Come scegliere il partner giusto per gli agenti AI: 7 criteri per PMI

Chi oggi cerca come scegliere il partner giusto per gli agenti AI non sta cercando una spiegazione di cosa sia un agente: ha già deciso di adottarne uno e deve capire a chi affidarsi. È una decisione che pesa più della tecnologia sottostante, perché i modelli linguistici sono ormai una commodity accessibile a tutti, mentre la capacità di portare un agente dalla demo alla produzione, e di mantenercelo, è distribuita in modo estremamente diseguale tra i fornitori.

Questo articolo non spiega perché serve un partner: quel tema è trattato in modo autonomo nella nostra guida su come scegliere il fornitore AI giusto in Italia. Qui facciamo una cosa diversa e più circoscritta: sette criteri verificabili, con le domande da porre in trattativa e i segnali che dovrebbero farti rallentare. Alla fine avrai una checklist utilizzabile anche se sceglierai un fornitore diverso da noi.

In questo articolo scoprirai:

• Perché la scelta del fornitore pesa più della tecnologia
• I tre tipi di fornitore di agenti AI (e come riconoscerli)
• Criterio 1, Verticalizzazione: l’agente deve conoscere il processo, non il settore in astratto
• Criterio 2, Onboarding strutturato: come scegliere un partner agenti AI che arriva in produzione
• Criterio 3, Presenza sul territorio italiano: perché conta più di quanto sembri
• Criterio 4, Compliance AI Act: chi si assume quale obbligo
• Criterio 5, SLA contrattuali: cosa misurare davvero
• Criterio 6, Roadmap, continuità del fornitore e rischio di lock-in
• Criterio 7, Casi d’uso comparabili: come leggere (e smontare) le referenze
• La checklist per scegliere il partner agenti AI: come usarla in trattativa

Perché la scelta del fornitore pesa più della tecnologia

Il dato che dovrebbe orientare qualsiasi trattativa arriva da Gartner: oltre il 40% dei progetti di agentic AI verrà cancellato entro la fine del 2027, secondo il comunicato con cui la società di ricerca ha diffuso la previsione. Le ragioni indicate non sono tecniche, costi in escalation, valore di business poco chiaro, controlli di rischio inadeguati. Come nota l’analisi di Forbes sulla previsione, la capacità del modello è vistosamente assente dall’elenco delle cause di fallimento: a determinare la sopravvivenza di un progetto è la disciplina di deployment, cioè esattamente ciò che compri quando scegli un partner.

Lo stesso report segnala il fenomeno dell’agent washing: su migliaia di aziende che dichiarano capacità agentiche, secondo la rilevazione di Gartner solo circa 130 stavano costruendo qualcosa che meritasse davvero l’etichetta. Le altre avevano ribattezzato chatbot e automazioni preesistenti. Forrester, citata nella stessa analisi, rileva che circa tre quarti delle imprese hanno adottato agentic AI ma solo una frazione minima la fa girare in produzione reale.

Il contesto italiano rende il criterio ancora più stringente

I numeri dell’Osservatorio Artificial Intelligence del Politecnico di Milano descrivono un mercato in corsa ma immaturo: nel 2025 l’AI in Italia vale 1,8 miliardi di euro con una crescita del 50%, il 71% delle grandi imprese ha almeno un progetto avviato, ma solo una su cinque la usa in modo pervasivo. Sul fronte agenti il dato è ancora più netto: i sistemi dedicati di process orchestration e agentic AI valgono appena il 4% del mercato. Tra le PMI la sperimentazione si ferma al 15% delle medie imprese e al 7% delle piccole.

Tradotto in termini di selezione: la maggior parte dei fornitori che ti proporrà un agente ha un portafoglio di esperienze sottile, perché il mercato in cui operano è nato ieri. Non è un motivo per rinunciare, è un motivo per verificare. E se il progetto non è ancora messo a fuoco, vale la pena partire dalla valutazione di AI agent readiness prima di aprire una trattativa.

