Tutorial su Gumloop: introduzione all’automazione AI-native

I workflow moderni gestiscono sempre più spesso dati non strutturati come siti web, PDF, email e input in linguaggio naturale. Questi richiedono capacità di ragionamento, sintesi e decisione. È qui che Gumloop torna utile per un’automazione potenziata dall’AI, creando un nuovo “strato cognitivo” sopra la logica tradizionale.

In questo articolo esploreremo Gumloop, un IDE visuale pensato specificamente per costruire workflow e agent basati sull’AI, e lo confronteremo con le tradizionali piattaforme di automazione iPaaS (Integration Platform as a Service) come n8n e Zapier. Ti guideremo inoltre passo passo nella creazione di un semplice agente AI su Gumloop.

Prima di iniziare, ti consiglio di aprire una nuova scheda, registrarti a Gumloop e seguire la guida per costruire il tuo primo agente in 15 minuti.

Secondo me, il nostro corso Introduzione agli AI Agent offre un’ottima panoramica sugli strumenti di AI autonoma. Dagli un’occhiata.

Che cos’è Gumloop?

Gumloop è una piattaforma di automazione AI-native e no-code progettata per aiutare le aziende a creare workflow complessi e agent LLM senza conoscenze tecniche. Anche se visivamente ricorda altri strumenti drag-and-drop, la sua astrazione di base è più vicina a un motore di esecuzione per la logica AI che a un semplice layer di integrazione. 

Il suo obiettivo principale è superare l’automazione tradizionale offrendo interpretazione e ragionamento. Il problema di fondo che Gumloop risolve è il divario tra:

• Strumenti iPaaS rigidi come Zapier, eccellenti per integrazioni semplici ma in difficoltà con logiche complesse e dati non strutturati.
• Script Python completamente personalizzati che interagiscono con LLM (large language model), potenti ma che richiedono lavoro di ingegneria, infrastruttura e manutenzione continua.

Gumloop si colloca nel mezzo. Consente di comporre visivamente workflow che combinano il flusso di controllo tradizionale (condizioni, loop, trasformazioni) con passaggi di ragionamento AI.

Funzionalità chiave di Gumloop

I punti di forza di Gumloop risiedono nella sua interfaccia basata su canvas, dove i workflow si costruiscono collegando nodi. 

Ogni nodo rappresenta un’unità di lavoro distinta, come il recupero di dati, la chiamata a un modello, l’applicazione di logiche o la scrittura di output. Il layout visuale aiuta a mantenere un modello mentale vivo di come dati e decisioni fluiscono nel sistema.

Le funzionalità principali di Gumloop includono:

• Logica drag-and-drop: Combina visivamente trigger, condizioni, loop e output, senza scrivere codice di colla.
• Nodi di ragionamento AI: Interroga direttamente i large language model all’interno del workflow per classificare, estrarre, riassumere o decidere.
• Motore di automazione del browser: Interagisci con siti web live usando agent. Gli agent possono caricare pagine, scorrere, cliccare ed estrarre contenuti in modo dinamico.
• Esecuzione Python nativa: Gli utenti avanzati possono inserire codice Python quando i nodi visuali non bastano.
• Supporto al Model Context Protocol (MCP): Collega strumenti e risorse strutturate ai modelli in modo standardizzato.
• Gummie: Un assistente AI integrato che aiuta a generare nodi, spiegare errori e accelerare lo sviluppo.

Queste caratteristiche rendono Gumloop uno strumento potente, che va oltre un semplice connettore di workflow.

Pubblico di riferimento e utilizzo ideale

Gumloop è pensato per chi deve muoversi velocemente senza rinunciare alla potenza. In molte organizzazioni, le iniziative di automazione si bloccano perché chi conosce il problema di business non riesce a tradurlo facilmente in codice. 

Gumloop abbassa questa barriera permettendo di comporre visivamente logiche, prompt AI e integrazioni, rimanendo comunque abbastanza espressivo per workflow complessi.

Perciò alcuni utenti ideali includono:

• Responsabili delle operations che automatizzano workflow interni ricchi di ricerca.
• Growth engineer che costruiscono pipeline di arricchimento e qualificazione.
• Founder tecnici che vogliono agent di livello produttivo senza dover creare un’intera piattaforma.

