L’AI che agisce: il futuro del software enterprise

Per molto tempo abbiamo guardato all’intelligenza artificiale soprattutto come a una capacità conversazionale, con sistemi più o meno efficaci nel rispondere, sintetizzare, generare testi, codice o immagini. È stata una fase importante, perché ha reso l’AI accessibile e tangibile anche fuori dai laboratori. Ma oggi il baricentro si sta spostando. Il passaggio che conta davvero, soprattutto per il mondo enterprise, è un altro: dall’AI che risponde all’AI che opera.

La differenza non è semantica. È architetturale, organizzativa e, in ultima analisi, strategica. OpenAI lo ha reso esplicito con il lancio dei workspace agents in ChatGPT, cioè agenti condivisi, capaci di gestire task complessi e workflow di lunga durata, di lavorare nel cloud anche quando l’utente non è presente, di raccogliere contesto dai sistemi giusti, seguire processi di team e chiedere approvazione quando necessario. È il segnale che il mercato sta uscendo dalla stagione del “chatbot brillante” per entrare in quella dell’infrastruttura operativa.

Dove opera un modello, su quali dati, per chi risponde

Questo cambio di paradigma ha una conseguenza immediata. Non basta più chiedersi quanto un modello sia intelligente. Bisogna chiedersi dove opera, su quali dati lavora, entro quali regole agisce e chi risponde delle sue azioni. Nel software enterprise questa domanda è ancora più decisiva.

I systems of record: il backbone che non si bypassa

Per decenni i sistemi aziendali hanno fatto una cosa fondamentale: hanno registrato il business. Hanno catturato transazioni, applicato regole, garantito compliance, ordine, trasparenza e controllo. In altre parole, hanno costruito quella base di fiducia senza la quale nessuna decisione ad alto impatto sarebbe sostenibile. Sono i systems of record, cioè piattaforme verticali che custodiscono il dato ufficiale, governano processi critici e rappresentano il backbone operativo dell’impresa.

È la categoria in cui Akeron colloca piattaforme che non servono solo a collaborare o visualizzare informazioni, ma a far funzionare davvero il business, rispettivamente in settori strategici come l’Incentive Compensation Management (ICM) e Sales Performance Management (SPM), il Project Business Automation e Real Estate Management.

Non tutti i software sono esposti allo stesso modo all’ondata agentica. Gli strumenti più leggeri, più vicini alla produttività personale o a workflow a basso costo di switching, possono essere più facilmente assorbiti o bypassati da agenti generalisti. I systems of record, invece, non sono software che si possono “saltare”. Devono garantire coerenza, output deterministici, auditabilità, responsabilità e continuità operativa. Per questo gli agenti non li sostituiscono. Li costringono a evolvere.

Il gap tra ciò che il sistema mostra e ciò che il business chiede

Il punto è che questa base, da sola, oggi non basta più. I dati ci sono, le regole anche, così come la governance. Quello che spesso manca è la capacità di trasformare tutto questo in azione contestuale, con la rapidità richiesta dal business. Il software tradizionale continua a mostrare numeri, tabelle e report; l’organizzazione, invece, ha bisogno di decisioni rapide, ragionamento su scenari complessi e capacità di agire in tempo reale. È qui che si apre la distanza crescente tra ciò che il sistema sa rappresentare e ciò che il business chiede di fare, cioè la distanza tra “what the system shows” e “what the business needs to do”.

Gli agenti AI diventano rilevanti proprio in questo spazio. Non perché sostituiscano il software enterprise, ma perché possono estenderlo. Non perché eliminino la necessità di regole, ma perché devono operare dentro regole ancora più rigorose. La loro funzione più interessante non è produrre un testo migliore. È ridurre la distanza tra insight e azione.

Detto in altri termini, il software enterprise non può più limitarsi a registrare ciò che accade. Deve iniziare ad aiutare le persone a interpretarlo e ad agire, restando però ancorato ai principi che ne hanno fatto il cuore operativo dell’impresa: affidabilità, tracciabilità, auditabilità e controllo. Per trent’anni il software ha registrato il business. Oggi comincia a pensare e agire. È una traiettoria che nel settore sta diventando sempre più visibile.

Anche il recente lancio da parte nostra va letto così: non come l’ennesima chatbot, ma come il segnale di un software enterprise che prova a trasformare i propri systems of record in ambienti in cui agenti specializzati possono operare su dati certificati, dentro processi affidabili e con supervisione umana. Più che il singolo prodotto, conta il messaggio di fondo: l’AI non come layer esterno, ma come capacità operativa integrata nel sistema di fiducia dell’impresa.

