Da un agente a un team ibrido: cosa cambia quando gli agenti AI in azienda diventano tanti

Questo articolo serve a chi ha già costruito, o visto costruire, un primo agente AI su Zoho e vuole capire cosa succede quando ne arrivano altri. Il primo agente è quasi sempre semplice: un compito, pochi strumenti, un modello, un costo che sta dentro la quota gratuita. Le scelte sono ovvie e gli errori si vedono subito. La complessità comincia dopo, quando l’azienda decide di investire nella costruzione di agenti, di mettere loro in punti importanti dei processi aziendali, sia per le funzioni che per i dati che possono processare.

Più l’azienda decide di operare in un contesto di team ibrido, più diventa importante la progettazione delle quattro cose che per il primo agente, creato quasi per prova, si erano risolte senza molti pensieri: gli strumenti, i dati, i costi e il monitoraggio diventano decisioni di architettura. Qui le prendiamo una alla volta, spiegando quello che Zia Agents offre per ciascun punto e con il modo più conveniente a cui approcciarsi.

Perché il primo agente è facile

Zia Agents, la piattaforma di Zoho per costruire agenti AI che lavorano dentro le applicazioni della suite, è disegnata perché il primo agente nasca facilmente. L’editor guida all’inserimento del ruolo, istruzioni, la scelta del modello, gli strumenti elencati nel catalogo delle applicazioni collegate e infine, si distribuisce. Un agente che classifica i ticket in Zoho Desk, il software della suite per l’assistenza, ha bisogno di leggere il ticket, aggiornare un campo e poco altro: tre strumenti su centinaia disponibili. Il consumo di token di un compito così rientra nella quota mensile gratuita dei modelli ospitati da Zoho. Se l’agente sbaglia, lo si vede nella scheda delle sessioni e si correggono le istruzioni.

In questa fase le scelte sono quasi ovvie perché le conseguenze sono contenute. Un modello va bene come un altro per classificare un testo breve. Gli strumenti sono quelli che il compito chiede. Il costo è sotto la soglia in cui qualcuno lo guarda. La domanda su dove vanno i dati ha una risposta, ma per un solo agente che legge ticket la si può prendere in dieci minuti.

Dove nasce la complessità

Il punto in cui il progetto si inceppa è il secondo passo: quando l’azienda, soddisfatta del primo agente, ne vuole uno per le vendite, uno per il marketing, uno che prepari i preventivi e uno che legga le email. A quel punto gli agenti non sono più un esperimento ma un team ibrido, persone e agenti che lavorano sugli stessi record, e le implicazioni che per il primo agente erano trascurabili prendono corpo. Quattro cose cambiano scala nello stesso momento.

Gli strumenti si moltiplicano, e con loro i punti in cui un agente può scrivere dove non dovrebbe o attivarne un altro. I dati trattati non sono più i ticket di un reparto ma lead, trattative, contatti, email, e la scelta del modello che li elabora smette di essere un dettaglio. I costi escono dalla quota gratuita, perché ogni agente porta con sé contesto, strumenti e documenti che si pagano a ogni passaggio. Il monitoraggio, infine, non è più rileggere le sessioni di un agente ma capire chi ha fatto cosa quando più agenti toccano lo stesso record. Nessuna di queste quattro cose è un problema in sé; lo diventa quando si cresce senza aver progettato.

Strumenti: chi legge, chi scrive, chi attiva chi

Un agente agisce solo attraverso gli strumenti che gli vengono assegnati, scelti uno a uno da un catalogo che per Zoho CRM, il software della suite per le vendite, conta più di millequattrocento operazioni, e per SalesIQ, lo strumento per la chat e il tracciamento dei visitatori del sito, oltre trecento. Agli agenti si danno gli strumenti che servono e basta.

Con un team di agenti conviene scrivere una regola e tenerla: ogni agente nasce con strumenti di sola lettura, e gli strumenti di scrittura si aggiungono uno alla volta quando le sue risposte si sono dimostrate affidabili su casi reali. Ogni strumento in più è una decisione registrata, perché la piattaforma crea una versione nuova dell’agente a ogni salvataggio, e si può sempre leggere quando un permesso è stato dato.

