Cluster · miglior modello AI agenti
Miglior modello AI per agenti
Come scegliere il modello per un agente AI che esegue compiti multi-passo: quali benchmark contano e cosa misurare davvero.
Tempo di lettura: 9 min
Guida operativa · Confronti modelli AI
Un agente AI non risponde: esegue. Legge, verifica, usa strumenti, decide e porta a termine. È una categoria di compiti diversa da tutte le altre, e richiede criteri di scelta diversi.
Il principale è che qui gli errori si propagano: uno sbaglio al secondo passaggio rovina i dieci successivi. Ed è per questo che la fascia del modello conta più che altrove.
In sintesi
- Gli errori si propagano lungo la catena di passaggi.
- I benchmark agentici misurano agente + modello, non il modello.
- La metrica che conta è i compiti conclusi senza intervento.
- La latenza si moltiplica per il numero di passaggi.
- Un agente che si ferma quando non sa vale più di uno preciso.
- Serve quasi sempre un livello umano nel flusso.
Perché gli agenti sono un caso a parte
In un compito a passo singolo, un errore è un errore: si vede, si corregge, finisce lì. In un compito a dodici passaggi, un errore al secondo passaggio contamina tutto ciò che segue — e il risultato finale può sembrare coerente pur essendo costruito su una premessa sbagliata.
Da qui una conseguenza contro-intuitiva: la differenza fra un modello buono e uno ottimo, che su un compito semplice è impercettibile, su una catena lunga diventa enorme. Non perché il modello migliore sbagli molto meno a ogni passaggio, ma perché la probabilità di arrivare in fondo senza incidenti è il prodotto delle probabilità di ogni passo.
I benchmark pertinenti
I benchmark agentici — Frontier-Bench e simili — misurano compiti multi-passo eseguiti in ambiente isolato, con un criterio di successo verificabile. Sono la famiglia giusta da guardare, con un'avvertenza importante.
Misurano la coppia agente più modello, non il modello isolato. La documentazione di questi progetti richiede di specificare entrambi, e un risultato descrive quella combinazione in quella configurazione. Cambiare l'impalcatura cambia il risultato. Il dettaglio è in Frontier-Bench: cos'è e cosa misura.
Nell'annuncio di Claude Opus 5 del 24 luglio 2026, Anthropic dichiara risultati allo stato dell'arte su Frontier-Bench v0.1, con un risultato più che doppio rispetto a Opus 4.8 a un costo per task inferiore, e cita un pass rate su Zapier AutomationBench circa una volta e mezza il secondo classificato a parità di costo per task. Sono dati auto-riportati dal produttore, utili per orientarsi e non per decidere.
Cosa misurare davvero
| Metrica | Perché conta |
|---|---|
| Compiti conclusi senza intervento | È il vero valore dell'agente |
| Costo per compito completato | Include i tentativi falliti |
| Percentuale di casi in cui si ferma | Indica se riconosce i propri limiti |
| Tempo di esecuzione completo | Si moltiplica per i passaggi |
| Tipo di errore quando sbaglia | Visibile o silenzioso |
La terza riga è quella che quasi nessuno misura ed è la più importante per un uso aziendale. Un agente che di fronte a una situazione ambigua si ferma e chiede è utilizzabile; uno che tira a indovinare e procede è pericoloso, perché ha appena preso una decisione che nessuno ha visto.
Quale fascia serve
Serve la fascia alta
- Catene lunghe di passaggi
- Esecuzione senza supervisione
- Uso di più strumenti diversi
- Decisioni con conseguenze reali
- Situazioni non previste dalle istruzioni
Può bastare meno
- Catene di due o tre passaggi
- Compiti molto strutturati
- Percorso sempre uguale
- Esito verificabile automaticamente
- Umano che conferma ogni passo
La colonna di destra merita attenzione: molti processi che vengono descritti come «agenti» sono in realtà sequenze fisse di due o tre operazioni. Per quelli non serve la fascia alta, e chiamarli agenti fa spendere più del necessario.
La latenza, che qui si moltiplica
Un agente che compie dodici passaggi paga il tempo di risposta dodici volte. Un'esecuzione che con un modello veloce dura tre minuti può arrivare a dieci con uno lento.
