Ho utilizzato molti flussi di lavoro e automazioni tradizionali in ClickUp. Sono ottimi per spostare le attività da A a B, aggiornare gli stati o assegnare i titolari. Ma a un certo punto, mi sono reso conto di una cosa importante: nessuna di quelle automazioni stava effettivamente pensando alle mie campagne.
Avevo bisogno di un sistema in grado di combinare l'esecuzione con l'intelligenza. E ho trovato la risposta in un agente decisionale basato sull'IA, che ho chiamato Asset Library Manager.
In questo post ti spiegherò come ho creato questo agente decisionale basato sull'IA all'interno di ClickUp (utilizzando ClickUp Super Agents ) e perché era necessario per la mia attività.
Chi sono: ClickUp Consultant certificato e responsabile dei processi aziendali aziendali
In qualità di ClickUp Verified Consultant e responsabile dei processi aziendali con oltre 5 anni di esperienza, ho aiutato agenzie e startup a crescere attraverso sistemi strutturati e un'esecuzione efficiente. Ho creato e gestito framework operativi per oltre 40 aziende, guidato la gestione del cambiamento per oltre 115 team e consentito una crescita operativa fino a 16,4 volte superiore, migliorando al contempo la velocità di consegna e la coerenza in ambienti multi-cliente.
Perché le semplici automazioni non erano sufficienti per le mie campagne
Le mie risorse erano sparse in diverse posizioni, le attività delle campagne erano distribuite in elenchi diversi, ed ero ancora io a decidere dove destinare ogni risorsa. Ogni nuova campagna, regione o canale comportava ulteriori decisioni manuali e un maggior rischio di duplicazioni, opportunità mancate o lacune nella visibilità.
È stato allora che ho posto una domanda diversa:
E se smettessi di creare flussi di lavoro e iniziassi a costruire un sistema intelligente in ClickUp, in grado di prendere decisioni al posto mio?
E se smettessi di creare flussi di lavoro e iniziassi a costruire un sistema intelligente in ClickUp, in grado di prendere decisioni al posto mio?
🦾 Non conosci ancora i Super Agenti di ClickUp?
I Super Agent di ClickUp sono agenti basati sull'IA che operano all'interno del tuo spazio di lavoro per analizzare le tue attività, i tuoi dati e le tue azioni, e agire in base a quel contesto. Puoi assegnare loro un ruolo specifico (come stabilire le priorità di lavoro, aggiornare lo stato dei progetti o indirizzare le risorse) e loro operano sulle informazioni dello spazio di lavoro in tempo reale.
Cosa li rende diversi?
A differenza delle automazioni di base, i Super Agent non si limitano a seguire delle regole. Essi:
- Comprendi il contesto tra attività, documenti e commenti
- Prendi decisioni (non limitarti a trigger azioni)
- Adattati in base all'evoluzione del tuo flusso di lavoro
Non considerarle come semplici automazioni del tipo "se-questo-allora-quello", ma piuttosto come compagni di squadra basati sull'IA integrati nel tuo sistema.
Il cambiamento di mentalità: dai flussi di lavoro ai sistemi intelligenti
Prima di creare un agente IA in ClickUp, faccio un passaggio indietro e definisco il sistema.
Non le automazioni. Il sistema.
Per me, tutto si riduce a tre domande:
- Qual è lo scopo? Qual è il problema principale che sto cercando di risolvere?
- Il mio sistema è in grado di farlo? La mia attuale configurazione di ClickUp è in grado di fornire il supporto necessario ad un agente che funzioni liberamente senza causare malfunzionamenti?
- Qual è il vero ruolo dell'agente? Si limita a spostare le attività o è in grado di pensare, decidere e agire per mio conto?
Volevo che il mio agente decisionale basato sull'IA si facesse carico del peso mentale legato alle decisioni relative alle campagne.
Ecco come si presentava la situazione per il mio Asset Library Manager.
1. Scopo: quale problema cerca di risolvere questo agente decisionale basato sull'IA?
Volevo un unico posto in cui fossero raccolti tutti gli asset delle campagne: video, immagini, testi:
- Inserito in un unico punto di riferimento
- Monitoraggio su tutte le posizioni e le campagne
- Protezione da duplicazioni e lacune di visibilità
- Facile per la reportistica senza dover passare da uno strumento all'altro
In altre parole, volevo che il mio agente gestisse le decisioni relative alla distribuzione delle risorse all'interno di ClickUp, in modo che nulla sfuggisse al controllo.