Il secondo livello di controllo sta nel modo in cui avviene la distribuzione dell’agente.

Distribuito come lavoratore digitale, l’agente è un utente dell’applicazione con un profilo e dei permessi: quando le istruzioni gli chiedono qualcosa che il profilo non consente, prevale il profilo. È la modalità in cui l’agente somiglia di più a una persona del team. Distribuito tramite connessione è più simile ad un’automazione molto evoluta, agisce con le credenziali di una connessione autorizzata verso ciascuna applicazione, e i servizi che possono farlo partire vanno abilitati esplicitamente come pubblicatori. In entrambi i casi il perimetro di un agente non dipende dal testo delle istruzioni ma da regole di accesso che si possono verificare.

Il terzo tema compare solo quando gli agenti sono più di uno: gli eventi che li fanno partire, perché potremmo generare loop infiniti dove il termine di un agente determina l’attivazione di un secondo che finisce per riattivare il primo. Ad esempio se distribuiamo due agenti:

• uno che si attiva quando un lead è modificato e che termina scrivendo una nota sullo stesso lead,
• ed il secondo che si attiva quando si aggiunge una nota ad un lead e che termina modificando il lead.

I trigger, ovvero le condizioni per cui un agente deve entrare in azione, sono configurabili e accettano filtri sui campi del record e raggruppano le esecuzioni per l’identificativo del record. I trigger quindi sono fondamentali per definire cosa parta e quando. Con un team di agenti è utile averlo ben presente e magari tenerne traccia.

Dati: quale modello, su quali informazioni

Il modello è il sistema che elabora il testo delle richieste. Zoho offre i propri modelli (Qwen e Mistral) che sono ospitati nel data center dell’Unione Europea. I dati in questo caso restano nell’infrastruttura di Zoho e non sono utilizzati per addestrare modelli. È possibile utilizzare altri provider, come ad esempio: OpenAI, Anthropic, Google, Cohere o DeepSeek. In questo caso il testo viene elaborato dal fornitore scelto secondo i suoi termini. Sui dati personali presenti nelle richieste verso un modello esterno Zoho dichiara un mascheramento automatico: nomi, indirizzi email e numeri vengono sostituiti prima che il testo arrivi al fornitore, senza un’impostazione da attivare.

Con più agenti la decisione va presa per agente e per tipo di dato, e scritta. Un agente che riassume articoli del blog può usare qualunque modello; uno che legge email di clienti e trattative merita una scelta esplicita, e conviene che quella scelta sia la stessa per tutti gli agenti che toccano lo stesso tipo di dato, altrimenti il registro dei trattamenti diventa illeggibile. La knowledge base, cioè i documenti che l’agente consulta per rispondere, si alimenta da file caricati, da Zoho WorkDrive e Zoho Learn con sincronizzazione periodica, o da pagine web; anche qui vale la regola di dare a ogni agente solo i documenti del suo compito, perché un documento in più è contesto in più a ogni passaggio, e il contesto si paga.

Un dettaglio pratico, emerso configurando l’organizzazione: i modelli ospitati da Zoho possono risultare disattivati per default a livello di organizzazione, e vanno attivati nelle impostazioni di fatturazione prima di comparire nell’editor. Chi prova la piattaforma e trova un solo gruppo di modelli di solito è fermo lì.

Costi: perché un agente consuma più di quanto sembra

La piattaforma non ha un canone e gli agenti si creano gratuitamente; si paga l’uso dei modelli, in token. Secondo la pagina dei prezzi, i modelli ospitati da Zoho hanno sul piano Standard una quota di trenta milioni di token gratuiti al mese e oltre quella soglia costano un dollaro per milione, scalato da un portafoglio di crediti in cui un dollaro vale mille crediti. I modelli di altri fornitori si pagano a parte direttamente al fornitore in base ai loro prezzi, Zoho qui non aggiunge nulla. Un agente solo, con un compito breve, non arriva alla soglia. Un team di agenti la supera, e per questo è importante fare una valutazione per non avere sorprese.

