Come creare un agente AI in azienda: make or buy per una PMI

Come creare un agente AI in azienda: le strade sono tre. Sviluppo interno sulle API dei modelli linguistici, piattaforma pronta come HubSpot Breeze o Userbot configurata internamente, oppure fornitore specializzato che progetta, integra e gestisce. Per una PMI senza team AI la scelta dipende da integrazione con CRM e gestionale, volume di conversazioni e governance dei dati.

Un agente AI è un software che, a partire da un modello linguistico, comprende una richiesta, consulta fonti aziendali autorizzate come knowledge base, CRM ed ERP, e compie azioni: apre un ticket, aggiorna un contatto, recupera lo stato di un ordine, passa la conversazione a un operatore. Si distingue dal chatbot a regole perché non segue un albero di risposte predefinito.

La domanda "lo costruiamo noi o lo compriamo" arriva in una PMI manifatturiera quando il customer service riceve le stesse richieste decine di volte al giorno, quando il commerciale non riesce a seguire tutti i lead, o quando la direzione chiede di "fare qualcosa con l'AI" dopo aver visto un concorrente. Nelle conversazioni seguite da Turatti Consulting nell'ultimo mese le esitazioni erano tre, e nessuna riguardava la tecnologia: il preventivo del chatbot rinviato al prossimo consiglio, il timore di sovrapporsi a un partner che già segue l'azienda, e la domanda di un ente pubblico su quali documenti servano per essere in regola con GDPR e AI Act. Questa guida risponde a tutte e tre, nell'ordine in cui vanno affrontate: prima la scelta del modello di realizzazione, poi i requisiti di integrazione, poi la conformità, infine la misura del ritorno.

Come creare un agente AI in azienda: sviluppo interno, piattaforma pronta o fornitore

La strada giusta dipende da chi in azienda può occuparsene dopo il go-live, non da chi lo costruisce prima. Un agente AI non è un progetto che finisce: la knowledge base va aggiornata, le risposte sbagliate vanno corrette, le integrazioni si rompono quando cambia il gestionale. La tabella confronta le tre opzioni sulle variabili che pesano davvero in una PMI.

Per la maggior parte delle PMI manifatturiere italiane la risposta realistica è la terza colonna, o la seconda quando il CRM è HubSpot e il caso d'uso è interno al CRM. Lo sviluppo interno su API ha senso solo con un team tecnico stabile: il costo nascosto non è il primo prototipo, che oggi si costruisce in giorni, ma i dodici mesi successivi.

Tra le piattaforme, il criterio pratico è il perimetro. HubSpot Breeze è la scelta naturale quando il CRM è HubSpot e l'agente deve lavorare su contatti, ticket e conversazioni dentro HubSpot: il Customer Agent legge la knowledge base e le conversazioni del portale e passa il caso a un operatore con il contesto, come descritto nella documentazione ufficiale di HubSpot sul Customer Agent. Una piattaforma conversazionale come Userbot è indicata quando i canali sono più di uno (sito, WhatsApp, email, voce), quando la knowledge base è fatta di documenti tecnici, listini e manuali, e quando i sistemi da integrare non sono solo HubSpot.

Cosa deve fare un agente AI integrato con il CRM per valere l'investimento

Un agente AI vale l'investimento quando legge e scrive nel CRM, non quando risponde alle domande frequenti. Rispondere alle FAQ lo fa anche una pagina ben scritta. Il valore sta nelle azioni: identificare il cliente, recuperare i dati che gli servono, registrare cosa è successo e passare la mano a una persona quando serve, con tutto il contesto.

I requisiti da scrivere nel capitolato, qualunque sia il modello scelto, sono cinque. Primo, riconoscere il cliente esistente e associare la conversazione al contatto e all'azienda nel CRM, senza creare duplicati. Secondo, leggere dati operativi in tempo reale: stato dell'ordine, scadenze, ticket aperti, listino applicabile, che spesso vivono nell'ERP e non nel CRM. Terzo, scrivere: aprire e aggiornare ticket, registrare la richiesta come attività, cambiare una proprietà. Quarto, escalare a un operatore con la trascrizione, il motivo e la priorità, senza far ripetere nulla al cliente. Quinto, usare solo fonti approvate e dichiarare quando non sa rispondere, invece di inventare.

La qualità delle risposte dipende dalla knowledge base più che dal modello. Un agente collegato a una knowledge base disordinata risponde in modo disordinato: la struttura dei contenuti, la gestione delle versioni e la logica di fallback sono trattate nella guida di Turatti Consulting su perché la knowledge base è il collo di bottiglia di un chatbot AI.