Il paradosso è che i modelli indicati per i flussi agentici lunghi sono spesso i più lenti della propria famiglia. Non è un motivo per escluderli, ma cambia una decisione di progettazione: l'agente lavora mentre qualcuno guarda, o durante la notte?
Se lavora sotto lo sguardo di qualcuno, mostrare i passaggi mentre avvengono cambia completamente la percezione dell'attesa — spesso più di quanto farebbe cambiare modello. Il ragionamento è in latenza dei modelli AI a confronto.
Il livello umano
In quasi tutti i processi aziendali una parte dei casi non va chiusa automaticamente. Progettarlo dall'inizio costa meno che aggiungerlo dopo un incidente.
- Definisci in anticipo quali categorie arrivano sempre a una persona
- Fai arrivare i casi con il contesto già preparato
- Indica cosa è dubbio, non solo che il caso è fermo
- Mettili dentro lo strumento che le persone usano già
- Controlla a campione anche i casi chiusi automaticamente
L'ultimo punto è il controllo di sicurezza dell'intero sistema: serve ad accorgersi se l'agente sta chiudendo con sicurezza casi che avrebbe dovuto passare oltre.
Come provare un agente prima di adottarlo
La prova di un agente è diversa da quella di un modello che risponde: non basta guardare l'esito, bisogna guardare come ci è arrivato.
- Prendi dieci compiti reali del tuo processo, completi
- Includi tre casi anomali: dato mancante, condizione inattesa, documento fuori formato
- Registra ogni passaggio, non solo il risultato finale
- Conta quanti arrivano a conclusione senza intervento
- Guarda cosa fa l'agente quando qualcosa non torna
- Misura il tempo di esecuzione completo
Il quinto punto è la prova che conta più di tutte. Un caso anomalo mette l'agente davanti a una scelta: fermarsi e dichiarare il problema, oppure procedere con un'assunzione non dichiarata. La prima risposta rende l'agente utilizzabile in azienda; la seconda no, a nessun tasso di successo.
| Comportamento davanti a un'anomalia | Verdetto |
|---|---|
| Si ferma e descrive il problema | Ottimo, il caso arriva a una persona |
| Procede ma segnala l'assunzione | Accettabile, verificabile a valle |
| Procede in silenzio | Non adatto a processi aziendali |
Il costo reale di un agente
Gli agenti hanno una struttura di costo diversa da tutto il resto, e i preventivi la sbagliano quasi sempre.
Un compito a dodici passaggi non costa dodici volte una richiesta singola: costa di più, perché a ogni passaggio il contesto cresce — il modello riceve anche ciò che è successo nei passi precedenti. Il consumo di input cresce quindi in modo più che lineare rispetto al numero di passi.
A questo si aggiungono i tentativi falliti: un compito che non arriva a conclusione ha consumato tutti i suoi passaggi senza produrre valore, e si paga interamente.
Esempi pratici
Agente sul ciclo passivo. Legge la fattura, verifica la corrispondenza con l'ordine, controlla le condizioni concordate, propone la registrazione e segnala le anomalie. Cinque passaggi con conseguenze contabili reali: fascia alta, con soglia esplicita sotto la quale il caso va a una persona.
Agente di ricerca documentale. Riceve una domanda, cerca nei documenti, incrocia le fonti, produce una risposta con citazioni. Tre o quattro passaggi, esito verificabile perché ogni affermazione è tracciabile. Qui la fascia intermedia può bastare, purché l'agente dichiari quando non trova.
Agente di preparazione dati. Prende dati grezzi, li normalizza, li arricchisce, li carica. Percorso fisso, esito verificabile automaticamente con controlli di coerenza. È il caso in cui una fascia più bassa è spesso sufficiente, perché il compito è strutturato e gli errori sono intercettabili.
Errori da evitare
- Chiamare agente una sequenza fissa di due operazioni, e pagarla come tale.
- Confrontare punteggi ottenuti con impalcature diverse.
- Misurare solo il tasso di successo ignorando se l'agente si ferma.
- Stimare il costo moltiplicando i passaggi, senza il contesto che cresce.
- Non prevedere il livello umano nel flusso.
- Ignorare la latenza moltiplicata per i passaggi.