Ciò che distingue Gumloop è la capacità di combinare, in un unico canvas, sia l’automazione del browser (interazione con il web reale) sia il ragionamento degli LLM (interpretazione e sintesi). Al contrario, la maggior parte delle piattaforme si specializza in uno dei due aspetti.

Casi d’uso comuni per Gumloop includono:

• Web scraping e ricerca automatizzati
• Arricchimento per sales outbound e qualificazione lead
• Elaborazione intelligente di documenti (contratti, fatture, report)
• Workflow operativi interni che richiedono giudizio, non solo regole

Configurazione di Gumloop

Iniziare con Gumloop è semplice, e il piano gratuito basta per seguire questo tutorial. 

L’onboarding è volutamente leggero, quindi dovresti riuscire a registrarti e ottenere un workflow funzionante senza configurare infrastrutture o ambienti.

Creazione account e onboarding

Per iniziare:

1. Registrati a un account gratuito Gumloop o accedi con il tuo account Google o Microsoft.
2. Una volta effettuato l’accesso, atterrerai sulla dashboard principale.
3. Crea un nuovo workspace e apri un canvas vuoto.

Il workspace funge da contenitore per i tuoi flow, le credenziali e la cronologia delle esecuzioni. Per questo tutorial, la configurazione di default è sufficiente.

Modello di prezzo basato su crediti

Gumloop utilizza un sistema di prezzi basato su crediti che riflette da vicino i costi reali di calcolo ed esecuzione. Invece di addebitare per integrazione o per task, la piattaforma misura quanto lavoro compie il tuo flow, soprattutto quando entrano in gioco modelli AI o automazione del browser. Questo rende più semplice ragionare sui costi man mano che i workflow diventano più complessi.

Concetti chiave da capire:

• Ogni azione consuma crediti, talvolta detti “fuel”.
• Operazioni semplici come il mapping di variabili o il branching costano poco.
• Operazioni costose includono attività compute-intensive come chiamate LLM o automazione del browser.

Gumloop classifica i modelli AI in tre tier distinti in base a capacità e costo in crediti: 

• Standard (2 crediti/chiamata, ad es. GPT-4.1 Mini, Claude 4.5 Haiku)
• Advanced (20 crediti/chiamata, ad es. GPT-4.1, Claude 3.7 Sonnet)
• Expert (30 crediti/chiamata, ad es. GPT-5, OpenAI o3)

Sebbene i modelli più recenti come GPT-5.2 di OpenAI, Gemini 3 di Google o Claude Opus 4.6 di Anthropic non siano ancora disponibili sulla piattaforma, l’attuale selezione di modelli del tier Expert fornisce potenza di ragionamento sufficiente per praticamente tutti i casi d’uso di automazione complessa.

Nel piano gratuito:

• Ricevi un pool limitato di 2000 crediti al mese.
• Basta per creare e testare diversi workflow piccoli, incluso il ricercatore AI di questo articolo.
• Le chiamate AI usano le chiavi API condivise di Gumloop e il costo in crediti include sia l’esecuzione sia l’uso del modello.

Questo modello incoraggia la sperimentazione mantenendo prevedibili i costi.

Bring your own key (BYOK)

Per chi desidera maggiore controllo, Gumloop supporta un modello di prezzo Bring Your Own Key (BYOK). Gumloop ti consente di inserire le tue credenziali personali, come chiavi API.

Con BYOK:

• Colleghi la tua chiave API OpenAI o Anthropic nel menu impostazioni.
• Gumloop non applica più il markup AI alle chiamate ai modelli.
• Paghi solo il costo base di esecuzione in crediti Gumloop.

Per questo tutorial, BYOK è opzionale. Tuttavia, se hai già crediti per i modelli e prevedi di scalare l’uso, conviene attivarlo presto.

Creare un agente di ricerca AI con Gumloop

Ora costruiremo un semplice workflow end-to-end che trasforma il sito web di un’azienda in un report di ricerca strutturato. L’esempio è volutamente pratico. 

La ricerca sulle aziende è un compito comune in ambito sales, investimenti, partnership e recruiting. In questo esempio mostreremo come Gumloop combini raccolta dati, ragionamento e delivery in un unico flow.

