Azienda agentica: l'architettura a otto strati e le decisioni da prendere prima dell'interfaccia

In sintesi. Gli schemi con cui i fornitori di software aziendale presentano l'offerta di intelligenza artificiale disegnano tutti la stessa torre: sistemi di registro, contesto, agenti, interfaccia conversazionale. Lasciano aperta la domanda su chi possiede gli strati bassi, dove si decidono costi, riservatezza e possibilità di cambiare fornitore. L'architettura dell'azienda agentica si scompone in otto strati, ciascuno con una decisione da prendere prima di costruirlo, e si progetta dal basso, con il modello AI Rating e i gate decisionali come strumenti di misura.

Lo schema comune dei fornitori

Negli ultimi mesi quasi ogni grande fornitore di software aziendale ha pubblicato il proprio schema dell'offerta di AI, dal CRM più diffuso alla suite d'ufficio installata su quasi ogni portatile, fino alle piattaforme verticali per logistica e distribuzione. I nomi dei prodotti cambiano da un trimestre all'altro, a volte da un mese all'altro, e chi segue gli annunci fatica a distinguere ciò che è disponibile da ciò che è stato soltanto presentato. Messi uno accanto all'altro, però, gli schemi disegnano la stessa torre.

In basso stanno i sistemi dove vive la verità aziendale. Sopra, uno strato trasforma i dati in contesto leggibile da un modello linguistico, e più in alto lavorano gli agenti, che ragionano e agiscono. In cima un'interfaccia conversazionale raccoglie le domande delle persone e le loro approvazioni. Attorno a tutto compare, quasi sempre come cornice e quasi mai come piano, l'insieme di servizi che nessuno acquista a parte e che tiene in piedi la costruzione: permessi, sicurezza, tracciamento delle azioni, valutazione dei risultati.

La torre descrive con buona approssimazione la direzione in cui si muovono le aziende. Lascia fuori una domanda che a chi la disegna conviene dare per scontata, cioè chi possiede gli strati bassi: dove gira il modello, dove viene assemblato il contesto, chi può leggere il registro di ciò che gli agenti hanno fatto. Da quella domanda dipendono il costo di esercizio, la riservatezza dei dati e la possibilità di cambiare fornitore senza ricostruire tutto.

Il tema tocca da vicino il divario misurato dall'Osservatorio Artificial Intelligence del Politecnico di Milano (febbraio 2026): il 71% delle grandi imprese italiane ha progetti di AI attivi, il 9% ha una governance strutturata. Un'architettura agentica acquistata intera, senza decisioni sugli strati bassi, allarga quel divario, perché porta fuori dall'azienda proprio le parti che la governance dovrebbe presidiare.

La mappa degli otto strati

La versione astratta della torre, valida per qualunque organizzazione e indipendente dai marchi, ha otto strati. Si leggono dal basso verso l'alto perché è l'ordine in cui andrebbero progettati, mentre la maggior parte dei progetti parte dalla cima, dalla scelta dell'assistente da distribuire ai dipendenti o del modello da adottare.

Strato	Cosa contiene	Domanda da fare prima di costruirlo
0. Calcolo e modelli	dove gira l'inferenza: cloud, server aziendali, postazioni	quali dati possono raggiungere quale modello?
1. Sistemi di registro	gestionale, CRM, archivi documentali, magazzino	per ogni dato, qual è l'unico sistema proprietario?
2. Logica di dominio	oggetti, regole, flussi approvativi, permessi	quali regole oggi stanno solo nella testa di qualcuno?
3. Contesto	identità delle entità, ontologia, memoria degli agenti, testi vettorizzati	cosa significano le informazioni e chi lo decide?
4. Agency	ragionamento, pianificazione, agenti specializzati, cicli di esecuzione	quali compiti si delegano e con quale condizione di arresto?
5. Harness	governo, sicurezza, osservabilità, valutazione, scelta del modello	cosa può fare un agente senza chiedere, e chi lo verifica?
6. Esposizione headless	API, server MCP, riga di comando, skill	quale contratto vede chi sta sopra?
7. Interfaccia	assistenti commerciali, chat aziendali, voce, app proprie	dove lavorano già le persone?

