L’adozione dell’agentic AI sta superando la fase sperimentale e sta entrando nei processi produttivi delle imprese. Secondo il report The pulse of agentic AI in 2026, basato su un’indagine globale condotta su 919 decisori aziendali, i sistemi autonomi capaci di ragionare, apprendere ed eseguire compiti complessi senza intervento umano continuo sono ormai una realtà operativa.
Allo stesso tempo, emerge con chiarezza un punto critico: autonomia senza controllo aumenta il rischio operativo invece di ridurlo.
Il documento analizza maturità dei progetti, barriere tecnologiche, modelli di governance e criteri di misurazione del valore, individuando nell’osservabilità il vero fattore abilitante per la scalabilità dell’agentic AI in ambienti enterprise.
Indice degli argomenti:
L’agentic AI si espande oltre l’IT, ma parte dalle funzioni critiche
Nel 2026, il 72% delle organizzazioni utilizza agenti AI per IT operations e DevOps, mentre il 50% li impiega sia in casi d’uso interni sia esterni. Le aree più presidiate restano quelle a maggiore criticità operativa, come monitoraggio dei sistemi, cybersecurity, data processing e supporto clienti, dove l’errore ha impatti immediati su continuità del servizio e sicurezza.
Parallelamente, cresce l’attenzione verso applicazioni customer-facing, tra cui personalizzazione dell’esperienza, prodotti digitali e automazione dei processi di vendita. Queste implementazioni mostrano i tassi di crescita più elevati nel medio periodo, a conferma di una strategia che punta a estendere l’autonomia anche verso l’esterno, mantenendo però forti meccanismi di controllo.
Investimenti in aumento e priorità orientate al ritorno operativo
I budget dedicati all’agentic AI restano elevati. La spesa media attuale si colloca tra 2 e 5 milioni di dollari, con il 74% delle aziende che prevede un incremento nei prossimi dodici mesi. Quasi la metà degli intervistati stima un aumento ulteriore compreso tra 2 e 5 milioni di dollari. Il ritorno sugli investimenti viene associato soprattutto a IT operations, cybersecurity e data processing, ambiti nei quali i benefici risultano più misurabili e ripetibili. Questa impostazione conferma un approccio prudente, che privilegia casi d’uso strutturali prima di estendere l’autonomia a processi meno standardizzati.
Adozione in crescita, ma con barriere tecniche ancora rilevanti
Il passaggio dall’automazione tradizionale alle operazioni autonome procede rapidamente, ma non senza ostacoli. Il 50% delle aziende ha già progetti in produzione per casi d’uso limitati, mentre il 44% registra una diffusione più ampia in specifici dipartimenti. La maggioranza delle organizzazioni gestisce ancora un numero contenuto di iniziative, tra 2 e 10 progetti attivi, segnale di una fase di consolidamento. Le principali difficoltà riguardano la fiducia nei sistemi autonomi e la limitata capacità di osservare e comprendere il comportamento degli agenti AI. La mancanza di regole chiare su quando un agente possa agire in autonomia, la scarsa tracciabilità delle decisioni e la difficoltà nel collegare gli output tecnici agli obiettivi di business rallentano il percorso verso una piena maturità.
Affidabilità e sicurezza come criteri di ingresso in produzione
Quando un progetto di agentic AI passa dal pilota alla produzione, le priorità sono nette. Sicurezza e protezione dei dati rappresentano il primo criterio decisionale per il 59% degli intervistati, seguite da accuratezza e affidabilità degli output.
Solo in seconda battuta entrano in gioco aspetti come scalabilità, ROI o compliance normativa. Le valutazioni etiche, di equità o di bias risultano meno centrali in questa fase, non per assenza di interesse, ma perché le aziende privilegiano la stabilità tecnica come prerequisito essenziale per qualsiasi ulteriore governance.
Human-in-the-loop come modello dominante
Nonostante la spinta verso l’autonomia, il report evidenzia una scelta chiara: l’essere umano resta parte integrante del processo decisionale. Oltre due terzi delle decisioni generate da agentic AI vengono oggi verificate da un operatore umano, attraverso controlli sulla qualità dei dati, revisioni degli output e monitoraggio delle derive comportamentali.
Solo il 13% delle organizzazioni sviluppa agenti completamente autonomi, mentre la maggioranza adotta modelli ibridi che combinano autonomia e supervisione. Questo approccio viene considerato strutturale e non transitorio, soprattutto per i processi di business più complessi o a maggiore impatto reputazionale.
La misurazione del valore passa da resilienza e affidabilità
Il successo dell’agentic AI non viene misurato principalmente in termini di utilizzo, ma attraverso performance tecnica, resilienza dei sistemi e capacità di risposta in tempo reale. Il 60% delle aziende indica le metriche tecniche come principale indicatore di successo, seguite da efficienza operativa, soddisfazione del cliente e riduzione del rischio.
Un dato significativo riguarda le pratiche di controllo: il 44% delle organizzazioni analizza ancora manualmente i flussi di comunicazione tra agenti, limite che ostacola la scalabilità e aumenta i tempi di reazione in caso di anomalie.
L’osservabilità come piano di controllo delle operazioni autonome
Il cuore del report è il ruolo dell’osservabilità, che evolve da strumento di monitoraggio a control plane per i sistemi autonomi. Con modelli probabilistici e comportamenti non deterministici, i test pre-produzione non bastano più. Serve una visibilità continua, contestuale e in tempo reale sulle decisioni degli agenti.
Quasi il 70% delle organizzazioni utilizza soluzioni di osservabilità durante la fase di implementazione, mentre oltre la metà le impiega anche in sviluppo e in esercizio. Tuttavia, gli strumenti tradizionali mostrano limiti evidenti: comportamenti “black box”, segnali frammentati e difficoltà nel collegare metriche tecniche a risultati di business.
Il report propone un modello a più livelli, in cui l’osservabilità collega infrastruttura, modelli, comunicazioni tra agenti e outcome applicativi, fornendo dati deterministici a supporto di decisioni generative.
Verso un’operatività autonoma governata
La fase successiva dell’agentic AI non riguarda l’introduzione di nuovi agenti, ma la costruzione di fiducia, affidabilità e resilienza. Senza una base osservabile solida, l’autonomia rischia di amplificare errori e vulnerabilità. Con un controllo fondato su dati contestuali e verificabili, diventa invece un fattore di scala per produttività ed efficienza.
Il report di Dynatrace indica una direzione chiara: l’agentic AI è destinata a crescere, ma solo le organizzazioni capaci di integrare osservabilità, governance e supervisione umana potranno trasformarla in un vantaggio competitivo sostenibile.
