Inserisci la password ricevuta via email per accedere al corso.
Per assistenza: info@ai-adopt.it
Avere le istruzioni giuste non basta: serve un'infrastruttura che le esegua. In questo modulo passi dalla progettazione alla costruzione. Impari ad assemblare un workflow no-code funzionante — trigger, azioni, condizioni, connettori — e a collegare l'agente AI agli strumenti che già usi in azienda.
Nei moduli precedenti hai progettato il processo da automatizzare e scritto le istruzioni dell'agente. Ora serve il contenitore che esegue quella logica in modo automatico, ripetibile e monitorabile. Questo contenitore è il workflow no-code.
Un workflow non è un programma nel senso tradizionale. È una mappa visiva di operazioni: ogni nodo fa una cosa precisa — legge un'email, interroga un database, chiama un LLM, invia una notifica — e passa il risultato al nodo successivo. La logica condizionale (if this then that) si gestisce con nodi-filtro o router, senza scrivere una riga di codice.
La struttura di base è sempre la stessa, indipendentemente dal tool che usi: Trigger → Elaborazione → Output. Tutto il resto è variazione su questo schema.
Il nodo che avvia il workflow. Può essere un evento (ricezione email, compilazione form, nuovo record in Airtable) o un timer (ogni giorno alle 8:00, ogni lunedì). Senza trigger il workflow non parte mai. Con un trigger mal configurato il workflow parte troppo spesso, o non parte quando dovrebbe.
Un nodo che fa qualcosa: legge dati da una fonte, li trasforma, li invia a un sistema. In un workflow con agente AI, il nodo più importante è l'azione che chiama il modello linguistico — è qui che entrano le istruzioni di sistema scritte nel Modulo 2 e il contesto recuperato dalla memoria esterna.
Un nodo che decide quale percorso seguire in base al valore di una variabile. È la traduzione no-code dell'if/then: "if la classificazione è 'urgente' → percorso A; else → percorso B". In Make si chiama Router; in n8n si chiama IF node o Switch node.
Il nodo finale che produce il risultato visibile: invia un'email, aggiorna un record, crea un documento, pubblica un messaggio su Slack. Spesso ci sono più nodi di output in parallelo — l'agente può aggiornare il CRM e notificare Slack nella stessa esecuzione.
Tre tool dominano il mercato no-code per l'automazione di workflow con AI. Non esiste il migliore in assoluto: esiste quello più adatto al tuo contesto, al tuo budget e alla complessità dei processi che vuoi automatizzare. La tabella qui sotto sintetizza i fattori che contano per le PMI italiane.
I laboratori dei Moduli 3 e 4 usano Make come riferimento principale. Se usi n8n, la logica è identica: cambiano i nomi dei nodi e l'interfaccia, non la struttura del workflow. Se usi Zapier, molti esempi sono applicabili ma alcune funzionalità avanzate (router multi-percorso, iteratori) richiedono un piano a pagamento.
Prima di costruire il tuo primo workflow, è utile conoscere i punti in cui i workflow con agente AI tendono a fallire. Non sono errori di codice — sono errori di logica e di configurazione che si presentano anche ai professionisti esperti.
Apri il link, poi clicca i tre puntini (···) in alto a destra e seleziona Duplica — oppure usa File → Duplica pagina. Si crea una copia nel tuo workspace che puoi modificare liberamente. Se non hai ancora un account Notion, registrati gratuitamente su notion.so prima di aprire il link.
Integrare e rielaborare contenuti digitali: progettare un workflow no-code richiede capacità di sintesi tra logica di processo, struttura dei dati e funzionamento dei sistemi AI — competenze al centro dell'area 3 del framework DigComp.
Leggi il caso e seleziona il tool più adatto tra Make, n8n e Zapier. Considera budget, complessità, requisiti GDPR e competenze del team.
In questa lezione costruiamo passo-passo un agente reale su Make. Il caso è volutamente semplice: un e-commerce di prodotti artigianali italiani che riceve ogni giorno email miste — richieste di informazioni sui prodotti, reclami post-acquisto, richieste di collaborazione da rivenditori. Il team risponde manualmente a tutto, perdendo circa due ore al giorno.
L'agente che costruiamo fa tre cose: classifica ogni email in ingresso in una delle tre categorie, genera una risposta iniziale standard per categoria, e smista l'email nella cartella Gmail corretta per chi gestisce la posta (il team di Artigiano Digitale). Non invia nulla in autonomia: l'output è sempre una bozza da approvare.
Questo è il pattern più sicuro per un primo agente: classifica e prepara, non invia. Imparerai a rimuovere il punto di approvazione dopo aver verificato l'affidabilità sul campo — non prima.
Segui i passaggi nell'ordine indicato. Per ogni nodo è specificato il tipo Make, i campi da compilare e la logica che implementa. Prima di procedere al nodo successivo, esegui sempre un test con dati reali.
