Cosa saprai fare
- Distinguere chatbot, workflow e agente e scegliere il livello di autonomia
- Valutare la fattibilità di un caso d'uso e calcolarne il ritorno
- Applicare i pattern di workflow agentico e progettare strumenti e integrazioni
- Scrivere istruzioni, gestire contesto, output strutturati e recupero di informazioni
- Valutare e testare gli agenti e progettare guardrail e supervisione umana
- Riconoscere i rischi di sicurezza, privacy e normativa e impostare la governance
- Costruire un business case e guidare l'adozione in azienda
Il percorso completo per professionisti, manager, responsabili di processo e team digitali che vogliono capire e usare gli agenti di intelligenza artificiale in modo concreto e responsabile. Si parte dalla differenza fra chatbot, workflow e agente e dall'anatomia di un agente (modello, istruzioni, strumenti, memoria, limiti); si impara a scegliere il livello di autonomia e a valutare la fattibilità di un caso d'uso con un business case; si studiano i pattern di workflow (catena di prompt, instradamento, parallelizzazione, orchestratore-lavoratori, valutatore-ottimizzatore), gli strumenti e le integrazioni, la gestione di memoria e contesto, le istruzioni di sistema, gli output strutturati, il recupero di informazioni (RAG) e l'automazione con piattaforme no-code; si affrontano valutazione e test, errori, guardrail e supervisione umana, sicurezza (prompt injection, permessi minimi), governance, GDPR e AI Act; si chiude con costi e ritorno, casi d'uso per funzione aziendale, gestione del cambiamento e un progetto finale con soluzione di riferimento. Ogni lezione contiene approfondimenti, esercitazioni con modelli pronti (schede, matrici, rubriche, piani) ed esempi di calcolo. Aggiornato a novembre 2026 su AI Act (Regolamento 2026/1744), Model Context Protocol e rischi per le applicazioni agentiche (OWASP). Corso formativo di eugeniodamaso.it Academy, indipendente e non legato a un fornitore: strumenti, prezzi e norme cambiano rapidamente e vanno verificati sulle fonti correnti; il corso non costituisce consulenza legale.
Il programma
Modulo 1 · Fondamenti degli agenti
- Dall'IA generativa agli agenti: che cosa cambia — Differenza fra chatbot, assistente, workflow automatizzato e agente; che cosa rende «agentico» un sistema (obiettivo, ciclo, strumenti, autonomia); i livelli di autonomia e le aspettative realistiche per professionisti e manager.
- Anatomia di un agente: modello, istruzioni, strumenti, memoria — I componenti di un agente: il modello, le istruzioni, gli strumenti, la memoria a breve e lungo termine, il ciclo di controllo e i limiti (budget di passi, tempo e costo); come questi componenti si combinano e dove nascono gli errori.
- Workflow o agente? Scegliere il livello giusto di autonomia — Quando basta un workflow predefinito e quando serve un agente: criteri di scelta (prevedibilità dei passi, costo dell'errore, varietà dei casi), la regola di partire dalla soluzione più semplice e i compromessi di costo, latenza e controllo.
- Casi d'uso e valutazione di fattibilità: dove ha senso un agente — Come individuare i processi adatti a un agente: frequenza, volume, struttura, rischio, disponibilità dei dati; come stimare il ritorno economico con tempo risparmiato, costo e supervisione; matrice di fattibilità e impatto.
Modulo 2 · Progettare i workflow
- Pattern di workflow: catena di prompt e instradamento — I due pattern fondamentali: la catena di prompt (scomporre un compito in passi con controlli intermedi) e l'instradamento (classificare la richiesta e inviarla al percorso più adatto); progettazione dei passi, dei controlli di qualità e del risparmio di costo.
- Parallelizzazione, orchestratore-lavoratori e valutatore-ottimizzatore — Tre pattern più avanzati: eseguire sottocompiti in parallelo (sezionamento e votazione), un orchestratore che assegna dinamicamente compiti a lavoratori, un valutatore che critica e migliora l'uscita; quando usarli, quanto costano e come limitarli.
