MimìrCast: le novità sull’AI ogni giorno
Ascolta il podcast ➔
Agenti AI per aziende: perché serve un servizio, non un software

Agenti AI per aziende: perché serve un servizio, non un software

Il mercato degli agenti AI per aziende ha cambiato passo in tre settimane. Il 10 settembre 2026 OpenAI ha aperto in beta pubblica l’Agents API. Il 29 settembre, al DevDay, ha presentato i Dots, agenti sempre attivi dentro ChatGPT, come ha raccontato TechCrunch.

In questo articolo scoprirai:

  • quali piattaforme per agenti AI aziendali sono sul mercato a ottobre 2026 e a chi si rivolgono;
  • i cinque lavori che nessuna licenza include, con un caso concreto per ciascuno;
  • come si confrontano piattaforma self-service, sviluppo su misura e servizio gestito;
  • quanto costano al mese i listini di Microsoft, Google, Salesforce e OpenAI, e cosa non dicono.

L’Agents API e i Dots sono strumenti potenti, e hanno un tratto in comune con Copilot Studio di Microsoft, Agentforce di Salesforce e Gemini Enterprise di Google: consegnano lo strumento, non il progetto. All’azienda restano cinque lavori: mappare i processi, collegare i dati, fare i test, formare le persone e aggiornare l’agente. È lì, più che nella scelta del modello, che un agente diventa utile oppure si ferma al progetto pilota. Per farli ci sono tre strade: la piattaforma self-service, lo sviluppo su misura e il prodotto con servizio gestito.

Agenti AI per aziende: quali piattaforme esistono nel 2026

A ottobre 2026 chi cerca agenti AI per aziende trova due novità di OpenAI uscite a settembre e tre piattaforme già in uso: Copilot Studio, Agentforce e Gemini Enterprise. Alcune si rivolgono agli sviluppatori, altre agli utenti di business, ma l’impostazione è la stessa: offrono il motore e gli attrezzi, non il lavoro di progetto. Prima di confrontarle conviene fissare una differenza: un chatbot risponde, un agente AI esegue. Usa strumenti, legge e scrive nei sistemi aziendali, porta a termine compiti in più passaggi. Il meccanismo è spiegato nella nostra guida completa agli agenti AI. Qui conta chi li vende, e a chi.

Agenti AI di OpenAI: Agents API e Dots

L’Agents API è pensata per gli sviluppatori. Mette a disposizione via API l’harness di Codex, come ha sintetizzato MarkTechPost al lancio: l’impalcatura software che tiene in piedi un agente per ore. Secondo la documentazione ufficiale di OpenAI, OpenAI gestisce le sessioni, l’orchestrazione, la compaction del contesto (cioè la compressione della memoria di lavoro) e il ripristino dopo un errore. Il codice gira in una sandbox, un ambiente isolato, ospitata da OpenAI o dal cliente. Costruire questa parte era il lavoro più oneroso di un agente su misura. Ora è un servizio.

I Dots, annunciati da OpenAI, vanno nella direzione opposta: niente codice. Sono agenti sempre attivi basati su GPT-6 Astra, lavorano in background sugli obiettivi assegnati dall’utente e si raggiungono anche da Slack e Microsoft Teams. Al lancio sono disponibili sui piani ChatGPT Pro e Business Premium, solo in alcuni mercati, riporta TechCrunch.

Agenti AI di Microsoft, Salesforce e Google

Le altre tre piattaforme erano sul mercato già prima di settembre, e ognuna si appoggia al proprio ecosistema. Con Copilot Studio si costruiscono agenti per i dipendenti e per canali esterni come siti e app. Richiede una sottoscrizione Azure e usa i connettori della Power Platform, come indica il listino Microsoft. Agentforce costruisce agenti sui dati del CRM Salesforce, e il suo Agentforce Builder è incluso nel piano gratuito Salesforce Foundations (pagina prezzi Salesforce). Gemini Enterprise è l’app di Google per gli agenti e per la ricerca sui dati aziendali, e si vende a utente. Una classifica dei migliori agenti AI valida per tutti non esiste: ogni piattaforma dà il meglio dentro il proprio ecosistema, e tutte danno per scontato che in azienda qualcuno sappia già cosa far fare all’agente.