I tre tipi di fornitore di agenti AI (e come riconoscerli)

Prima dei criteri serve una mappa, perché confrontare fornitori appartenenti a categorie diverse usando gli stessi parametri porta a conclusioni sbagliate. Sul mercato italiano esistono tre modelli distinti, ciascuno con un profilo di rischio proprio.

Il vendor di piattaforma internazionale. Vendono una piattaforma su cui costruisci l’agente. Il perimetro è chiaro, la documentazione eccellente, i costi di licenza prevedibili. Il problema è che il lavoro di integrazione, di adattamento al processo e di manutenzione resta interamente sulle tue spalle o su quelle di un system integrator terzo. La guida di V7 sulle piattaforme per agenti AI è esplicita nel raccomandare il calcolo del Total Cost of Ownership: licenze, integrazione, formazione, change management e manutenzione. La licenza è quasi sempre la voce minore.

La società di consulenza generalista. Portano metodo e capacità di progetto, ma il deliverable è un documento o un pilota, non un sistema che vive. Il rischio, segnalato anche dalla guida italiana alla scelta di una società di consulenza AI, è la delega a team junior dopo la firma: il senior che hai incontrato in presale non è quello che lavorerà al tuo progetto. Sul valore reale di un rapporto di consulenza in intelligenza artificiale abbiamo scritto separatamente.

Il modello ibrido: il partner agenti AI che resta dopo il go-live

Il modello ibrido prodotto più servizio. È la categoria in cui si colloca Mimír: un prodotto già funzionante, più un servizio di onboarding e presidio continuativo erogato in italiano da persone che rispondono nel tuo fuso orario. Il vantaggio non è ideologico ma pratico, l’agente arriva già costruito, ma qualcuno resta responsabile del fatto che continui a funzionare quando il processo cambia. Se il dubbio è tra questa formula e l’autonomia totale, abbiamo trattato il tema in agente AI chiavi in mano o self-service.

Criterio 1, Verticalizzazione: l’agente deve conoscere il processo, non il settore in astratto

«Lavoriamo nel manifatturiero» non è verticalizzazione. La verticalizzazione utile è al livello del processo: gestione ordini, riconciliazione fatture, primo livello di assistenza clienti, qualifica dei lead in ingresso. Un agente che ha già lavorato su un processo simile al tuo arriva in produzione in una frazione del tempo, perché i casi limite, l’ordine con la riga anomala, il cliente che scrive in dialetto commerciale, il documento scansionato male, sono già stati incontrati.

La domanda da fare è secca: su quale processo specifico avete già un agente in produzione e da quanti mesi ci gira? Le risposte accettabili contengono un nome di processo e una durata. Le risposte da annotare come segnale negativo contengono la parola «settore» e nessuna durata.

Come distinguere un agente in produzione da un proof of concept

La guida di Automation Anywhere alla valutazione delle piattaforme agentiche individua due trappole ricorrenti: le demo-driven decisions, dove una dimostrazione impressionante viene scambiata per capacità produttiva, e la pilot purgatory, cioè piattaforme che funzionano benissimo in un perimetro ristretto e si sfaldano quando devono scalare.

Il test pratico è chiedere di vedere non la demo ma i log: volumi giornalieri gestiti, tasso di escalation verso l’operatore umano, andamento negli ultimi tre mesi. Un fornitore che ha agenti in produzione ha questi numeri sottomano. Uno che ha solo pilota deve andarli a costruire, e si vede. Sulla differenza tra soluzioni preconfezionate e sviluppo su misura abbiamo approfondito in agenti AI custom vs off-the-shelf.

Criterio 2, Onboarding strutturato: come scegliere un partner agenti AI che arriva in produzione

Questo è il criterio che separa i fornitori più di ogni altro, ed è anche quello che le PMI sottovalutano di più in fase di preventivo. Un onboarding strutturato ha fasi nominate, output verificabili per fase e una data di uscita. Un onboarding non strutturato è una serie di call.

