tre punti dove aggiornare un prezzo, e nessun posto dove guardare per sapere quante richieste sono arrivate in totale.
L’alternativa è un’architettura a tre strati, ed è banale da disegnare quanto è faticosa da tenere pulita. Al centro sta una sola logica di dominio: le regole dell’azienda, l’accesso ai dati, i limiti di ciò che l’agente può dire e fare. Intorno stanno gli adattatori di canale, uno per porta, che hanno un compito solo: tradurre il formato in entrata in un messaggio normalizzato e ritradurre la risposta nel formato che quel canale accetta. Sopra tutto sta l’osservabilità, di cui parliamo più avanti, perché è l’unica cosa che vi dirà se sta funzionando.
L’intelligenza artificiale in azienda e i dati: il gestionale si collega una volta sola
Il pezzo che rende questo schema praticabile oggi e non nel 2023 è la standardizzazione dell’accesso ai dati aziendali. Il Model Context Protocol nasce proprio per quello: è «uno standard open source per connettere applicazioni AI a sistemi esterni», descritto dai suoi autori come «una porta USB-C per le applicazioni AI», con l’obiettivo dichiarato di «costruire una volta e integrare ovunque» (modelcontextprotocol.io). Tradotto per chi deve firmare il progetto: il gestionale lo colleghi una volta sola, e quel collegamento serve tutti e tre i canali. Se il tema vi riguarda da vicino, abbiamo approfondito cos’è un MCP server e cosa serve per usarlo in azienda e, sul lato dati, come si imposta il progetto di integrazione con CRM e gestionale.
Agente AI su WhatsApp Business: i vincoli della Cloud API che decidono il progetto
WhatsApp è il canale che sembra più facile e detta più regole. La prima è la customer service window: la finestra di 24 ore che si apre quando è l’utente a scrivere all’azienda. Dentro quella finestra l’agente può rispondere liberamente; quando si chiude, per riaprire il dialogo servono i template approvati da Meta. Non è un dettaglio di fatturazione, è un vincolo di design conversazionale: se il vostro processo prevede che una pratica si risolva in tre giorni, l’agente non può semplicemente «ricontattare il cliente quando è pronto» con un messaggio libero.
La seconda regola è che Meta ragiona per categorie di messaggio, marketing, utility, authentication e service, e ognuna ha un trattamento diverso. Sulla documentazione ufficiale il modello è a messaggio singolo dal 1° luglio 2025, e i messaggi di service risultano gratuiti per tutte le aziende dal 1° novembre 2024, mentre utility e authentication sono gratuiti dentro la finestra e a pagamento fuori (WhatsApp Business Platform Pricing). Esiste poi la free entry point window: se il contatto nasce da un annuncio Click-to-WhatsApp o da un pulsante sulla Pagina e l’azienda risponde entro 24 ore, si aprono 72 ore gratuite.
Quanto costa tenere attivo un agente AI su WhatsApp Business
Qui va detta una cosa scomoda. In queste settimane circolano molti articoli che annunciano la fine della finestra gratuita di 24 ore a partire dal 1° ottobre 2026. Abbiamo controllato la pagina di pricing di Meta: quella pagina non dice questo. Alla data in cui scriviamo, il cambiamento documentato per il 1° ottobre 2026 è lo spostamento di alcuni mercati su listini autonomi, tariffe utility e authentication più basse per Bangladesh, Iraq, Nepal e Sri Lanka, più alte per Kazakistan, Kuwait, Marocco, Oman e Ucraina. L’Italia non compare in quell’elenco.
Non sosteniamo che i colleghi abbiano torto in assoluto: sostengono una cosa che la fonte primaria, oggi, non conferma. Ed è esattamente il motivo per cui in un progetto multicanale il listino va letto sulla documentazione del fornitore e riletto prima di ogni preventivo, non su un blog di rivendita, compreso questo. Il costo vero di WhatsApp, comunque, raramente sta nei messaggi: sta nelle ore di chi mantiene i template approvati. Sul perché valga la pena farlo abbiamo scritto perché è importante integrare un agente AI con WhatsApp, e sul ritorno economico come aumentare il ROI con un chatbot WhatsApp.
Agente AI via email e widget web: perché lo stesso modello si comporta in modo diverso
L’email è il canale che tutti sottovalutano, e ha il problema tecnico più insidioso dei tre: capire a quale conversazione appartiene un messaggio. Lo standard che regge la posta elettronica prevede che il Message-ID «DEVE essere un identificatore globalmente unico per un messaggio», ma sul concatenamento è molto più morbido: In-Reply-To «può essere usato per identificare il messaggio a cui il nuovo messaggio risponde» e References «può essere usato per identificare un thread di conversazione» (RFC 5322, §3.6.4). Quel «può» è la ragione per cui il vostro agente ogni tanto risponde come se non vi avesse mai sentito: alcuni client non popolano quegli header, e il thread si spezza.