Una API (Application Programming Interface) è un canale standardizzato che permette a due sistemi di comunicare. In Make non si scrive codice: si usa il modulo "HTTP Request" che invia una richiesta al servizio AI (Claude, ChatGPT) e riceve la risposta automaticamente. Il modulo gestisce autenticazione, formato dei dati e errori in modo visuale. Concretamente: configuri l'URL dell'endpoint del servizio, inserisci la tua API key nelle credenziali del modulo, e mappi il testo dell'email nel campo "messages". Make fa il resto.
JSON (JavaScript Object Notation) è un formato di testo strutturato che organizza i dati in coppie chiave-valore. Esempio: {"categoria": "reclamo", "priorita": "alta"}. Quando chiedi all'agente di rispondere in JSON invece che in testo libero, Make può leggere direttamente i singoli campi nei nodi successivi — senza dover analizzare una frase per estrarne l'informazione. La differenza concreta: ricevere "questa è un'email di reclamo ad alta priorità" (testo da interpretare) o ricevere due campi già separati, pronti da usare nel router e nell'output.
Ecco il system prompt completo per il classificatore email dell'e-commerce. È già strutturato secondo i cinque componenti del Modulo 2. Puoi usarlo come punto di partenza e adattarlo al tuo caso sostituendo i dettagli specifici dell'e-commerce con quelli della tua organizzazione.
Prima di attivare il trigger in produzione, testa il workflow manualmente con almeno cinque email di test che coprono tutti i percorsi previsti: una per categoria, più un caso limite (email vuota, email in inglese, email con tono aggressivo). Verifica per ciascuna: il JSON restituito è valido? La categoria è corretta? La bozza è utilizzabile senza modifiche sostanziali?
Se una categoria viene classificata male più del 20% delle volte sui test, torna al system prompt prima di andare in produzione: il problema è quasi sempre nella formulazione delle definizioni di categoria, non nell'infrastruttura del workflow.
Attiva il workflow in modalità "solo log" per i primi tre giorni: il trigger funziona, il nodo AI classifica, ma il nodo di output scrive solo nel log — non crea bozze. Questo ti permette di misurare l'accuratezza su traffico reale senza rischi.
Proteggere i diritti nell'ambiente digitale: il pattern "classifica e prepara, non invia" implementa concretamente il requisito di supervisione umana dell'AI Act per i sistemi che operano su comunicazioni verso terzi.
Il workflow qui sotto è incompleto: tre nodi sono stati rimossi. Seleziona per ciascun posto vuoto il nodo corretto tra le opzioni disponibili.
Make e n8n offrono centinaia di connettori nativi, ma nella pratica delle PMI italiane la maggior parte dei workflow funziona con un set ristretto di strumenti. Conoscere bene dieci connettori è più utile che avere accesso a mille. Questa lezione si concentra sui connettori che compaiono con maggiore frequenza nei workflow con agente AI per contesti professionali italiani.
Per ciascun connettore trovi: come si usa nel contesto di un agente AI, il pattern di integrazione più comune, e — quando esiste — una nota su limitazioni o caveat rilevanti per il mercato italiano (es. compliance GDPR, disponibilità API, costi).
La maggior parte dei blocchi nella costruzione di un workflow non dipende dalla logica dell'agente, ma dalla configurazione dei connettori. Questi sono i problemi che si presentano con maggiore frequenza, con la soluzione diretta.
| Errore | Causa probabile | Soluzione |
|---|---|---|
| 401 Unauthorized | Token OAuth scaduto o permessi insufficienti nell'autenticazione | Rinnova la connessione in Make/n8n. Verifica che l'app abbia i permessi corretti (es. Gmail richiede scope "gmail.compose" per creare bozze) |
| 429 Too Many Requests | Rate limit dell'API raggiunto (frequente con Notion e WhatsApp) | Aggiungi un nodo "Sleep" di 1-2 secondi prima della chiamata, oppure riduci la frequenza del trigger |
| JSON parse error dal nodo AI | L'agente ha restituito testo invece di JSON valido (markdown, testo aggiuntivo) | Aggiungi nel system prompt "Rispondi ESCLUSIVAMENTE con JSON valido, nessun testo aggiuntivo". Usa un nodo di parsing JSON separato dopo il nodo AI con gestione errore esplicita |
| Trigger non si attiva | Filtro troppo restrittivo o webhook non registrato correttamente | Testa il trigger in modalità "Run once" con dati di esempio. Verifica che il webhook URL sia stato copiato correttamente nel sistema sorgente |
Identificare lacune nelle competenze digitali e rispondervi: saper diagnosticare e risolvere errori in un workflow no-code è una competenza tecnica concreta che riduce la dipendenza da consulenti esterni e aumenta l'autonomia operativa dell'organizzazione.
Per ciascuna affermazione seleziona Vero o Falso. Dopo la verifica trovi la motivazione per ogni risposta.
© 2025 AI ADOPT™ — Tutti i diritti riservati.