Creare agente AI: guida senza codice in 20 minuti
Per creare agente AI senza programmare servono tre elementi: un obiettivo ristretto, uno strumento di automazione visuale (n8n, Make o OpenAI Agent Builder) e un modello linguistico collegato via API. Il primo flusso funzionante richiede 20-30 minuti se il processo è già chiaro. n8n è la scelta più flessibile; Make è la più rapida se hai già i flussi pronti; Agent Builder è il più semplice per un prototipo.
Aggiornato a ottobre 2026
Un agente AI non è un chatbot. Un chatbot risponde; un agente decide, esegue azioni e si ferma quando non sa procedere. Costruire il primo agente con n8n, Make o OpenAI Agent Builder richiede un account, una chiave API e un processo descritto in quattro righe. Il collo di bottiglia non è il codice: è la progettazione.
- Definisci trigger e output: cosa avvia l'agente e cosa deve produrre concretamente.
- Scegli lo strumento: n8n per controllo, Make per velocità, Agent Builder per prototipo.
- Collega il modello: GPT-4o, Claude o Gemini tramite chiave API.
- Imposta le guardie: condizione di stop, fallback e log prima di attivare il flusso.
Il video qui sotto mostra la costruzione di un agente da zero in meno di mezz'ora, senza una riga di codice: è il punto di partenza visivo prima di aprire n8n o Make.
Agente AI senza codice: cosa serve davvero per iniziare
Un agente ai senza codice è un flusso di automazione che riceve un input, lo passa a un modello linguistico e usa il risultato per compiere un'azione su un'altra applicazione. Non serve saper programmare, ma servono quattro elementi: un trigger, un modello, un'azione e una regola di stop. Senza il quarto, l'agente esegue anche quando non dovrebbe, e lo fa senza avvisare.
La scelta dello strumento dipende dal processo, non dal tool. Se il flusso è lineare e già documentato, Make riduce il tempo di costruzione. Se il processo richiede memoria, più passaggi o integrazioni non standard, n8n offre più controllo. Se l'obiettivo è solo vedere un agente girare per la prima volta, OpenAI Agent Builder è il percorso più breve. Per confrontare i modelli gratuiti disponibili prima di scegliere il cervello dell'agente, la panoramica sulle migliori IA gratuite a confronto copre limiti e piani di ChatGPT, Gemini e Claude.
n8n è open source e self-hostabile: il piano gratuito cloud consente 2.500 esecuzioni al mese. Make offre 1.000 operazioni gratuite al mese. OpenAI Agent Builder richiede un account API con credito a consumo.
Come strutturare la logica prima di aprire il tool
La maggior parte dei primi agenti fallisce perché il processo non è mai stato scritto. Prima di trascinare un nodo, rispondi a quattro domande: qual è il trigger, quali dati entrano, quali azioni sono permesse e quando l'agente deve fermarsi. Il caso normale si disegna in venti minuti; i bordi — dato mancante, API che non risponde, formato inatteso — vanno definiti prima, altrimenti si presentano in produzione nel momento peggiore.
Un agente senza condizioni di stop esegue sbagliato con la stessa sicurezza con cui esegue giusto. Non rallenta, non dubita, non chiede conferma. La regola pratica è definire i casi di fallimento prima dei casi di successo: fallback esplicito, log obbligatorio e un punto in cui l'agente si blocca e segnala invece di procedere. Chi ha già automatizzato attività ripetitive con ChatGPT riconosce il problema: la differenza tra un prompt riuscito e un flusso affidabile è la stessa che separa una conversazione da un processo. La guida su usare ChatGPT per il lavoro d'ufficio copre i casi d'uso più comuni prima di passare all'automazione.
Non collegare un agente alla casella email principale o a un CRM di produzione durante il primo test. Usa un account secondario, un foglio di prova e un limite massimo di esecuzioni giornaliere finché il flusso non è stabile.
Creare un agente AI con n8n: il flusso passo passo
Un n8n agente ai si costruisce su una canvas visuale con quattro nodi: trigger, modello, tool e output. Il trigger può essere un webhook, un orario o un nuovo record; il nodo AI Agent gestisce il ragionamento; i tool sono le azioni che il modello può invocare. La memoria persistente si aggiunge con un nodo Postgres o Redis, e trasforma un flusso one-shot in un agente che ricorda le interazioni precedenti.
Passaggio 1 — Crea il workflow e scegli il trigger
Apri n8n, crea un nuovo workflow e aggiungi il nodo di avvio. Per un agente che risponde a richieste in arrivo, il trigger è un Webhook. Per un agente che riepiloga dati ogni mattina, il trigger è uno Schedule. Per un test manuale, Manual Trigger è sufficiente: serve solo a far partire il flusso mentre lo costruisci.
