Da Manlio Carlo Soldani 
Tre termini usati come sinonimi. Tre architetture radicalmente diverse. Chi le confonde prende decisioni sbagliate — sull’adozione, sugli investimenti, sui rischi.
Manlio Carlo Soldani, Notaio — Domodossola · Marzo 2026
Nel dibattito sull’intelligenza artificiale applicata alle professioni si fa un errore comune: usare AI Generativa, AI Agentiva e Agenti AI come varianti intercambiabili di uno stesso fenomeno. Non lo sono. Indicano tre architetture distinte, con capacità operative diverse, gradi di autonomia diversi e — fatto spesso trascurato — profili di rischio radicalmente diversi. Capire la differenza non è un esercizio accademico: è il presupposto per ogni scelta sensata su come integrare questi strumenti nel lavoro professionale.
Quello che segue è un tentativo di mappare queste tre categorie con precisione, con esempi concreti tratti da contesti professionali reali: studi legali, commercialisti, consulenti, medici, architetti, tutti coloro che gestiscono informazione complessa, relazioni di fiducia e responsabilità personale.
Indice dei contenuti
I. AI Generativa
Reattiva · Stateless · Produttiva
Definizione operativa: un sistema che, ricevuto un input (prompt), produce un output (testo, immagine, codice, audio) senza pianificare, senza decidere e senza agire nel mondo esterno. Ogni sessione è indipendente dalla precedente.
L’AI Generativa è il punto di ingresso con cui quasi tutti i professionisti si sono avvicinati a questi strumenti. Si fornisce un testo, si ottiene un testo. Si carica un documento, si ottiene una sintesi. Il modello non ha obiettivi propri, non mantiene uno stato tra sessioni diverse, non interagisce con sistemi esterni.
La sua forza è nella produzione di linguaggio: veloce, fluente, adattabile al contesto. Il suo limite strutturale è l’essere puramente reattiva: non fa nulla finché non viene interrogata, e smette di fare non appena ha risposto.
Capacità tipiche:
- Redazione di bozze da input strutturati (brief, appunti, schemi)
- Sintesi e riorganizzazione di documenti complessi
- Risposta a quesiti in linguaggio naturale su corpora di testo
- Traduzione, adattamento di tono, riformulazione
- Generazione di codice da specifiche descrittive
Esempio professionale
Un consulente fiscale carica la bozza di un contratto di cessione di azienda e chiede: “Identifica le clausole che potrebbero avere rilevanza ai fini delle imposte indirette.”
Il modello analizza il testo e produce un elenco commentato. Non accede a nessuna banca dati esterna. Non aggiorna nessun fascicolo. Non sa cosa è successo nella sessione precedente. Quando la finestra viene chiusa, non rimane nulla.
Utilità: alta per la fase di analisi iniziale. Limite: il professionista deve integrare manualmente ogni output nel proprio flusso di lavoro.
II. AI Agentiva
Pianificante · Strumentale · Guidata
Definizione operativa: un sistema che, ricevuto un obiettivo, lo scompone autonomamente in sotto-passi, sceglie e usa strumenti (API, motori di ricerca, calcolatori, database), esegue passaggi in sequenza e adatta il percorso in base ai risultati intermedi. Opera all’interno di un perimetro definito dall’operatore.
Il salto concettuale rispetto all’AI Generativa è significativo. Non si tratta più di rispondere a una domanda, ma di perseguire un obiettivo. Il sistema ragiona sul come — quale strumento usare, in quale ordine, come interpretare un risultato intermedio — e non si limita a produrre testo: esegue azioni.
L’elemento chiave è la presenza di strumenti (tools): un sistema agentivo può interrogare una banca dati giurisprudenziale, calcolare un valore secondo una formula, leggere un file, chiamare un’API esterna. Non inventa: orchestra.
