Discovery workshop agente AI: cosa succede la prima settimana

Un progetto di agente AI non muore al mese sei, quando il pilota non scala: muore nella prima settimana, quando nessuno ha scritto su carta quale problema l’agente deve risolvere e come si farà a dire che lo ha risolto. È una diagnosi scomoda, perché sposta la responsabilità dal modello alla stanza in cui si è deciso di usarlo. Gartner ha stimato che oltre il 40% dei progetti agentici verrà cancellato entro la fine del 2027, e le tre cause che indica, costi in crescita, valore di business non chiaro, controlli di rischio inadeguati, sono tutte cose che si decidono prima di scrivere una riga di codice.

Questo pezzo racconta cosa succede dentro un discovery workshop agente AI giorno per giorno: chi c’è in stanza, quali domande si fanno, e soprattutto quale documento l’azienda si porta a casa il venerdì. Alla fine trovi il template dell’output, così puoi confrontarlo con quello che ti propone un fornitore.

In questo articolo scoprirai:

• La prima settimana non è un assessment: è il momento in cui si decide cosa costruire
• Quanto dura un discovery workshop agente AI: dai 90 minuti alle sei settimane
• Giorno 1: dalla lista dei desideri al ranking dei casi d'uso
• Giorno 2: chi userà l'agente davvero, e cosa fa adesso senza di lui
• Giorno 3: la mappa dei sistemi, cioè dove l'agente va a prendere i dati
• Giorno 4: i criteri di successo, cioè cosa firmate come «funziona»
• Giorno 5: il documento che resta all'azienda (template dell'output)
• Come Mimir conduce il discovery workshop

La prima settimana non è un assessment: è il momento in cui si decide cosa costruire

C’è una confusione che costa mesi, e vale la pena scioglierla subito. Un assessment guarda l’azienda: che dati hai, in che stato sono i sistemi, quanto è maturo il team. Serve a rispondere alla domanda «siamo pronti?», ed è il lavoro che descriviamo in cosa valuta un partner prima del progetto e in AI agent readiness. Il discovery workshop guarda il lavoro: quale processo specifico affidiamo a un agente, chi lo usa, cosa consideriamo un successo. Risponde a una domanda diversa, «cosa costruiamo, e perché questo e non altro?», e la risposta è una decisione, non una fotografia.

Cosa decide il discovery workshop agente AI che un assessment non decide

La distinzione conta perché i progetti che vengono cancellati raramente falliscono per limiti tecnici. Nell’analisi Gartner ripresa da Forbes, la capacità del modello non compare tra le cause di abbandono: compaiono costi, valore incerto e governance mancante. L’analista Gartner Anushree Verma, nel comunicato originale, è ancora più diretta: molti casi d’uso presentati oggi come agentici «non richiedono un’implementazione agentica». Tradotto: la settimana di discovery serve anche a dire no, e a dirlo quando costa poco.

Lo stesso rapporto segnala il contesto in cui questa decisione va presa. Secondo i numeri riportati da un’analisi della stessa previsione, su migliaia di fornitori che si dichiarano agentici solo circa 130 costruiscono sistemi genuinamente tali, il fenomeno che il mercato ha battezzato agent washing. Un sondaggio Gartner su 3.412 partecipanti mostra il resto del quadro: il 19% ha investito in modo significativo, il 42% in modo conservativo, il 31% è in attesa. Se stai entrando in questa settimana, stai entrando in un mercato dove la parola «agente» non garantisce niente, e dove sapere cosa sono e come funzionano davvero gli agenti AI è parte del tuo potere contrattuale.

Quanto dura un discovery workshop agente AI: dai 90 minuti alle sei settimane

Prima di guardare l’agenda, un fatto di mercato che nessuno dice ad alta voce: lo stesso nome copre formati che vanno da 90 minuti a sei settimane. Non è una sfumatura, è un ordine di grandezza di differenza, e significa che «facciamo un discovery workshop» non è ancora un accordo su niente.