Il primo errore è più comune di quanto sembri e nasce dal lessico: «agente» è diventato il termine per qualunque automazione che usi l'AI. Ma un flusso a percorso fisso, con esito verificabile automaticamente, non ha bisogno della fascia alta — e chiamarlo agente fa spendere il triplo del necessario per una capacità che non entra mai in gioco.
Come applicarlo in azienda
Un agente va valutato diversamente da un modello che risponde: non basta guardare l'esito, bisogna guardare come ci è arrivato.
Prendi dieci compiti reali completi del tuo processo e includine tre anomali — dato mancante, condizione inattesa, documento fuori formato. Registra ogni passaggio, non solo il risultato finale: è nei passaggi che si vede dove la catena si rompe.
I tre casi anomali sono la prova decisiva. Mettono l'agente davanti a una scelta: fermarsi e dichiarare il problema, oppure procedere con un'assunzione non dichiarata. La prima risposta rende l'agente utilizzabile in azienda; la seconda no, a qualunque tasso di successo.
Sul piano economico, gli agenti hanno una struttura di costo che i preventivi sbagliano quasi sempre: a ogni passaggio il contesto cresce, perché il modello riceve anche ciò che è successo prima. Il consumo aumenta più che linearmente rispetto al numero di passi, e i compiti non conclusi si pagano interamente. La stima va fatta su cinquanta compiti completi, con il metodo di costo per task o prezzo per token.
Progetta infine il livello umano dall'inizio: una piccola percentuale di casi deve arrivare a una persona, con il contesto già preparato, l'indicazione di cosa è dubbio e dentro lo strumento che quella persona usa già. È la stessa impostazione a livelli descritta in strategia a modello misto, applicata a compiti multi-passo.
Un ultimo controllo prima di partire: verifica che ciò che chiami agente sia davvero un agente. Un flusso a percorso fisso con esito verificabile automaticamente non ha bisogno della fascia alta, e chiamarlo agente fa spendere il triplo del necessario.
Se vuoi progettare un agente AI che lavori davvero nei tuoi processi, Giallo Studio costruisce agenti e automazioni su misura per le PMI.
Da qui, tre approfondimenti utili. Per orientarti fra le fasce di prezzo, il quadro completo è in quando basta un modello economico. Il modo corretto di leggere i numeri dichiarati dai produttori è in come si leggono i benchmark AI. E per capire se il tuo compito richiede davvero la fascia che stai pagando, la verifica è in quando conviene cambiare modello AI.
Conclusione
Per gli agenti la fascia del modello conta più che altrove, perché gli errori si propagano lungo la catena e una piccola differenza per passaggio diventa grande sul risultato finale.
Ma la metrica che decide non è il tasso di successo: è la combinazione fra compiti conclusi senza intervento e capacità di fermarsi quando non sa procedere. Un agente che non si ferma mai non è affidabile, è solo silenzioso.
Se vuoi progettare un agente AI che lavori davvero nei tuoi processi, Giallo Studio costruisce agenti e automazioni su misura per le PMI.
Schema consigliato: Article + FAQPage + BreadcrumbList
Risorse correlate
FAQ
Quale modello serve per un agente AI?
In generale la fascia alta, perché gli agenti concatenano più passaggi e un errore intermedio si propaga. La verifica va però fatta sui propri compiti reali, misurando quanti arrivano a conclusione senza intervento.
Quali benchmark sono pertinenti?
I benchmark agentici come Frontier-Bench, che misurano compiti multi-passo portati a termine in ambiente isolato. Vanno letti sapendo che misurano la coppia agente più modello.
Cosa misurare davvero su un agente?
La percentuale di compiti conclusi correttamente senza intervento umano, il costo per compito completato e — soprattutto — se l'agente si ferma quando non sa procedere.
La latenza conta per gli agenti?
Sì, e si moltiplica: un agente che compie dodici passaggi paga il tempo di risposta dodici volte. Va messo in conto quando si decide se l'esecuzione è interattiva o notturna.
Un agente che sbaglia poco è sempre meglio?
No. Un agente che sbaglia meno ma in silenzio è peggio di uno che sbaglia di più ma dichiara i casi dubbi. La capacità di fermarsi vale quanto il tasso di successo.
Serve un intervento umano nel flusso?
In quasi tutti i processi aziendali sì, su una piccola percentuale di casi. Va progettato dall'inizio, con il contesto già preparato per chi deve decidere.