2. Capacità del sistema: la mia configurazione è in grado di fornire supporto al processo decisionale basato sull'IA?
Un agente decisionale basato sull'IA è efficace solo quanto il sistema in cui opera. Ecco perché ha senso crearlo in un luogo in cui le tue attività, i tuoi documenti, le tue relazioni e i dati delle campagne convivono tutti insieme. Quando un agente può vedere il quadro completo (risorse, posizioni, stati, cronologia) in un unico spazio di lavoro digitale connesso, le sue decisioni si basano sulla realtà, non su supposizioni.
Per me, l'area di lavoro Converged AI di ClickUp è proprio quel posto.
Con ClickUp, invece di mettere insieme un mosaico di strumenti di IA indipendenti che vedono ciascuno solo una parte delle tue operazioni, ottieni un unico livello intelligente che si sovrappone a tutto ciò che il tuo team fa effettivamente. Il risultato sono raccomandazioni più intelligenti, nessun cambio di contesto e decisioni la cui qualità aumenta nel tempo , poiché la memoria dell'agente e il tuo spazio di lavoro crescono insieme.
Ho progettato la mia configurazione di ClickUp in modo che l'Asset Library Manager potesse:
- Monitora le risorse in decine di posizioni (e, in futuro, in oltre 100)
- Conserva dati precisi sui luoghi in cui le risorse sono state utilizzate
- Comprendi i tipi di risorse e i pilastri (ad es. contenuti relativi al recupero vs. alla mobilità)
- Esegui operazioni in base a pianificazioni e trigger senza creare caos
Se i miei elenchi, i campi personalizzati e le relazioni non fossero stati solidi, l'agente si sarebbe bloccato o avrebbe creato confusione. Quindi ho considerato la progettazione del sistema come parte integrante dell'agente stesso.
📮ClickUp Insight: Il 30% delle persone afferma che la maggiore frustrazione nei confronti degli agenti basati sull'IA è che sembrano sicuri di sé ma poi commettono errori.
Questo accade solitamente perché la maggior parte degli agenti lavora in modo isolato. Rispondono a un singolo prompt senza sapere come ti piace fare le cose, come lavori o quali sono i tuoi processi preferiti.
I Super Agent funzionano in modo diverso. Operano utilizzando il 100% del contesto estratto direttamente dalle tue attività, dai tuoi documenti, dalle chat, dalle riunioni e dagli aggiornamenti in tempo reale. Inoltre, conservano nel tempo la memoria recente, quella basata sulle preferenze e persino quella episodica.
Ed è proprio questo che trasforma un agente da un semplice indovino sicuro di sé in un collega proattivo in grado di stare al passo con l'evoluzione del lavoro.
3. Ruolo dell'agente: operatore, non solo corriere
Infine, ho definito il ruolo dell'agente.
La maggior parte dei sistemi è progettata in questo modo: se si verifica X → da fare Y
È ciò che chiamiamo automazione semplice.
Quello che volevo era qualcosa di diverso. Un agente decisionale basato sull'IA in grado di valutare il contesto e utilizzarlo per prendere decisioni proprio come farebbe un essere umano.
- No a "spostare le attività dall'elenco A all'elenco B"
- Sì a "pensare, decidere e agire per conto dell'azienda"
Il mio Asset Library Manager è responsabile di:
- Decidere dove devono andare le risorse
- Prevenire la duplicazione
- Informare il sistema e il team quando si verifica un problema o quando viene presa una decisione
Una volta chiariti questi tre aspetti, tutto il resto è diventato più semplice. Non stavo più solo creando una semplice automazione. Stavo creando quello che chiamo un Beyond Super Agent: un agente che comprende lo scopo, opera all'interno di un sistema efficiente e ha un ruolo chiaramente definito.
Come ho strutturato i prompt per rendere affidabile l'agente decisionale basato sull'IA: i miei 5 pilastri dei prompt
Una volta che il sistema era pronto, sono passato alla parte su cui la maggior parte delle persone si concentra per prima: i prompt.
Ma invece di scrivere un'unica lunga istruzione, l'ho suddivisa in cinque parti ben definite. Questo ha reso l'agente decisionale basato sull'IA più facile da controllare, testare e perfezionare.
Questi sono i pilastri dei prompt di IA che determinano la qualità delle decisioni prese dal mio agente:
1. Definizione del ruolo: chi rappresenta questo agente?
Non mi limito a dire all'agente cosa da fare: gli dico chi deve essere.
