Il mercato dell’innovazione tecnologica sta attraversando una nuova fase di transizione, caratterizzata dallo spostamento dell’attenzione e degli investimenti dalle applicazioni tradizionali di intelligenza artificiale generativa verso sistemi in grado di introdurre nuove forme di automazione. L’Agentic AI rappresenta infatti oggi una tecnologia che promette di ridefinire le strutture organizzative e l’efficienza operativa delle imprese. Non si tratta più soltanto di implementare strumenti capaci di dialogare o generare testi, ma di introdurre all’interno dei flussi di lavoro aziendali degli agenti software autonomi in grado di pianificare attività, accedere a database e strumenti aziendali, e di collaborare attivamente per il raggiungimento di obiettivi complessi.
Un passaggio, come appare evidente, che richiede un ripensamento profondo dei modelli operativi e una governance rigorosa, per evitare che l’entusiasmo della sperimentazione si scontri con la complessità tecnologica e la sostenibilità economica.
I dati e le riflessioni che seguono emergono direttamente dall’analisi condotta dagli esperti del settore in occasione della tavola rotonda “Agentic AI e business: come applicarla nei processi aziendali per aumentare la competitività“, che si è tenuta nell’ambito dell’evento Tech Excellence organizzato da Nextwork360.
Indice degli argomenti:
Lo scenario italiano dell’Agentic AI tra sperimentazioni e prospettive tecnologiche
Nonostante l’alto livello di interesse generato dall’Agentic AI, il mercato italiano si trova ancora in una fase prevalentemente esplorativa. Secondo i dati presentati da Nicola Ciani, ricercatore degli Osservatori Digital Innovation della School of Management del Politecnico di Milano, la spesa complessiva delle grandi imprese e delle PMI italiane in materia di intelligenza artificiale ha raggiunto un volume di circa 1,8 miliardi di euro. Tuttavia, di questo budget complessivo, solo il 4% è attualmente destinato a segmenti propriamente associabili a progettualità di Agentic AI e ai sistemi di automazione avanzata.
L’effettiva penetrazione della tecnologia all’interno dei sistemi di produzione è, sulla base dell’analisi di Ciani, ancora limitata. Soltanto l’8% delle grandi aziende italiane, su un campione rappresentativo di 190 realtà monitorate dall’Osservatorio, ha avviato sperimentazioni concrete o possiede soluzioni già attive in produzione. La maggior parte dei progetti si attesta nella fase di proof of concept, utilizzata principalmente per dimostrare l’efficacia della tecnologia al management e sbloccare i budget necessari.
I fraintendimenti sulle reali funzionalità degli agenti AI
L’indagine dell’Osservatorio del Politecnico di Milano evidenzia un divario significativo tra ciò che le aziende definiscono come intelligenza artificiale autonoma e le caratteristiche reali della tecnologia. Esiste un 5% di organizzazioni che ritiene di aver implementato soluzioni di Agentic AI, ma che in realtà ha semplicemente ottimizzato e reso più intelligenti alcuni workflow critici preesistenti.
Quando le imprese descrivono le proprie aspettative sulla Agentic AI, mettono al centro l’interazione conversazionale, la generazione di contenuti e il supporto all’utente tramite raccomandazioni. Questi elementi appartengono alla prima ondata di intelligenza artificiale generativa e non costituiscono le peculiarità distintive degli agenti autonomi. Le caratteristiche autentiche di questa tecnologia, come la collaborazione tra agenti, l’accesso autonomo a tool e storage, l’indipendenza decisionale e l’orientamento all’intero processo end-to-end, vengono percepite e posizionate dalle aziende solo in secondo piano.
Il rischio di cancellazione dei progetti secondo l’analisi di Gartner
La mancanza di chiarezza sugli obiettivi e sulle metriche di valore espone le aziende al rischio di fallimento tecnologico ed economico. Nicola Ciani nella sua analisi ha richiamato una stima di Gartner, secondo cui il 40% dei progetti di Agentic AI verrà cancellato entro la fine del 2027.
Questo fenomeno, tipico delle tecnologie di frontiera, è guidato principalmente da due fattori: il costo e il valore. L’analista degli Osservatori ha spiegato l’importanza di bilanciare questi due elementi, evidenziando i rischi legati a investimenti non focalizzati: “I costi, specie per chi adotta soluzioni GenAI, esplodono facilmente se non c’è chiarezza sull’obiettivo, portando al rischio di tagli del budget prima ancora di dimostrare i benefici”.
Il consiglio, a livello di ricerca applicata è di iniziare l’adozione partendo da casi d’uso tradizionali, caratterizzati da margini di ritorno finanziario chiari e facilmente misurabili, utili a rassicurare i vertici aziendali.
