Il vostro agente non è stupido: è fermo

Un agente che ordina componenti per un prodotto ritirato non ha sbagliato ragionamento: ha ragionato su dati vecchi. I cinque requisiti del livello dati raccontati senza gergo, e perché mappare i dati veri paga due volte.

BlueSky Agent AI · 2026-09-04

Un agente AI che ordina componenti per un prodotto ritirato dal catalogo non ha sbagliato ragionamento. Ha ragionato benissimo su informazioni vecchie. L'esempio arriva da un intervento di fine agosto 2026 sul canale IBM Technology, dedicato a quello che in gergo si chiama livello dati, e descrive un sistema multi-agente in cui nessuno dei passaggi aveva modo di sapere che quel prodotto non esistesse più.

La conoscenza di un modello pre-addestrato si ferma il giorno del rilascio. Da lì in avanti risponde con la stessa sicurezza di prima su un mondo che nel frattempo è cambiato. Finché parliamo di una chat è un fastidio. Quando l'agente compie azioni, quella sicurezza ha un prezzo.

Il salto che cambia il costo dell'errore

C'è una differenza pratica fra un assistente che scrive e un agente che agisce, e sta tutta nel punto in cui l'errore viene intercettato.

Un assistente che dice una cosa sbagliata viene corretto da chi legge. La persona davanti allo schermo è l'ultimo controllo, e nella maggior parte dei casi funziona.

Un agente che invia un ordine, aggiorna un record o risponde a un cliente ha già prodotto un effetto quando l'errore emerge. Il costo smette di essere il tempo per riscrivere un paragrafo e diventa una fornitura sbagliata, un cliente che riceve un'informazione superata, un dato scritto in un gestionale da cui poi bisogna toglierlo.

In una PMI italiana l'effetto si vede quasi sempre negli stessi tre punti: il listino, le condizioni commerciali per cliente, l'elenco dei fornitori attivi. Sono le informazioni che cambiano più spesso e che nessuno ricorda di aver cambiato.

Cinque cose che deve avere il livello dati

L'intervento IBM elenca i requisiti di un livello dati affidabile. Vale la pena tradurli in cose che si vedono in azienda.

Grounded. Ogni affermazione dell'agente arriva da una fonte identificabile e l'agente la cita. Non "il prezzo è 1.240 euro", ma "il prezzo è 1.240 euro secondo il listino Q3 aggiornato il 12 agosto".

Deep. L'agente riceve il contesto completo, non il frammento che è capitato nella ricerca. Una condizione di pagamento senza la clausola che la deroga è peggio dell'assenza di informazione, perché sembra completa.

Fresh. L'informazione è quella di adesso. Nel commercio elettronico i prezzi si muovono nell'arco di ore; in un'azienda manifatturiera si muovono le disponibilità e i tempi di consegna.

Formatted. I dati arrivano in una forma efficiente da leggere per un modello, il che significa meno token e quindi meno costo per ogni chiamata, oltre a meno rumore su cui sbagliare.

Timely. La latenza al momento dell'inferenza è bassa abbastanza da non rompere il processo. Un dato fresco che arriva in otto secondi, dentro un centralino, è un dato inutile.

Nessuno di questi cinque punti parla di modelli. Parlano tutti di come l'informazione aziendale arriva al modello. Ed è il pezzo che nelle valutazioni di acquisto viene guardato per ultimo.

Perché è il punto dove le PMI perdono più tempo

Nei progetti che seguiamo la parte lenta è quasi sempre la stessa, e riguarda il capire dove sta il dato vero. La configurazione dell'agente arriva dopo e dura poco.

Il listino ufficiale è in un file Excel, ma le condizioni applicate davvero a tre clienti storici stanno in una nota nel gestionale. La procedura di reso è stata aggiornata a maggio in un documento condiviso, e la versione precedente è ancora nella cartella di rete. Il fornitore che non lavora più con voi da marzo compare ancora nell'anagrafica perché nessuno lo ha disattivato.

Un agente costruito su questa situazione produce risposte plausibili e sbagliate, e il difetto viene attribuito al modello. Cambiare modello non risolve niente, perché il modello sta leggendo correttamente informazioni scorrette.

Qui c'è un beneficio collaterale che vale la pena nominare: il lavoro di mappare quali sistemi contengono quali dati, e quale versione è quella buona, è lo stesso lavoro che serve per l'inventario dei sistemi AI in uso richiesto dall'AI Act. Si fa una volta e paga due volte.

Il Connector Hub, in una frase e senza gergo

Il Connector Hub di BlueSky è il livello che porta i dati aziendali dentro gli agenti: gestionale, posta, archivio documentale, CRM, fogli di calcolo condivisi. Le integrazioni sono scritte una volta e non conoscono quale modello stia lavorando in fondo alla catena, il che significa che cambiare modello non le tocca.

La parte che conta per chi legge è più semplice della tecnologia: all'agente utile a una PMI non serve sapere tutto del mondo. Gli serve sapere cosa è vero oggi dentro l'azienda, e citare da dove l'ha preso quando lo dice.

Un limite da mettere in conto

Un livello dati fatto bene non elimina gli errori. Sposta la loro origine.

Se il gestionale contiene un prezzo sbagliato, l'agente riporterà fedelmente un prezzo sbagliato, citando la fonte. La differenza rispetto a prima è che l'errore diventa trovabile in un minuto invece che ipotetico, e che qualcuno può correggerlo alla radice.

C'è anche un costo che non va nascosto: mantenere freschi i dati richiede lavoro continuo, non una configurazione iniziale. Nelle aziende dove questo lavoro non viene assegnato a nessuno, dopo sei mesi il sistema torna a raccontare il passato.

Cosa portarsi via

• L'errore tipico di un agente non nasce dal ragionamento, nasce da informazioni ferme al giorno del rilascio del modello o all'ultimo aggiornamento dimenticato in azienda.
• Il salto di costo avviene quando l'agente passa dal dire al fare: l'errore di un assistente lo corregge chi legge, quello di un agente ha già prodotto un effetto.
• I cinque requisiti del livello dati sono grounded, deep, fresh, formatted, timely. Nessuno riguarda la scelta del modello.
• Mappare dove stanno i dati veri serve agli agenti e serve all'inventario dei sistemi AI richiesto dall'AI Act. È lo stesso lavoro.
• Un livello dati corretto non elimina gli errori dei dati: li rende attribuibili, e quindi correggibili.

Se volete una prova rapida in casa vostra, prendete tre informazioni che cambiano spesso (un prezzo, una condizione di pagamento, un fornitore) e chiedete a chi le usa dove sta la versione buona. Il tempo che ci mettono a rispondere è la misura del lavoro che vi separa da un agente affidabile.