- Strumenti e integrazioni: chiamate di funzione, API e MCP — Come un agente usa gli strumenti: chiamata di funzione, descrizione e parametri, gestione degli errori, idempotenza, permessi; il ruolo di standard aperti come il Model Context Protocol per collegare applicazioni e dati; criteri di progettazione di strumenti robusti.
- Memoria, contesto e conoscenza — Come gestire il contesto limitato di un modello: finestra di contesto, riassunti, memoria a lungo termine, recupero di informazioni (RAG) e scelta di che cosa tenere nel contesto; effetti dell'eccesso di informazioni e come controllare costo e qualità.
Modulo 3 · Istruzioni, dati e automazione
- Istruzioni di sistema per agenti: ruolo, regole, esempi — Come scrivere le istruzioni che guidano un agente: struttura (contesto, obiettivo, regole, strumenti, formato, escalation), uso di esempi, gestione dei casi limite, versionamento e prove comparative.
- Output strutturati e validazione — Perché un agente deve produrre uscite in formati prevedibili (JSON, tabelle, campi); come definire uno schema, validare le uscite, gestire errori con nuovi tentativi, e come combinare controlli automatici e revisione umana.
- RAG e qualità dei dati: far rispondere l'agente dalle tue fonti — Il recupero di informazioni per ampliare la conoscenza di un agente (RAG): preparazione dei documenti, suddivisione in porzioni, ricerca per significato, citazione delle fonti, valutazione del recupero e rischi legati alla qualità dei dati.
- Automazione con piattaforme no-code: dal prototipo al processo — Come costruire workflow con piattaforme di automazione senza o con poco codice: trigger, azioni, condizioni, passi con il modello; gestione degli errori, registro delle esecuzioni, quote e costi, e quando passare a una soluzione su misura.
Modulo 4 · Affidabilità, sicurezza e governance
- Valutare gli agenti: casi di prova, metriche e regressioni — Come misurare la qualità di un agente: insieme di casi di prova, metriche di esito e di processo, precisione e richiamo, valutazione con un modello come giudice e sua taratura, test di regressione e monitoraggio in produzione.
- Errori, allucinazioni, guardrail e supervisione umana — Come si manifestano gli errori degli agenti (allucinazioni, strumenti sbagliati, derive), come prevenirli e contenerli con vincoli, controlli e guardrail, e come progettare la supervisione umana (approvazioni, campionamento, escalation) in modo efficace e sostenibile.
- Sicurezza degli agenti: prompt injection, permessi e dati — I rischi di sicurezza specifici degli agenti: iniezione di istruzioni (diretta e indiretta), uso improprio degli strumenti, fuga di dati, catena di fornitura; principi di difesa (permessi minimi, separazione, isolamento, approvazioni) e un modello di valutazione delle minacce.
- Governance, privacy e normativa: AI Act, GDPR e responsabilità — Come governare gli agenti in azienda: registro dei sistemi, ruoli e responsabilità, valutazione dei rischi, tracciabilità, privacy e GDPR (decisioni automatizzate), obblighi di trasparenza e alfabetizzazione dell'AI Act, sorveglianza umana e verifica delle scadenze normative.
Modulo 5 · Valore e adozione
- Costi, latenza e ritorno economico degli agenti — Come stimare i costi di un agente (consumo di token, passi, strumenti, sviluppo, supervisione, manutenzione), la latenza dei cicli, le leve per ridurre i costi (instradamento, riduzione del contesto, memorizzazione temporanea) e come calcolare il periodo di recupero dell'investimento.
- Agenti nelle funzioni aziendali: dove funzionano e dove no — Panoramica di casi d'uso per funzione (assistenza clienti, vendite e marketing, risorse umane, finanza e amministrazione, legale e conformità, IT, acquisti e operazioni), con livello di autonomia consigliato, rischi specifici e indicatori di successo.