Lo strato 5 ha un numero per comodità di lettura. Nello schema va letto come una cornice attorno agli strati 3 e 4, perché governa il contesto e gli agenti invece di poggiare sopra di loro.

Strato 0: calcolo e modelli

È lo strato che nessuno acquista in modo esplicito e che tutti pagano. Nelle torri dei fornitori coincide con il loro cloud e quasi non compare nei disegni, eppure decide dove finisce ogni frase che un agente legge e quanto costa leggerla. La decisione riguarda la collocazione dell'inferenza e, prima ancora, la regola che associa a ogni classe di dati i modelli autorizzati a elaborarla.

Strato 1: sistemi di registro

Le aziende conoscono questi sistemi da trent'anni. Con l'arrivo degli agenti chiedono una sola regola, la più difficile da rispettare: ogni dato ha un unico sistema proprietario, e tutti gli altri lo citano invece di copiarlo. Un'anagrafica cliente duplicata in due sistemi produce in pochi mesi due versioni divergenti della stessa informazione, e un modello che le legge entrambe sceglie a caso quale riportare.

Strato 2: logica di dominio

Qui i dati diventano processi. Un ordine ha uno stato e uno sconto oltre una certa soglia richiede una firma. Parte di queste regole vive nel codice dei gestionali, parte in procedure scritte anni prima, e una quota consistente soltanto nell'esperienza di chi svolge quel lavoro da tempo. Il modello dati è una teoria dell'azienda, con le semplificazioni decise da chi l'ha disegnato magari per far quadrare la contabilità analitica, e gli agenti la ereditano così com'è.

Strato 3: contesto

In questo strato l'azienda dichiara al modello cosa significano le sue informazioni. La parola "cliente" in amministrazione indica chi ha una fattura aperta, nell'area commerciale chi ha un'opportunità attiva; due nomi diversi possono riferirsi alla stessa persona; una decisione presa in una riunione di marzo può superare quella di gennaio. Lo strato comprende l'ontologia, la risoluzione delle identità, la memoria di lungo periodo degli agenti e il testo dei documenti reso interrogabile con tecniche di ricerca semantica.

Strato 4: agency

È la parte che pianifica, sceglie gli strumenti, esegue e controlla il risultato, in un ciclo che si ripete fino a una condizione di arresto. La decisione da prendere riguarda il grado di delega, che ZeroFive.AI descrive su tre livelli. Nel livello AI-assisted la persona svolge il lavoro e l'AI interviene ai margini, in quello AI-first l'AI svolge il lavoro e la persona rivede ogni output, in quello AI-native l'AI esegue l'intero processo e le persone scrivono policy e vincoli. Il livello più alto è una possibilità da valutare processo per processo: acquisizioni e contenziosi rimangono attività in cui la delega completa non ha senso.

Strato 5: harness

Comprende tutto quello che serve a un agente in produzione e che non è il modello: i permessi con cui agisce, le regole che stabiliscono quando deve chiedere, il registro delle azioni, le verifiche automatiche sui risultati, la scelta del modello per classe di dati. Nelle offerte chiavi in mano è lo strato meno maturo, ed è quello che un'azienda ha più interesse a progettare internamente.

Strato 6: esposizione headless

Rende disponibile ciò che sta sotto senza bisogno di uno schermo, attraverso API, server MCP, riga di comando e skill condivise. Definisce il contratto che vedono gli strati superiori: quali operazioni si possono chiedere, con quali permessi, con quali garanzie sul risultato.

Strato 7: interfaccia

Grazie agli strati 5 e 6 può essere quasi qualunque cosa, da un assistente commerciale a un'applicazione costruita in casa, passando per la chat aziendale e la voce. La domanda guida è dove lavorano già le persone, perché un'interfaccia che le costringe a cambiare abitudini parte con un costo di adozione che nessun modello compensa.