Il rimedio non è AI, è idraulica: un identificativo di pratica nell’oggetto o nell’indirizzo di risposta, più un fallback che cerchi per mittente e finestra temporale quando gli header mancano. Va deciso in fase di progetto, perché riparare i thread a posteriori significa rimettere insieme conversazioni già andate male.
Cambia anche il registro. Su WhatsApp una risposta di venti parole è normale; la stessa risposta via email, dove il cliente ha scritto otto righe strutturate, sembra sbrigativa. Lo stesso identico modello, con lo stesso prompt di sistema, produce un’impressione opposta sui due canali. Il tono coerente non è il tono identico: è la stessa personalità aziendale calibrata sulla lunghezza e sulla formalità che ogni porta si porta dietro.
Il widget sul sito e il problema di capire chi sta scrivendo
Il widget web è il canale più libero tecnicamente e il più povero di informazioni: non sapete chi è l’interlocutore finché non ve lo dice. In compenso sapete qualcosa che gli altri canali non vi danno, la pagina da cui sta scrivendo. Un visitatore che apre la chat sulla pagina prezzi ha una domanda diversa da chi la apre sulla pagina assistenza, e passare quel contesto all’agente è uno dei pochi interventi a costo quasi zero con un effetto immediato sulla qualità della prima risposta. È anche il punto dove l’identificazione si può chiedere in modo naturale, come spieghiamo in cosa sono i form e perché è strategico integrarli nelle chat.
Routing e memoria conversazionale: come un agente AI tiene un’unica logica su tre canali
Il routing è un pattern preciso, non un’idea vaga: classificare l’input e indirizzarlo a una gestione specializzata, utile «quando categorie distinte beneficiano di una gestione separata», per esempio mandando le domande complesse a un modello più capace e quelle semplici a uno più economico (Anthropic). In un sistema multicanale il routing lavora su due assi: il cosa, che tipo di richiesta è, e il chi, quale identità sta scrivendo e quale storico le appartiene. Il primo asse è comune ai tre canali, il secondo è l’unico pezzo che deve conoscere la porta d’ingresso.
La memoria è la parte che più spesso viene data per scontata. I modelli non ricordano niente: «ogni richiesta di generazione di testo è indipendente e senza stato», e la continuità si ottiene rimandando la storia precedente a ogni turno (OpenAI, Conversation state). Anche usando i meccanismi automatici di concatenamento, avverte la stessa documentazione, «tutti i token di input delle risposte precedenti nella catena sono fatturati come token di input». La memoria conversazionale ha un costo che cresce con la lunghezza del dialogo, e in un sistema multicanale cresce due volte, perché la storia utile non è quella del canale ma quella della persona.
Da qui discende la regola pratica: non si porta tutto lo storico a ogni turno. Si porta un riassunto stabile della relazione, chi è, cosa ha comprato, quali pratiche sono aperte, più gli ultimi scambi testuali del canale in uso. Il riassunto vive nei vostri sistemi, non nella finestra di contesto.
Che cosa sono i sistemi multiagente, e quando servono davvero
Un sistema multiagente è un insieme di agenti specializzati che si coordinano, ciascuno con i propri strumenti e il proprio ambito. Sulla carta è elegante: un agente per la logistica, uno per la fatturazione, uno per il preventivo. Nella pratica, per un’azienda che sta aprendo il suo primo progetto multicanale, è quasi sempre complessità comprata in anticipo. Tre canali su una logica sola sono già un sistema distribuito. Aggiungere agenti che si parlano fra loro prima di aver stabilizzato quello significa moltiplicare i punti in cui qualcosa può andare storto senza che nessuno se ne accorga.
Escalation umana: quando l’agente AI aziendale deve passare la mano a una persona
L’escalation è la funzione che decide se il progetto sarà ricordato bene o male, e paradossalmente è la meno progettata. Anthropic è esplicita sul punto: servono «condizioni di arresto (come un numero massimo di iterazioni) per mantenere il controllo», test in ambienti isolati e guardrail appropriati. Un agente senza condizione di arresto non è più autonomo: è solo più difficile da fermare.