Passaggio 1: impostare il trigger

Ogni flow in Gumloop inizia con un trigger. I trigger definiscono come e quando parte un workflow. In produzione, questo può essere un webhook, un job schedulato o un evento esterno. Per imparare, un trigger manuale mantiene il flow semplice e trasparente.

Passaggi:

1. Clicca su Build Your First Flow per aprire il canvas principale.
2. Clicca sul segno + a sinistra per aggiungere un nodo Input sul canvas.
3. Aggiungi un campo di testo chiamato “Company Website”.
4. Incolla l’URL “https://gumloop.com” nel box Default value.
5. Salva il nodo e clicca Run una volta per verificare che il campo di input compaia correttamente.

Il tuo nodo di input dovrebbe apparire così:

Questo trigger consente a un utente di fornire manualmente l’URL del sito ogni volta che il flow viene eseguito.

Passaggio 2: raccolta delle informazioni

Ora dobbiamo raccogliere dati grezzi da far analizzare all’AI. A differenza delle integrazioni basate su API, i contenuti dei siti web sono spesso disordinati, dinamici e incoerenti. L’automazione del browser di Gumloop astrae gran parte di questa complessità gestendo per te il caricamento delle pagine, il rendering e l’estrazione del testo.

Passaggi:

1. Clicca sul pulsante + a sinistra e poi su Core Nodes.
2. Clicca su Web Scraping e poi su Web Scraper.
3. Connettilo al nodo Input.
4. Trascina l’input Company Website nel campo URL dello scraper.

Passaggio 3: aggiungere il “cervello” per l’analisi

Qui il workflow diventa “intelligente”. Fino a questo punto, il flow si comporta come un’automazione tradizionale. Il nodo AI introduce interpretazione e sintesi, permettendo al workflow di rispondere a domande che non possono essere risolte solo con regole.

Passaggi:

1. Aggiungi un nodo Ask AI.
2. Connettilo all’output del nodo Website Scraper.
3. Trascina e rilascia il campo con il contenuto del sito nella casella del prompt.
4. Usa un prompt come:

“Analizza questo testo del sito e individua la value proposition dell’azienda, il pubblico target e il modello di pricing, se menzionato.”

Nelle impostazioni del nodo:

• Seleziona un modello adatto all’analisi del testo. Io sceglierò il GPT-4.1 Mini di OpenAI.
• Si possono scegliere modelli diversi a seconda di costo, velocità o profondità di ragionamento.

L’idea chiave è che il nodo AI trasforma testo non strutturato in insight strutturati.

Passaggio 4: consegna del report

Infine, inviamo i risultati a una destinazione utile. Gli output sono dove i workflow AI portano vero valore operativo.

Le opzioni includono:

• Send Email: Invia il report direttamente in inbox.
• Google Sheets: Aggiungi i risultati come una nuova riga per il tracciamento.

Passaggi:

1. Per questo esempio, usa il nodo Send Email Notification.
2. Mappa la risposta dell’AI nel corpo dell’email trascinando e rilasciando la risposta AI nel campo del corpo dell’email.

Una volta fatto, clicca Run in alto a destra.

Durante l’esecuzione del flow, puoi osservare i log live che mostrano ogni passaggio in azione, dallo scraping all’analisi fino alla consegna. Al termine dell’esecuzione, vedrai la seguente schermata:

Ora vai nella tua casella di posta per verificare se il flow ti ha inviato un’email con le informazioni rilevanti. Ecco come appare la mia notifica email:

Come puoi vedere, il flow mi ha fornito l’output desiderato, direttamente in inbox.

Affinare e scalare il tuo flow in Gumloop

Una volta che il workflow di base funziona, Gumloop offre strumenti per effettuare debug, estenderlo e scalarlo. È qui che molti tool no-code mostrano i loro limiti, ma Gumloop investe molto in osservabilità e supporto all’iterazione.

Debug con la cronologia delle esecuzioni

La scheda Previous Runs è essenziale per la risoluzione dei problemi e il perfezionamento. Ogni esecuzione viene registrata con output intermedi dettagliati, rendendo possibile capire non solo che qualcosa è fallito, ma anche perché.