Lo schema minimo che dovresti vederti descrivere prima della firma comprende quattro momenti: assessment del processo con misurazione della baseline attuale, configurazione e collegamento ai sistemi esistenti, periodo di affiancamento con l’agente che lavora in parallelo all’operatore, passaggio in autonomia con soglie di escalation definite. Un operatore italiano del settore, Soraia, dichiara pubblicamente una delivery standard di quattro settimane articolata in discovery, build, deployment e formazione del team: è un riferimento utile per capire se il piano che ti stanno proponendo è realistico o vago.

La baseline è la parte che quasi nessuno misura

Se non misuri quanto tempo o quanto costo assorbe oggi il processo, non potrai mai dimostrare che l’agente ha funzionato, e questa è la ragione principale per cui i progetti vengono cancellati per «valore di business non chiaro». La misurazione della baseline va fatta prima che l’agente tocchi il processo, e va fatta dal fornitore insieme a te, non da te in solitaria dopo la firma.

È il punto su cui insistiamo di più nel nostro modello di servizio: l’onboarding non è un allegato al contratto ma il contratto stesso, perché è lì che si decide se il progetto entrerà nel 40% che verrà cancellato. Il tema è sviluppato in dettaglio nella nostra guida pratica all’onboarding degli agenti AI in azienda.

Va poi considerata a parte la componente di formazione delle persone, che è spesso il vero collo di bottiglia: ne abbiamo scritto in formazione team su agenti AI. Se il ROI atteso non si materializza, quasi sempre la causa sta qui, è il ragionamento che sviluppiamo in se l’AI generativa non genera ROI il problema non è la tecnologia.

Criterio 3, Presenza sul territorio italiano: perché conta più di quanto sembri

Sembra un criterio provinciale e invece è il più concreto dei sette. Un agente in produzione si rompe, e si rompe nei momenti peggiori: quando il gestionale cambia tracciato, quando arriva un picco di richieste, quando un fornitore di modelli aggiorna il comportamento sotto di te. La domanda non è dove ha sede il fornitore, ma entro quanto risponde una persona che può mettere le mani sul tuo sistema.

Con un vendor internazionale la catena di supporto passa quasi sempre per un ticket in inglese, un primo livello che segue uno script e un fuso orario che non è il tuo. Con un partner che opera sul territorio, la persona che risponde ha visto il tuo processo. La differenza si misura in ore di fermo, e le ore di fermo di un agente che gestisce ordini o assistenza clienti hanno un costo immediato. In Mimír il supporto è erogato in italiano dalle stesse persone che hanno seguito l’onboarding, nello stesso fuso orario del cliente: chi risponde al lunedì mattina conosce già il processo di cui si sta parlando.

Le domande da fare sul supporto prima di firmare

Tre domande bastano a smontare le risposte di comodo. La prima: chi risponde alle 9 di lunedì mattina, e in che lingua? La seconda: la persona che mi segue in presale sarà la stessa che mi segue dopo la firma? La terza: se domani cambio gestionale, questo rientra nel contratto di manutenzione o è un nuovo progetto? Le tre risposte, messe per iscritto, valgono più di qualsiasi brochure.

Criterio 4, Compliance AI Act: chi si assume quale obbligo

Il calendario dell’AI Act va letto con precisione, perché le scadenze non coincidono: il regime sanzionatorio si applica dal 2 agosto 2025, mentre dal 2 agosto 2026 scattano gli obblighi di trasparenza dell’articolo 50 e quelli sui sistemi ad alto rischio dell’Allegato III. Come ricostruisce questa analisi sugli obblighi per le imprese italiane, in Italia la legge 132/2025 designa AgID e ACN come autorità di vigilanza. Le sanzioni arrivano a 15 milioni di euro o al 3% del fatturato mondiale per le violazioni di trasparenza, con criteri di proporzionalità per PMI e startup. Una ricognizione di Agenda Digitale sugli adempimenti da quella data aiuta a capire quali passaggi vanno chiusi prima e quali possono seguire; sul merito degli adempimenti abbiamo scritto in AI Act e agenti AI in azienda: la compliance con un partner, mentre qui il tema resta uno solo, come usare la compliance per selezionare il fornitore.

