La vera differenza tra un chatbot e un agente

Uno dei due risponde a una domanda. L’altro decide cosa fare, lo fa, controlla il proprio lavoro e passa al passo successivo — senza aspettare che glielo chiediate. Quella differenza non è accademica. Cambia che cosa può andare storto e chi dovrebbe accorgersene.

Un chatbot prende ciò che scrivete, genera una risposta e si ferma. Un agente prende ciò che scrivete, decide che cosa deve succedere, fa qualcosa, controlla se ha funzionato e decide che cosa fare dopo — da solo, spesso attraverso molti passi — prima che una persona ne veda alcunché. È tutta qui la distinzione. Tutto ciò di cui la gente discute quando discute di «agenti di IA» — il rischio, la supervisione di cui un sistema ha bisogno e la maggior parte della confusione del marketing — discende da quell’unica differenza.

Che cosa fa davvero un chatbot

Un chatbot è un sistema a passaggio singolo. Gli date del testo, lui genera del testo in risposta e l’interazione finisce lì. Anche un chatbot con una lunga memoria della conversazione fa ancora una sola cosa per turno: legge tutto ciò che è stato detto finora e predice il messaggio successivo. Non interroga mai un database per verificare un fatto, non invia mai nulla per conto vostro e non torna mai più tardi a vedere se la sua risposta ha retto. Se sbaglia, il danno è una frase che una persona legge — e che, nel corso ordinario delle cose, può cogliere prima di agire.

Quasi tutto ciò che si chiede ai chatbot ha questa forma senza che nessuno se ne accorga: riassumi questo documento, scrivi un messaggio di compleanno, spiega la nostra politica di rimborso, proponi tre titoli. Niente di tutto questo richiede che il sistema controlli qualcosa nel mondo reale o compia un’azione fuori dalla finestra di chat. Resta vero quando l’interfaccia si chiama «assistente IA» o «copilota» invece di «chatbot» — l’etichetta sulla scatola non cambia ciò che accade dentro.

Che cosa fa davvero un agente

Un agente esegue un ciclo, non un singolo passaggio: pianifica un passo, agisce chiamando uno strumento reale — cerca in un database, invia un messaggio, modifica un file, chiama un’API — guarda che cosa quell’azione ha davvero restituito e usa quel risultato per decidere il passo successivo. Lo ripete finché il compito è fatto, finché si blocca o finché è costruito per confrontarsi con una persona. Il punto importante è che nessuno approva ogni singolo passo lungo il percorso. Il sistema decide, da solo, che cosa provare dopo in base a ciò che è davvero successo l’ultima volta che ha agito — e può sbagliare in ciascuno di quei punti di decisione, non solo in una risposta finale.

Questo ciclo non è nuovo né esotico. I ricercatori ne descrivono versioni — ragionare su che cosa fare, agire, osservare il risultato, ragionare di nuovo — da anni, ed è ciò che gira davvero sotto i prodotti che si chiamano agenti, dal software che presenta note spese agli strumenti di codice che aprono un terminale ed eseguono i propri comandi. Ciò che rende qualcosa un agente invece di un chatbot molto loquace è che agisce sul mondo, osserva che cosa è successo e si corregge — ripetutamente, senza che un umano approvi ogni mossa.

La stessa richiesta, eseguita in due modi

Ecco come appare quella differenza quando due sistemi ricevono istruzioni che suonano simili.

Fate al chatbot la seconda domanda e vi restituirà comunque qualcosa che sembra una risposta: tre email di sollecito dal tono plausibile, generate da qualunque cosa abbiate incollato nella conversazione. Ciò che non farà è interrogare il vostro sistema reale di fatturazione, verificare il conteggio o mettere qualcosa in una cartella reale delle bozze. L’output può sembrare simile. Ciò che il sistema ha davvero fatto, no.

Perché non è solo una disputa di parole

La distinzione conta perché cambia che cosa può andare storto e chi se ne accorge. Il caso peggiore di un chatbot è una risposta sbagliata. Qualcuno la legge e, nel corso normale delle cose, o coglie l’errore o decide di non agire — lo sbaglio non esce mai dalla conversazione. Il caso peggiore di un agente è un’azione sbagliata già compiuta nel mondo reale: il sollecito andato al cliente sbagliato con il saldo sbagliato, il record aggiornato con il valore sbagliato, il rimborso emesso due volte — prima che qualcuno rivedesse alcunché. L’errore non è più una frase. È un evento, e gli eventi non si disfanno.

Per questo un agente ha bisogno di una supervisione diversa da quella di un chatbot. Un chatbot ha soprattutto bisogno di qualcuno che controlli le sue risposte, quando quella persona ci arriva. Un agente ha bisogno che chi lo progetta abbia già deciso, prima che parta, quali azioni può compiere senza chiedere, quali richiedono che una persona veda prima il piano e che cosa succede quando si blocca. Se lo stabilite dopo, scoprirete a vostre spese che cosa l’agente ha già fatto.

Ci si può fidare solo di ciò che si può vedere

È la stessa idea dietro il concetto di Legibility di FabricLoop: si può governare solo l’accesso, e il comportamento, che si riesce davvero a vedere. Per un chatbot è quasi automatico — tutto il suo output è un messaggio che una persona legge, quindi l’azione e la traccia dell’azione sono la stessa cosa. Per un agente, no. Le sue azioni avvengono dentro altri sistemi — un CRM, una casella di posta, un database, un file — e se nulla registra che cosa ha toccato, modificato o inviato, non c’è modo di rivederlo dopo, tantomeno di fermarlo prima. La Legibility non è un extra di conformità appoggiato sopra un agente. Per un agente è l’intera questione, perché la sua «risposta» non è una frase che si possa rileggere — è un insieme di azioni di cui si può non sapere mai che sono avvenute, a meno che il sistema non sia stato costruito per mostrarle.

È il legame pratico tra le due idee: un agente assume più rischio, e un rischio diverso, rispetto a un chatbot, ed è esattamente per questo che gli serve una traccia visibile di ciò che ha fatto e, nei casi a posta più alta, un punto di controllo prima di agire — ciò che il concetto di Tasso di intervento umano di FabricLoop tratta come un numero che si progetta e si misura, non come un ripensamento da avvitare quando qualcosa è già andato storto.

Il mercato valuta tutto questo al contrario, di continuo

Una volta che si ha il test vero, è evidente quanto spesso l’etichetta menta in entrambe le direzioni. Molti prodotti venduti con forza come «agenti di IA» — la parola nel titolo di apertura, nei livelli di prezzo — sono, sotto, un unico prompt ben calibrato: leggere l’input, generare l’output, fatto. Nessuna chiamata indipendente a uno strumento, nessun ciclo, nessuna decisione presa senza che un umano approvi il clic successivo. Intanto, molto software che non usa mai la parola «agente» — un flusso automatizzato di fatturazione, un sistema di monitoraggio che reindirizza il traffico da solo, uno script operativo che riavvia un servizio caduto e controlla se ciò l’ha sistemato — sta eseguendo in silenzio esattamente il ciclo descritto sopra. La parola sull’etichetta non dice nulla di affidabile su quale macchina state davvero usando.

Niente di tutto questo richiede un background tecnico. La prossima volta che un fornitore, o un collega, chiama qualcosa un agente, chiedete che cosa ha fatto davvero tra la vostra istruzione e il risultato — e quanti di quei passi ha deciso da solo.