AI Agent Personalizzato vs. Piattaforma Chatbot Preconfezionata

Le piattaforme chatbot preconfezionate (Intercom Fin, Zendesk AI, Ada) vincono quando si ha bisogno di un support bot operativo in pochi giorni e il caso d'uso si riduce a rispondere a domande partendo dalla documentazione esistente. Un AI agent personalizzato vince nel momento in cui il workflow richiede azioni multi-step sui propri sistemi, una logica non generica, o diventa qualcosa per cui i clienti pagano direttamente anziché un centro di costo da ridurre.

La decisione non è "AI sì o AI no", ma chi possiede il livello di orchestrazione. Le piattaforme lo possiedono e lo affittano. Una soluzione custom significa che il proprio team lo possiede, con tutti i vantaggi e le responsabilità che ne derivano.

Cosa si acquista davvero con una piattaforma

Le piattaforme chatbot vendono tre cose: un'interfaccia già pronta, un livello di ragionamento orientato al supporto addestrato sui dati dei loro clienti, e integrazioni con gli strumenti che probabilmente si usano già (Zendesk, Salesforce, Shopify). Si tratta di un vantaggio reale. Per un team senza capacità ML o backend, mettere in produzione Intercom Fin collegato al proprio help center può richiedere appena una settimana.

Il trade-off emerge in tre punti:

• Un pricing che cresce contro di voi. La maggior parte delle piattaforme addebita per risoluzione o per seat. A volumi bassi è conveniente. Quando il bot inizia davvero a far risparmiare sull'organico, il costo inizia ad assomigliare allo stipendio che avrebbe sostituito.
• Un tetto a ciò che l'agent può fare. I costruttori di automazioni delle piattaforme sono progettati per rispondere alle FAQ e gestire azioni semplici (verificare lo stato di un ordine, emettere un rimborso standard). Nel momento in cui si ha bisogno che l'agent ragioni sulla propria logica di pricing, chiami un'API interna con regole di business, o smisti diversamente in base al livello dell'account, ci si ritrova a combattere contro il workflow builder della piattaforma invece di scrivere codice.
• I dati delle conversazioni restano nel loro sistema. Esportarli per analisi, fine-tuning o per cambiare vendor in seguito è raramente pulito come lascia intendere il materiale commerciale.

Niente di tutto ciò rende le piattaforme una scelta sbagliata. Le rende una scommessa sul fatto che il proprio caso d'uso resti entro i loro limiti.

Quanto costa davvero un agent personalizzato

Un agent personalizzato significa che il proprio team (o un'agenzia) progetta il reasoning loop, le chiamate agli strumenti e i guardrail in autonomia, sopra un'API di modello (Claude, GPT o simili). La guida di Anthropic sulla costruzione di agent efficaci è un riferimento utile: il pattern è un modello che pianifica, chiama strumenti e verifica il proprio output rispetto a uno standard specifico per il task — esattamente la parte che le piattaforme astraggono e per cui vi fanno pagare il privilegio di non doverci pensare.

Costruirlo internamente costa di più inizialmente: tempo ingegneristico per il livello di orchestrazione, le integrazioni degli strumenti, l'harness di valutazione e i guardrail contro azioni allucinatorie. Ecco dove diventa conveniente:

• Il costo marginale è l'utilizzo, non i seat. Una volta costruito, il costo continuativo è in gran parte la spesa per le API LLM, che si può ottimizzare direttamente; consultate la nostra analisi sull'ottimizzazione dei costi LLM per le leve che spostano davvero il numero (prompt caching, model routing, batching).
• Nessun tetto alla complessità del workflow. Se l'agent deve verificare le scorte, applicare una regola di sconto e inviare un messaggio WhatsApp a un cliente in un unico flusso, questa è normale progettazione di agent, non una feature request alla piattaforma. Abbiamo descritto come appare nella pratica end-to-end in AI agent di vendita su WhatsApp.
• Possedete i dati e le valutazioni. Decidete voi cosa significa "corretto" e testate di conseguenza, invece di fidarvi del tasso di risoluzione black-box di un vendor. Se state negoziando con qualsiasi vendor AI, la nostra guida alle evals nei contratti con vendor AI si applica sia che costruiate sia che acquistiate.

Il vero punto critico non è "possiamo permetterci una soluzione custom", ma "questo workflow si basa sul recupero e il ragionamento sui nostri dati privati". Se la risposta è sì, avrete bisogno di un livello di retrieval adeguato indipendentemente dalla piattaforma; consultate RAG spiegato ai founder per capire cosa richiede concretamente.

La decisione, senza ambiguità

Ponetevi tre domande:

1. Il workflow è generico (FAQ di supporto, stato dell'ordine) o specifico alla vostra logica di business? Generico → piattaforma. Specifico → soluzione custom.
2. L'agent deve eseguire azioni su più di 2-3 sistemi, o si limita a rispondere a domande? Più sistemi e più logica ramificata spingono verso il custom, perché i costruttori di automazioni delle piattaforme diventano ingestibili oltre una manciata di step condizionali.
3. Si tratta di una funzione di supporto per ridurre i costi, o di una funzionalità del prodotto per cui i clienti pagano? Se è la seconda, un badge di piattaforma nel vostro prodotto ("Powered by Intercom") è un segnale reale — i clienti percepiscono la differenza tra un bot in affitto e qualcosa che avete costruito voi.

Se le risposte sono state "generico / semplice / supporto" su tutta la linea, iniziate con una piattaforma e rivalutate tra 6-12 mesi, una volta che avete dati di utilizzo reali. Se avete risposto "specifico / multi-step / funzionalità di prodotto" anche su un solo punto, la piattaforma inizierà a sembrare una gabbia nel giro di un trimestre, e il costo della migrazione successiva sarà più alto di quello che avreste sostenuto costruendo nel modo giusto fin dall'inizio.

Una nota sul falso compromesso: alcune piattaforme permettono ora di "estendere" il proprio bot con codice personalizzato o webhook. Vale la pena valutarlo caso per caso, ma nella pratica eredita il peggio di entrambi gli approcci — si pagano le tariffe della piattaforma e si fa comunque ingegneria custom. Prima di accettare questo percorso, è opportuno ottenere una risposta chiara su cosa il livello di estensione può e non può fare, preferibilmente per iscritto.

Abbiamo costruito entrambe le soluzioni: support bot su piattaforme per team che avevano bisogno di velocità, e agent completamente personalizzati per team in cui l'agent è il prodotto stesso. La differenza nella complessità del workflow è di solito evidente nel momento in cui si elencano le azioni che l'agent deve compiere, non solo le domande a cui deve rispondere. Se non siete sicuri da quale parte di questa linea vi troviate, parliamone.