Glossario dell'AI agentica: 100 termini essenziali sugli agenti AI per i buyer enterprise

Questo glossario è pensato per fornire a buyer, operatori e decision-maker la terminologia di base necessaria per valutare con sicurezza piattaforme e partner di agentic AI, con particolare attenzione alla maturità enterprise, all'automazione della customer experience e ai deployment in produzione.

Fondamenti e concetti chiave dell'agentic AI

1. Agentic AI – Sistemi di AI progettati per pianificare, decidere e agire in autonomia verso un obiettivo, anziché limitarsi a rispondere ai prompt. In ambito enterprise, l'agentic AI abilita workflow end-to-end combinando LLM, strumenti (Actions) e Knowledge aziendale, come avviene nella piattaforma Maven.
2. Agente AI – Un'entità software che percepisce input, ragiona sul contesto e compie azioni per raggiungere obiettivi specifici. A differenza dei bot tradizionali, gli agenti AI possono adattare il proprio comportamento in modo dinamico.
3. Autonomia – Il grado in cui un agente AI può operare in modo indipendente, senza intervento umano. Più autonomia significa più efficienza, ma richiede governance e guardrail più solidi.
4. Comportamento orientato agli obiettivi – La capacità di un agente di lavorare verso risultati definiti anziché su attività isolate. Consente agli agenti di concatenare le azioni in modo intelligente tra sistemi diversi.
5. Sistema multi-agente (MAS) – Un'architettura in cui più agenti AI collaborano o si coordinano per risolvere problemi complessi. Le architetture MAS migliorano scalabilità e specializzazione.
6. Action space – L'insieme completo delle azioni che un agente è autorizzato a compiere. Definire l'action space è fondamentale per sicurezza e prevedibilità.
7. Policy – Un insieme di regole che stabilisce come un agente prende decisioni e sceglie le azioni. Le policy garantiscono l'allineamento ai requisiti di business e di compliance.
8. Planner – Il componente che scompone obiettivi di alto livello in passaggi eseguibili. La pianificazione permette agli agenti di gestire workflow complessi e articolati in più fasi.
9. Executor – Il componente che esegue le azioni pianificate richiamando strumenti, API o workflow. L'executor trasforma il ragionamento in impatto concreto.
10. Motore di ragionamento – Il livello logico che valuta contesto, vincoli e opzioni per determinare le azioni successive. Un ragionamento solido è alla base di un comportamento affidabile dell'agente.

Memoria, conoscenza e gestione del contesto

11. Memoria – Meccanismi di archiviazione che consentono agli agenti di conservare e richiamare informazioni nel tempo. La memoria abilita continuità, personalizzazione e apprendimento.
12. Memoria a breve termine – Il contesto conservato durante una singola interazione o sessione. Permette agli agenti di seguire il flusso della conversazione e l'intento immediato.
13. Memoria a lungo termine – Archiviazione persistente di fatti, preferenze e interazioni passate. Supporta la personalizzazione e la conoscenza aziendale.
14. Database vettoriale – Un database specializzato, ottimizzato per la ricerca per similarità sugli embedding. È comunemente usato per archiviare memoria e conoscenza degli agenti.
15. Embedding – Rappresentazioni numeriche di testi o dati che ne catturano il significato semantico. Gli embedding consentono agli agenti di recuperare in modo efficiente le informazioni pertinenti.
16. Retrieval-Augmented Generation (RAG) – Una tecnica che ancora gli output dell'AI recuperando la conoscenza aziendale pertinente prima di generare le risposte. Maven utilizza schemi di retrieval per basare le risposte sulle tue Knowledge Base, costruite a partire da fonti come Salesforce, Zendesk, Freshdesk, file caricati e URL scansionati.
17. Knowledge Base – Una raccolta curata di contenuti aziendali come FAQ, policy e documentazione. Gli agenti si basano sulle knowledge base per fornire risposte fondate.
18. Grounding – La pratica di ancorare le risposte dell'agente a fonti di dati verificate. Il grounding riduce le allucinazioni e aumenta l'affidabilità.
19. Context window – La quantità di informazioni che un LLM può considerare contemporaneamente. Gestire la context window è essenziale per prestazioni e controllo dei costi.
20. Allucinazione – Quando un modello di AI genera informazioni errate o inventate. Le piattaforme enterprise devono mitigare attivamente le allucinazioni.

