Cosa sono i workflow agentici e come trasformano l'automazione?

La maggior parte delle automazioni si basa su script che eseguono ogni volta lo stesso percorso prestabilito. Se una conversazione esce dal percorso, l'automazione si interrompe o viene passata a una persona. I workflow agentici funzionano diversamente.

Un workflow agentico è una sequenza di attività in cui un agente IA ragiona su ogni passaggio, decide cosa fare dopo e agisce. Quando un'automazione può seguire soltanto lo script, questi casi finiscono in una coda, vengono abbandonati o risolti più lentamente e in modo meno coerente di quanto dovrebbero.

I workflow agentici colmano questa lacuna, consentendo all'agente di formulare autonomamente il giudizio necessario nel momento stesso. Aiutano le aziende a gestire interazioni variabili che richiedono valutazioni, come un cliente che pone una domanda non prevista dallo script, una chiamata di recupero crediti che richiede di negoziare le condizioni o un ticket di assistenza che coinvolge tre sistemi diversi. 

In questo articolo vedremo come funzionano i workflow agentici, in cosa differiscono dall'automazione convenzionale e come le aziende li utilizzano oggi.

In sintesi

• I workflow agentici consentono a un agente IA di ragionare su ogni passaggio di un'attività e decidere cosa fare dopo, anziché seguire un percorso fisso e predefinito.
• I workflow agentici combinano un livello di ragionamento LLM con RAG, memoria e guardrail, così l'agente può formulare valutazioni mentre i passaggi ad alto rischio continuano a richiedere approvazione.
• Le aziende utilizzano gli agenti IA per un'ampia gamma di attività, dall'assistenza clienti alla qualificazione dei lead, al recupero crediti e ai servizi pubblici.

Cosa sono i workflow agentici e come funzionano

L'automazione tradizionale, come gli script RPA di base o i chatbot basati su regole, segue una struttura del tipo "se accade questo, allora fai quello". Ogni ramo viene definito in anticipo: se l'input non corrisponde a un percorso già predisposto, il sistema IA non riesce a gestirlo o passa il caso a una persona.

Nei sistemi agentici, un LLM è al centro del processo: ragiona sullo stato attuale della conversazione o dell'attività e decide cosa dovrebbe accadere dopo. Anziché scegliere da un insieme ristretto di risposte predefinite, l'agente:

• Interpreta: legge l'obiettivo assegnato e determina di cosa ha realmente bisogno l'utente.
• Recupera: ottiene il contesto rilevante, inclusi documenti, cronologia delle conversazioni precedenti e output degli strumenti.
• Decide: sceglie quale azione o strumento usare e in quale ordine.
• Si adatta: modifica il proprio approccio quando nuove informazioni cambiano la situazione.
• Esegue: compie l'azione, quindi ragiona sul risultato per determinare il passaggio successivo.

Prendiamo un agente vocale che gestisce una contestazione di fatturazione. Uno script IVR tradizionale può indirizzare il chiamante alla sezione "fatturazione" e fermarsi lì. Un workflow agentico può recuperare l'account del cliente, controllare la cronologia dei pagamenti, verificare la contestazione rispetto alla policy sui rimborsi, emettere un accredito se rientra nei limiti approvati e inoltrare il caso a una persona soltanto se non vi rientra.

Componenti e caratteristiche principali dei workflow agentici

La maggior parte dei workflow agentici condivide gli stessi elementi di base, indipendentemente dalla piattaforma o dal caso d'uso specifico.

Ecco una panoramica della funzione di ciascun componente:

I sistemi agentici più affidabili combinano il ragionamento agentico per le parti di un'attività che richiedono giudizio con passaggi strutturati e basati su regole per quelle che non lo richiedono, soprattutto per tutto ciò che riguarda pagamenti o dati sensibili. Questa combinazione consente al workflow di procedere in modo efficiente nelle valutazioni, indirizzando al contempo i passaggi più delicati verso controlli più rigorosi.

L'editor Workflows di ElevenAgents, ad esempio, consente ai team di mappare esplicitamente i punti decisionali e di indirizzare i flussi tra subagenti specializzati o un operatore umano, così il comportamento dell'agente rimane verificabile.

In cosa i workflow agentici differiscono dall'automazione tradizionale

La distinzione fondamentale tra automazione tradizionale e workflow agentici dipende da chi decide il percorso: lo sviluppatore in anticipo o l'agente in fase di runtime.

Nessuno dei due approcci sostituisce completamente l'altro. L'automazione fissa resta la scelta giusta per attività realmente ripetitive e a basso rischio, come reimpostare una password o confermare l'orario di un appuntamento. 

I sistemi agentici sono più adatti quando l'attività implica ambiguità: un cliente il cui problema non rientra in un modello, un lead di cui occorre valutare l'intento o una chiamata che deve cambiare tono in base alla risposta della persona. Molti sistemi in produzione adottano un approccio ibrido, con passaggi deterministici per tutto ciò che è irreversibile e ragionamento agentico per tutto il resto.

Esempi di workflow agentici in applicazioni reali

I workflow agentici gestiscono già conversazioni in tempo reale con i clienti nei settori della sanità, del mercato immobiliare e della pubblica amministrazione. Le attività specifiche variano, ma il modello di base è lo stesso: un agente ragiona su una richiesta dall'inizio alla fine, anziché inoltrarla a una persona. 

Assistenza clienti e risoluzione dei problemi

Per le applicazioni di assistenza clienti, un agente può autenticare il chiamante, recuperare la cronologia di ordini o account, diagnosticare il problema consultando una knowledge base e risolverlo direttamente, passando il caso a una persona soltanto nelle situazioni eccezionali. 