📌 Per quanto riguarda l'Asset Library Manager, gli ho chiesto di fungere da:
“Titolare di agenzia con esperienza e architetto operativo che gestisce più clienti.”
“Titolare di agenzia con esperienza e architetto operativo che gestisce più clienti.”
Quella singola riga cambia tutto. Ora, quando l'agente risponde, lo fa attraverso la prospettiva di qualcuno che:
- Gestione di campagne complesse in diverse posizioni
- Equilibrio tra capacità, impatto e coerenza del marchio
- Ho imparato a evitare duplicazioni e sprechi di lavoro richiesto
2. Contesto e ambito: in quale ambito opera?
Successivamente, definisco il contesto e l'ambito nel modo più chiaro possibile:
- Quali elenchi, spazi o campagne sono in gioco
- Cosa contiene la libreria delle risorse
- A quali tipi di risorse e pilastri dovrebbe prestare attenzione l'agente
Questo indica all'agente dove si trovano le pareti della stanza, in modo che non si avventuri nella parte sbagliata della mia area di lavoro.
3. Logica decisionale: quando e come deve decidere?
Poi ho definito la logica decisionale. Invece di dire all'agente cosa fare, ho definito come dovrebbe ragionare.
Specifico:
- Quando all'agente è consentito prendere una decisione di instradamento
- Quali campi o modelli dovrebbero trigger un suggerimento
- Come gestire i diversi tipi di risorse o le diverse fasi della campagna
In questo modo, l'agente non si limita a generare idee. Sa quando agire e quali sono le decisioni giuste.
4. Input: su quali dati si basa?
Ogni decisione è valida solo nella misura in cui lo sono i dati su cui si basa. Per questo creo una connessione tra il mio agente e i livelli di dati di cui ha bisogno:
- Record delle risorse nella mia libreria
- Posizioni e campagne in cui ogni risorsa è già stata utilizzata
- Pilastri e tipi di creatività (ad es. recupero vs. mobilità)
Lo specifico chiaramente nel prompt: questi sono gli input che dovresti utilizzare quando decidi cosa fare dopo.
5. Risultati: quali azioni e formati mi aspetto?
Infine, definisco i risultati:
- L'agente dovrebbe creare attività relative alla campagna?
- È necessario aggiornare i campi personalizzati o gli stati?
- Dovrebbe inviarmi un riassunto, un elenco di raccomandazioni o entrambi?
Una volta definiti questi cinque elementi — ruolo, contesto, logica decisionale, input e output — la soluzione di solito si allinea perfettamente al problema reale che sto cercando di risolvere.
🎥 Ecco una breve guida se desideri provare a creare il tuo Super Agent:
👀 Lo sapevi? Solo un'azienda su cinque dispone di una governance matura per gli agenti IA autonomi, nonostante la rapida crescita dell'IA agentica.
Come funziona effettivamente il mio agente decisionale basato sull'intelligenza artificiale, noto anche come Asset Library Manager, all'interno di ClickUp
Una volta gettate le basi, ho integrato l'agente nell'area di lavoro di ClickUp in modo che potesse funzionare in due modi principali.
Opzione 1: Trigger manuale dalla libreria delle risorse
La prima modalità è semplice e diretta.
- Scelgo una posizione a cui l'agente dovrà inviare una risorsa
- Faccio clic su un trigger (come Invia alla posizione)
- L'agente crea un'attività della campagna nel mio tracker delle campagne per quella risorsa specifica
Questo da solo elimina una grande quantità di lavoro manuale di instradamento. Ma la vera potenza deriva dalla seconda modalità.
Opzione 2: Processo decisionale basato su una pianificazione
È nella seconda modalità che il sistema diventa davvero "Beyond Super Agent".
In questo caso, l'agente utilizza tutto il contenuto della libreria delle risorse per prendere decisioni in autonomia:
- Sa in quali posizioni una risorsa è già stata
- Conosce il tipo di risorsa e il pilastro
- Visualizza la cronologia delle azioni intraprese su quella risorsa
📌 Da lì, può prendere decisioni come:
“Per questa risorsa strategica che è già stata a Islamabad e che è un video di recupero, inviamo ora un’immagine di recupero o un’immagine di mobilità.”
“Per questa risorsa strategica che è già stata a Islamabad e che è un video di recupero, inviamo ora un’immagine di recupero o un’immagine di mobilità.”
Invece di dover controllare costantemente dove è stata pubblicata una risorsa e quale dovrebbe essere la prossima mossa, è l'agente che analizza i dati e decide.