Il punto che interessa a chi seleziona un fornitore è la ripartizione dei ruoli. Il provider è chi sviluppa il sistema, il deployer è chi lo usa professionalmente: nella pratica di un progetto su agenti, la tua azienda è quasi sempre deployer e spesso, se personalizza in modo sostanziale, assume anche responsabilità da provider. Gli obblighi del deployer per i sistemi ad alto rischio sono elencati nell’articolo 26 del regolamento e comprendono la sorveglianza umana affidata a persone con competenza e autorità adeguate, la conservazione dei log generati automaticamente per almeno sei mesi e l’informativa preventiva ai lavoratori e ai loro rappresentanti.

Cosa deve esserci nel contratto

Un fornitore serio arriva in trattativa con una posizione già formata su questi punti: quali obblighi si assume lui, quali restano a te, come vengono prodotte le istruzioni per l’uso, dove risiedono i dati, per quanto tempo e in che formato sono conservati i log, e chi li può esportare. Un fornitore che alla parola «AI Act» risponde genericamente «siamo conformi al GDPR» sta dicendo che non ha affrontato il problema, ed è tra le red flag esplicitamente elencate nella guida italiana citata sopra, insieme alle promesse di ROI garantito e alle referenze non contattabili.

Criterio 5, SLA contrattuali: cosa misurare davvero

Gli SLA per un agente AI non sono quelli di un software tradizionale, perché un agente può essere formalmente «disponibile» e sostanzialmente inutile: risponde, ma sbaglia. Un SLA sensato misura almeno tre grandezze: disponibilità del servizio, tempo di presa in carico degli incidenti e soglia di qualità dell’output, tipicamente il tasso di casi che l’agente chiude senza escalation, con l’impegno del fornitore a intervenire se scende sotto una soglia concordata. È la ragione per cui nei contratti Mimír la soglia di qualità dell’output viene concordata insieme alla baseline e messa nero su bianco accanto ai parametri di disponibilità, non lasciata alla valutazione a posteriori.

Va aggiunto il diritto di audit. La guida di Automation Anywhere considera la governance un requisito non negoziabile: controlli di accesso basati sui ruoli, log di audit, workflow di approvazione modulati sul rischio e monitoraggio in tempo reale. Se non puoi vedere cosa ha fatto l’agente e perché, non puoi né migliorarlo né difenderti davanti a un’autorità.

Criterio 6, Roadmap, continuità del fornitore e rischio di lock-in

Il sesto criterio riguarda la sopravvivenza di chi hai scelto. Il mercato degli agenti è affollato di operatori nati da poco: la checklist di valutazione dei vendor AI enterprise raccomanda di verificare anzianità dell’azienda, progetti effettivamente completati, politica sul lock-in e impegno a far evolvere il sistema nel tempo, distinguendo la competenza AI reale dal prodotto legacy riverniciato.

Sul lock-in, due clausole fanno la differenza: la proprietà di configurazioni e prompt e la portabilità dei dati e dei log in formato standard. Sul piano tecnico, l’interoperabilità è ormai il requisito di base: l’analisi comparativa dei runtime per agenti pubblicata da UX Magazine valuta i fornitori su otto componenti, orchestrazione, osservabilità, human-in-the-loop, gestione della conoscenza, sicurezza, multicanalità, capacità proattive e testing, e la maggior parte delle soluzioni open source copre solo una frazione di questo elenco. Il supporto a standard aperti come il Model Context Protocol è oggi un buon indicatore di apertura architetturale, così come l’essere model-agnostic anziché legati a un singolo fornitore di modelli. Mimír è costruito esattamente su questa impostazione: model-agnostic per scelta architetturale e integrato via MCP con i sistemi del cliente, così che il cambio di modello o di gestionale non diventi un nuovo progetto.

Criterio 7, Casi d’uso comparabili: come leggere (e smontare) le referenze

Il settimo criterio è il più semplice da enunciare e il più facile da eludere. Non chiedere «avete casi di successo»: la risposta è sempre sì. Chiedi tre referenze con un processo comparabile al tuo, in aziende di dimensione comparabile, con un referente che posso chiamare. È esattamente lo standard che suggeriscono sia le guide italiane sia quelle internazionali, e la reazione a questa richiesta è già metà della valutazione.