Passaggio 2 — Aggiungi il nodo AI Agent e collega il modello
Trascina il nodo AI Agent dalla libreria. Scegli il modello: GPT-4o è il più usato per la compatibilità con i tool, ma n8n accetta qualsiasi provider tramite OpenRouter, Anthropic o Ollama per un modello locale. Incolla la chiave API nelle credenziali del nodo: non serve scrivere codice, ma serve un account attivo sul provider scelto.
Passaggio 3 — Definisci i tool e il system prompt
I tool sono i nodi che l'agente può richiamare: Google Sheets per leggere o scrivere righe, Gmail per inviare bozze, HTTP Request per qualsiasi API. Il system prompt va scritto nel nodo AI Agent e deve contenere il ruolo, i vincoli e il formato di output. Un prompt vago produce un agente che sembra funzionare ma sbaglia sui casi concreti.
Passaggio 4 — Aggiungi memoria e condizioni di stop
Senza memoria, l'agente tratta ogni esecuzione come la prima. Un nodo Buffer Memory mantiene la cronologia della conversazione; Postgres o Redis rendono la memoria persistente tra sessioni. La condizione di stop è obbligatoria: un nodo IF che interrompe il flusso se l'input è vuoto, se il modello restituisce un formato inatteso o se il numero di esecuzioni supera una soglia giornaliera.
Quale strumento scegliere in base al tuo caso d'uso
Tre strumenti coprono quasi tutti i primi agenti senza codice, ma non sono intercambiabili. La scelta dipende dal processo e dal livello di controllo necessario, non dalla popolarità del tool.
1. n8n (n8n GmbH): il più flessibile per processi multi-step
Modello: open source, self-hostabile o cloud
Prezzo: piano cloud gratuito con 2.500 esecuzioni/mese; self-hosting gratuito
Limiti: piano gratuito cloud con esecuzioni limitate; self-hosting richiede un server
Non incluso: assistenza dedicata nel piano gratuito
Ideale per: chi vuole controllare ogni passaggio e collegare API non standard
n8n è l'unico dei tre con un nodo AI Agent nativo e memoria persistente configurabile senza componenti esterni. La curva di apprendimento è media: il primo flusso semplice richiede mezza giornata, ma la struttura resta leggibile anche quando il workflow cresce. È la scelta giusta se l'agente deve leggere da un database, scrivere su un CRM e fermarsi in base a condizioni complesse.
2. OpenAI Agent Builder (OpenAI): il prototipo più rapido
Modello: GPT-4o e modelli OpenAI via API
Prezzo: a consumo, in base ai token usati
Limiti: tool nativi limitati; integrazioni esterne via MCP o funzioni personalizzate
Non incluso: self-hosting; piena libertà sui provider
Ideale per: chi vuole vedere un agente funzionante in meno di 20 minuti
Agent Builder è un'interfaccia drag-and-drop dentro la piattaforma OpenAI. Si aggiungono nodi, si sceglie il modello, si imposta il reasoning effort e si collegano web search, code interpreter e file search. È il modo più rapido per un prototipo, ma resta legato all'ecosistema OpenAI e non è pensato per orchestrazioni complesse con applicazioni esterne.
3. Make (ex Integromat): l'agente AI per chi ha già i flussi pronti
Modello: piattaforma cloud visuale
Prezzo: piano gratuito con 1.000 operazioni/mese
Limiti: nessun nodo agente nativo; l'agente si costruisce combinando OpenAI, router e webhook
Non incluso: self-hosting; memoria persistente limitata
Ideale per: chi ha già automazioni su Make e deve aggiungere un passaggio AI a un flusso esistente
Make agente ai non è un nodo dedicato: è una combinazione di moduli. Se il processo è lineare — classifica un lead, scrivi una bozza, estrai dati da un testo — Make lo costruisce più in fretta di n8n. Se il processo richiede più passaggi di ragionamento o memoria tra sessioni, il limite si sente. Per un confronto più ampio sugli strumenti gratuiti già disponibili, la guida sui migliori tool IA gratuiti per produttività copre le alternative per testo, dati e automazione.
Errori da evitare quando costruisci il primo agente
L'errore più costoso è partire da un obiettivo ampio. "Voglio che l'AI mi aiuti" non è un processo: è un desiderio. Un agente funziona quando l'input è definito, l'output è misurabile e il perimetro è ristretto a un tipo di richiesta. Il secondo errore è non prevedere un controllo umano nelle prime settimane: far rivedere le risposte prima dell'invio non è un segno di debolezza, è il modo per raccogliere i casi limite senza conseguenze reali.
