Punti chiave
L’intelligenza artificiale generativa crea testi, immagini e codice quando riceve un comando. L’AI agentica, invece, può analizzare un obiettivo, elaborare un piano e compiere autonomamente una serie di azioni per raggiungerlo. Le due tecnologie non sono concorrenti: il futuro nascerà dalla loro collaborazione.
Quando si parla di intelligenza artificiale, termini come “AI generativa” e “AI agentica” vengono spesso utilizzati come se indicassero la stessa tecnologia. In realtà descrivono due approcci differenti, anche se strettamente collegati.
A spiegare la distinzione è Martin Keen di IBM Technology. Il punto di partenza è semplice: l’intelligenza artificiale generativa produce contenuti, mentre quella agentica utilizza l’intelligenza artificiale per perseguire un obiettivo e portare a termine un lavoro.
La differenza non riguarda soltanto la potenza dei modelli, ma soprattutto il modo in cui interagiscono con l’utente e con il mondo esterno.
L’intelligenza artificiale generativa aspetta un comando
Gli strumenti di intelligenza artificiale generativa che conosciamo oggi, come i chatbot e i generatori di immagini, sono sistemi fondamentalmente reattivi.
Significa che aspettano che una persona faccia qualcosa. L’utente scrive una domanda, impartisce un’istruzione o descrive il contenuto che desidera ottenere. Soltanto a quel punto il sistema elabora la richiesta e produce una risposta.
Possiamo chiedere a un modello generativo di scrivere un articolo, riassumere un documento, creare un’immagine, sviluppare del codice informatico o suggerire alcune idee. Il risultato può essere molto sofisticato, ma l’iniziativa iniziale continua ad appartenere alla persona.
Il modello non decide autonomamente che esiste un problema da risolvere e non comincia da solo a eseguire una serie di operazioni. Risponde a un prompt, cioè a un comando fornito dall’utente.
Il funzionamento può quindi essere rappresentato attraverso una sequenza abbastanza lineare: una persona fornisce un input e l’intelligenza artificiale restituisce un output.
L’AI generativa è particolarmente efficace nella creazione di contenuti. Può produrre testi, immagini, software e altre forme di materiale nuovo utilizzando i modelli e le relazioni apprese durante l’addestramento. Rimane però un assistente che reagisce alle richieste ricevute.
L’AI agentica non si limita a rispondere
L’intelligenza artificiale agentica introduce un cambiamento più profondo. Non si limita a produrre una risposta, ma può ricevere un obiettivo e stabilire autonomamente quali passaggi siano necessari per raggiungerlo.
È quindi un sistema proattivo e orientato al risultato.
Invece di richiedere all’utente di specificare ogni singola operazione, un sistema agentico può analizzare il problema, scomporlo in attività più piccole, scegliere gli strumenti da utilizzare ed eseguire le diverse azioni nella sequenza che ritiene più adatta.
Un agente può anche verificare i risultati ottenuti e modificare il proprio comportamento quando qualcosa non funziona. Non si limita quindi a seguire rigidamente un percorso stabilito in anticipo.
L’obiettivo viene fornito da una persona, ma il sistema dispone di un certo margine di autonomia nel decidere come raggiungerlo.
Il ciclo dell’intelligenza artificiale agentica
Il comportamento di un sistema agentico può essere riassunto attraverso quattro attività fondamentali: valutare, pianificare, agire e imparare.
Nella prima fase, l’agente raccoglie e valuta le informazioni disponibili. Deve comprendere la situazione iniziale, l’obiettivo assegnato, le risorse alle quali può accedere e gli eventuali limiti da rispettare.
Successivamente elabora un piano. Un obiettivo complesso viene diviso in passaggi più semplici e concreti. L’agente stabilisce quali operazioni compiere, in quale ordine e quali strumenti utilizzare.
Arriva quindi la fase dell’azione. Il sistema non produce soltanto una spiegazione testuale, ma interagisce con programmi, servizi e fonti esterne. Può effettuare ricerche, consultare database, utilizzare applicazioni o comunicare con altri agenti specializzati.
Infine, l’agente osserva i risultati delle proprie azioni. Se il risultato non corrisponde all’obiettivo, può rivedere il piano, correggere un errore o provare un percorso differente.
Il processo non è quindi necessariamente lineare. È un ciclo continuo nel quale il sistema valuta, ragiona, agisce, controlla ciò che è accaduto e utilizza le nuove informazioni per decidere il passaggio successivo.
Il ruolo dei grandi modelli linguistici
I grandi modelli linguistici, conosciuti anche con la sigla LLM, sono una componente importante dei sistemi agentici.
Nell’intelligenza artificiale generativa, un modello linguistico viene utilizzato principalmente per comprendere una richiesta e generare una risposta. In un sistema agentico può invece assumere il ruolo di motore di ragionamento.
Il modello interpreta l’obiettivo, esamina le informazioni disponibili e contribuisce a decidere quale azione compiere. Può scomporre un problema complesso in più fasi, confrontare possibili strategie e aggiornare il piano sulla base dei risultati ottenuti.
Il video di IBM fa riferimento al cosiddetto “chain of thought reasoning”, letteralmente ragionamento a catena. Il sistema affronta il problema attraverso una successione di passaggi logici, invece di tentare di produrre immediatamente una risposta definitiva.
Questo meccanismo permette all’agente di lavorare su attività che richiedono più decisioni consecutive.
L’esempio dell’assistente personale per gli acquisti
Un esempio utile per comprendere la differenza è quello dello shopping online.