Errori ricorrenti e segnali di maturità

Strato	Errore ricorrente	Segnale di maturità
0. Calcolo e modelli	tutti i dati inviati allo stesso modello esterno per comodità	una regola scritta che associa a ogni classe di dati i modelli ammessi
1. Sistemi di registro	anagrafiche duplicate e allineate a mano	un proprietario unico per ogni entità, citata dagli altri sistemi
2. Logica di dominio	regole note solo a chi svolge il lavoro	regole scritte, versionate, con un responsabile
3. Contesto	significato lasciato all'interpretazione del modello	ontologia minima con tipi, relazioni e un arbitro per i conflitti fra fonti
4. Agency	agenti senza livello di delega né condizione di arresto	livello di delega dichiarato per processo, soglie di confidenza
5. Harness	utenze tecniche con permessi ampi, nessun registro	permessi a tre livelli, approvazione umana sulle scritture, registro leggibile
6. Esposizione headless	logica chiusa nei prompt e negli agenti di un singolo prodotto	server MCP e skill condivise che operano con i permessi della persona reale
7. Interfaccia	interfaccia scelta per prima, prima degli strati che la alimentano	più interfacce sopra lo stesso contratto

L'interfaccia come contratto

Per vent'anni il software aziendale ha coinciso con il suo schermo. Si acquistavano licenze per postazione e si formavano le persone sull'interfaccia, e il fornitore teneva il cliente attraverso l'abitudine visiva, perché cambiare CRM significava riaddestrare centinaia di persone a cliccare in posti diversi. Il valore stava nell'interfaccia, e i dati sottostanti erano il prezzo da pagare per usarla.

Nell'azienda agentica il rapporto si rovescia. Le persone lavorano nell'assistente che preferiscono, nella chat aziendale o con la voce durante uno spostamento, e chiedono all'assistente di recuperare le informazioni dove si trovano e di agire per loro conto. L'interfaccia si moltiplica e si assottiglia, diventa una superficie che cambia con il momento e con il dispositivo, e nei prossimi anni anche con lo spazio fisico. Quello che un'azienda deve progettare verso i propri agenti è un contratto, con operazioni ammesse, permessi e garanzie sul risultato.

Il Model Context Protocol (MCP) è oggi la forma più diffusa di quel contratto, ed è il motivo per cui lo strato 6 è diventato progettabile anche da un'azienda di medie dimensioni senza un grande reparto di sviluppo. Un server MCP espone gli strumenti di un sistema a qualunque client compatibile, e lo stesso server serve il dipendente che usa un assistente commerciale e l'agente notturno che prepara i report del lunedì. Una regola va fissata dall'inizio: il modello opera sempre con i permessi reali della persona che lo sta usando, mai con un'utenza tecnica dotata di accesso completo.

Il livello di dipendenza da un fornitore si misura con un test semplice, da proporre nelle prime riunioni: se domani i dipendenti cambiassero assistente, quanto lavoro andrebbe rifatto? Quando la logica vive nei prompt salvati dentro il prodotto di un fornitore, nelle sue memorie e nei suoi agenti preconfigurati, va rifatto quasi tutto. Se invece vive negli strati dal 3 al 6, il cambio si riduce a una configurazione, e la scelta dell'assistente torna a essere una decisione su costo e riservatezza.

Contesto e harness in produzione

In una dimostrazione un agente risponde in pochi secondi a una domanda sul portafoglio clienti, prepara una bozza di offerta e propone il passo commerciale successivo. In produzione lo stesso agente deve sapere che "cliente" ha significati diversi in uffici diversi, non deve leggere i margini se la persona che lo interroga non è autorizzata a vederli, deve lasciare traccia di ciò che ha fatto e deve fermarsi quando la confidenza è bassa. Questi requisiti vivono negli strati 3 e 5, che nelle demo non compaiono e che assorbono la maggior parte del tempo di un progetto serio.

