Predictive, generative o agentic AI: che differenza c'è?

Sono le tre famiglie di AI che convivono in azienda, e confonderle costa care aspettative. L'AI predittiva impara dai dati storici per stimare cosa succederà: domanda, guasti, rischio di abbandono di un cliente. La generativa produce contenuti nuovi (testo, codice, immagini) a partire da una richiesta. L'agentica usa i modelli generativi per eseguire compiti: pianifica, usa strumenti, agisce nei tuoi processi. Le tre etichette compaiono spesso nello stesso incontro commerciale, presentate come stadi di un'unica evoluzione, mentre nella pratica descrivono tre categorie di problema distinte, ciascuna con la propria maturità tecnica, i propri costi e i propri rischi da gestire. Capire a quale famiglia appartiene davvero un progetto, prima ancora di scegliere lo strumento, evita l'errore più comune che vediamo in azienda: promettere risultati agentici usando fondamenta predittive immature, o viceversa spendere un budget da progetto agentico per risolvere un problema che una previsione classica avrebbe chiuso a una frazione del costo.

Cosa cambia in pratica

Cambiano input, output e modo di misurare. La predittiva risponde con un numero o una probabilità, si valuta con l'accuratezza sulle previsioni passate, ed è matura da vent'anni: previsione della domanda e manutenzione predittiva sono i suoi classici. La generativa risponde con un contenuto da giudicare, non da misurare con una sola metrica, ed eccelle dove il lavoro è leggere, scrivere e sintetizzare. L'agentica risponde con un lavoro svolto, e si valuta come si valuta un collaboratore: sul risultato, con controlli e supervisione. Ogni passaggio aggiunge potenza e aggiunge rischio: un errore predittivo è un numero sbagliato, un errore agentico è un'azione sbagliata.

L'errore da evitare

Trattarle come una scala evolutiva dove la nuova sostituisce la vecchia. È vero il contrario: molti problemi aziendali restano problemi predittivi (e un modello classico costa una frazione di un LLM), i sistemi agentici seri usano dentro di sé sia modelli generativi sia predittivi, e tutti e tre poggiano sulla stessa fondazione: dati in ordine. La domanda giusta non è "quale AI è più avanzata?" ma "che tipo di problema ho: prevedere, produrre o eseguire?".