Un errore frequente nelle richieste di preventivo è chiedere "un chatbot per il sito" senza specificare cosa deve poter fare nel CRM. Il prezzo che ne esce non è confrontabile con nessun altro, e il progetto che ne segue delude perché risponde ma non risolve. Il capitolato con i cinque requisiti sopra permette invece di confrontare tre fornitori sulla stessa cosa. Conviene anche indicare i volumi attesi, il numero di canali e i sistemi da collegare con il nome del prodotto e della versione: sono le tre informazioni che un fornitore serio chiede prima di quotare, e un fornitore che quota senza chiederle sta vendendo un pacchetto standard.

Governance e conformità: serve una DPIA per un chatbot AI in azienda?

Nella maggior parte dei casi sì, e la valutazione d'impatto va fatta prima della messa in produzione, non dopo. Un agente AI che dialoga con clienti o cittadini tratta dati personali, spesso li profila per instradare la richiesta e usa una tecnologia nuova su larga scala: sono le condizioni per cui l'articolo 35 del Regolamento UE 2016/679 (GDPR) richiede una valutazione d'impatto sulla protezione dei dati (DPIA). La decisione formale spetta al titolare del trattamento con il proprio DPO, ma il fornitore deve fornire gli elementi tecnici per scriverla.

Una confusione emersa di recente in una trattativa con un ente pubblico merita una risposta netta: il documento di trasparenza previsto dall'articolo 50 del Regolamento UE 2024/1689 (AI Act), che impone di informare le persone quando interagiscono con un sistema di intelligenza artificiale, è un obbligo diverso dalla DPIA e non la sostituisce. Il primo riguarda la trasparenza verso l'utente, la seconda i rischi per i diritti delle persone i cui dati vengono trattati. Servono entrambi.

Gli elementi che il fornitore deve mettere a disposizione per la DPIA sono verificabili in offerta: quali dati vengono trattati (testo delle conversazioni, indirizzo IP, identificativi di sessione, dati letti dal CRM), dove si trovano i server di inferenza del modello e con quale contratto, per quanto tempo vengono conservati i log, se il fornitore del modello usa le conversazioni per addestrare, come vengono gestite le richieste di cancellazione, e se la classificazione delle richieste costituisce profilazione. Un fornitore che non sa rispondere a queste domande in fase di offerta non le saprà gestire in produzione.

Per le PMI private che non hanno un DPO il percorso è più leggero ma non assente: registro dei trattamenti aggiornato, informativa che dichiara l'uso dell'agente AI, accordo di trattamento dati con il fornitore ai sensi dell'articolo 28 del GDPR, e una valutazione d'impatto proporzionata quando l'agente accede a dati di clienti identificati.

Come misurare il ritorno di un agente AI

Il ritorno di un agente AI si misura su quattro numeri, da definire prima del go-live e da leggere ogni mese: tasso di risoluzione autonoma, tasso di escalation, costo per conversazione risolta e soddisfazione dell'utente. Senza una baseline misurata prima, nessuno di questi numeri dice nulla.

Il tasso di risoluzione autonoma (o containment) è la quota di conversazioni chiuse senza intervento umano con esito positivo. Il tasso di escalation è il suo complemento, e va letto insieme al motivo: un'escalation perché la richiesta è complessa è corretta, una perché l'agente non ha trovato l'informazione è un difetto della knowledge base. Il costo per conversazione risolta si ottiene dividendo licenza più gestione per le conversazioni risolte nel mese, e si confronta con il costo del tempo operatore che sostituisce. La soddisfazione si misura con una domanda a fine conversazione, non con le impressioni del team.

Le quattro metriche vanno lette insieme, perché migliorano a scapito l'una dell'altra: un agente configurato per non escalare mai alza il containment e abbassa la soddisfazione. La lettura mensile con il team del customer service, in cui si rivedono le dieci conversazioni peggiori, vale più di qualsiasi cruscotto.

Per il commerciale le metriche cambiano: tempo di prima risposta a un lead, quota di lead qualificati automaticamente, riunioni fissate. Nel progetto documentato da Turatti Consulting con Packstyle, con gli agenti HubSpot Breeze per le vendite, la qualificazione dei lead è risultata tre volte più rapida e il volume di outreach è raddoppiato in tre settimane dall'attivazione. Sono numeri di un progetto specifico, non una promessa: il punto è che erano misurabili perché la baseline era stata registrata prima.