Il significato deciso prima del modello

Un modello collegato a dati senza tipi e senza relazioni dichiarate ricostruisce da solo il senso delle informazioni, ogni volta in modo leggermente diverso, e due risposte alla stessa domanda a una settimana di distanza smettono di coincidere. Un'ontologia operativa fissa i tipi di oggetto, le relazioni fra loro e le azioni ammesse su ciascuno. Ha anche un effetto economico che le direzioni finanziarie colgono subito, perché riduce i token che un agente spende per orientarsi. Lo stesso principio vale per la finestra di contesto, dove il materiale superfluo compete con quello necessario invece di essere scartato. Il ruolo delle ontologie come infrastruttura è trattato in un approfondimento dedicato.

Le quattro famiglie di regole dell'harness

In almeno uno degli annunci più ambiziosi dell'autunno 2026, governo e sicurezza compaiono fra le capacità della piattaforma con l'annotazione che sono in parte ancora da costruire. La parte del sistema che decide cosa può fare un agente senza chiedere, chi lo verifica e cosa rimane scritto dopo è la meno matura nelle offerte chiavi in mano. Nel metodo ZeroFive.AI si scrive prima degli agenti, con quattro famiglie di regole.

• Permessi sugli strumenti a tre livelli: negato, consentito con conferma, consentito senza conferma. Ogni strumento nasce al livello più restrittivo e sale solo con una decisione esplicita.
• Approvazione umana delle scritture: il modello propone, una persona firma, e nessuna informazione entra nella memoria aziendale senza un responsabile identificato per nome.
• Verifiche deterministiche: tutto ciò che si può controllare con uno script viene sottratto al giudizio del modello, dal totale di un preventivo alla validità di un pacchetto di modifiche.
• Registro delle azioni: ogni chiamata lascia una riga leggibile con chi l'ha richiesta, quale modello l'ha eseguita e quali dati sono usciti dal perimetro.

L'harness è anche il punto in cui l'architettura incontra la norma. Per i sistemi ad alto rischio il Regolamento UE 2024/1689 (AI Act) prevede la registrazione automatica degli eventi all'articolo 12 e la sorveglianza umana all'articolo 14, obblighi che per i sistemi dell'Allegato III, dopo il Digital Omnibus, si applicano dal 2 dicembre 2027. La norma ISO/IEC 42001 chiede a sua volta un sistema di gestione che documenti ruoli, controlli e monitoraggio. Un harness costruito sulle quattro famiglie di regole produce buona parte delle evidenze che queste norme richiedono. Questo lavoro prepara l'organizzazione alla verifica di conformità, che è una valutazione legale, e alla certificazione ISO/IEC 42001, che rilasciano gli organismi accreditati.

La proprietà degli strati bassi

Ogni volta che un agente lavora, il contesto viene assemblato e spedito al modello. Quel pacchetto contiene il distillato più prezioso che un'azienda produce, cioè il modo in cui classifica i clienti e le decisioni prese con le loro motivazioni. Nella torre acquistata intera quel distillato viaggia verso un data center esterno, con le garanzie del contratto firmato, a un prezzo per token che può cambiare alla revisione successiva del listino, su modelli che il fornitore può ritirare con qualche mese di preavviso. Sono condizioni accettabili per molte classi di dati, a patto di conoscerle prima della firma, cosa che accade meno spesso di quanto si pensi.

La classificazione dei dati

Nel metodo ZeroFive.AI la sovranità sui dati si decide per classe di dati, senza preclusioni di principio verso il cloud.

Classe	Esempi	Dove può essere elaborata
Libera	ricerche pubbliche, bozze di contenuti, materiali già pubblicati	il modello più capace disponibile, anche esterno
Interna	documenti operativi, comunicazioni interne, dati di processo	fornitori esterni con garanzie contrattuali adeguate su conservazione, uso per l'addestramento e localizzazione
Riservata	dati economici riservati, segreti industriali, categorie particolari di dati personali	un modello in esecuzione dentro il perimetro, oppure un passaggio di anonimizzazione prima dell'invio

Per molto tempo la terza classe ha avuto poche soluzioni pratiche, perché i modelli aperti erano distanti da quelli commerciali e farli girare richiedeva competenze rare in un'azienda media. Oggi lo strato 0 si può possedere. Progetti open source di inferenza locale come LocalAI o vLLM fanno girare modelli aperti su hardware aziendale, dal server in sala macchine alla workstation di un reparto, ed espongono un'interfaccia di programmazione compatibile con quella dei principali fornitori commerciali. Gli strati superiori non si accorgono del cambio, e un'azienda può affiancare un modello locale a uno commerciale e smistare le chiamate in base alla classe del dato senza riscrivere contesto e agenti.