- Persone, competenze e gestione del cambiamento — Come introdurre gli agenti senza resistenze inutili: cambiamento dei ruoli, competenze necessarie (formulare obiettivi, valutare, supervisionare), formazione, comunicazione, misura dell'adozione, cultura dell'errore e rapporto fra automazione e lavoro.
- Progetto finale: progettare un workflow agentico per un processo reale — Un progetto guidato su un processo di qualificazione dei lead: scelta di pattern e autonomia, strumenti, istruzioni, insieme di valutazione, guardrail, governance e business case, con soluzione di riferimento e rubrica.
In appendice: Trucchi del mestiere, 80 accorgimenti operativi dal lavoro sul campo.
Il docente
Eugenio Damaso, fondatore di eugeniodamaso.it Academy. Slide e dispensa in PDF incluse; test finale con attestato e Open Badge.
Programma
-
1
Dall'IA generativa agli agenti: che cosa cambia
Differenza fra chatbot, assistente, workflow automatizzato e agente; che cosa rende «agentico» un sistema (obiettivo, ciclo, strumenti, autonomia); i livelli di autonomia e le aspettative realistiche per professionisti …
Lettura · 55 minuti
-
2
Anatomia di un agente: modello, istruzioni, strumenti, memoria
I componenti di un agente: il modello, le istruzioni, gli strumenti, la memoria a breve e lungo termine, il ciclo di controllo e i limiti (budget di passi, tempo e costo); come questi componenti si combinano e dove nasc…
Lettura · 55 minuti
-
3
Workflow o agente? Scegliere il livello giusto di autonomia
Quando basta un workflow predefinito e quando serve un agente: criteri di scelta (prevedibilità dei passi, costo dell'errore, varietà dei casi), la regola di partire dalla soluzione più semplice e i compromessi di costo…
Lettura · 55 minuti
-
4
Casi d'uso e valutazione di fattibilità: dove ha senso un agente
Come individuare i processi adatti a un agente: frequenza, volume, struttura, rischio, disponibilità dei dati; come stimare il ritorno economico con tempo risparmiato, costo e supervisione; matrice di fattibilità e impa…
Lettura · 55 minuti
-
5
Pattern di workflow: catena di prompt e instradamento
I due pattern fondamentali: la catena di prompt (scomporre un compito in passi con controlli intermedi) e l'instradamento (classificare la richiesta e inviarla al percorso più adatto); progettazione dei passi, dei contr…
Lettura · 55 minuti
-
6
Parallelizzazione, orchestratore-lavoratori e valutatore-ottimizzatore
Tre pattern più avanzati: eseguire sottocompiti in parallelo (sezionamento e votazione), un orchestratore che assegna dinamicamente compiti a lavoratori, un valutatore che critica e migliora l'uscita; quando usarli, qua…
Lettura · 55 minuti
-
7
Strumenti e integrazioni: chiamate di funzione, API e MCP
Come un agente usa gli strumenti: chiamata di funzione, descrizione e parametri, gestione degli errori, idempotenza, permessi; il ruolo di standard aperti come il Model Context Protocol per collegare applicazioni e dati…
Lettura · 55 minuti
-
8
Memoria, contesto e conoscenza
Come gestire il contesto limitato di un modello: finestra di contesto, riassunti, memoria a lungo termine, recupero di informazioni (RAG) e scelta di che cosa tenere nel contesto; effetti dell'eccesso di informazioni e …
Lettura · 55 minuti
-
9
Istruzioni di sistema per agenti: ruolo, regole, esempi
Come scrivere le istruzioni che guidano un agente: struttura (contesto, obiettivo, regole, strumenti, formato, escalation), uso di esempi, gestione dei casi limite, versionamento e prove comparative.
