Agentic AI nel mondo reale: punti di forza, limiti e ragioni profonde

Gli agenti AI impressionano sulle attività semplici, ma deludono sul lavoro complesso e ad alta intensità di conoscenza. Perché? I motivi sono molteplici, ma la ragione più profonda non è solo il design o la governance: è che li alimentiamo con contesto grezzo e prompt generici, rumorosi e poveri di informazioni utili, invece che con competenze operative, specifiche, orientate al problema concreto e ancorate alle fonti. L'intervento mostra perché gli agenti generalisti restano superficiali e propone un cambio di approccio attraverso un progetto di ricerca: un sistema che estrae micro-competenze da documenti, manuali e libri, le organizza in un grafo di capacità e, per ogni problema, compone dinamicamente l'agente esperto adatto a ciascuno step di lavoro. Vedremo un caso concreto, i limiti onesti dell'approccio (conflitti tra fonti, tracciabilità, qualità del recupero) e perché la supervisione umana resta decisiva. Un modo diverso di guardare all'Agentic AI: dal contesto alla competenza.