Un sistema generativo può rispondere alla domanda: “Quale prodotto dovrei comprare?”. Può suggerire alcune alternative, spiegare le differenze tra diversi modelli o preparare un elenco di caratteristiche da valutare.
Il lavoro, però, rimane nelle mani dell’utente, che deve cercare i prodotti, controllare i prezzi, verificare la disponibilità e decidere come procedere.
Un assistente agentico può invece ricevere un obiettivo più generale e occuparsi dei diversi passaggi necessari. Può analizzare le preferenze della persona, cercare i prodotti disponibili, confrontare caratteristiche e prezzi e selezionare le alternative che rispettano i criteri indicati.
Se dispone degli strumenti e delle autorizzazioni necessarie, può spingersi oltre il semplice suggerimento e predisporre le operazioni successive.
L’elemento decisivo non è quindi la capacità di descrivere un prodotto, ma quella di utilizzare informazioni e strumenti per raggiungere concretamente l’obiettivo assegnato.
L’esempio dell’organizzazione di una conferenza
La differenza diventa ancora più evidente quando il compito è complesso, come organizzare una conferenza.
L’organizzazione richiede numerose attività collegate tra loro: individuare una data, scegliere un luogo, coordinare i partecipanti, preparare il programma, controllare la disponibilità delle persone e gestire eventuali cambiamenti.
Un sistema di AI generativa può aiutare a scrivere gli inviti, proporre un programma o preparare i testi promozionali. Ogni operazione, tuttavia, deve essere richiesta e coordinata da una persona.
Un sistema agentico può invece ricevere come obiettivo l’organizzazione dell’evento. A quel punto può dividere il lavoro in più attività, stabilire le priorità e coordinare diversi strumenti o agenti specializzati.
Un agente potrebbe occuparsi della ricerca del luogo, un altro della programmazione, un altro ancora delle comunicazioni. Le informazioni raccolte vengono poi coordinate per raggiungere il risultato complessivo.
Se emerge un problema, come l’indisponibilità di una data o un conflitto tra gli impegni dei partecipanti, il sistema può aggiornare il piano e cercare una soluzione alternativa.
È proprio questa capacità di perseguire un obiettivo attraverso diversi passaggi a distinguere l’intelligenza artificiale agentica dalla semplice generazione di contenuti.
Un agente non è soltanto un chatbot più potente
Definire l’AI agentica come un chatbot evoluto sarebbe riduttivo.
Un chatbot tradizionale conversa con l’utente e fornisce risposte. Un agente può invece utilizzare la conversazione come punto di partenza per svolgere un’attività.
Può servirsi di strumenti esterni, raccogliere nuove informazioni, prendere decisioni operative e controllare gli effetti delle azioni compiute. La sua funzione principale non è mantenere una conversazione, ma raggiungere un obiettivo.
Anche il tipo di interazione cambia. Con l’AI generativa l’utente descrive spesso ogni singolo compito: scrivi questo testo, analizza questo documento, crea questa immagine. Con l’AI agentica può indicare il risultato desiderato e lasciare al sistema la pianificazione delle attività intermedie.
L’intervento umano non scompare, perché è ancora la persona a stabilire l’obiettivo, le regole e le autorizzazioni disponibili. Diminuisce però la necessità di dirigere manualmente ogni passaggio.
AI generativa e agentica lavoreranno insieme
Le due forme di intelligenza artificiale non devono essere considerate alternative o concorrenti.
Un sistema agentico può utilizzare un modello generativo per comprendere il linguaggio, produrre contenuti, riassumere informazioni o comunicare con l’utente. L’AI generativa offre la capacità creativa e linguistica, mentre la struttura agentica aggiunge pianificazione, iniziativa e possibilità di azione.
Nell’esempio della conferenza, l’agente può decidere che è necessario inviare una comunicazione e utilizzare un modello generativo per scriverla. Può poi servirsi di uno strumento esterno per predisporne l’invio.
L’intelligenza artificiale generativa crea quindi il contenuto, mentre quella agentica stabilisce quando e come utilizzarlo all’interno di un processo più ampio.
I futuri sistemi di intelligenza artificiale combineranno probabilmente sempre più spesso questi due approcci. La creatività e la flessibilità dei modelli generativi verranno integrate con la capacità degli agenti di pianificare, utilizzare strumenti e perseguire obiettivi complessi.
Dalla produzione di risposte all’esecuzione di attività
Il passaggio dall’AI generativa all’AI agentica rappresenta un cambiamento nel rapporto tra persone e tecnologia.
Fino a oggi abbiamo utilizzato l’intelligenza artificiale soprattutto come uno strumento capace di produrre qualcosa su richiesta. Con i sistemi agentici, l’AI può diventare una collaboratrice alla quale affidare un obiettivo, non soltanto una domanda.
La differenza può essere riassunta in una formula molto semplice: l’intelligenza artificiale generativa risponde, quella agentica agisce.
La prima attende un comando e crea un contenuto. La seconda analizza un obiettivo, pianifica una serie di passaggi, utilizza gli strumenti disponibili, osserva i risultati e modifica il proprio comportamento quando necessario.
Il futuro dell’intelligenza artificiale non consisterà probabilmente nella sostituzione di un modello con l’altro, ma nella loro integrazione. L’AI generativa fornirà capacità linguistiche e creative sempre più avanzate, mentre l’AI agentica userà queste capacità per affrontare attività complesse e portarle a termine con un livello crescente di autonomia.
