Nel confronto agenzia AI vs software house la differenza non è la qualità del codice, è chi si prende la responsabilità del processo: la software house consegna un software che funziona secondo specifica, l’agenzia AI risponde del risultato operativo dell’agente dentro il tuo flusso di lavoro.
In sintesi
- Una software house lavora su specifica: tu porti il capitolato, loro costruiscono quello che c’è scritto e il collaudo verifica la specifica, non l’esito in azienda.
- Un’agenzia AI parte dal processo, decide cosa vale la pena automatizzare e resta agganciata all’agente dopo il lancio, quando i dati reali fanno emergere i casi che nessun capitolato aveva previsto.
- Se il processo è già chiaro, stabile e scritto, la software house è spesso la scelta più efficiente; se devi ancora capire dove l’AI regge, serve chi lavora sul processo prima che sul codice.
Cosa cambia davvero tra i due modelli
La software house tratta il tuo progetto come un prodotto software. C’è un’analisi dei requisiti, un documento, uno sviluppo, un collaudo. Il modello funziona bene quando sai già cosa vuoi: un gestionale, un portale, un’integrazione fra due sistemi che esistono e hanno una API documentata.
Un agente AI si comporta in modo diverso. Non fallisce con un errore, fallisce dando una risposta plausibile e sbagliata. La domanda “funziona?” non ha una risposta binaria: ha una risposta statistica, che cambia quando cambiano i dati in ingresso. Un capitolato non riesce a descrivere questo, perché la specifica di un agente si scopre guardandolo lavorare su casi veri.
Ecco perché il metodo conta più dello stack. In Polara la sequenza è sempre la stessa: si mappano i processi, si sceglie il primo caso d’uso che regge da solo, si costruisce un prototipo che gira su dati reali del cliente entro poche settimane, poi si misura. Luca E. Villa segue direttamente questa fase con il cliente, perché è lì che si decide se il progetto ha senso oppure no.
Un esempio concreto, il più ricorrente. Arriva una mail di richiesta a info@. L’agente legge il testo, estrae nome, azienda e partita IVA, cerca il ruolo della persona, e se è un decision maker apre un deal nel CRM con il tag corretto e prepara la bozza di risposta. Il commerciale apre la mattina e trova i deal già qualificati invece di una casella da smistare. Non è un progetto software: è un pezzo di processo commerciale che cambia mano.
Questo taglio si vede anche nel nostro lavoro su agenzia AI o team interno, dove la variabile decisiva è sempre chi mantiene la cosa quando il fornitore esce dalla stanza.
Cosa determina l’impegno
Nessuno può stimare un progetto AI guardando solo il numero di funzionalità. Quello che sposta davvero tempo e complessità è altro:
| Fattore | Perché pesa |
|---|---|
| Numero di integrazioni | Ogni sistema da collegare porta autenticazione, permessi, limiti di chiamata e casi di errore propri. |
| Qualità dei dati | Dati sporchi o sparsi fra Excel, gestionale e caselle mail allungano la fase di preparazione più di qualsiasi sviluppo. |
| Chiarezza del processo | Se in azienda ci sono tre modi diversi di fare la stessa cosa, prima va scelto quale è quello giusto. |
| Tolleranza all’errore | Un agente che scrive bozze interne richiede controlli diversi da uno che manda comunicazioni al cliente finale. |
| Disponibilità delle persone | Interviste, accesso ai sistemi e feedback sul prototipo occupano tempo del tuo team, non solo del fornitore. |
Un audit iniziale serve proprio a rispondere a queste cinque righe prima di scrivere codice: mappa dei processi automatizzabili e roadmap, in un paio di settimane. La costruzione di un singolo agente si misura in settimane, non in trimestri, e la durata dipende da quante di quelle righe sono già a posto.
Quando NON è il caso
Ci sono situazioni in cui una software house è la risposta migliore e dirlo è più utile che vendere.
Se devi costruire un gestionale, un portale clienti o un e-commerce, ti serve una software house. Non è un progetto AI con qualche funzione intelligente, è software applicativo, e chi lo fa di mestiere lo fa meglio.