Ad esempio, CareCode, una piattaforma brasiliana di comunicazioni sanitarie, ha integrato agenti vocali in lingua portoghese nel proprio workflow di programmazione degli appuntamenti con i pazienti e ha rilevato che il 43,9% dei chiamanti aveva già provato, senza riuscirci, a completare la propria richiesta tramite un altro canale. Gli agenti vocali sono riusciti a fissare quegli appuntamenti senza aumentare il personale.

Qualificazione dei lead e mercato immobiliare

Gli annunci immobiliari generano molto interesse in entrata, ma distinguere gli acquirenti seri da chi guarda casualmente continua a richiedere tempo agli agenti. 

Immobiliare.it, la più grande piattaforma immobiliare italiana, ha creato un agente conversazionale che risponde alle domande sugli annunci per conto del venditore, qualifica l'intento dell'acquirente e riassume l'interazione. Dopo il lancio, i tassi di qualificazione dei lead sono passati dal 19% al 63%, mentre la quota di utenti disposti a fornire un numero di telefono per il follow-up è salita dal 42% al 73%.

Servizi pubblici e richieste dei cittadini

Gli enti governativi stanno iniziando ad applicare lo stesso approccio alla risoluzione end-to-end, lasciando che un agente completi una richiesta anziché inoltrarla. 

Ad esempio, il Ministero della Trasformazione Digitale dell'Ucraina sta costruendo quello che definisce il primo governo agentico al mondo, utilizzando agenti IA per collegare i sistemi nazionali alle richieste individuali dei cittadini nell'ambito della sanità, dell'istruzione e dei servizi economici.

Attività operative in più passaggi

Oltre alla conversazione, i sistemi agentici concatenano sempre più spesso recupero di informazioni, verifica e azione in un unico passaggio. Un agente di accettazione sanitaria, ad esempio, può verificare l'idoneità assicurativa di un paziente, aggiornare la sua cartella e confermare l'appuntamento. Altrimenti, questi passaggi richiederebbero di indirizzare il chiamante a sistemi o team separati. Puoi anche usare i sistemi multi-agente per combinare qui più workflow agentici in uno solo.

Vantaggi e sfide dell'uso dei workflow agentici

I workflow agentici offrono vantaggi rispetto all'automazione basata su script. Tuttavia, questi vantaggi comportano anche nuove esigenze da soddisfare.

Ecco i principali vantaggi e le principali sfide del lavoro con i sistemi agentici:

Vantaggi

• Tassi di risoluzione più elevati: gli agenti possono completare un'attività dall'inizio alla fine, anziché inoltrarla a una persona per impostazione predefinita.
• Coerenza su larga scala: ogni conversazione segue la stessa logica e gli stessi guardrail, indipendentemente dal volume.
• Risoluzione più rapida: non è necessario attendere che una persona sia disponibile per attività che l'agente può gestire direttamente.
• Maggiore disponibilità del personale: gli agenti umani dedicano più tempo ai casi realmente complessi e meno tempo al triage iniziale ripetitivo.

Sfide

• Visibilità sul processo decisionale dell'agente IA: senza checkpoint deterministici, può essere difficile ricostruire perché un agente abbia intrapreso una determinata azione.
• Progettazione dei guardrail: poiché l'agente può scegliere il proprio percorso, i team devono decidere in anticipo quali azioni richiedono approvazione e quali possono essere eseguite autonomamente. Se il confine è definito male, l'agente crea rischi agendo su qualcosa su cui non dovrebbe intervenire oppure diventa un collo di bottiglia inoltrando casi che avrebbe potuto gestire.
• Test prima del lancio: i sistemi agentici si comportano diversamente da quelli basati su script, quindi la simulazione pre-lancio su scenari realistici è ancora più importante. I team devono sottoporli a stress test con scenari realistici e complessi prima che parlino con un vero cliente.
• Complessità delle integrazioni: l'agente è utile quanto i sistemi che può effettivamente raggiungere. Se non può accedere al CRM, al sistema di pagamento o allo strumento di pianificazione da cui dipende un'attività, si blocca o deve comunque inoltrare il caso, vanificando il motivo stesso del suo utilizzo.

I workflow agentici spostano il lavoro dalla revisione di ogni caso alla revisione dei soli casi che ne hanno bisogno. Questo cambiamento dà risultati soltanto se guardrail e audit trail sono integrati fin dall'inizio. Aggiungerli dopo che un agente è già operativo è molto più difficile, perché a quel punto avrà già preso decisioni che nessuno può ricostruire completamente. Sono i guardrail e il logging integrati fin dal primo giorno a permettere a un'azienda di fidarsi abbastanza dell'agente da smettere di rivedere ogni caso.

Inizia a usare ElevenAgents per l'automazione agentica

ElevenAgents riunisce in un'unica piattaforma tutto ciò di cui ha bisogno un workflow agentico. Scegli il tuo LLM e basa le sue risposte sulla tua knowledge base e sulle tue procedure operative standard tramite RAG. I workflow deterministici mantengono le azioni ad alto rischio vincolate a passaggi di approvazione e ogni conversazione viene registrata per una completa verificabilità. Prima del lancio, i team possono definire e testare i guardrail con simulazioni pre-lancio, quindi distribuire la stessa configurazione su voce, chat, email e WhatsApp.

Per le aziende che hanno bisogno che gli agenti inoltrino correttamente un caso quando supera la loro autorità, il passaggio a un operatore trasferisce all'agente umano l'intero contesto della conversazione, così i clienti non devono mai ripetersi.

Per scoprire come i workflow agentici possono supportare la tua azienda, parla con il nostro team oppure registrati per iniziare a creare con la nostra piattaforma no-code oggi stesso.

FAQ sui workflow agentici