Agenti AI per aziende in self-service: cosa resta da fare

Una piattaforma self-service lascia all’azienda cinque lavori, e sono quelli che decidono se l’agente arriva davvero in produzione. Nessun listino li include. Ecco come si presentano sulle piattaforme appena viste:

  • Mappare i processi. Copilot Studio e Agentforce offrono editor visuali, ma non dicono quale processo automatizzare, con quali eccezioni, né chi decide quando l’agente sbaglia.
  • Collegare i dati. L’Agents API si collega ai server MCP (Model Context Protocol, lo standard per collegare un modello a strumenti e fonti esterne). Quali dati esporre, con quali permessi e in che stato di pulizia resta però una scelta interna.
  • Testare. Un Dot lavora in background per conto dell’utente. Preparare i casi di prova e stabilire quali azioni richiedono una conferma umana spetta a chi lo adotta.
  • Formare le persone. Il report del MIT sull’AI generativa in azienda, ripreso da Fortune, indica come causa principale dei fallimenti il «divario di apprendimento» di strumenti e organizzazioni, non la qualità dei modelli.
  • Aggiornare agente e modello. I Dots girano su GPT-6 Astra e l’Agents API è in beta. Quando cambiano il modello o l’interfaccia, verificare che l’agente si comporti ancora come prima tocca all’azienda.

Agents API e GDPR: dati solo negli Stati Uniti

Il caso più concreto riguarda i dati. La documentazione OpenAI dichiara che l’Agents API conserva i dati solo negli Stati Uniti e non supporta la Zero Data Retention, l’opzione con cui OpenAI non conserva i contenuti delle richieste. La stessa pagina precisa che nemmeno una sandbox gestita in proprio rende l’API idonea a questa opzione. Per un’azienda europea vuol dire trasferire dati fuori dall’Unione. Valutare la base giuridica e le garanzie del trasferimento, e decidere quali dati possono uscire, resta interamente al cliente. Non è un difetto della piattaforma: è il suo perimetro.

Che negli agenti aziendali il servizio conti più del modello lo abbiamo già argomentato, come abbiamo già analizzato cosa non include la licenza. I lanci di settembre rendono la questione più evidente: lo strumento costa sempre meno, il lavoro che gli sta intorno no.

Principali applicazioni degli agenti AI in azienda

Gli agenti AI funzionano già sui processi frequenti, documentati e con un esito verificabile. Qualche esempio: l’assistenza clienti di primo livello su una base di conoscenza, le richieste interne su procedure e documenti, le pratiche ripetitive del back-office. Il processo va scelto prima della piattaforma, perché è il processo a stabilire quali dati servono, quali azioni l’agente può compiere da solo e come si misura il risultato. In un altro approfondimento abbiamo visto in quali processi aziendali gli agenti funzionano già. Qui interessa il criterio di scelta.

Il dato più utile viene ancora dal report MIT del 2025: oltre metà dei budget per l’AI generativa finisce in strumenti di vendita e marketing, ma il ritorno più alto arriva dall’automazione del back-office, come sintetizza Fortune. Le aziende investono dove il risultato si vede, non dove si misura.

Mappatura dei processi prima della scelta dell’agente

La mappatura è il primo dei cinque lavori, e le piattaforme la danno per già fatta. Lo dicono i loro stessi listini: Agentforce si paga a conversazione o ad azione, Gemini Enterprise a utente, Copilot Studio a crediti. Nessuno di questi modelli si può valutare senza sapere quante conversazioni, azioni o persone coinvolgerà il processo. Una buona mappatura risponde a quattro domande: quante volte al mese si ripete il compito, dove si trovano le informazioni che servono, quali passaggi richiedono un giudizio umano, cosa succede se l’agente sbaglia. Finché manca una di queste risposte, il problema non è ancora la piattaforma.