📚 Leggi anche: Come ho creato un semplice super agente ClickUp che mantiene ogni progetto web in linea con gli obiettivi di monitoraggio
Perché utilizzo la chat di ClickUp per collaborare con il mio agente IA
In ClickUp, gli agenti possono operare in tutto il tuo spazio di lavoro. Puoi attivarli tramite automazioni su elenchi, cartelle e spazi (reagendo a cambiamenti di stato, nuove attività, aggiornamenti dei campi), assegnarli direttamente alle attività, @menzionarli nei commenti alle attività e nei documenti, oppure interagire con loro nella Chat di ClickUp tramite messaggi diretti e @menzioni.
Ma è su Chat che passo la maggior parte del tempo con il mio agente, e c'è un motivo.
Nella chat del mio Asset Library Manager, ho due obiettivi:
- Perfeziona l'agente in modo che il suo processo decisionale continui a migliorare
- Comprendi meglio il mio sistema grazie ai riepiloghi/riassunti e ai consigli dell'agente
La chat mi offre un'interfaccia di conversazione in tempo reale, quasi come avere un collega a disposizione. Posso usarla per:
- Poni domande di approfondimento ai follower
- Perfeziona le mie istruzioni al volo e
- Ottieni consigli immediati senza cambiare contesto
È la differenza tra inviare una richiesta e avere una conversazione interattiva.
Per un agente come l'Asset Library Manager, in cui le decisioni si basano l'una sull'altra e il contesto è fondamentale, è proprio quel tipo di dialogo iterativo a far funzionare l'intero sistema.
Quando l'agente fa i capricci
Col tempo, ho notato una cosa buffa: se il mio comando non era chiaro, l'agente faceva una specie di "capriccio". Non perché fosse difettoso, ma perché il mio prompt non lo preparava all'esito positivo.
È in questi casi che torno sempre ai cinque prompt fondamentali:
- Ho definito il ruolo in modo sufficientemente chiaro?
- Ho fornito il contesto e l'ambito corretti?
- Ho spiegato la logica decisionale che mi interessa?
- Ho specificato gli input e gli output?
Una volta che questi elementi sono in atto, la conversazione diventa incredibilmente produttiva.
Test di stress del sistema con un semplice messaggio
Uno dei momenti che ho preferito con questo agente è stato eseguire uno stress test completo utilizzando un singolo comando nella chat.
🌟 Ho detto all'agente:
“Voglio eseguire uno stress test. Attiva automaticamente il processo scegliendo posizioni casuali e crea attività di campagna secondo il flusso. Assicurati di non tralasciare nessuna parte del flusso e che non ci siano duplicazioni nelle attività. Chiedimi tutto ciò che ti serve prima di eseguire il test.”
“Voglio eseguire uno stress test. Attiva automaticamente il processo scegliendo posizioni casuali e crea attività di campagna secondo il flusso. Assicurati di non tralasciare nessuna parte del flusso e che non ci siano duplicazioni nelle attività. Chiedimi tutto ciò di cui hai bisogno prima di eseguire il test.”
🌟 Ecco cosa è successo:
- L'agente ha risposto con alcune domande di chiarimento
- Ho risposto direttamente in chat
- L'agente ha eseguito il test in tutte le posizioni interessate
- Ha creato le attività della campagna senza che io dovessi intervenire manualmente sulla libreria delle risorse
In una sola conversazione sono state necessarie 15-30 azioni e ho capito chiaramente dove il mio sistema potrebbe andare in crisi man mano che cresciamo.
Il risultato? Mi sono reso conto che la mia configurazione era solida fino a circa 50 posizioni, ma se avessi cercato di passare a oltre 100, il sistema avrebbe potuto andare in difficoltà. Questa intuizione non è venuta da una dashboard, ma dal parlare con il mio agente.
Utilizzare l'agente come partner per la reportistica
👉🏼 Utilizzo la chat anche per porre domande semplici ma efficaci, come:
- “Quali risorse sono state indirizzate nelle ultime 10 ore?”
- “Ok, e nelle ultime 24 ore?”
👉🏼 L'agente risponde con un elenco di risorse, indicando dove sono state indirizzate, e fornisce link collegati a ClickUp. Poi faccio un passo avanti:
“Forniscimi un riassunto delle ultime 24 ore e consigliami le 10 migliori posizioni in cui distribuire queste risorse in futuro, con una motivazione chiara per ogni raccomandazione.”
