RPA e agenti AI: qual è la differenza, con un progetto reale su 13 mercati

RPA e agenti AI: la differenza in breve

La RPA (Robotic Process Automation) automatizza passaggi ripetitivi seguendo regole scritte in anticipo, senza capacità di giudizio: copia dati, compila moduli, sposta file da un sistema all'altro esattamente come farebbe una persona, ma più veloce. Un agente AI, invece, percepisce il contesto (un'email, un documento, una scadenza), decide quale azione ha senso in quel caso specifico e prepara il risultato per l'approvazione di una persona. La RPA esegue un copione; l'agente AI legge la situazione e propone una mossa.

È la differenza tra un processo che segue sempre lo stesso percorso e un sistema che si adatta a input diversi ogni volta. In Sentira lo sintetizziamo così: percepisce, prepara, tu approvi. La decisione finale resta sempre a una persona, ma il lavoro di raccolta e preparazione lo fa il sistema.

Come funziona la RPA: regole fisse, senza giudizio

La RPA funziona per regole esplicite: se il campo X contiene un certo valore, lo copia nel campo Y; se arriva un certo tipo di file, lo sposta in una cartella specifica. Il software replica azioni umane su interfacce già esistenti (form, fogli di calcolo, gestionali), senza bisogno di modificare i sistemi sottostanti. Funziona molto bene quando i passaggi sono sempre identici e i dati sono già in un formato prevedibile.

Il limite è nella parola stessa "regola fissa": la RPA non capisce il contenuto di quello che elabora, si limita a eseguirlo. Se un'email arriva in un formato leggermente diverso da quello previsto, o se una richiesta cliente non rientra nei casi già mappati, il processo si ferma o produce un errore. Serve un tecnico che aggiorni le regole ogni volta che cambia qualcosa a monte.

Come funziona un agente AI: percepisce, decide, propone

Un agente AI legge input non strutturati (un'email scritta in linguaggio naturale, un contratto, un banner pubblicitario su un sito), ne coglie il significato, valuta il contesto e propone un'azione già pronta, che una persona rivede prima che diventi definitiva. Non segue un copione fisso: si adatta a input che non ha mai visto esattamente in quella forma.

Due esempi in produzione, realizzati dal team Sentira, mostrano questa differenza concretamente. Per Executive Lease, broker di noleggio a lungo termine a Brugherio (MB), un agente AI ha trasformato cartelle Dropbox non strutturate in un CRM (Customer Relationship Management) funzionante: risponde ai clienti in tempo reale anche fuori orario, ricorda le scadenze di bollo, assicurazione e revisione e prepara le bozze email che il titolare rivede prima di inviarle. Il sistema ha portato il 100% dei file grezzi Dropbox in dati strutturati, con 4 automazioni attive (promemoria, reportistica, notifiche, email) e la chat disponibile 24 ore su 24.

Per Confindustria Varese, un secondo agente AI si sveglia ogni mattina alle 6:00, scansiona 6 testate giornalistiche locali, rileva i banner pubblicitari, arricchisce i dati delle aziende inserzioniste con ricerca web e AI e genera bozze email personalizzate nello stile del commerciale. In media rileva 23 banner e genera 6 bozze email per ciclo; il commerciale che prima impiegava circa 3 ore al giorno per lo stesso lavoro oggi lo revisiona in 20 minuti.

Un caso reale: RPA su 13 mercati per Randstad

Prima di Sentira, Enrico Libutti ha realizzato un progetto RPA per Randstad su 13 mercati internazionali: una pipeline di automazione end-to-end per la reportistica finanziaria, che ha ridotto i tempi di reportistica del 70% su tutti i 13 mercati coinvolti.

Si trattava di un caso adatto alla RPA per natura: dati finanziari già strutturati, provenienti da sistemi noti, con regole di calcolo e formattazione definite in anticipo per ciascun mercato. Il software replicava gli stessi passaggi che prima venivano eseguiti a mano (estrazione, calcolo, formattazione, invio), moltiplicati su 13 contesti nazionali diversi ma con la stessa logica di fondo. Il risultato è stato misurabile e ripetibile, perché il processo di partenza era già chiaro e stabile.

È lo stesso principio che rende oggi la RPA una scelta valida in molti contesti aziendali: quando il processo è noto, i dati sono strutturati e le regole non cambiano spesso, un progetto RPA ben costruito può ridurre drasticamente i tempi, come ha dimostrato quel progetto su 13 mercati. Il limite emerge quando i dati in ingresso sono vari e imprevedibili come un'email di un cliente o un banner pubblicitario su un sito web: lì la RPA non basta, ed è il terreno dove entra in gioco un agente AI.

Quando conviene la RPA e quando un agente AI

La RPA conviene quando il processo è ripetitivo, i dati sono già strutturati e le regole restano stabili nel tempo: reportistica, migrazione dati, compilazione di moduli su sistemi noti. Un agente AI conviene quando il processo parte da input non strutturati o variabili (email, documenti, richieste clienti, contenuti web) e richiede di capire il contesto prima di agire.

In pratica, la domanda da porsi è: il processo di oggi segue sempre lo stesso percorso, con dati che arrivano sempre nello stesso formato? Se sì, la RPA è probabilmente la scelta più rapida ed economica. Se invece il processo cambia da un caso all'altro (un cliente scrive in modi diversi, un documento arriva con dati mancanti, una decisione richiede di valutare più informazioni insieme), allora un agente AI ha margine per fare la differenza, perché la sua natura è proprio quella di adattarsi a contesti diversi anziché eseguire sempre lo stesso copione.

Non è raro che le due tecnologie convivano nello stesso processo: una parte a regole fisse gestita in RPA e uno strato più a monte o a valle affidato a un agente AI che decide cosa fare con le eccezioni. In Sentira valutiamo questo bilanciamento caso per caso, prima ancora di proporre un preventivo.