Chi è l'agent manager e di cosa risponde?
Il ruolo di linea che fissa gli obiettivi di una flotta di agenti AI, ne valuta l'output e risponde del risultato.
L'agent manager è la persona che risponde del risultato di una flotta di agenti AI messi in produzione: fissa l'obiettivo di ogni agente, ne valuta l'output con metriche dichiarate, decide quando un caso deve passare a una persona e quando un agente va ritirato dalla linea. È un ruolo di linea, non un ruolo tecnico, e nasce nel momento preciso in cui gli agenti smettono di essere un progetto pilota e cominciano a servire clienti veri, con volumi, scadenze e reclami. Una nota sull'omonimia, perché il termine arriva carico di storia: nei contact center "agent manager" indica da vent'anni il software che gestisce turni e code degli operatori umani, e in informatica anche un componente che amministra agenti software su una rete. Qui il significato è un altro e più recente: una persona con responsabilità di linea su sistemi che svolgono il lavoro che prima svolgeva una squadra.
Leggi anche: AgentOps · La disciplina di osservabilità e lifecycle management per gli agenti AI in produzione: monitoraggio, debugging, versioning di prompt e strumenti.
Due nomi, due perimetri
Il ruolo ha due padrini. Harvard Business Review lo chiama agent manager in "To Thrive in the AI Era, Companies Need Agent Managers" (Suraj Srinivasan e Vivienne Wei, 12 febbraio 2026), che si apre sul caso di Zach Stauber, support agent manager in Salesforce, la cui giornata comincia e finisce dentro cruscotti, scorecard e monitoraggio degli agenti. Microsoft, nel Work Trend Index dell'aprile 2025, usa "agent boss" per chi costruisce agenti, delega loro compiti e li gestisce: una figura più ampia, che il report immagina diffusa fra tutti i dipendenti e non come ruolo di linea. Il vocabolario, insomma, non è ancora fermo. Lo stesso report fa del rapporto fra persone e agenti la vera domanda su come comporre le squadre: pochi agenti lasciano capacità inutilizzata, troppi saturano il giudizio umano che dovrebbe controllarli.
Cosa fa, e cosa non fa
L'agent manager legge l'AgentOps, non lo esegue: misurazione, versionamento dei prompt e tracce di esecuzione restano a chi costruisce; lui usa quei dati per decidere. Sta in linea, non in staff: un AI Center of Excellence fissa standard e sceglie i casi d'uso, l'agent manager risponde del numero a fine mese. E non tratta l'agente come un collega: dove la retorica degli AI employees mette un nome proprio su un sistema, qui l'agente resta un sistema di cui una persona risponde, che è esattamente il contrario. Le soglie di human in the loop le fissa lui, e sono decisioni di rischio, non impostazioni.
Un esempio enterprise
Una utility mette tre agenti sul primo livello dell'assistenza clienti. L'agent manager pubblica una scorecard con quattro numeri per agente: conversazioni chiuse senza intervento umano, riaperture entro sette giorni, costo per conversazione, reclami formali. Dichiara in anticipo due soglie: l'agente passa la conversazione a un operatore quando il cliente ripete la stessa richiesta due volte, e torna in ambiente di collaudo se le riaperture superano quelle degli operatori per due settimane consecutive. Niente di tutto questo è tecnologia: sono un obiettivo, una misura e un criterio di ritiro, scritti prima e verificabili dopo.
Perché conta per chi decide
Perché senza questo ruolo gli agenti in produzione non appartengono a nessuno: il progetto pilota ha un responsabile, la linea no, e il primo errore verso un cliente trova un fornitore, un team tecnico e nessuno che risponda del risultato. Prima di passare dal pilota alla produzione, la domanda utile è secca: chi firma la scorecard di questi agenti, e con quale autorità li spegne. La ricerca economica comincia a dire perché la figura compare adesso: un preprint non ancora passato dalla peer review di Alex Farach, "AI as Coordination-Compressing Capital" (2026), descrive l'AI come capitale che riduce i costi di coordinamento e quindi allarga lo span of control di chi gestisce. È un'ipotesi, non un risultato consolidato, ma indica dove guardare: l'agent manager è il punto in cui si concentra una responsabilità prima distribuita su un intero reparto.
Termini correlati
- AgentOps · La disciplina di osservabilità e lifecycle management per gli agenti AI in produzione: monitoraggio, debugging, versioning di prompt e strumenti.
- AI Employees / Digital Workers · Etichetta di marketing per un agente AI presentato come un dipendente digitale con nome e ruolo: quasi sempre la stessa tecnologia agentic AI, non un salto diverso.
- Maturità agentica · Lo stadio in cui i sistemi non mostrano solo dati ma agiscono nei processi, e l'ordine dei passi per arrivarci.
- AI Center of Excellence · La funzione che accentra casi d'uso, standard, valutazione modelli e formazione AI, lasciando l'esecuzione ai team.
- Human-in-the-Loop (HITL) · L'architettura in cui una persona rivede o approva l'output di un sistema AI prima che diventi definitivo, invece di lasciarlo autonomo.
Se è una scelta tecnica che stai rimandando, è la decisione che ti aiuto a prendere.
VEDI TOOL CUSTOM E GOVERNANCE