Migliore AI per le aziende: tre strade a confronto

Una migliore AI per le aziende in assoluto non esiste, perché il risultato non dipende dal modello ma da chi si fa carico dei cinque lavori. I modelli di punta dei grandi laboratori si superano a vicenda nel giro di poche settimane. Quello che separa un progetto in produzione da uno fermo al pilota sono il processo scelto, i dati collegati e le persone formate. La domanda utile, quindi, è chi fa cosa.

I dati MIT e Gartner sui progetti di AI in azienda

Il riferimento più citato è The GenAI Divide: State of AI in Business 2025 dell’iniziativa NANDA del MIT, pubblicato ad agosto 2025. Si basa su 150 interviste a dirigenti, un sondaggio fra 350 dipendenti e l’analisi di 300 progetti resi pubblici. Secondo la sintesi di Fortune, circa il 95% dei progetti pilota di AI generativa non ha un impatto misurabile sul conto economico. Per chi deve scegliere, però, conta di più un altro dato: gli strumenti comprati da fornitori specializzati e le partnership riescono in circa il 67% dei casi, gli sviluppi interni con una frequenza pari a circa un terzo di quella. Il dato ha più di un anno, precede l’ondata degli agenti e usa una definizione stretta di successo: va letto come un’indicazione di direzione, non come una legge. Sugli agenti in particolare, a giugno 2025 Gartner ha previsto che oltre il 40% dei progetti di agentic AI sarà cancellato entro la fine del 2027, per costi crescenti, valore di business poco chiaro o controlli del rischio inadeguati. Ne abbiamo parlato analizzando perché l’AI generativa non genera ROI.

Agente AI self-service, su misura o gestito

Il nostro confronto fra agente chiavi in mano o self-service considerava due strade. Qui ne aggiungiamo una terza, lo sviluppo su misura, che l’Agents API rende più accessibile.

LavoroPiattaforma self-serviceSviluppo su misuraProdotto con servizio gestito
Mappare i processiAziendaAzienda, con chi sviluppaAzienda, con il team del fornitore
Collegare i datiAzienda, con i connettori prontiChi sviluppaFornitore, sui sistemi indicati dall’azienda
TestareAziendaChi sviluppaFornitore, insieme all’azienda
Formare le personeAziendaAzienda, raramente inclusoFornitore, durante l’onboarding
Aggiornare agente e modelloAzienda (il vendor aggiorna il modello, non il tuo agente)Contratto di manutenzioneFornitore, nel tempo
Competenze interneSviluppatori o amministratori della piattaformaSviluppatori, o un fornitore da coordinareUn referente di processo
TempiPrototipo rapido, messa in produzione a carico internoI più lunghi: si costruisce prima di usareLegati all’onboarding

Agenti AI su misura: quando conviene

Lo sviluppo su misura conviene in tre casi: quando l’azienda ha sviluppatori interni in grado di mantenere l’agente, quando il processo da automatizzare è unico e fa la differenza sul mercato, quando i volumi sono abbastanza alti da ripagare la manutenzione. Negli altri casi è la strada più cara per arrivare allo stesso risultato.

Agenti AI su misura: costi di costruzione e rischio di gestione

L’Agents API ha cambiato una parte dell’equazione. Prima, un agente su misura richiedeva di scrivere da zero sessioni, memoria e ripristino dagli errori. Oggi quella parte la fornisce OpenAI, e si pagano le tariffe API del modello scelto più strumenti e container, senza un costo specifico per l’API, secondo la documentazione. Ma si è abbassato il costo di costruzione, non quello di gestione. Mappatura, dati, test, formazione e aggiornamenti restano tutti a carico di chi sviluppa, e in più c’è il vincolo dei dati negli Stati Uniti.

Il report del MIT dà la misura del rischio: gli sviluppi interni vanno a buon fine con una frequenza pari a circa un terzo di quella degli strumenti acquistati. Aditya Challapally, autore principale dello studio, l’ha detto così a Fortune: «Quasi ovunque andassimo, le aziende cercavano di costruirsi lo strumento da sole». Non è un argomento contro lo sviluppo su misura. È un argomento contro il farlo per abitudine.