L'architettura ibrida

L'azienda agentica che ne risulta è quasi sempre ibrida. Rispetto alla torre comprata intera cambia la posizione del nucleo: ontologia, memoria, regole e registri rimangono dentro l'azienda, e il modello diventa un lettore che si può sostituire o spegnere senza perdere nulla. Cambiare fornitore smette di essere un progetto di migrazione e diventa una modifica di configurazione.

Gli otto strati nel modello AI Rating

Il modello AI Rating di ZeroFive.AI misura la maturità su quattro dimensioni, con scala da 0 a 5, classi da A a D e gate critici non compensabili. Dimensioni e strati appartengono a piani diversi, eppure ciascuna dimensione osserva alcuni strati in modo prevalente, e la lettura incrociata mostra dove un investimento produce effetti e dove rimane bloccato.

Dimensione	Strati osservati in prevalenza	Cosa rivela sull'architettura agentica
AI Readiness	0, 1, 2, 3	classificazione dei dati, proprietà dei sistemi di registro, regole esplicite, ontologia
AI Delivery	4, 6	capacità di portare agenti in esercizio, integrazione con i sistemi, monitoraggio
AI Risk	5, con effetti sullo 0	permessi, approvazioni, registro delle azioni, scelta del modello per classe di dati
AI Confidence	7	adozione reale da parte delle persone, fiducia negli output, impegno del vertice

Il carattere non compensabile dei gate pesa molto su questa lettura. Un harness assente blocca la classe anche in presenza di agenti tecnicamente sofisticati, e un punteggio alto su AI Delivery non compensa la mancanza di un proprietario per i dati. Il rischio si misura nella diagnosi, prima di selezionare i casi d'uso, perché un problema di governance scoperto a sistema acceso costa molto di più di uno individuato sulla mappa. Un'autovalutazione produce una stima, mentre la classe A è riservata alle valutazioni verificate con intervista strutturata.

I gate decisionali lungo lo stack

Le decisioni sull'architettura passano da sei gate, che il cliente attraversa prima di spendere nella fase successiva. Ciascuno interroga strati diversi della torre.

Gate	Domanda	Strati coinvolti e criterio
G0 Legittimità	Il problema merita una soluzione AI?	2 e 4: confronto scritto con l'alternativa non-AI, spesso uno script sulla logica di dominio
G1 Prontezza	L'organizzazione è pronta a sostenere l'iniziativa?	da 0 a 3: verifica organizzativa, valida per tutte le iniziative fino al riesame annuale
G2 Validazione	Il prototipo ha dimostrato quello che doveva?	3 e 4 su un perimetro ristretto, con un'ipotesi falsificabile dichiarata prima dell'avvio
G3 Autorizzazione	Il rischio è governato?	4 e 5: livello di autonomia dichiarato e coerente con la classe di rischio
G4 Scala	L'esercizio è sostenibile nel tempo?	1, 5 e 6: proprietario nominato, procedura di rollback, contratto esposto documentato
G5 Presidio	Il sistema fa ancora ciò per cui è stato approvato?	5 e 7: registro delle azioni e adozione misurata sul campo

Al G0 nessun caso d'uso entra nel portafoglio senza il confronto con l'alternativa che non usa l'AI, compilato prima di conoscere la risposta. In una parte dei casi uno script ben scritto risolve lo stesso problema a una frazione del costo, e quel risultato vale quanto un via libera. Al G2 la validazione avviene con prototipi rapidi su dati reali nella unit di prototipazione protot.ai, prima che l'azienda impegni budget sulla produzione.