Il terzo errore è ignorare il formato dell'output. Se l'agente deve scrivere su un foglio o aggiornare un CRM, il modello deve restituire un JSON valido, non un paragrafo. Un generatore di prompt in italiano gratis aiuta a impostare ruolo, formato e vincoli nel system prompt, ma il formato va verificato con un nodo di validazione prima di collegare l'azione finale.
Il primo agente dovrebbe avere una sola azione irreversibile (invio email, scrittura su database) e almeno un passaggio di revisione umana. Le azioni reversibili — bozza, classificazione, riepilogo — possono essere automatizzate subito.
Tabella riepilogativa: primo agente in 20 minuti
| Strumento | Trigger tipico | Tempo primo flusso | Limite piano gratis |
|---|---|---|---|
| n8n (cloud) | Webhook o Schedule | 30-45 minuti | 2.500 esecuzioni/mese |
| Make | Nuova email o modulo | 15-20 minuti | 1.000 operazioni/mese |
| OpenAI Agent Builder | Manuale o chat | 10-20 minuti | Credito API a consumo |
Domande frequenti
AgentGPT gratis: cosa permette di fare davvero?
AgentGPT è uno strumento no-code di Reworkd che consente di definire un obiettivo in linguaggio naturale e osservare l'agente scomporlo in passaggi. La versione gratuita permette di provare il flusso, ma il numero di esecuzioni e la profondità del ragionamento sono limitati rispetto ai piani a pagamento. Per un test iniziale è utile; per un processo ricorrente su dati aziendali, n8n o Make offrono più controllo su trigger, azioni e log.
Serve una chiave API per creare un agente AI?
Una chiave API è necessaria per collegare il modello linguistico allo strumento di automazione. n8n, Make e Agent Builder non includono il modello: il costo del modello è separato e dipende dai token consumati. Esistono modelli gratuiti via API — Gemini Flash-Lite, modelli locali con Ollama — ma hanno limiti di contesto o richiedono un server. Per un primo test, un credito API minimo su OpenAI o Google è sufficiente.
Quanto costa mantenere un agente AI senza codice?
Il costo ricorrente dipende da due voci: la piattaforma di automazione e il modello. n8n self-hosted ha costo zero di piattaforma ma richiede un server; il piano cloud gratuito copre 2.500 esecuzioni al mese. Make parte da 1.000 operazioni gratuite. Il modello si paga a consumo: un agente che classifica 100 email al giorno con GPT-4o consuma pochi centesimi al giorno, ma il costo cresce con la lunghezza dei prompt e la frequenza.
Un agente AI può sostituire un chatbot?
Un agente AI sostituisce un chatbot quando il compito richiede azioni, non solo risposte. Un chatbot riceve un messaggio e restituisce testo; un agente riceve un obiettivo, sceglie quali strumenti usare e modifica lo stato di un'altra applicazione — scrive su un CRM, invia una bozza, aggiorna un foglio. Se il processo si esaurisce nella conversazione, un chatbot ben addestrato è più semplice e più economico. Se il processo produce un cambiamento in un sistema esterno, serve un agente.
Qual è il primo agente AI da costruire per un ufficio?
Il primo agente AI per un ufficio è quello che risponde alle domande frequenti via email usando una knowledge base ristretta. Il flusso è lineare: arriva un'email, il modello legge il testo, confronta con le FAQ, genera una bozza di risposta e la lascia in revisione umana. Make o n8n costruiscono questo flusso in meno di un'ora con Gmail, un modello e un nodo di bozza. Il controllo umano resta obbligatorio finché il tasso di risposte corrette non è stabile.
La costruzione del primo agente non richiede competenze di sviluppo, ma richiede disciplina nel definire il processo e nel prevedere i casi di fallimento. n8n resta lo strumento più flessibile per chi vuole controllare ogni passaggio; Make è più rapido sui flussi lineari; Agent Builder è il prototipo più veloce ma il meno adatto a integrazioni complesse. La differenza tra un agente utile e un agente che genera rumore non è nel tool: è nella qualità della specifica scritta prima di aprire la canvas. Per capire come questi flussi stanno cambiando le competenze richieste, la guida su come l'intelligenza artificiale sta cambiando il lavoro offre il contesto sulle figure e sui processi coinvolti.
Se vuoi approfondire, leggi la nostra guida su le migliori IA gratuite a confronto.