Modelli, prompt e strumenti

21. Large Language Model (LLM) – Un modello addestrato su enormi corpus di testo per comprendere e generare linguaggio. Gli LLM fungono da nucleo di ragionamento per molti agenti.
22. Foundation model – Un modello general purpose adattabile a molte attività a valle. I foundation model garantiscono flessibilità tra diversi casi d'uso.
23. Prompt engineering – La pratica di progettare prompt che guidano comportamento e output dell'agente. Un prompting efficace migliora coerenza e affidabilità.
24. System prompt – Istruzioni che definiscono ruolo, tono, limiti e obiettivi di un agente. I system prompt assicurano l'allineamento del comportamento.
25. Tool calling – La possibilità per gli agenti di richiamare strumenti, API o sistemi esterni per completare le attività. Il tool calling abilita azioni concrete.
26. Function calling – Un approccio strutturato con cui i modelli richiamano funzioni predefinite con input validati. Aumenta precisione e sicurezza.
27. Integrazione API – Il collegamento degli agenti ai sistemi aziendali, come ticketing, fatturazione o piattaforme dati. L'integrazione abilita l'automazione su larga scala.
28. Integrazione CRM – L'uso dei dati dei clienti per personalizzare e contestualizzare le azioni dell'agente. È fondamentale nei casi d'uso CX.
29. Architettura event-driven – Un modello in cui gli agenti rispondono a eventi o trigger anziché a richieste statiche. Supporta l'automazione proattiva.
30. Automazione dei workflow – L'esecuzione end-to-end dei processi aziendali senza intervento manuale. I workflow agentici vanno oltre la semplice automazione basata su regole.

Orchestrazione, affidabilità e scalabilità

31. Orchestrazione – Il coordinamento di più agenti, strumenti e workflow in un sistema coeso. I clienti Maven usano l'orchestrazione per collegare Actions, Knowledge e workflow in processi di supporto end-to-end (scopri i casi di studio reali di MavenAGI).
32. Concorrenza – La capacità di eseguire più processi dell'agente in parallelo. È indispensabile negli ambienti ad alto volume.
33. Latenza – Il tempo che un agente impiega per rispondere o agire. Una bassa latenza è fondamentale nei casi d'uso rivolti ai clienti.
34. Throughput – Il numero di attività che un sistema di agenti riesce a gestire nel tempo. Il throughput riflette la scalabilità.
35. Scalabilità – Mantenere prestazioni e affidabilità al crescere della domanda. Gli agenti enterprise devono scalare in modo prevedibile.
36. Strategia di fallback – Percorsi alternativi predefiniti quando gli agenti falliscono o non hanno sufficiente confidenza. I fallback proteggono la customer experience.
37. Percorso di escalation – L'instradamento dei casi a persone o ad agenti specializzati quando serve. Un'escalation efficace bilancia automazione e fiducia.
38. Self-healing – Rilevamento e ripristino automatici da errori o guasti. Il self-healing migliora la resilienza.
39. Gestione dello stato – Il tracciamento di contesto e avanzamento dell'agente tra un'interazione e l'altra. Garantisce continuità.
40. Gestione delle sessioni – La gestione sicura ed efficiente delle singole interazioni tra utente e agente.