Il percorso dal basso

Le richieste che arrivano a una società di consulenza AI partono quasi sempre dalla cima della torre: quale assistente acquistare, oppure come far dialogare il CRM con la chat aziendale. Il primo lavoro consiste nel rimettere la torre in piedi e disegnare con il team la mappa degli otto strati com'è oggi. Per ogni strato si registrano il proprietario, il contratto esposto allo strato superiore e la possibilità di sostituirlo senza toccare gli altri.

Le mappe che emergono tendono a somigliarsi. I sistemi di registro esistono e funzionano, la logica di dominio sta per metà nel software e per metà nelle persone, contesto e harness mancano, e l'interfaccia è già stata acquistata da qualcuno. Da lì il percorso sale dal basso, in questo ordine.

1. Classificazione dei dati nelle tre classi, che stabilisce cosa si può fare allo strato 0 e quali modelli possono leggere cosa.
2. Un sistema proprietario per ogni dato e un'ontologia minima, con tipi di oggetto, relazioni e un criterio per decidere quando due fonti si contraddicono.
3. Harness scritto prima di qualunque agente in produzione, con permessi, approvazioni, verifiche automatiche e registro delle azioni.
4. Esposizione dei sistemi tramite server MCP con i permessi reali delle persone, e skill condivise che fanno parlare a tutti gli assistenti la stessa lingua aziendale.
5. Scelta dell'interfaccia, spesso più di una, in base a dove le persone lavorano già.

La piattaforma con cui ZeroFive.AI gestisce i progetti dei propri clienti applica già molte di queste regole, dal sistema proprietario per ogni dato all'approvazione umana delle proposte generate dagli agenti, ed è collegata agli assistenti tramite MCP. È il caso che usiamo in aula e nelle prime riunioni, perché mostra il funzionamento reale prima che un'azienda decida se costruire il proprio sistema.

Le competenze per governare lo stack

L'architettura funziona solo se in azienda ci sono persone capaci di ragionarci sopra. I percorsi di AI Training di ZeroFive.AI sono costruiti su quattro discipline, ciascuna legata a una zona della torre: il prompt engineering per l'interfaccia, il context engineering per lo strato del contesto, il loop engineering per gli agenti e l'harness engineering per la cornice che li governa.

Un'azienda che acquista lo stack senza nessuno capace di lavorare su queste quattro zone ottiene un sistema che funziona finché le condizioni rimangono quelle iniziali. Quando cambia un processo, un fornitore o una norma, nessuno sa correggerlo, e nessuno sa spingerlo verso usi più avanzati di quelli previsti al momento dell'acquisto.

Fondamenta e interfaccia nei prossimi anni

Nei prossimi due anni l'interfaccia cambierà più volte. Gli assistenti di oggi verranno rinominati, accorpati o sostituiti da altri ancora sconosciuti, e una parte del lavoro passerà dalla chat alla voce e agli ambienti fisici. Un'azienda che avrà costruito in casa il contesto, l'harness e l'esposizione dei propri sistemi cambierà assistente con la stessa facilità con cui oggi si cambia browser, scegliendo ogni volta il modello adatto alla classe di dati da trattare.

Chi avrà acquistato la torre intera negozierà ogni anno con il fornitore il prezzo di accesso al proprio contesto, cioè alla descrizione più accurata di sé che abbia mai prodotto. La torre la disegneranno i fornitori, ed è legittimo che sia così. Le fondamenta, invece, ogni azienda dovrà decidere se tenerle in casa o affittarle, e la mappa degli otto strati è il primo documento su cui prendere quella decisione.

Il criterio per decidere cosa affidare al modello e cosa alle regole deterministiche è in probabilistico e deterministico. La scelta del canale con cui il contesto arriva al modello è in RAG o connettori, e il modo in cui l'AI si collega ai dati aziendali è in perché serve un AI Company OS.

La mappa si costruisce con le persone che conoscono davvero i sistemi, e già alla prima versione indica quali investimenti fatti finora sono riutilizzabili e quali andranno rifatti. Per avviarla potete fissare un incontro di valutazione oppure scrivere a hello@zerofive.ai.