Lettura · 55 minuti
-
10
Output strutturati e validazione
Perché un agente deve produrre uscite in formati prevedibili (JSON, tabelle, campi); come definire uno schema, validare le uscite, gestire errori con nuovi tentativi, e come combinare controlli automatici e revisione um…
Lettura · 55 minuti
-
11
RAG e qualità dei dati: far rispondere l'agente dalle tue fonti
Il recupero di informazioni per ampliare la conoscenza di un agente (RAG): preparazione dei documenti, suddivisione in porzioni, ricerca per significato, citazione delle fonti, valutazione del recupero e rischi legati a…
Lettura · 55 minuti
-
12
Automazione con piattaforme no-code: dal prototipo al processo
Come costruire workflow con piattaforme di automazione senza o con poco codice: trigger, azioni, condizioni, passi con il modello; gestione degli errori, registro delle esecuzioni, quote e costi, e quando passare a una …
Lettura · 55 minuti
-
13
Valutare gli agenti: casi di prova, metriche e regressioni
Come misurare la qualità di un agente: insieme di casi di prova, metriche di esito e di processo, precisione e richiamo, valutazione con un modello come giudice e sua taratura, test di regressione e monitoraggio in prod…
Lettura · 55 minuti
-
14
Errori, allucinazioni, guardrail e supervisione umana
Come si manifestano gli errori degli agenti (allucinazioni, strumenti sbagliati, derive), come prevenirli e contenerli con vincoli, controlli e guardrail, e come progettare la supervisione umana (approvazioni, campionam…
Lettura · 55 minuti
-
15
Sicurezza degli agenti: prompt injection, permessi e dati
I rischi di sicurezza specifici degli agenti: iniezione di istruzioni (diretta e indiretta), uso improprio degli strumenti, fuga di dati, catena di fornitura; principi di difesa (permessi minimi, separazione, isolamento…
Lettura · 55 minuti
-
16
Governance, privacy e normativa: AI Act, GDPR e responsabilità
Come governare gli agenti in azienda: registro dei sistemi, ruoli e responsabilità, valutazione dei rischi, tracciabilità, privacy e GDPR (decisioni automatizzate), obblighi di trasparenza e alfabetizzazione dell'AI Act…
Lettura · 55 minuti
-
17
Costi, latenza e ritorno economico degli agenti
Come stimare i costi di un agente (consumo di token, passi, strumenti, sviluppo, supervisione, manutenzione), la latenza dei cicli, le leve per ridurre i costi (instradamento, riduzione del contesto, memorizzazione temp…
Lettura · 55 minuti
-
18
Agenti nelle funzioni aziendali: dove funzionano e dove no
Panoramica di casi d'uso per funzione (assistenza clienti, vendite e marketing, risorse umane, finanza e amministrazione, legale e conformità, IT, acquisti e operazioni), con livello di autonomia consigliato, rischi spe…
Lettura · 55 minuti
-
19
Persone, competenze e gestione del cambiamento
Come introdurre gli agenti senza resistenze inutili: cambiamento dei ruoli, competenze necessarie (formulare obiettivi, valutare, supervisionare), formazione, comunicazione, misura dell'adozione, cultura dell'errore e r…
Lettura · 55 minuti
-
20
Progetto finale: progettare un workflow agentico per un processo reale
Un progetto guidato su un processo di qualificazione dei lead: scelta di pattern e autonomia, strumenti, istruzioni, insieme di valutazione, guardrail, governance e business case, con soluzione di riferimento e rubrica.
Lettura · 55 minuti
-
21
Appendice · Trucchi del mestiere
Gli accorgimenti di chi progetta e governa agenti e automazioni con IA: come scegliere il pattern, come scrivere istruzioni che reggono, come valutare prima di fidarsi, come limitare i rischi e come portare il progetto …
Lettura · 30 minuti
-
✓
Test finale
35 domande, si supera con il 85%, 45 minuti, fino a 3 tentativi.
Verifica
A chi è rivolto
Professionisti, manager, responsabili di processo, project e product manager, consulenti e team digitali che vogliono progettare o governare agenti di IA.