Nel nuovo report annuale McKinsey Technology Trends Outlook, l’AI agentica si afferma come la tecnologia con il tasso di crescita più rapido tra le tredici tendenze individuate. Un tempo considerata un’idea marginale, è oggi al centro delle sperimentazioni più avanzate in ambito enterprise. Non si tratta più solo di conversare con un chatbot, ma di delegare a “colleghi virtuali” interi flussi di lavoro, capaci di prendere decisioni autonome e utilizzare strumenti digitali proprio come un essere umano.
Indice degli argomenti:
Cosa distingue un agente AI
A differenza degli assistenti digitali tradizionali, gli agenti AI agentici non si limitano a generare risposte, ma eseguono piani d’azione complessi. Possono, ad esempio, gestire ordini, elaborare resi o navigare il web per raccogliere informazioni e produrre report. Costruiti su modelli linguistici di base (LLM), questi agenti possono:
- gestire task imprevedibili senza regole prestabilite;
- interagire con interfacce digitali pensate per gli umani;
- comprendere e ricevere istruzioni in linguaggio naturale;
- elaborare e condividere piani di lavoro leggibili, modificabili e aperti al feedback umano.
McKinsey Technology Trends Outlook: AI Agentica, l’adozione rallenta, ma la crescita è esplosiva
Secondo McKinsey, nel 2024 l’attenzione mediatica, gli investimenti e la ricerca sull’AI agentica sono esplosi. I brevetti nel settore aumentano, anche se si parte da una base piccola. Le imprese stanno sperimentando con prototipi limitati, in attesa di comprendere appieno potenziali ritorni sugli investimenti.
Nuove capacità, nuovi rischi
Tra le innovazioni più significative:
- Catene di ragionamento multistep sempre più complesse, grazie a “manager AI” che delegano compiti a sub-agenti specializzati;
- Piattaforme agentiche generaliste, come OpenAI Operator o Manus AI, che gestiscono task diversificati;
- Agenti specializzati, come quelli di Darktrace nella cybersecurity o Salesforce Agentforce per il customer service;
- Comunicazione tra agenti, resa possibile da protocolli come Agent2Agent (A2A) o Model Context Protocol (MCP).
Ma con l’autonomia arrivano nuove sfide: errori operativi, decisioni errate, responsabilità legale e difficoltà di governance, soprattutto quando gli agenti operano in ambiti come finanza, sanità o giustizia.
Agenti al lavoro: casi d’uso reali
Il report include numerosi casi concreti di agenti generici basati sull’intelligenza artificiale:
OpenAI Operator, lanciato nel gennaio 2025, è un agente AI in grado di eseguire autonomamente varie attività basate sul web, come prenotare voli, effettuare prenotazioni e ordinare generi alimentari. Operator è in grado di navigare nei siti web, compilare moduli e gestire interazioni complesse.
Manus AI, lanciato nel marzo 2025, è una piattaforma di agenti generici. Gestisce in modo autonomo attività come la ricerca, la scrittura e la gestione delle attività, fungendo da flessibile compagno di squadra digitale.
Il 17 giugno 2025, Google ha rilasciato Gemini 2.5 Flash per l’API Gemini sia in Google AI Studio che in Vertex AI. Gemini 2.5 Flash consente agli sviluppatori di creare applicazioni di produzione con funzionalità di automazione del browser (ad esempio, gestione della visita di siti web, clic su pulsanti, digitazione di query ed estrazione di dati sulla base di un prompt in linguaggio naturale), supportando casi d’uso emergenti nei flussi di lavoro agentici.
- Un esempio reale che coinvolge un ragionamento in più fasi:
QuantumBlack Labs di McKinsey ha implementato flussi di lavoro agentici per automatizzare la redazione di note di credito per una banca. I risultati iniziali hanno mostrato che la produttività degli analisti di credito è aumentata fino al 60%. Un LLM che fungeva da manager di sistemi multiagente ha creato piani di lavoro e assegnato compiti a subagenti specializzati per l’analisi dei dati, la verifica e la creazione di output. QuantumBlack Labs ha automatizzato la redazione di memo di credito per una banca, migliorando la produttività del 60%
- Esempi reali di AI agentica creata per soluzioni aziendali specifiche:
Darktrace utilizza agenti AI autonomi per rilevare e rispondere in tempo reale a minacce informatiche complesse. Gli agenti di AI di Darktrace monitorano continuamente il traffico di rete aziendale, identificano le anomalie e decidono la linea d’azione migliore per mitigare i potenziali danni. Questo approccio è modellato sul sistema immunitario umano e consente di rispondere immediatamente a cyberattacchi mai visti prima senza l’intervento umano. Automatizzando le attività di sorveglianza e rilevamento delle minacce di routine, questi sistemi di AI agentica consentono ai team di sicurezza umani di concentrarsi sulle sfide strategiche e sugli interventi critici.