Puoi:

• Ispezionare i dati esatti che passano in ogni collegamento.
• Verificare se lo scraper è stato bloccato o ha restituito contenuti incompleti.
• Rieseguire un run fallito senza reinserire gli input.

Questa visibilità è fondamentale quando si lavora con siti esterni e output AI. Questo report dettagliato è disponibile anche durante le esecuzioni in corso.

Gestire le liste con la Loop Mode

Nella realtà, i workflow raramente elaborano un singolo input. Appena un workflow si dimostra utile, la domanda successiva è quasi sempre come scalarlo su molti elementi senza duplicare sforzi o logiche.

Scenario d’esempio:

• Invece di un solo sito, vuoi analizzare 50 URL aziendali.

Gumloop supporta questo con la Loop Mode:

1. Fornisci come input un elenco di siti.
2. Abilita la Loop Mode (in alto a destra) sui nodi rilevanti.
3. Ogni sito dell’elenco viene elaborato automaticamente, spesso in parallelo.

Un indicatore visivo in alto a destra sul nodo mostra quando opera in modalità batch, rendendo il comportamento facile da capire.

Ottimizzare con l’assistente AI Gummie

Gummie è l’assistente AI integrato di Gumloop, progettato per ridurre gli attriti sia nella configurazione iniziale sia nelle ottimizzazioni successive. Più che sostituire l’utente, Gummie agisce come un pair programmer che conosce le primitive di Gumloop.

Puoi usare Gummie per:

• Generare nuovi step digitando istruzioni in linguaggio naturale, ad esempio “Aggiungi uno step che salvi questo in un CSV”.
• Spiegare messaggi di errore poco chiari.
• Suggerire ottimizzazioni o passaggi mancanti.

Per i non ingegneri, Gummie riduce significativamente gli attriti nella creazione di flow più complessi.

Gumloop vs concorrenti

L’ecosistema degli strumenti di automazione AI si sta espandendo e Gumloop non è l’unico strumento sul mercato. Vediamo alcuni confronti tra i tool.

Gumloop vs Zapier

Zapier è costruito attorno alle integrazioni e all’esecuzione lineare di task.

Differenze chiave:

• Zapier è integration-first, mentre Gumloop è AI-native.
• Zapier addebita per task, il che diventa costoso quando si iterano grandi dataset.
• Gumloop si concentra su computing e ragionamento, risultando più adatto a dati non strutturati come testo e PDF.

Zapier resta eccellente per automazioni semplici e strutturate basate su API. Gumloop eccelle quando servono giudizio e interpretazione.

Gumloop vs n8n

n8n rappresenta l’estremo opposto dello spettro.

Contrasti chiave:

• n8n è open source e spesso self-hosted, ideale per ingegneri che vogliono pieno controllo.
• Gumloop è completamente ospitato e gestito, con priorità a velocità e facilità d’uso.
• Gumloop offre nodi AI specializzati e supporto MCP, mentre n8n si basa su integrazioni HTTP o framework più generiche.

In pratica, Gumloop offre un più rapido “time-to-agent” per i team operativi, mentre n8n si adatta a setup molto tecnici e ricchi di infrastruttura.

Per un confronto tra i due concorrenti di Gumloop, dai un’occhiata al nostro articolo di confronto n8n versus Zapier.

Conclusione

Gumloop rappresenta un cambio di paradigma nel modo in cui si costruisce l’automazione. Invece di trattare l’AI come un componente opzionale, integra il ragionamento direttamente nel modello di esecuzione, permettendo ai workflow di adattarsi a dati reali e disordinati. 

In questo articolo, abbiamo creato da zero un ricercatore aziendale AI funzionante usando solo Gumloop. Lo stesso schema si applica ad altre applicazioni come pipeline di assunzione, ricerca commerciale, controlli di conformità e creazione di contenuti.

Per estendere questo workflow, ti incoraggio a sperimentare. Potresti, ad esempio, provare a:

• Aggiungere un nodo Google Search prima dello scraper per scoprire automaticamente le aziende.
• Collegare in catena più nodi AI per analisi più approfondite.
• Esplorare la libreria di template per punti di partenza avanzati.

Se vuoi vedere in azione un approccio diverso, più orientato al codice, ti consiglio vivamente di seguire il nostro corso Developing LLM Applications with LangChain.