Formato breve e formato esteso del discovery workshop agente AI

Le due estremità non fanno la stessa cosa. Il formato da 90 minuti, e il modello a quattro passi di Studio Graphene: raccogliere i punti di dolore, controllare la disponibilità dei dati, assegnare un punteggio alto/medio/basso, scegliere una direzione, serve a decidere dove guardare. Il formato da settimane produce architettura, stime, roadmap e registro dei rischi. Se ti serve un mandato per partire, i 90 minuti bastano; se ti serve un documento da portare in direzione, no: quello è il territorio del business case, dove il problema non è quasi mai la tecnologia.

La settimana, cinque giorni, è il punto di equilibrio che vediamo funzionare più spesso nelle PMI italiane: abbastanza lunga per aprire i sistemi e guardarci dentro, abbastanza corta per non diventare un progetto di consulenza a sé. Sui costi va detta una cosa onesta: quasi nessun fornitore pubblica un prezzo. Anche la scheda AWS si limita a «pricing based on your specific requirements». Sul rapporto fra durata del discovery e durata del progetto abbiamo raccolto numeri concreti in quanto dura implementare un agente AI.

Giorno 1: dalla lista dei desideri al ranking dei casi d’uso

Il primo giorno comincia sempre con una lista troppo lunga. Dieci, quindici idee, tutte plausibili, tutte portate da qualcuno che ci tiene. Il lavoro del giorno 1 è ridurla a una, con un criterio che regga anche quando quel qualcuno protesta.

I casi d’uso che funzionano davvero (e quelli che non sono agentici)

Qui i dati aiutano a smettere di litigare. Dall’esperienza di discovery raccontata da OutSystems, il 65% dei casi d’uso adatti si concentra in due sole categorie: efficienza operativa (45%, in particolare assistenti di recupero della conoscenza) e rischio e compliance (20%, tipicamente ingestione intelligente di documenti). Per settore, banche e assicurazioni pesano il 30%, il pubblico il 22%, trasporti e logistica il 15%. Se il tuo caso d’uso non somiglia a nessuno di questi non è squalificato, ma va difeso meglio degli altri: il confronto utile è con i processi aziendali in cui gli agenti funzionano già.

Il rovescio è altrettanto utile: le organizzazioni propongono spesso casi che richiedono «precisione deterministica» e non ragionamento. L’esempio citato è un motore di prodotti simili basato su attributi, che si risolve meglio con un filtro di query o una ricerca full-text. Questo è il filtro più economico dell’intera settimana, e chi lo salta lo paga dopo, abbiamo raccontato come in le 4 cause per cui i POC si bloccano.

Come si assegna il punteggio senza costruire un modello finto

La tentazione è la matrice a dodici variabili con i pesi. Studio Graphene consiglia l’opposto, «tienilo alto, medio, basso, evita le formule complesse», perché lo scopo è guidare una decisione, non fare un esperimento scientifico. In pratica: impatto, fattibilità, rischio, tre livelli ciascuno, e la regola che al massimo un caso d’uso può stare in cima. Sul confronto fra ambizione dell’architettura e realtà, vale la pena leggere cosa serve davvero per portare un agente dal pilota alla produzione prima di dire sì al caso più spettacolare della lista.

Giorno 2: chi userà l’agente davvero, e cosa fa adesso senza di lui

Il secondo giorno la stanza cambia composizione, e questo è il punto. La raccomandazione di Auditic è netta: da 4 a 6 partecipanti, mai più di 8, con tre profili obbligatori, i process owner che fanno il lavoro ogni giorno, uno sponsor senior con autorità di budget, un referente IT o operations che conosce i sistemi. Se manca lo sponsor, la settimana produce un desiderio; se mancano i process owner, produce una fantasia.

Come si mappa il processo nel discovery workshop agente AI

Il metodo è meno esotico di quanto sembri: si prende la persona che oggi fa quel lavoro e si segue il suo turno. Quante volte al giorno apre quella schermata, quanti minuti impiega, dove sbaglia, cosa fa quando il sistema non risponde. Da lì nascono le personas utili, non le schede di marketing con la foto sorridente, ma la descrizione di un compito ripetuto con la sua frequenza e il suo costo. L’agenda di riferimento dedica 30 dei 60-90 minuti totali alla sola mappatura del processo: attività manuali, errori, ritardi, sistemi coinvolti, stime di tempo. In un formato settimanale quella mezz’ora diventa una giornata, e serve tutta.