Le regole di passaggio all’umano che funzionano sono noiose e verificabili, e conviene scriverle prima di scegliere il modello. Quattro sono quasi sempre giuste: la richiesta esplicita del cliente, che non si discute mai e non si ritarda con un ulteriore tentativo di risposta; il secondo fallimento consecutivo di comprensione sullo stesso punto, perché il terzo tentativo non recupera nulla; qualunque richiesta che comporti un impegno economico o contrattuale non previsto dal listino; e i segnali di reclamo o di conflitto, dove la risposta corretta dal punto di vista informativo è quella sbagliata dal punto di vista relazionale.
Il passaggio all’operatore in un agente AI multicanale
Il passaggio vero, però, è tecnico prima che organizzativo. Passare la mano non vuol dire aprire un ticket: vuol dire che l’operatore vede la conversazione già avvenuta, sul canale su cui è avvenuta, senza chiedere niente di nuovo. Se l’escalation da WhatsApp finisce in una casella email che nessuno presidia, avete costruito un modo elegante di perdere i clienti più arrabbiati. E qui vale la pena essere onesti sui numeri: circolano percentuali di risoluzione automatica fra il 55% e il 70%, ma provengono da benchmark pubblicati dai fornitori stessi, non da ricerca indipendente, e non sono verificabili. Trattateli come marketing e misurate il vostro tasso reale dopo sessanta giorni, è l’unico dato che vi riguarda. Sul tema abbiamo un quadro più ampio in agenti AI per il customer care, e un caso limite interessante negli agenti vocali AI per il call center.
Log unificati e AI Act: cosa deve registrare un agente AI multicanale
Dal 2 agosto 2026 l’articolo 50 dell’AI Act è applicabile, e riguarda direttamente chiunque metta un agente conversazionale davanti al pubblico: i sistemi che interagiscono con persone fisiche devono informarle che stanno parlando con un sistema di AI, a meno che la cosa non sia «ovvia dal punto di vista di una persona ragionevolmente informata, attenta e avveduta» tenendo conto del contesto d’uso (Articolo 50, AI Act). Su tre canali significa tre punti di disclosure, non uno: il widget può dirlo nell’intestazione, WhatsApp e l’email devono dirlo nel testo del primo messaggio. Abbiamo ricostruito scadenze e platea in AI Act: cosa prevede e chi deve adeguarsi.
Sul fronte dati valgono i principi di sempre, che un log conversazionale mette alla prova più di un database ordinato: i dati vanno «raccolti per finalità determinate, esplicite e legittime», devono essere «adeguati, pertinenti e limitati a quanto necessario», conservati «per un arco di tempo non superiore al conseguimento delle finalità», e il titolare «deve essere in grado di dimostrare» il rispetto di questi principi (Art. 5 GDPR). Una trascrizione di chat contiene tutto quello che il cliente ha deciso di scriverci dentro, compreso ciò che non gli avete chiesto: la retention va decisa per categoria di dato, non per canale.
Perché ChatGPT da solo non basta come agente aziendale
La domanda torna sempre, ed è legittima: se il modello è quello, perché non usare direttamente l’abbonamento? Perché un abbonamento consumer non ha un adattatore per la Cloud API di WhatsApp, non thread-izza la posta, non tiene l’identità del cliente fra i canali, non conserva un registro consultabile per un audit, e soprattutto non vi dà il log. L’osservabilità di questi sistemi si sta standardizzando proprio ora: le convenzioni semantiche OpenTelemetry per la GenAI, che coprono span, metriche ed eventi, inclusa la strumentazione di MCP, sono state spostate in un repository dedicato e sono tuttora in assestamento. Lo standard esiste ma non è ancora fermo, e questa è un’informazione utile: significa che oggi conviene tenere i propri log in casa in un formato vostro, anziché dipendere dalla console di un fornitore. La differenza fra i due mondi l’abbiamo raccontata in chatbot o agente AI e in chatbot o chatbot AI.
Quali sono i migliori agenti AI per un’azienda: il servizio conta più del modello
È la domanda più cercata e la meno utile. Alla data in cui scriviamo i modelli di frontiera sono sostanzialmente intercambiabili per un caso d’uso di customer care: nessuno dei tre grandi fornitori vi farà fallire il progetto, e la scelta si gioca su costo per token, latenza e dove vengono trattati i dati. Il modello è la parte del progetto che invecchia più in fretta e costa meno cambiare, l’adattatore WhatsApp, la logica di escalation e lo schema dei log, quelli restano.
