Workflow di AI agentica in produzione: come si costruisce davvero il software con gli agenti

Cosa significa davvero "agentico"

Un chatbot risponde. Un agente agisce: pianifica, usa strumenti — legge file, scrive codice, esegue test, chiama API — osserva cosa è successo e si corregge. Un workflow agentico è un sistema di agenti con ruoli definiti, stato condiviso e checkpoint, puntato verso un obiettivo più grande di qualsiasi singolo prompt: rilascia questa funzionalità, migra questo codebase, traduci questo prodotto in quattro lingue.

La versione da hype si ferma qui. La versione da produzione vive o muore sulla struttura — perché un agente senza struttura è uno stagista velocissimo senza supervisore.

La pipeline che usiamo davvero

Cinque fasi, e ognuna si guadagna il suo posto:

• Analisi. Prima di pianificare qualsiasi cosa, gli agenti di ricerca setacciano il territorio — il codebase, la documentazione, i casi limite, gli stati che nessuno ricorda più. In modo esaustivo. La maggior parte dei progetti AI falliti muore qui, proprio saltando questa fase.
• Piano. Un agente di pianificazione trasforma il quadro emerso dall'analisi in un PLAN.md a fasi — e, cosa cruciale, in una lista di domande per il referente umano. Un agente che tira a indovinare davanti all'ambiguità consegna in fretta la cosa sbagliata; un agente obbligato a esplicitare le sue domande consegna in fretta la cosa giusta.
• Build. Gli agenti implementatori eseguono il piano fase per fase — e dove le fasi sono indipendenti, lavorano in parallelo. Quando abbiamo localizzato il nostro stesso sito in quattro lingue, quattro agenti hanno prodotto simultaneamente quattro traduzioni di qualità madrelingua; il costo, in tempo reale, di "una lingua in più" è stato quasi zero.
• Verifica. L'agente che ha costruito qualcosa non può mai approvarla. Agenti QA separati controllano il lavoro rispetto al piano, e un ingegnere senior rivede ogni riga prima del rilascio. Ciò che non passa torna in build — quel loop rosso nel diagramma gira tutte le volte che serve.
• Rilascio. Link di staging dalla prima settimana, demo ogni venerdì, il cliente è proprietario di tutto.

I cinque pattern che sopravvivono al contatto con la produzione

1. Il file tracker

Il pezzo più noioso e più importante di tutti: un semplice file markdown su disco che ogni agente legge prima di agire e aggiorna dopo. È la memoria del workflow e il suo registro di audit. Le sessioni si bloccano, i contesti si riempiono, gli umani vanno a dormire — il file tracker sopravvive a tutto questo, e qualsiasi agente (o umano) può ripartire esattamente da dove si era fermato l'ultimo.

2. Fasi con gate

Gli agenti sono ottimi velocisti e pessimi maratoneti. Tagliare il lavoro in fasi con criteri di completamento espliciti — ognuna vincolata alla precedente — mantiene ogni agente su un problema abbastanza piccolo da tenerlo tutto in testa, e offre agli umani punti di ispezione naturali.

3. Fan-out, fan-in

Il lavoro indipendente corre in parallelo: un agente per modulo, per lingua, per suite di test. Il fan-in conta quanto il fan-out — gli output vengono ri-verificati insieme, perché quattro pezzi corretti presi singolarmente possono comunque essere in disaccordo tra loro.

4. La lista delle domande

Ogni fase di pianificazione deve produrre domande per l'umano, e "nessuna domanda" viene trattato come un campanello d'allarme, non come un via libera. L'ambiguità che non emerge diventa una decisione sbagliata presa con sicurezza, a velocità di macchina.

5. Verificatori separati

Chi costruisce non corregge mai i propri compiti in classe. Agenti di verifica separati — più un revisore umano con gusto e contesto — sono ciò che trasforma "la demo funziona" in "questo è software di produzione".

Dove gli agenti sono ancora deboli

L'onestà fa parte dell'offerta: gli agenti non hanno gusto, non sanno quando stanno sbagliando, e ottimizzeranno con piena sicurezza l'obiettivo sbagliato se l'obiettivo è formulato in modo vago. È esattamente per questo che il workflow qui sopra contiene due rombi umani e il nome di un ingegnere senior su ogni release. L'AI agentica non elimina l'esperto — elimina tutto ciò che prima faceva perdere tempo all'esperto.

Perché vi riguarda

I conti sono tutt'altro che sottili. Un workflow come questo permette a un singolo ingegnere senior di consegnare ciò che prima richiedeva un team — ed è così che uno studio può proporre un prezzo fisso, mostrare una demo funzionante ogni venerdì e rilasciare un MVP in poche settimane. Gli agenti producono il volume; la struttura produce l'affidabilità; l'umano produce il giudizio.