IA agentica: dai chatbot agli agenti che fanno il lavoro

In questo corso vengono utilizzati strumenti di intelligenza artificiale.Oggi tutti vendono "agenti". Alcuni di questi prodotti pianificano davvero, chiamano strumenti e portano a termine lavori in più passi. Molti sono chatbot o workflow fissi con una nuova etichetta. Questo corso vi dà un modo chiaro e neutrale rispetto ai fornitori per capire la differenza, e poi vi accompagna dal comprendere gli agenti al costruirne, testarne e calcolarne i costi. È un'introduzione ampia per professionisti e nuovi sviluppatori. Non serve una formazione in machine learning. Se usate regolarmente ChatGPT, Claude, Gemini o Copilot e volete sapere cosa cambia quando il modello inizia a compiere azioni, questo è il punto di partenza giusto. Un'azienda, un pilota, dall'inizio alla fineSeguiamo Harborline Logistics, uno spedizioniere immaginario con un arretrato di email sullo stato delle spedizioni e pratiche doganali in ritardo. Il suo team operativo avvia un pilota di agenti di 90 giorni chiamato Relay. Ogni concetto del corso viene applicato a quel pilota, così vedete lo stesso agente crescere da un primo ciclo a un sistema testato, supervisionato e di cui si conoscono i costi. Cosa tratta il corsoSezione 1, Cos'è davvero l'IA agentica: chatbot, copilota, workflow e agente; il ciclo dell'agente; cinque livelli di autonomia; come riconoscere l'agent washingSezione 2, La mente dell'agente: modello, strumenti e istruzioni; ReAct, pianificazione e riflessione; cinque schemi di workflow e quando non usare un agenteSezione 3, Strumenti, MCP e Computer Use: chiamata degli strumenti, il Model Context Protocol, uso del browser e del computer, e le modalità agente di ChatGPT, Claude e GeminiSezione 4, Memoria, conoscenza e contesto: ingegneria del contesto, recupero (RAG), skill, e ancoraggio di un agente alle procedure aziendaliSezione 5, Costruire agenti senza codice: il panorama no-code, scrivere prima la specifica dell'agente, e costruire un agente di stato spedizioni in n8nSezione 6, Costruire agenti in Python: scegliere un SDK senza vincoli, un agente funzionante in circa cinquanta righe, collegarlo a un server MCP, e leggere le tracceSezione 7, Sistemi multi-agente: quando un agente non basta, orchestratori e handoff, il protocollo A2A, e un desk doganale a due agentiSezione 8, Fiducia, valore e adozione: valutazione, modi di fallire comuni e guardrail, approvazione umana, costo per compito, KPI, e una roadmap di adozione di 90 giorniLaboratori pratici che girano sul vostro computerI laboratori di costruzione girano in locale con strumenti gratuiti: Python, Ollama per i modelli locali, e n8n in Docker. Non serve alcuna chiave API a pagamento. La cartella iniziale include un'API di tracciamento delle spedizioni simulata, un server MCP, dodici procedure di Harborline, e le email di test e i casi doganali usati nei video. Lab 1: eseguire lo stesso compito nelle modalità agente di ChatGPT, Claude e Gemini e leggerne i registri delle azioniLab 2: indicizzare le procedure di Harborline e confrontare le risposte con e senza recuperoLab 3: costruire un agente di stato no-code in n8n ed eseguirlo su dieci email di testLab 4: ricostruire quell'agente in Python, spostarne lo strumento dietro un server MCP, e trovare dalla traccia un bug piazzato appostaLab 5: aggiungere un secondo agente con un handoff e confrontare risultati e uso di token con l'agente singoloQualche nota onesta. Il Lab 1 usa la modalità agente di un assistente di chat nel vostro browser, e le modalità agente disponibili dipendono dal vostro piano e dalla vostra regione. Se la vostra non ne offre una, potete comunque seguire le sessioni registrate. I modelli locali non sono deterministici, quindi le vostre risposte e i vostri tassi di riuscita saranno un po' diversi dai video. Il modello locale usato nei laboratori richiede circa 6 GB di memoria libera. La sezione Python è facoltativa se volete solo i concetti e il percorso no-code. Esercitazione e verificaOgnuna delle otto sezioni ha un quiz e un'esercitazione pratica con una risposta modello svolta. Il progetto finale vi chiede di scegliere un compito del vostro lavoro e produrre una specifica dell'agente, un livello di autonomia con punti di approvazione, un set di valutazione di dieci casi, e una stima dei costi con una roadmap di 90 giorni. Un esame finale di prova di 60 domande copre tutte e otto le sezioni. Cosa non è questo corsoNon è un corso di ingegneria approfondito su un singolo framework, e non promette un lavoro, una certificazione o un risultato particolare. È una mappa del settore con abbastanza pratica da permettervi di giudicare proposte di agenti, condurre un piccolo pilota, e decidere cosa imparare dopo. Gli strumenti in questo campo cambiano in fretta, quindi il corso insegna elementi portabili (specifica, prompt, strumenti e valutazioni) che restano validi quando una piattaforma cambia.