Il che porta alla tesi di questo articolo: multicanale è una proprietà del servizio, non del modello. Nessun LLM è nativamente multicanale. Diventa multicanale quando qualcuno mappa le porte d’ingresso, normalizza le identità, decide le regole di passaggio all’umano e tiene un registro unico. Se vi state chiedendo da dove partire con un progetto su misura, abbiamo descritto il percorso in agenti AI su misura e, per chi lavora con ERP e gestionali, in come integrare agenti AI con ERP e CRM.
Agenti AI gratis: fin dove arrivano davvero
Gli strumenti gratuiti servono, ma servono a una cosa sola: capire se il vostro caso d’uso regge. Con un piano gratuito costruite in un pomeriggio un agente che risponde sul widget del sito pescando dalle vostre FAQ, il percorso è lo stesso che abbiamo descritto per personalizzare le chat aziendali, e in un pomeriggio scoprite se le domande vere dei clienti sono quelle che immaginavate: nove volte su dieci non lo sono. Il limite arriva puntuale al primo canale che richiede credenziali proprie: WhatsApp Business ha bisogno di un numero verificato e di template approvati, l’email di un dominio autenticato, e i dati dei clienti di un titolare del trattamento che risponda. La versione gratuita è un prototipo, non un canale.
L’onboarding Mimír parte dalla mappatura dei canali, non da un’installazione
È per questo che con Mimír il primo incontro non è un’installazione. Si comincia elencando le porte già aperte, quante sono davvero, chi le presidia oggi, che volume fanno, e quasi sempre ne saltano fuori più di tre: un secondo numero WhatsApp di un commerciale, una casella storica che riceve ancora ordini, un form del sito che finisce in un indirizzo che nessuno legge. Poi si decide quali unificare subito e quali lasciare fuori dal primo rilascio, si scrivono le regole di escalation con chi in azienda quelle conversazioni le gestisce da anni, e si concorda cosa si misura a sessanta giorni. Il prodotto arriva dopo, e l’accompagnamento nell’adozione è la parte che determina l’esito, perché un agente che nessuno in azienda ha imparato a correggere smette di essere utile nel giro di un trimestre.
Se dovete portare l’AI in azienda e preferite essere accompagnati invece che lasciati soli davanti a una console, potete parlarne con noi: Tinke segue progetti di questo tipo dalla mappatura dei canali fino alla messa in esercizio, e una prima consulenza serve soprattutto a capire se il progetto ha senso nella vostra situazione. Non c’è niente da installare per iniziare la conversazione.
Fonti:
- Anthropic, Building effective agents
- Model Context Protocol, documentazione
- WhatsApp Business Platform Pricing
- RFC 5322, Internet Message Format
- OpenAI, Conversation state
- AI Act, Articolo 50
- Art. 5 GDPR
- OpenTelemetry, semantic conventions GenAI
- OpenTelemetry, repository semantic-conventions-genai
Domande frequenti
Quali sono i 4 tipi di AI?
La tassonomia classica distingue macchine reattive, sistemi a memoria limitata, teoria della mente e autocoscienza. Solo i primi due esistono davvero: gli assistenti conversazionali di oggi rientrano nella memoria limitata, perché lavorano sul contesto che gli viene passato a ogni turno. Le altre due categorie sono ipotesi teoriche, non prodotti acquistabili.
Cosa si intende per agent in ambito AI?
Un agent è un sistema in cui il modello linguistico decide dinamicamente quali strumenti usare e in che ordine, invece di seguire un percorso scritto in anticipo. Se il percorso è fissato nel codice si parla di workflow, non di agente. La differenza non è di potenza ma di chi decide il percorso.
Cosa sono gli agenti LLM?
Sono agenti il cui motore decisionale è un large language model collegato a strumenti esterni: database, API, gestionali. L'LLM interpreta la richiesta, sceglie lo strumento e formula la risposta. Il collegamento agli strumenti oggi si standardizza tramite protocolli come MCP, così l'integrazione si fa una volta sola per tutti i canali.
Qual è la migliore IA gratuita per un'azienda?
Per un prototipo qualsiasi piano gratuito dei principali fornitori è sufficiente a capire se il caso d'uso regge. Non basta però per un canale in produzione: WhatsApp Business richiede un numero verificato e template approvati, l'email un dominio autenticato, e i dati dei clienti un titolare del trattamento. La versione gratuita è un prototipo, non un canale.
Perché ChatGPT non basta come agente aziendale?
Un abbonamento consumer non ha un adattatore per la Cloud API di WhatsApp, non ricostruisce i thread email, non tiene l'identità del cliente fra i canali e non produce un registro consultabile per un audit. Quello che manca non è il modello, che è lo stesso, ma tutto il servizio intorno: adattatori, routing, escalation e log.