La piattaforma Agentforce di Salesforce consente alle organizzazioni di implementare agenti AI autonomi in varie funzioni aziendali, migliorando l’efficienza e la scalabilità. Questi agenti possono gestire autonomamente attività quali la risoluzione dei ticket di assistenza, la pianificazione delle riunioni, l’invio di e-mail di follow-up e la qualificazione dei lead.
Cursor, sviluppato da Anysphere, è uno degli strumenti che sta rivoluzionando il settore dello sviluppo software automatizzando le attività di codifica attraverso l’elaborazione del linguaggio naturale. La piattaforma consente agli sviluppatori di generare codice semplicemente descrivendo la funzionalità desiderata in linguaggio semplice, accelerando in modo significativo il processo di sviluppo del software. Cursor consente agli sviluppatori di scrivere codice con istruzioni in linguaggio naturale.
- Esempi reali che coinvolgono comunicazioni da agente ad agente:
Anthropic ha introdotto il Model Context Protocol (MCP) come framework open-standard e open-source per standardizzare il modo in cui i modelli di AI come gli LLM integrano e condividono i dati con strumenti, sistemi e fonti di dati esterni. Google, Microsoft, Open AI e molti altri hanno annunciato che adotteranno l’MCP.
Google ha introdotto il protocollo Agent2Agent (A2A), uno standard aperto per facilitare la collaborazione sicura tra agenti di IA di diversi fornitori. Supportato da oltre 50 partner, l’A2A consente casi d’uso come la ricerca di candidati e il coordinamento della catena di fornitura, integrando iniziative come l’MCP per sbloccare ecosistemi multiagente scalabili.
McKinsey Technology Trends Outlook: talento e competenze, chi costruirà l’AI agentica?
Il mercato del lavoro sta iniziando ad adattarsi. Le offerte di lavoro per ruoli legati all’AI agentica – soprattutto software engineer, data scientist e prompt engineer – sono in crescita. Le skill più richieste sono:
- Python (57% delle offerte),
- Machine learning (49%),
- NLP e software engineering.
Tuttavia, l’offerta non sempre soddisfa la domanda: mentre competenze come il prompt engineering sono abbondanti, Python e NLP sono in carenza critica.
Architettura tecnologica: cosa c’è sotto il cofano
L’AI agentica poggia su una stack tecnologica sofisticata, che comprende:
- Foundation models per la comprensione e generazione del linguaggio;
- Modelli di ragionamento per eseguire task multi-step;
- Framework come LangChain, CrewAI e Autogen per orchestrare task complessi;
- Database vettoriali per recupero e memorizzazione della conoscenza;
- Tool di osservabilità (come LangSmith) per monitorare e interpretare il comportamento dell’AI.
Dubbi, rischi e grandi domande
Nonostante l’entusiasmo, rimangono incognite fondamentali:
- Gli agenti AI diventeranno davvero autonomi o necessiteranno sempre di supervisione umana?
- Quali sono le implicazioni per il lavoro: evoluzione o sostituzione?
- Quali regole etiche e legali saranno necessarie per garantire sicurezza e accountability?
- Come bilanciare autonomia e controllo umano?
- Chi saprà catturare il valore di questa tecnologia su larga scala?
Verso un futuro ibrido: umani e agenti insieme
Come afferma Lareina Yee, partner McKinsey, “gli agenti AI non automatizzeranno solo i compiti, ma cambieranno il modo in cui si lavora”. Non più strumenti, ma colleghi digitali, capaci di coesistere e collaborare con team umani. Questa visione richiede però nuove competenze organizzative, nuove architetture operative e nuovi paradigmi di fiducia.
“L’AI agentica trasforma l’AI da strumento passivo a collaboratore attivo nei flussi di lavoro aziendali”, afferma Delphine Nain Zurkiya, senior partner McKinsey. “Man mano che questi sistemi acquisiscono autonomia e capacità decisionali, è fondamentale investire maggiormente nella comprensione di come lavorare con l’AI quando viene vista come un collega piuttosto che come uno strumento. Allo stesso tempo, avremo bisogno di una governance forte, trasparenza e barriere etiche per garantire che questi agenti operino con responsabilità e costruiscano una fiducia duratura”.
Conclusioni
L’AI agentica è più di un trend: è una metamorfosi del lavoro. L’adozione è ancora alle fasi iniziali, ma l’interesse, l’investimento e il progresso tecnologico indicano un’accelerazione imminente. Chi saprà integrarla con visione strategica e rigore etico, potrà ridefinire la propria competitività per il decennio a venire.
