Eugeniodamaso.it Academy

Intelligenza artificiale · Intermedio

AI Agents e Agentic Workflows per professionisti e manager

Progettare, valutare e governare agenti di intelligenza artificiale e workflow agentici: pattern, strumenti, dati, sicurezza, normativa e business case

  • 18 ore e 50 minutidurata
  • 21lezioni
  • 35domande nel test
  • Gratissempre
AI Agents e Agentic Workflows per professionisti e manager

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

  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 e manager.
  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 nascono gli errori.
  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, latenza e controllo.
  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 impatto.

Modulo 2 · Progettare i workflow

  1. 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.
  2. 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.
  3. 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.
  4. 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

  1. 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.
  2. 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.
  3. 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.
  4. 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

  1. 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.
  2. 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.
  3. 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.
  4. 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

  1. 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.
  2. 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.
  3. 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.
  4. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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
  22. 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.