McKinsey dice che il 73% delle grandi aziende sta "implementando IA". La realtà è che quasi nessuno ha un agente che funziona con SLA in produzione. Questi sono i 7 antipattern che vediamo ripetersi in ogni progetto zombi.
1. Partire dalla tecnologia, non dal processo
Il comitato di direzione decide "ci servono agenti IA" prima di identificare quale processo concreto migliorare. Risultato: 6 mesi di POC con LangChain senza sapere quale metrica dovrebbe muoversi.
2. Costruire il primo agente come un monolite
Team che progettano "un agente" che fa 14 cose diverse. Impossibile da mantenere, impossibile da debuggare, impossibile da valutare. Ogni cambio rompe qualcosa di diverso.
Il fix: ogni agente fa UNA cosa, bene. Li orchestri con uno strato sottile sopra.
3. Non avere eval dal giorno 1
Senza un dataset di valutazione con criteri chiari, non sai se un cambio di prompt migliora o peggiora. Stai navigando a occhio.
Il fix: 30-50 esempi reali con risposta attesa, automatizzati in CI. Qualsiasi modifica si misura contro quel baseline.
4. Usare il modello più caro perché "è migliore"
GPT-4o per compiti che Claude Haiku risolve altrettanto bene a 1/10 del prezzo. La fattura cresce, il margine evapora.
Il fix: routing tra modelli per tipo di compito. L'80% delle query va al modello economico; il 20% complesso al caro.
5. Senza observability = senza futuro
Non sapere che percentuale di risposte l'agente "rifiuta", cosa succede con i timeout, quanto costa ogni interazione. Se non lo misuri, non lo puoi governare.
Il fix: Langfuse, Helicone o equivalente dal primo commit. Costo, latenza, error rate, qualità — tutto in una dashboard.
6. Fidarsi dell'output senza guardrail
L'agente può dire qualsiasi cosa al cliente. Qualsiasi. Senza validazione strutturata, le allucinazioni arrivano in produzione e si scoprono quando il cliente reclama.
Il fix: structured output sempre che si possa + validazione con schema + fallback all'umano quando l'incertezza è alta.
7. Lanciarlo e dimenticarlo
L'organizzazione celebra il "go live" e smonta il team. Dopo 3 mesi l'agente dà risposte obsolete, il costo per token è salito del 40% e nessuno sa più nemmeno come fare il deploy di un miglioramento.
Il fix: operazione continua con review trimestrale. È un sistema vivo, non un progetto che si chiude.
Quel «sistema vivo» ha un nome e una funzione: governare gli agenti IA della tua azienda come uno strato permanente, e il freno perché nessuno ti sfugga nel frattempo, evitare che sfuggano di mano.