A ogni passaggio l’agente non rilegge soltanto la domanda: porta con sé la conversazione fino a quel punto, le risposte degli strumenti già chiamati, i documenti recuperati dalla knowledge base e la descrizione di ogni strumento che ha a disposizione, anche di quelli che non userà. Un agente con cinque strumenti e due documenti costa una frazione di uno con cinquanta strumenti e dieci documenti, a parità di domanda, e la differenza moltiplicata per il volume mensile è quella che compare in fattura. Le tre leve che pesano di più le ha in mano chi configura: la dimensione del modello, perché un compito di classificazione non ha bisogno del modello più grande; il numero di strumenti, per la ragione detta sopra; la quantità di documenti nella knowledge base.

La stima si fa prima di attivare, e con più agenti si fa per ciascuno. Il metodo è lo stesso che si userebbe per una qualunque voce di costo a consumo: si fa girare l’agente su una decina di casi reali, si legge nella scheda delle sessioni quanti token ha consumato per ciascuno, si moltiplica per il volume atteso al mese e si confronta con la quota e con il prezzo dei crediti.

La pagina dei consumi dell’organizzazione riporta token, crediti e costo stimato per modello e per agente: è il posto dove la stima si verifica dopo il primo mese, e dove un agente che costa più del previsto si riconosce dal numero di strumenti o dal modello sovradimensionato.

Monitoraggio: sapere chi ha fatto cosa

Ogni agente ha una scheda con le sessioni: per ogni esecuzione il messaggio ricevuto, i passaggi di ragionamento, gli strumenti chiamati con i dati passati e ricevuti, la risposta e i token. Per ogni agente si legge per correggere gli errori, e le ragioni di un errore sono di tre tipi: istruzioni generiche, modello sottodimensionato, strumento sbagliato o descritto male. Ogni correzione dell’agente produce una versione nuova e la precedente resta disponibile.

Quando si amministra un team di agenti la scheda serve a una cosa in più: ricostruire chi ha toccato un record e in che ordine. Se un lead ha un campo con un valore inatteso e tre agenti hanno il permesso di scriverlo, la risposta sta nelle sessioni, agente per agente, e si trova in fretta solo se gli agenti hanno nomi che dicono cosa fanno e se i campi che ciascuno scrive sono registrati nel documento che tiene traccia degli agenti, descritto più avanti. A questo si aggiungono le barriere: due di sistema, contro i pregiudizi e contro i contenuti offensivi, e quelle scritte dall’azienda come cose da fare e da non fare. Per un team conviene tenerle uguali su tutti gli agenti dello stesso reparto, così quando una regola cambia si cambia in un posto solo.

Nei progetti che seguiamo chiediamo che una persona in azienda rilegga le sessioni ogni settimana nel primo mese e mensilmente una volta che gli agenti sono affinati a sufficienza. Monitorare e rileggere le sessioni è anche il momento in cui le istruzioni si affinano e in cui si vede quale agente sta consumando più di quanto rende.

Il dividendo: un’infrastruttura che risponde da sola

Generalmente una PMI del Nord-Est si appoggia a figure esterne per gli aspetti legali, di sicurezza informatica e di protezione dati che arrivano quando serve. Raramente sono figure interne e per questo è difficile che siano sedute contemporaneamente allo stesso tavolo.

In caso di audit, chi ha costruito il team di agenti nel modo descritto sopra ha i dati senza doverli cercare. Meglio se poi si tiene traccia degli agenti in un documento.

Le stesse informazioni servono a rispondere anche ad una domanda basilare che nasce prima di quelle sulla compliance: ne vale la pena? Il costo per agente è un numero letto dalla pagina dei consumi. Il ritorno si stima confrontandolo con le ore di lavoro che l’agente alleggerisce dal carico sulle persone, su un volume misurato nelle sessioni e non immaginato. Un agente che classifica duecento ticket al mese e consuma qualche milione di token si confronta con le ore che quel lavoro costava a mano, e la proiezione si rifa ogni mese con i numeri veri. È un conto che il primo agente non richiede e che un team di agenti rende obbligatorio, ed è lo stesso conto con cui si decide quale agente aggiungere dopo.

Il team ibrido che funziona e l’infrastruttura pronta per chi fa domande sono la stessa cosa vista da due lati. Si costruisce la prima con metodo, e la seconda viene da sé.