Quattro condizioni per agenti enterprise affidabili

Qui, però, serve una cautela importante. Quando si parla di agenti, il rischio è lasciare che la narrativa venga catturata dall’idea di autonomia totale. È una semplificazione pericolosa. Nel business reale il valore non sta nell’agente che “fa tutto da solo”, ma nell’agente che sa operare entro confini affidabili. I sistemi enterprise non sono ambienti neutri. Gestiscono compensazioni, marginalità, contratti, allocazioni di risorse, portafogli immobiliari, supply chain e compliance. In questi contesti un agente non può essere solo utile o veloce. Deve essere governato. E governato significa almeno quattro cose.

La prima è la specializzazione. Un agente enterprise non può essere solo un modello generalista ben istruito. Deve conoscere il dominio in cui opera, i processi, le eccezioni, le definizioni di business e le priorità operative. Il valore di un agente nasce quando la competenza di dominio è incorporata nell’architettura e nella knowledge base, non semplicemente evocata da un prompt ben scritto. In sintesi: domain expertise built in, not prompted in.

La seconda è la qualità del dato. Un agente che agisce su dati non certificati, scollegati dai processi reali o privi di lineage, produce solo una forma più sofisticata di rumore. Nei processi critici non basta sapere “il numero”. Bisogna sapere da dove arriva, quale logica lo ha generato e quali regole lo governano. Per questo la componente semantica e la tracciabilità del dato diventano centrali quanto il modello stesso.

La terza è l’apertura architetturale. Il mercato dei modelli cambia a una velocità troppo alta perché un’impresa possa permettersi un lock-in rigido su un solo provider. Il punto non è scegliere oggi il modello “migliore” una volta per tutte, ma costruire un’architettura in cui modelli diversi possano operare in sicurezza sui dati e nei processi dell’azienda. Apertura, dunque, ma mai senza controllo. Noi diciamo: “Bring your own LLM”.

La quarta, decisiva, è la supervisione umana. Più gli agenti diventano capaci di agire, più cresce il bisogno di responsabilità chiara. OpenAI stessa, nel presentare i workspace agents, sottolinea che questi sistemi operano entro permessi e controlli definiti dall’organizzazione e chiedono approvazione quando necessario. Non è un dettaglio marginale. È il riconoscimento che, nell’era agentica, la questione non è solo tecnica, ma anche organizzativa, giuridica e di risk management.

Il futuro appartiene agli agenti affidabili

Non credo che il futuro appartenga agli agenti “magici”. Appartiene agli agenti affidabili. A quelli che lavorano dentro il sistema di fiducia dell’impresa, non fuori. A quelli che non sostituiscono il giudizio umano ma lo rafforzano. A quelli che non aggiungono un altro layer di complessità, ma rendono più continuo il passaggio dai dati alle decisioni e dalle decisioni all’esecuzione.

In questo senso, l’agentic AI non decreta la fine del software enterprise. Ne cambia la natura. Trasforma i systems of record da sistemi che registrano a sistemi che aiutano a pensare e ad agire.

Per chi sviluppa software enterprise questa trasformazione si vede in modo molto concreto. Si vede nel passaggio da attività manuali e ripetitive ad attività di analisi e governo. Si vede nel fatto che ruoli prima costretti a passare ore tra report, riconciliazioni, verifiche e handoff possono tornare a concentrarsi su eccezioni, scenari e scelte. Succede nei team che gestiscono sistemi di incentivazione, nei project manager chiamati a presidiare margini e allocazione delle risorse, negli asset manager che devono spostarsi da una logica amministrativa a una più strategica.

Conclusione

Il nodo, quindi, non è se gli agenti AI entreranno davvero nel lavoro quotidiano delle imprese. Questo processo è già cominciato. Il nodo è come verranno progettati e governati. Se saranno un’estensione effimera del fenomeno chatbot, oppure una nuova generazione di capacità operative costruite su dati certificati, processi trusted e responsabilità condivisa tra persone e sistemi. È su questo terreno che si giocherà la partita più importante.

Prevarrà chi saprà costruire architetture in cui l’AI non sia un oracolo esterno, ma una presenza operativa integrata, verificabile e utile. In fondo, la vera promessa degli agenti non è che il software faccia tutto da solo. È che il software inizi finalmente a lavorare insieme alle persone, dentro il business reale.