Se il tuo processo è già scritto, stabile e non cambia da anni, il vantaggio del metodo iterativo si riduce. Un capitolato chiaro affidato a chi sviluppa su specifica è più diretto.
Se cerchi una struttura con trenta persone, SLA enterprise e un ufficio di project management, Polara non è il fornitore giusto: siamo una struttura snella guidata dal founder. Se ti serve l’addestramento di un modello proprietario da zero, stessa risposta: usiamo Claude, GPT e Gemini come componenti, e in quel caso ti indirizziamo altrove.
C’è poi il caso più frequente di tutti: nei primi trenta giorni il progetto chiede tempo alle tue persone. Interviste, accesso ai dati, prove sul prototipo. Se quel tempo non c’è, il progetto non riesce, con qualsiasi fornitore.
Domande da fare al fornitore
Queste domande separano in fretta chi ha costruito agenti in produzione da chi ha fatto solo demo.
1. Mi mostri un agente che avete in produzione oggi e mi spiegate su quale processo lavora, con quali sistemi parla e quanto tempo toglie a una persona?
2. Cosa succede quando l’agente sbaglia? Chi se ne accorge, quali controlli avete messo, come si corregge senza rifare tutto?
3. In quanto tempo vedo un prototipo che gira su dati miei e non su un dataset di esempio?
4. Chi mantiene l’agente dopo il lancio, e cosa succede al progetto se domani cambiamo CRM?
5. Il codice e le automazioni restano miei? Dove girano, con quali accessi ai nostri dati?
6. Quanto tempo servirà alle mie persone, settimana per settimana, nella prima fase?
7. Quali parti del processo mi sconsigliate di automatizzare adesso, e perché?
L’ultima è la più rivelatrice. Un fornitore che dice sì a tutto non ha guardato il tuo processo. Ne abbiamo raccolte altre in le domande da fare a un’agenzia AI.
Come valutare il servizio
Valuta su metodo, ambito e trasparenza, non sulla lista dei tool.
Chiedi il perimetro per iscritto. Quale processo, quali sistemi collegati, quale risultato osservabile a fine progetto. Un ambito vago diventa un progetto vago.
Verifica chi lavora davvero sul tuo caso. In una struttura piccola parli con chi costruisce. In una struttura grande scopri spesso che l’analisi e lo sviluppo sono due squadre che non si parlano.
Controlla la fase post lancio. Un agente non è finito quando passa il collaudo: i primi mesi di dati reali sono quelli che lo rendono affidabile. Se il contratto finisce alla consegna, il rischio resta tutto tuo.
Guarda la competenza sul dominio, non solo sull’AI. Chi capisce come lavora un commerciale o un back office fa domande diverse da chi conosce solo i modelli. È la stessa logica con cui confrontiamo agenti AI e automazioni no code: lo strumento conta meno del processo che deve reggere.
Chiedi come gestiscono la conformità. Il regolamento europeo sull’AI (Regolamento UE 2024/1689) introduce obblighi che dipendono dalla classificazione di rischio del sistema. Un fornitore serio sa dirti in che categoria ricade quello che stai costruendo.
Verifica su cosa costruiscono. Noi lavoriamo con il Claude Agent SDK di Anthropic, quindi con componenti documentati e sostituibili, non con un framework chiuso di cui nessuno conosce il funzionamento.
Domande frequenti
Una software house può costruire un agente AI?
Sì, se ha già portato agenti in produzione e non solo integrazioni via API verso un modello. Chiedi il caso in produzione, non il proof of concept.
Serve avere già un CRM o un gestionale?
Aiuta molto, perché l’agente ha un posto dove scrivere. Se i dati vivono solo in fogli di calcolo, la prima parte del lavoro è metterli in ordine.
Posso iniziare da un solo processo?
È il modo consigliato. Un caso d’uso singolo, misurabile, che regge da solo. Gli altri arrivano dopo, sulla stessa base tecnica.
Se hai un processo che perde tempo ogni settimana e vuoi capire se un agente AI regge davvero su quel pezzo, il punto di partenza è la mappatura: guardiamo il flusso, ti diciamo cosa conviene automatizzare per primo e cosa lasciare com’è. Trovi il perimetro del lavoro nella pagina consulenza AI.