C’è una domanda che il giorno 2 deve porre e che spesso viene evitata: cosa cambia per queste persone se l’agente funziona. Non è una gentilezza, è gestione del rischio. Un agente che fa bene il suo lavoro e viene aggirato dal team è un progetto fallito con metriche buone, ed è il motivo per cui il change management per gli agenti AI comincia in questa stanza e non alla fine, così come la formazione del team.

Giorno 3: la mappa dei sistemi, cioè dove l’agente va a prendere i dati

Il terzo giorno è il più tecnico e il meno negoziabile. Si disegna l’inventario delle integrazioni: quali sistemi contengono i dati che servono, chi ne è proprietario, con che credenziali si accede, cosa l’agente può leggere e cosa può scrivere. La differenza fra un pilota e un agente in produzione passa quasi tutta da qui, l’analisi delle cancellazioni la chiama «capability-deployment verification gap»: agenti che funzionano nei test controllati e cadono in produzione per accessi ai dati mancanti e integrazioni non pianificate.

Sul pattern architetturale il mercato ha convergito. Nell’esperienza OutSystems il RAG è emerso come schema portante, perché riduce le allucinazioni ancorando ogni risposta a una fonte recuperata. Se il termine è nuovo, la nostra guida su come funziona il RAG spiega il meccanismo; sul lato connessioni, MCP è oggi il modo più diretto per collegare un agente ai sistemi aziendali senza costruire un’integrazione custom per ciascuno.

Un secondo dato del giorno 3 riguarda l’ambizione: il 57% delle organizzazioni sta già mettendo in campo workflow agentici multi-passo, capaci di pianificare ed eseguire su ambienti distribuiti, un dato che OutSystems riprende nella stessa analisi. Non è un invito a farlo subito: è un avvertimento sul fatto che l’architettura scelta questa settimana verrà probabilmente estesa, e conviene che regga. Le regole su chi può fare cosa vanno fissate ora, non dopo: è materia di governance e, per certi processi, di AI Act.

Giorno 4: i criteri di successo, cioè cosa firmate come «funziona»

Il giovedì è il giorno in cui si smette di parlare di possibilità e si scrive una soglia. Tre domande, tutte da mettere per iscritto: quali sono le metriche di successo su cui gli stakeholder si sono messi d’accordo, a quali dati e strumenti l’agente deve accedere e quali di questi sono già disponibili oggi, e chi possiede il fallimento, chi decide il rollback e con che procedura. Sono le tre domande che l’analisi delle cancellazioni chiede ai dirigenti di pretendere prima del via.

Dalla stessa analisi arrivano i quattro tratti che distinguono i progetti sopravvissuti, e sono tutti decisioni da prendere il giorno 4. Autonomia graduata: si passa per fasi da assistenza ad automazione ad autonomia, non si parte dall’ultima. Cancelli di verifica umana proporzionati alla reversibilità e alla posta in gioco della decisione. Checkpoint di ROI per fase, con la firma della finanza prima di ogni ampliamento. E un responsabile nominato per ciascun agente, con nome e cognome.

Nota il pattern: nessuno di questi quattro riguarda il modello. Riguardano tutti chi decide, quando, e con quale prova in mano. È la stessa logica che descriviamo nel framework a 5 fasi dell’adozione, e ha una conseguenza pratica sul contratto: se il fornitore non accetta checkpoint per fase, ti sta chiedendo di firmare l’intero progetto sulla fiducia. È uno dei criteri che pesano quando si decide fra un agente chiavi in mano e una soluzione self-service.

Giorno 5: il documento che resta all’azienda (template dell’output)

Il venerdì non si dimostra niente: si consegna. E il modo più affidabile per capire se un discovery workshop è serio è guardare cosa produce, non quanto dura. La regola di Auditic è che i deliverable arrivino entro 48 ore dalla sessione, in forma di documenti di lavoro e non di appunti; l’inventario più completo che abbiamo trovato è quello di Vention, che elenca stato attuale, prontezza dei dati e dell’infrastruttura, analisi di fattibilità, mappa prioritizzata dei casi d’uso, stack tecnologico consigliato, stima di ROI, roadmap con milestone, piano di implementazione, mitigazione dei rischi e KPI.