Tuttavia, la supervisione umana rimane implicita nel design: ogni ciclo operativo è avviato da una persona, e i guardrail definiscono con precisione cosa il sistema può e non può fare.
Capacità tipiche:
- Ricerca multi-fonte con sintesi strutturata (giurisprudenza, dottrina, normativa)
- Compilazione di moduli e checklist da documenti caricati
- Calcoli iterativi con accesso a dati aggiornati (quotazioni, tassi, indici)
- Verifica incrociata di informazioni su più sistemi
- Esecuzione di flussi documentali con passaggi condizionali
Esempio professionale
Un consulente M&A incarica il sistema: “Prepara una scheda di due diligence per questa target: bilanci ultimi tre anni, eventuali contenziosi noti, posizione reputazionale, principali concorrenti.”
Il sistema scompone il compito: interroga database finanziari per i bilanci, cerca il nome della società su fonti giornalistiche e di settore, recupera eventuali sentenze pubbliche, struttura un documento con le informazioni raccolte e segnala i punti che richiedono approfondimento umano.
Non ha scritto un generico testo su “come si fa una due diligence”. Ha fatto una due diligence — parziale, da verificare, ma concreta. Il professionista riceve un punto di partenza informato anziché una pagina bianca.
III. Agenti AI
Autonomi · Persistenti · Operativi
Definizione operativa: sistemi software dotati di percezione del contesto, capacità decisionale, esecuzione di azioni nel mondo (scrittura di file, invio di comunicazioni, aggiornamento di sistemi, attivazione di altri agenti) e persistenza dello stato nel tempo. Operano anche in assenza di supervisione diretta.
Gli Agenti AI non sono “chatbot più potenti”. Sono entità operative: percepiscono uno stato del mondo, decidono come modificarlo, agiscono, osservano il risultato, aggiornano il proprio modello interno. Possono lavorare in parallelo con altri agenti (architetture multi-agente), delegare sotto-compiti, coordinarsi.
La differenza rispetto all’AI Agentiva non è solo di grado: è strutturale. Un sistema agentivo esegue un compito quando gli viene chiesto. Un Agente AI gestisce un processo nel tempo, con obiettivi propri, memoria persistente e capacità di iniziativa.
Capacità tipiche:
- Monitoraggio continuo di scadenze, adempimenti, variazioni normative
- Gestione autonoma di pipeline documentali (raccolta, classificazione, archiviazione)
- Onboarding di nuovi clienti con verifica progressiva dei requisiti
- Coordinamento tra agenti specializzati (agente ricerca + agente redazione + agente revisione)
- Reporting periodico generato e inviato senza intervento umano
- Escalation intelligente verso il professionista solo per eccezioni
Esempio professionale
Uno studio professionale configura un sistema multi-agente per la gestione dei clienti corporate. L’agente di monitoraggio tiene traccia delle scadenze assembleari, fiscali e regolamentari per ciascuna società in portafoglio. Quando si avvicina una scadenza critica, attiva l’agente documentale che prepara la bozza della comunicazione ai soci. Un terzo agente verifica la coerenza con lo statuto e la normativa vigente. Solo se emergono anomalie — o se l’importo supera una soglia — il fascicolo viene escalato al professionista per revisione e firma.
Il professionista non gestisce la routine: gestisce le eccezioni. Il suo tempo viene liberato per il lavoro ad alto valore — la relazione con il cliente, l’interpretazione dei casi complessi, la firma.