Governance, sicurezza e compliance

41. Guardrail – Vincoli che impediscono azioni non sicure, non conformi o indesiderate. I guardrail sono policy, vincoli e controlli che mantengono il comportamento degli agenti sicuro e conforme, soprattutto quando richiamano Actions o usano la Knowledge aziendale (scopri le pratiche di Trust & Security Compliance di MavenAGI).
42. Human-in-the-Loop (HITL) – Revisione umana integrata nei workflow dell'agente. L'HITL è spesso utilizzato nelle prime fasi di deployment.
43. Human-on-the-Loop – Le persone supervisionano gli agenti e intervengono solo al superamento di determinate soglie. Consente di scalare mantenendo il controllo.
44. Governance – Policy, controlli e processi che garantiscono un comportamento responsabile degli agenti. La governance è decisiva per l'adozione in ambito enterprise.
45. Compliance – Il rispetto di standard normativi, legali e aziendali. I requisiti di compliance variano a seconda del settore.
46. Privacy dei dati – La protezione dei dati sensibili di clienti e azienda utilizzati dagli agenti. La privacy by design è essenziale.
47. Sicurezza – Misure di protezione contro accessi non autorizzati, usi impropri o fughe di dati. La sicurezza è alla base della fiducia.
48. Controllo degli accessi – La gestione dei permessi per le azioni dell'agente e l'accesso ai dati. Un controllo granulare riduce i rischi.
49. Audit log – Registri immutabili delle azioni e delle decisioni dell'agente. La verificabilità supporta compliance e accountability.
50. Spiegabilità – La capacità di comprendere e giustificare perché un agente ha compiuto una determinata azione.

Valutazione, ottimizzazione e apprendimento

51. Osservabilità – La visibilità su comportamento, decisioni e risultati dell'agente. L'osservabilità abilita il miglioramento continuo.
52. Telemetria – Dati operativi emessi dagli agenti per monitoraggio e analisi. La telemetria alimenta i sistemi di valutazione.
53. Valutazione (Eval) – La misurazione di accuratezza, qualità e impatto sul business dell'agente. Le eval devono essere continue, non una tantum.
54. Benchmarking – Il confronto delle prestazioni dell'agente con baseline o alternative. I benchmark orientano le decisioni di investimento.
55. A/B testing – Il test di più varianti dell'agente per individuare le prestazioni ottimali. L'A/B testing riduce i rischi.
56. Reflection – La capacità di un agente di valutare e migliorare i propri output. La reflection aumenta la robustezza.
57. Feedback loop – L'integrazione del feedback di utenti o sistemi nei cicli di miglioramento dell'agente.
58. Apprendimento continuo – Il perfezionamento costante del comportamento dell'agente nel tempo. Sostiene il valore nel lungo periodo.
59. Dati sintetici – Dati generati artificialmente per test o addestramento. Riducono la dipendenza dai dati sensibili.
60. Simulazione – Il test del comportamento dell'agente in ambienti controllati prima del deployment in produzione.

CX, automazione e risultati di business

61. Conversational AI – Agenti che interagiscono con gli utenti in linguaggio naturale. Gli agenti conversazionali sono centrali nell'automazione della CX.
62. Natural Language Understanding (NLU) – L'interpretazione di intento, entità e contesto dell'utente. L'NLU abilita instradamento e risoluzione accurati.
63. Natural Language Generation (NLG) – La produzione di risposte coerenti e simili a quelle umane. L'NLG incide sulla qualità percepita.
64. Sentiment analysis – Il rilevamento del tono emotivo nei messaggi degli utenti. Il sentiment orienta escalation e personalizzazione.
65. Intent classification – La classificazione delle richieste degli utenti in intenti predefiniti. L'accuratezza degli intenti determina i tassi di risoluzione.
66. Slot filling – L'estrazione di informazioni strutturate da input non strutturati. Lo slot filling supporta l'automazione.
67. Personalizzazione – L'adattamento del comportamento dell'agente in base a contesto e storico dell'utente. La personalizzazione migliora il CSAT.
68. Automazione della CX – L'uso di agenti e workflow per gestire le interazioni con i clienti e le attività di back-end senza intervento manuale. In Maven, l'automazione della CX è alimentata dalla piattaforma Maven, dove gli agenti usano Actions e Knowledge per risolvere le conversazioni e integrarsi con sistemi come CRM e help desk.
69. Risoluzione autonoma – Il completamento delle richieste dei clienti senza coinvolgimento umano. Riduce il cost-to-serve.
70. Case deflection – La risoluzione dei problemi senza aprire ticket di supporto. La deflection migliora l'efficienza operativa.