Chi ha deciso che il su misura è la strada giusta trova i passaggi pratici nella guida su come creare agenti AI su misura. La decisione, però, va presa prima, con una domanda onesta: chi manterrà l’agente fra un anno, quando il modello sottostante sarà cambiato?

Agente AI con servizio gestito: l’offerta Mimír

Un agente AI con servizio gestito è un prodotto configurabile a cui il fornitore affianca un team, che lavora con l’azienda sia all’avvio sia nel tempo. Mimír, sviluppato da Tinke, è un esempio di questa terza strada. Va detto subito: mimir.bot è anche l’editore di questo blog. Per questo lo valutiamo con la stessa griglia usata per gli altri.

Sui dati, la pagina di Mimír descrive una piattaforma multi-agente con RAG (Retrieval-Augmented Generation, la tecnica che fa rispondere il modello a partire dai documenti aziendali) su PDF, siti web e archivi di domande e risposte. Si integra con WhatsApp, Salesforce Omnichannel, Zendesk e Microsoft Teams, e si collega a CRM ed ERP tramite API e MCP. È disponibile come servizio cloud europeo oppure installato nei server dell’azienda (on-premise), in conformità al GDPR: rispetto a un’API che oggi conserva i dati solo negli Stati Uniti, la differenza è concreta. Inoltre Mimír non è legato a un solo fornitore di modelli: dichiara di funzionare con OpenAI, Anthropic, Google, Meta, Cohere e Mistral, quindi un cambio di modello non obbliga a cambiare piattaforma.

Rispetto alle piattaforme self-service, la differenza sta nel servizio: un’assistenza tecnica dedicata, in italiano, durante l’implementazione e nella gestione quotidiana. Il team accompagna l’azienda nel collegare i dati, nel configurare e verificare l’agente, nella formazione durante l’onboarding dell’agente AI e negli aggiornamenti successivi. La mappatura dei processi si fa insieme.

Quando un agente AI gestito non conviene

Alcune cose restano all’azienda, perché nessun fornitore può farle al suo posto: scegliere il processo, tenere aggiornati i contenuti da cui l’agente attinge, nominare un referente che decida sulle eccezioni, misurare i risultati. E non è la scelta giusta per tutti. Un’azienda con un team di sviluppo solido, che vuole controllare tutta la tecnologia o costruire su un processo che è il suo vantaggio competitivo, sta meglio con il su misura. Chi lavora interamente dentro Microsoft 365 o Salesforce, e ha amministratori interni con il tempo da dedicarci, può partire dagli strumenti nativi del proprio ecosistema.

Quanto costa al mese un agente AI aziendale

Il costo mensile di un agente AI dipende dall’unità con cui il vendor fattura: crediti, utenti, conversazioni o token. Nei listini pubblici consultati il 7 ottobre 2026 si va dai 21 dollari a utente di Gemini Enterprise Business ai 550 a utente delle edizioni Max di Agentforce. Ma nessun listino include il costo dei cinque lavori.

PiattaformaUnità di prezzoListino (dollari USA)
Microsoft Copilot StudioPacchetto di crediti200 $/mese per 25.000 crediti, più sottoscrizione Azure (Microsoft)
Microsoft 365 CopilotUtente30 $/utente/mese con pagamento annuale, solo per agenti interni a Microsoft 365
Google Gemini EnterpriseUtenteDa 21 $/utente/mese (Business), da 30 $ (Standard) (Google Cloud)
Salesforce AgentforceAzione, conversazione o utente500 $ per 100.000 crediti (20 crediti ad azione), 2 $ a conversazione, add-on da 125 $/utente/mese, edizioni Max da 550 $/utente/mese (Salesforce)
OpenAI Agents APIToken e strumentiTariffe API del modello, più strumenti e container; nessun costo specifico per l’API
OpenAI DotsAbbonamento ChatGPTInclusi nei piani Pro e Business Premium

Sono cifre in dollari che cambiano spesso, ma una cosa la mostrano. A 2 dollari a conversazione, mille conversazioni al mese su Agentforce fanno 2.000 dollari. Il pacchetto di Copilot Studio va dimensionato su un consumo che si conosce solo dopo aver mappato il processo. Il canone, insomma, si stima dopo aver progettato il lavoro, non prima. Il costo vero sono le ore di chi mappa, collega, testa, forma e aggiorna: il conto completo, voce per voce, è nell’analisi su quanto costa implementare un agente AI. Confrontare solo i listini significa confrontare una parte della spesa.