“Forniscimi un riassunto delle ultime 24 ore e consigliami le 10 principali posizioni in cui effettuare la distribuzione di queste risorse in futuro, con una motivazione chiara per ogni raccomandazione.”
Ora l'agente sta utilizzando:
- Dove le risorse sono già state
- Come vengono utilizzati i pilastri e i tipi di creatività
- Quali mercati non sono stati ancora sfruttati appieno
…per consigliarmi esattamente dove dovrei andare dopo — e perché.
👉🏼 Se voglio approfondire, posso porre domande di approfondimento come:
- “Quali risorse dovrebbero essere inviate a Tokyo prossimamente?”
L'agente utilizza gli stessi dati e la stessa logica per fornirmi una risposta mirata.
📚 Leggi anche: Come ho eliminato la proliferazione delle chat e creato un Centro di comando aziendale in ClickUp
Da un singolo agente decisionale basato sull'IA a un motore decisionale scalabile
A questo punto, il mio Asset Library Manager è diventato un solido livello decisionale basato sull'IA integrato nell'area di lavoro di ClickUp.
Prima di questo, mi trovavo costantemente a:
- Controllo manuale dell'utilizzo delle risorse
- Riferimenti incrociati tra le posizioni
- Prendere decisioni al volo
Ora, l'agente decisionale basato sull'IA gestisce questo processo.
Quando serve, sono ancora io a prendere la decisione finale. Ma non parto più da zero. E questo cambiamento sta diventando sempre più comune.
Secondo un rapporto di McKinsey & Company, le aziende stanno riscontrando il maggiore impatto misurabile dell'IA in settori quali il marketing, il commerciale e la strategia, dove il processo decisionale riveste un ruolo centrale.
Passaggio successivo: Come creare il tuo agente decisionale basato sull'IA in ClickUp
Se ti ritrovi a gestire risorse tra più posizioni, canali o clienti, non devi per forza passare il resto della vita tra fogli di calcolo e instradamenti manuali.
Inizia ponendoti la seguente domanda:
- Qual è l'unica fonte di verità che il mio agente dovrebbe proteggere?
- La mia configurazione di ClickUp è sufficientemente ordinata e strutturata da poter essere utilizzata da un agente?
- In quale ambito ho più bisogno di aiuto: spostare il lavoro, prendere decisioni o ricavare informazioni utili?
Quindi progetta il tuo primo agente sulla base di queste risposte.
💡 Suggerimento da esperto: crea un agente specializzato, non un agente "tuttofare". Assegna al tuo agente:
- Una responsabilità chiara
- Origini dati definite
- Regole decisionali semplici
- Un formato di output strutturato
Più l'ambito è circoscritto, migliori saranno i risultati.
Infine, dedica del tempo a chattare: fai domande, esegui stress test e lascia che l'agente ti mostri dove il tuo sistema deve migliorare.
È così che vai oltre le semplici automazioni e inizi a creare in ClickUp un sistema intelligente che lavori davvero per te.
Dalla sperimentazione con l'IA al vero processo decisionale basato sull'IA
Se vuoi automatizzare il processo decisionale con l'IA, questo è il mio consiglio più importante:
Smetti di pensare:
❌ “In che modo l'IA può aiutarmi a fare questo più velocemente?”
❌ “In che modo l'IA può aiutarmi a fare ciò più velocemente?”
E inizia a pensare:
✅ “In quali ambiti l'IA dovrebbe prendere decisioni al posto mio?”
✅ “In quali ambiti l'IA dovrebbe prendere decisioni al posto mio?”
La maggior parte dei team è ancora nella fase iniziale. Stanno sperimentando. Provando strumenti. Realizzando l'automazione di piccole attività.
Ma il vero vantaggio si ottiene quando si introduce un agente decisionale basato sull'IA in un sistema già strutturato per questo scopo.
Ecco quando:
- Il lavoro si ferma se si fa affidamento sulla memoria umana
- Le persone smettono di essere un ostacolo al processo decisionale
- I sistemi iniziano a funzionare con chiarezza
Ecco perché funziona all'interno di ClickUp.
Poiché tutto — attività, dati e contesto — si trova in un unico posto, il tuo agente decisionale basato sull'IA può effettivamente vedere cosa sta succedendo. E, cosa ancora più importante, può agire di conseguenza.
👉🏼 Vuoi scoprire cosa potrebbe fare un agente decisionale basato sull'IA per i tuoi flussi di lavoro?