Metriche, ROI e considerazioni per i buyer

71. First Contact Resolution (FCR) – La risoluzione dei problemi dei clienti in un'unica interazione. L'FCR è una metrica CX chiave.
72. CSAT – Customer Satisfaction Score, che misura la qualità percepita dell'esperienza.
73. Net Promoter Score (NPS) – Una metrica che indica fedeltà e propensione al passaparola dei clienti.
74. ROI – Il ritorno economico generato dagli investimenti in agentic AI. Giustificare il ROI è essenziale per scalare.
75. Time to Value (TTV) – La rapidità con cui un'organizzazione ottiene benefici dal deployment.
76. Ottimizzazione dei costi – La gestione dei costi di calcolo, strumenti e modelli. Il controllo dei costi garantisce sostenibilità.
77. Gestione dei token – Il controllo dell'uso di input e output degli LLM. L'efficienza dei token incide direttamente sui costi.
78. Metriche di adozione – Il monitoraggio di utilizzo e coinvolgimento degli agenti tra team o clienti.
79. Change management – La preparazione di persone e processi all'adozione degli agenti. Il change management riduce le resistenze.
80. Enablement – La formazione dei team per lavorare in modo efficace con i sistemi agentici.

Strategia di piattaforma e maturità enterprise

81. Agent framework – Framework software usati per creare e gestire agenti. La scelta del framework incide sulla flessibilità.
82. Approccio a piattaforma – Standardizzare su un unico sistema per distribuire, monitorare e governare gli agenti, invece di mettere insieme strumenti puntuali. Maven segue questo modello con una piattaforma che unifica Knowledge, Actions, controlli di qualità e Insights.
83. Best-of-breed – La combinazione di strumenti specializzati anziché un'unica piattaforma. Aumenta la flessibilità ma aggiunge complessità.
84. Interoperabilità – La capacità degli agenti di operare tra sistemi e fornitori diversi.
85. Vendor lock-in – La dipendenza da un unico fornitore tecnologico. I buyer dovrebbero valutare le strategie di uscita.
86. Standard aperti – Protocolli condivisi che abilitano portabilità e integrazione.
87. Roadmap – L'evoluzione pianificata di funzionalità e capacità degli agenti.
88. Proof of Concept (POC) – Un deployment limitato per validare il valore prima di scalare.
89. Production readiness – Stabilità, sicurezza e scalabilità necessarie per gli ambienti live.
90. Enterprise-grade – Il rispetto dei requisiti di affidabilità, governance, sicurezza e scalabilità necessari perché gli agenti possano operare in sicurezza in produzione. Maven è progettato per deployment enterprise-grade, con integrazioni profonde, analytics e controllo su Actions e Knowledge (scopri i casi di studio reali di MavenAGI).

Capacità avanzate degli agenti

91. Proattività – Agenti che avviano azioni senza prompt espliciti. Gli agenti proattivi sbloccano nuove efficienze.
92. Recommendation engine – Suggerisce la next-best action in base a contesto e dati.
93. Decision support – Supporto alle persone con insight, lasciando a loro la decisione finale.
94. Consapevolezza del contesto – La comprensione delle sfumature della situazione, oltre il semplice input.
95. Confidence scoring – La stima dell'affidabilità degli output dell'agente.
96. Modello di maturità – Un framework che descrive le fasi di crescita delle capacità degli agenti.
97. Build vs. buy – Valutare se sviluppare agenti personalizzati o adottare una piattaforma.
98. Strategia di knowledge grounding – Un approccio sistematico per garantire l'accuratezza dei fatti.
99. Operational AI – AI integrata direttamente nei processi aziendali live.
100. Autonomous enterprise – Un'organizzazione in cui gli agenti gestiscono gran parte delle operazioni e dei workflow ripetibili entro i guardrail, mentre le persone si concentrano su giudizio, relazioni ed eccezioni. In Maven, questo significa team ibridi di persone e agenti, non operazioni affidate solo all'AI.

Per indicazioni sull'implementazione ed esempi concreti, consulta le nostre storie dei clienti oppure contatta il nostro team per una presentazione dal vivo.