Checklist: chi fa i cinque lavori dell’agente AI

Prima di confrontare i prezzi, conviene rispondere per iscritto a cinque domande, una per ogni lavoro:

  1. Chi mappa il processo e decide come gestire le eccezioni: l’azienda, un fornitore o un partner?
  2. Chi collega i dati, e chi risponde del luogo in cui sono conservati?
  3. Chi prepara i casi di prova e approva l’agente prima che parli con un cliente?
  4. Chi forma le persone che lo useranno, e quando?
  5. Chi lo ricontrolla quando cambiano il modello o il processo?

Se la risposta è sempre «noi» e le competenze ci sono, la piattaforma self-service va bene. Se la risposta è spesso «un partner», il dato MIT del 2025 dice che l’acquisto accompagnato ha più probabilità di arrivare in produzione. Chi deve portare l’AI in azienda e cerca qualcuno che lo accompagni nell’adozione può guardare la pagina di Mimír o chiedere una consulenza a Tinke, l’azienda che lo sviluppa.

Fonti:

Domande frequenti

Qual è la differenza tra un chatbot e un agente AI?

Un chatbot risponde alle domande, un agente AI esegue compiti. L'agente usa strumenti, legge e scrive nei sistemi aziendali come CRM e gestionali e porta a termine attività in più passaggi, per esempio aggiornare una pratica o aprire un ticket. Per questo servono regole chiare su quali azioni può compiere da solo e quali deve confermare una persona.

Quanto costa al mese un agente AI?

Dipende dall'unità con cui il fornitore fattura. Nei listini pubblici di ottobre 2026 Copilot Studio costa 200 dollari al mese per 25.000 crediti, Gemini Enterprise parte da 21 dollari a utente al mese, Agentforce costa 2 dollari a conversazione o da 125 dollari a utente al mese con gli add-on. A questi canoni si aggiungono le ore per mappare i processi, collegare i dati, testare, formare le persone e aggiornare l'agente, che nessun listino include.

Quali agenti AI esistono per le aziende?

A ottobre 2026 le piattaforme principali sono Microsoft Copilot Studio, Salesforce Agentforce e Google Gemini Enterprise. A settembre si sono aggiunti l'Agents API di OpenAI, pensata per gli sviluppatori, e i Dots, agenti sempre attivi dentro ChatGPT. Oltre alle piattaforme ci sono lo sviluppo su misura e i prodotti con servizio gestito, in cui il fornitore affianca l'azienda nell'implementazione.

Qual è la migliore AI per le aziende?

Una migliore AI in assoluto non esiste: ogni piattaforma rende di più dentro il proprio ecosistema, che sia Microsoft, Salesforce o Google. Secondo il report MIT del 2025 ripreso da Fortune, gli strumenti acquistati da fornitori specializzati riescono in circa il 67% dei casi, gli sviluppi interni con una frequenza pari a circa un terzo. Conta più chi si fa carico di processi, dati, test e formazione che il modello scelto.

Dove conserva i dati l'Agents API di OpenAI?

Secondo la documentazione di OpenAI, l'Agents API oggi supporta la residenza dei dati solo negli Stati Uniti e non supporta la Zero Data Retention, nemmeno con una sandbox gestita in proprio. Per un'azienda europea significa trasferire dati fuori dall'Unione. La valutazione della base giuridica e delle garanzie del trasferimento resta a carico del cliente.

Tabella dei contenuti
Articoli correlati:
Vuoi che l'AI diventi il tuo motore di valore più potente?

Ti accompagniamo noi con Mimír AI Agent.