Le otto voci del documento di discovery workshop agente AI

Ridotto all’osso, il documento che deve stare sul tuo tavolo il venerdì sera contiene otto voci:

1. Il caso d’uso scelto, in una frase, con il processo e il reparto nominati.
2. I casi d’uso scartati e il motivo dello scarto, la parte che nessuno consegna e che vale di più a sei mesi.
3. Le personas: chi usa l’agente, con che frequenza, per quale compito.
4. La mappa dei sistemi: fonti dati, proprietari, permessi di lettura e scrittura, integrazioni mancanti.
5. I criteri di successo con la soglia numerica e la data della prima misura.
6. I cancelli di verifica umana e i limiti di autonomia per fase.
7. Il responsabile nominato e la procedura di rollback.
8. Stima di effort e roadmap per il primo incremento, non per l’intero programma.

Questo pacchetto è tuo anche se il progetto non parte, e va chiesto esplicitamente in fase di accordo. Ha un secondo uso, meno ovvio: è l’input di quello che accade dopo. La settimana di discovery finisce dove comincia il lavoro che raccontiamo in primi 30 giorni con un agente AI, lì si costruisce e si misura, qui si è deciso cosa. E se l’agente arriverà a essere gestito dal tuo team, le voci 4, 6 e 7 sono già l’ossatura dell’handover.

Come Mimir conduce il discovery workshop, e perché il servizio conta più del prodotto

Noi facciamo questa settimana perché abbiamo visto cosa succede quando la si salta. L’agente si costruisce in fretta, è la parte prevedibile del lavoro. Quello che non si compra a scatola chiusa è la decisione su quale processo affidargli, con quali permessi, e con quale numero scritto sopra che dica se sta funzionando: per questo MIMIR è un servizio prima che un prodotto, e l’onboarding assistito ne è la parte più importante, non un accessorio del contratto.

Il formato Mimir del discovery workshop: cinque giorni, un caso d’uso

Nella pratica teniamo il formato a cinque giorni, con la stanza piccola raccomandata dalla letteratura, process owner, sponsor, referente IT, e una regola che ci siamo dati: usciamo con un caso d’uso solo, e i casi scartati restano scritti col loro perché. Il discovery si può fare interamente a distanza, a patto che il giorno 3 abbia in chiamata chi ha davvero le credenziali dei sistemi; senza quella persona la mappa resta un disegno. Un’osservazione dal mercato EN, dove il formato è più maturo: Microsoft ha rilasciato AIDA, un insieme di agenti che facilitano il discovery workshop guidando le discussioni e gestendo i task, segno che la parte procedurale si automatizza, mentre il giudizio su cosa vale la pena costruire resta umano. Sul versante degli strumenti, i facilitatori usano già l’AI per trasformare i post-it in modelli e specifiche durante la sessione stessa.

Se stai valutando un agente AI per la tua azienda e non sai da dove cominciare, la prima settimana è esattamente il posto giusto, anche solo per scoprire che il caso d’uso che avevi in testa non è agentico e ti costa meno risolverlo altrimenti. Puoi scriverci da mimir.bot e ragionarci insieme: se dopo il confronto la risposta è «non ora», la consideriamo una consulenza riuscita.

Fonti:

• Gartner — oltre il 40% dei progetti agentici cancellati entro fine 2027
• Forbes — perché il 40% dei progetti agentici rischia la cancellazione
• Digital Applied — analisi delle cancellazioni dei progetti agentici
• OutSystems — lezioni apprese dai discovery workshop agentici
• Auditic — guida all’AI discovery workshop
• Studio Graphene — come condurre un AI discovery workshop da 2 ore
• Vention — workshop AI e deliverable
• OneByZero su AWS Marketplace — AI discovery workshop
• Microsoft Marketplace — AI discovery workshop (consulting, 3 giorni)
• Evne Developers — deliverable e outcome del discovery di prodotto
• Microsoft AIDA — agenti per facilitare il discovery workshop
• Qlerify — l’AI nei workshop di product discovery