Quando arrivi alla telefonata con il cliente referente, tre domande producono il 90% dell’informazione utile: quanto tempo è passato davvero tra la firma e il primo giorno di produzione? Che cosa si è rotto nei primi tre mesi e quanto ci hanno messo a sistemarlo? Se dovessi rifare la scelta oggi, cosa negozieresti diversamente?

Attenzione alla dimensione dell’azienda referente

Un caso di successo in un gruppo da mille dipendenti dice poco a una PMI da trenta persone: cambiano il budget, la disponibilità di dati strutturati, la presenza di un IT interno e la capacità di assorbire il change management. È una delle ragioni per cui vale la pena chiedersi in anticipo cosa aspettarsi realisticamente da un rapporto di consulenza su agenti AI per PMI, e osservare quali pattern di adozione portano davvero in produzione.

La checklist per scegliere il partner agenti AI: come usarla in trattativa

I sette criteri funzionano se li trasformi in un documento unico da mandare a tutti i fornitori in valutazione, con la richiesta di rispondere per iscritto. La risposta scritta è di per sé un filtro: chi ha agenti in produzione compila in un paio di giorni, chi non li ha prende tempo o risponde con materiale di marketing.

Le sette domande da mandare per iscritto a ogni partner agenti AI

In sintesi, chiedi a ciascun fornitore: (1) su quale processo specifico ha già un agente in produzione e da quanti mesi; (2) le fasi del suo onboarding con gli output verificabili di ciascuna; (3) chi risponde al supporto, in che lingua e con che tempi; (4) come si ripartiscono gli obblighi AI Act tra voi due e dove risiedono i dati; (5) quali SLA firma, inclusa una soglia di qualità dell’output; (6) quali garanzie dà su proprietà delle configurazioni e portabilità dei dati; (7) tre referenze contattabili su processi comparabili.

Come leggere il preventivo di un partner agenti AI

Una nota sui preventivi, per finire. Sul mercato italiano un primo agente si colloca in una fascia che lo stesso operatore citato più sopra indica tra i 10.000 e i 50.000 euro, comprensiva di assessment, sviluppo e un primo periodo di assistenza. Più che il numero, guarda la composizione: se la quota di onboarding e assistenza è vicina a zero, il preventivo è basso perché il lavoro che decide il successo del progetto non è stato incluso, e tornerà come extra, o come progetto cancellato. È esattamente il motivo per cui sosteniamo che nel contesto enterprise il servizio conta più del modello.

Se stai valutando un progetto su agenti AI per la tua azienda e vuoi un confronto sui sette criteri applicati al tuo processo specifico, puoi scriverci da mimir.bot: ti aiutiamo a impostare l’assessment iniziale e la misurazione della baseline, che è il punto da cui dipende tutto il resto. Anche se poi sceglierai un altro fornitore, la checklist ti sarà servita a fare la domanda giusta.

Fonti:

• Gartner — oltre il 40% dei progetti di agentic AI sarà cancellato entro fine 2027 (comunicato stampa)
• Forbes — perché il 40% dei progetti di agentic AI rischia la cancellazione entro il 2027
• Osservatorio Artificial Intelligence, Politecnico di Milano — il mercato dell’AI in Italia
• V7 Labs — piattaforme per agenti AI e calcolo del Total Cost of Ownership
• Automation Anywhere — come valutare le piattaforme di agentic AI
• Soraia — guida agli agenti AI per le aziende, tempi di delivery e fasce di prezzo
• Truescreen — AI Act dal 2 agosto 2026: gli obblighi per le imprese italiane
• Agenda Digitale — AI Act, gli obblighi dal 2 agosto e come adeguarsi
• Commissione europea — AI Act, articolo 26: obblighi dei deployer di sistemi ad alto rischio
• Workativ — checklist di valutazione dei vendor AI enterprise
• UX Magazine — confronto tra i runtime per agenti AI e gli otto componenti da valutare