Domande frequenti

Che differenza c’è tra i modelli Qwen e Mistral di Zoho?

Le informazioni che seguono sono quelle verificate alla data di pubblicazione dell’articolo: l’elenco dei modelli cambia nel tempo, la logica con cui si sceglie no. Qwen è la famiglia di modelli di Alibaba, rilasciata con pesi aperti: chiunque può scaricarla e farla girare sui propri server, ed è esattamente quello che fa Zoho, che li ospita nel suo data center europeo. Mistral è la famiglia di Mistral AI, azienda francese; il modello Medium non è a pesi aperti ma viene concesso in licenza alle aziende che lo ospitano, e anche in questo caso gira sull’infrastruttura di Zoho in Europa. Per la questione “dove vanno i dati” la differenza è nulla: in entrambi i casi il testo resta sui server Zoho in EU. La differenza è di provenienza, e in una conversazione con un cliente può pesare sul piano della percezione: un modello europeo si racconta più facilmente di uno cinese, anche quando l’elaborazione avviene nello stesso posto.

Come sono fatti. Al momento della stesura di questo articolo, c’erano un Qwen “14b” e dei Qwen “MoE” da 35 e 122 miliardi di parametri, più un Mistral Medium, di cui Mistral AI non dichiara la dimensione. Il numero misura la dimensione del modello, e in genere un modello più grande ragiona meglio su compiti complessi e costa di più per token in termini di tempo di risposta. La sigla MoE, mixture of experts, indica un’architettura in cui il modello è diviso in sottoinsiemi specializzati e a ogni passaggio ne attiva solo una parte: un Qwen da 122 miliardi “MoE” ha la conoscenza di un modello grande ma la velocità di uno molto più piccolo, perché per ogni parola usa solo una frazione dei suoi parametri. Il 14b è invece un modello “denso”, piccolo e veloce, adatto a classificare o estrarre dati da testi brevi. Mistral Medium è il modello di fascia intermedia della sua casa, pensato per il lavoro aziendale: ragionamento solido, buona tenuta nel seguire istruzioni lunghe e nel chiamare strumenti.

Cosa cambia per un agente. Su Zoho i modelli ospitati del piano Standard costano uguale, trenta milioni di token al mese compresi e poi un dollaro per milione, quindi la scelta non è economica ma di capacità. Per un agente contano tre cose: quanto bene segue istruzioni lunghe e articolate, quanto è affidabile nel decidere quale strumento chiamare e con quali parametri, e quanto regge il contesto quando porta con sé molte risposte degli strumenti. I modelli piccoli sbagliano più spesso sul secondo punto, e un agente che chiama lo strumento sbagliato costa più di uno che ragiona lentamente. La regola pratica è: il Qwen 14b per compiti di classificazione o smistamento con due o tre strumenti, un Qwen MoE grande o il Mistral Medium per agenti che devono leggere più fonti e decidere. Fra questi ultimi due, a parità di piano, l’unico modo serio di scegliere è provarli entrambi sugli stessi dieci casi reali e leggere le sessioni: la differenza che conta è quella che si vede sui propri dati, non quella delle classifiche.

Un agente può fare più di quanto gli consenta il profilo utente?

No. Distribuito come lavoratore digitale, l’agente ha i permessi del profilo che gli è stato assegnato nell’applicazione, e quando le istruzioni chiedono qualcosa che il profilo non consente prevale il profilo. Distribuito tramite connessione, agisce entro i limiti della connessione autorizzata.

I dati dei clienti escono da Zoho?

Dipende dal modello scelto per ciascun agente. Con i modelli ospitati da Zoho restano nella sua infrastruttura, in Europa per le organizzazioni europee; con una chiave propria di un fornitore esterno il testo delle richieste viene elaborato dal fornitore, con i dati personali mascherati in automatico secondo quanto dichiara Zoho.

Come si stima il costo di un team di agenti prima di attivarlo?

Agente per agente: si prova ciascuno su una decina di casi reali, si legge nelle sessioni quanti token consuma per caso, si moltiplica per il volume mensile atteso e si confronta la somma con la quota gratuita e con il prezzo dei crediti. Dopo il primo mese la pagina dei consumi per agente dice se la stima teneva.