Per stimare in anticipo se il caso d'uso regge, Turatti Consulting mette a disposizione un calcolatore del ROI di un chatbot AI che parte dai volumi di richieste, dal tempo medio per richiesta e dal costo orario del team.

Come lavora Turatti Consulting sugli agenti AI

Turatti Consulting è una società di consulenza digitale con sede a Treviso, HubSpot Platinum Solutions Partner e partner Userbot, che progetta e integra agenti AI per PMI manifatturiere, gruppi con più società ed enti pubblici. Il metodo segue l'ordine di questa guida: assessment del caso d'uso e dei volumi, scelta della piattaforma in base al perimetro (Breeze dentro HubSpot, Userbot quando i canali e i sistemi sono più di uno), capitolato con i cinque requisiti di integrazione, documentazione per la DPIA fornita in offerta, baseline misurata prima del go-live. I servizi di chatbot AI e agenti intelligenti di Turatti Consulting includono la gestione della knowledge base dopo il rilascio, perché è lì che i progetti si consumano.

Chi ha già un partner che segue il CRM o il sito non deve sostituirlo per attivare un agente AI: il perimetro dell'agente è separabile, e il requisito è che il partner esistente fornisca gli accessi alle integrazioni necessarie. È una delle prime cose che chiariamo in fase di assessment.

Il passo successivo, per chi sta valutando un agente AI per il customer service o per il commerciale, è un assessment di due ore sul caso d'uso: volumi, canali, sistemi da collegare, requisiti di conformità, con una stima scritta di costi e tempi per le tre strade descritte sopra. Si richiede dalla pagina dedicata agli agenti AI.

Domande frequenti sugli agenti AI in azienda

Serve una DPIA per un chatbot AI in azienda?

Nella maggior parte dei casi sì, prima della messa in produzione. Un agente AI che dialoga con clienti tratta dati personali, spesso li classifica per instradare la richiesta e usa una tecnologia nuova su larga scala: sono le condizioni dell'articolo 35 del GDPR. La decisione spetta al titolare con il DPO; il fornitore deve documentare dati trattati, sede dei server di inferenza, retention dei log e uso delle conversazioni per l'addestramento.

Il documento di trasparenza previsto dall'AI Act sostituisce la DPIA?

No. L'articolo 50 dell'AI Act impone di informare le persone quando interagiscono con un sistema di intelligenza artificiale: è un obbligo di trasparenza verso l'utente. La DPIA dell'articolo 35 del GDPR valuta i rischi per i diritti delle persone i cui dati vengono trattati. Sono adempimenti distinti e servono entrambi; un documento interno di valutazione d'impatto AI non copre la parte GDPR.

Quanto costa un chatbot AI per un'azienda?

Il costo ha tre componenti: la licenza della piattaforma, che si paga a seat, a conversazione o a crediti; il progetto di configurazione e integrazione con CRM e gestionale, che dipende dal numero di sistemi e canali; la gestione della knowledge base dopo il rilascio. Un preventivo confrontabile separa le tre voci e parte da un capitolato che dice cosa l'agente deve poter leggere e scrivere nel CRM. Senza capitolato, i preventivi non sono confrontabili.

Abbiamo già un partner che ci segue: perché valutare un altro fornitore per l'agente AI?

Perché il perimetro dell'agente AI è separabile da quello del CRM o del sito, e le competenze richieste sono diverse: progettazione conversazionale, knowledge base, integrazioni con i sistemi aziendali, conformità. Il partner esistente non va sostituito: deve fornire gli accessi alle integrazioni necessarie. Il criterio di scelta è chi ha già portato in produzione agenti integrati con il vostro CRM e sa documentare la DPIA.

Come si integra un agente AI con HubSpot?

In due modi. Con HubSpot Breeze l'integrazione è nativa: il Customer Agent legge knowledge base, contatti, ticket e conversazioni del portale e passa il caso a un operatore con il contesto. Con una piattaforma esterna come Userbot l'integrazione avviene tramite connettore o API di HubSpot: l'agente identifica il contatto, legge e aggiorna proprietà e ticket, registra la conversazione come attività. In entrambi i casi vanno definiti i permessi di lettura e scrittura.

Articolo di Davide Turatti, Amministratore di Turatti Consulting. Pubblicato il 5 settembre 2026, ultimo aggiornamento 5 settembre 2026.