Analisi comparativa
| Dimensione | AI Generativa | AI Agentiva | Agenti AI |
|---|---|---|---|
| Autonomia | Nulla — risponde se interrogata | Tattica — pianifica entro obiettivo dato | Strategica — persegue obiettivi nel tempo |
| Persistenza | Nessuna (stateless) | Per singolo compito | Continua, con memoria di stato |
| Azioni nel mondo | Nessuna | Limitate (API, tool, ricerche) | Ampie (file, sistemi, comunicazioni) |
| Supervisione | Costante e diretta | Intermittente, per obiettivo | Per eccezione |
| Complessità implementativa | Bassa | Media | Alta |
| Reversibilità errori | Alta — output solo testuale | Media — alcune azioni reversibili | Variabile — dipende dall’azione |
| Rischio operativo | Basso | Medio | Elevato se senza guardrail |
Gli errori di categoria più comuni
Usare AI Generativa dove servono Agenti
Si investe in un potente strumento di generazione testo e poi ci si chiede perché non risolve i problemi operativi: non monitora le scadenze, non aggiorna il CRM, non invia promemoria automatici. Si continua a copiare manualmente l’output da uno strumento all’altro. Si raggiunge un soffitto di produttività rapidamente e ci si illude che il problema sia il modello linguistico, quando il problema è l’architettura.
Deployare Agenti senza guardrail
Si installa un sistema agentivo in produzione senza definire con precisione i confini operativi — cosa può fare, cosa non può fare, quando deve fermarsi e chiedere. Il risultato è entropia: azioni indesiderate, comunicazioni inviate prematuramente, dati modificati per errore. Con l’AI Generativa un errore produce un testo da correggere. Con un Agente autonomo un errore può produrre un’azione difficilmente reversibile.
Una regola di progettazione: il grado di autonomia concesso a un sistema AI dovrebbe essere direttamente proporzionale alla qualità dei guardrail implementati e inversamente proporzionale all’irreversibilità delle azioni che il sistema può compiere. La libertà operativa va guadagnata con la fiducia — esattamente come per un collaboratore umano.
Verso un’architettura matura
La domanda operativa per ogni studio o organizzazione professionale non è “quale AI adottiamo?” ma “a quale livello della catena operativa si colloca ogni problema che vogliamo risolvere?”
Alcuni problemi richiedono generazione: un testo da produrre, un documento da sintetizzare, una risposta da formulare. Qui basta l’AI Generativa.
Altri richiedono orchestrazione: un processo da eseguire, più fonti da interrogare, passi da concatenare. Qui serve l’AI Agentiva, con i tool giusti e i prompt di sistema che ne definiscono il perimetro.
Altri ancora richiedono delega: un processo ricorrente, un monitoraggio continuo, un flusso che deve operare anche quando il professionista è impegnato altrove. Qui entrano gli Agenti.
Le organizzazioni più avanzate non scelgono un livello: ne stratificano tre. I modelli generativi fanno il lavoro linguistico. I layer agentivi orchestrano i flussi. Gli agenti autonomi gestiscono i processi. Il professionista presidia le eccezioni, le relazioni e le decisioni ad alto valore.
Non è fantascienza: è architettura software applicata a un dominio professionale. Ed è già disponibile, oggi, per chi vuole costruirla.
La domanda da porsi non è “stiamo usando l’AI?” — ormai quasi tutti la usano, in qualche forma. La domanda è: a quale livello operativo stiamo lavorando, e corrisponde al problema che vogliamo risolvere?
Manlio Carlo Soldani, Notaio in Domodossola
Via Camillo Prampolini, 14 — Domodossola (VB)
Iscritto al Collegio Notarile di Verbania
domodossola@notaiosoldani.it · Tel. 0324 066077
#IntelligenzaArtificiale #AIAgentiva #AgentiAI #AIGenerativa #ProfessioniDigitali #TrasformazioneDigitale #ArchitetturaAI
Il presente articolo ha carattere generale e informativo, non costituisce parere legale personalizzato e non sostituisce la consulenza diretta con un notaio. Per assistenza specifica relativa alla vostra situazione, vi invitiamo a contattare il nostro Studio per fissare un appuntamento. Contenuto generato con sistemi di Intelligenza Artificiale e supervisionato da professionisti dello Studio Notarile, in conformità ai requisiti di trasparenza del Regolamento UE 2024/1689 (AI Act).