Architetture scalabili per la gestione dei processi e il controllo dei costi
Per evitare che i costi legati alla Agentic AI diventino insostenibili, le scelte tecniche iniziali e la governance dell’architettura informatica assumono un ruolo determinante. Leonardo Marazzi, digital transformation e AI Leader della business unit digital di BlueIT, ha evidenziato come l’adozione aziendale debba essere strutturata seguendo un modello a piramide, diviso in tre livelli di gestione interni.
Al vertice si posiziona il management strategico, che possiede la visione del business e l’esperienza necessaria per individuare tempestivamente le eventuali allucinazioni e le imperfezioni del modello.
Al livello intermedio si colloca la gestione operativa, che necessita di dati aggregati per monitorare e rifasare i processi.
Alla base si trova l’operatività aziendale ordinaria, che costituisce il 90% delle attività. Su questo livello, i progetti che concedono un’autonomia totale e aperta all’intelligenza artificiale falliscono frequentemente. L’agente autonomo deve essere invece confinato ad attività specifiche, all’interno di un processo rigido e predefinito.
Dal modello a piramide a una struttura tecnologica su tre livelli
L’esperienza maturata da BlueIT attraverso il confronto con circa 200 aziende nel proprio laboratorio di intelligenza artificiale, avviato nel 2024, suggerisce la necessità di un’architettura informatica standard e scalabile, articolata su tre livelli distinti per garantire stabilità ed evitare il disorientamento causato dalla velocità dell’evoluzione tecnologica:
- Un livello superiore costituito dall’applicazione di processo, dotata di un’interfaccia utente stabile nel tempo per non generare confusione tra i dipendenti.
- Un livello middleware interno, progettato come standard aziendale per integrare e centralizzare i dati.
- Un livello infrastrutturale più profondo che utilizza API e modelli di intelligenza artificiale intercambiabili, permettendo di testare nuove tecnologie senza modificare l’interfaccia utente.
L’ottimizzazione finanziaria tramite i job in differita
I driver principali che fanno lievitare i costi aziendali sono la mole di documenti analizzati e la complessità delle interfacce di comunicazione. Marazzi suggerisce un approccio pragmatico per il contenimento delle spese transazionali, dimostrando che non tutti i processi aziendali necessitano di risposte in tempo reale fornite dai modelli di calcolo più veloci e onerosi del mercato. Molte attività di business traggono un enorme valore anche da elaborazioni asincrone, nella forma di “job in differita”, eseguite durante la notte su infrastrutture e modelli più piccoli, mirati ed economici, riducendo drasticamente l’impatto sul budget.
Piattaforme di orchestrazione e conformità normativa alla Agentic AI
Un problema centrale legato all’uso di framework e strumenti open source per lo sviluppo di agenti autonomi risiede nella loro frammentazione. Spesso questi applicativi risultano scollegati tra loro, rendendo complessa la manutenzione tecnica e la supervisione dei dati aziendali a cui hanno accesso. Andrea Radovisc, Data & AI partner technical specialist diI BM Italia, suggerisce l’adozione di un approccio centralizzato basato su piattaforme di orchestrazione, come IBM watsonx.
L’utilizzo di una piattaforma integrata permette di gestire, monitorare e coordinare anche grandi moli di agenti dedicati a comparti verticali differenti, come le risorse umane o il procurement. Questo sistema centralizzato consente di applicare regole rigide di data governance e di assicurare la compliance rispetto alle normative vigenti, a partire dall’AI Act europeo. Attraverso l’impiego di funzionalità low-code, l’azienda è in grado di riprogrammare e aggiornare le funzionalità dell’intero parco agenti senza dover intervenire direttamente sulla riscrittura dei codici di programmazione, semplificando la manutenzione.
Esperienze sul campo: l’integrazione nel core business aziendale
Il passaggio dalla fase di sperimentazione pura all’integrazione della Agentic AI all’interno delle attività core emerge chiaramente dalle testimonianze dei manager di diverse realtà industriali italiane.
Dal manager di una importante azienda chimico-farmaceutica, arriva l’indicazione di come la tecnologia debba integrarsi perfettamente nel modello operativo per generare un ritorno reale. A questo proposito viene citato un progetto di intelligenza artificiale applicato alla ricerca e sviluppo che aveva raggiunto un tasso di predittività dell’85% nella simulazione dei test di laboratorio. Nonostante l’eccellenza del dato statistico, il modello si era rivelato inutilizzabile sul piano pratico poiché la struttura aziendale non poteva agire a livello di business accettando un margine di incertezza del 15%.
Il messaggio forte che arriva riguarda il fatto che la concretezza si ottiene solo analizzando preventivamente l’impatto economico complessivo delle piattaforme, i cui costi possono scalare rapidamente. Il manager sostiene che la tecnologia da sola non è sufficiente; occorre ripensare il modello operativo aziendale per poterla sfruttare realmente. Evidenzia poi come i costi delle soluzioni top di gamma siano molto importanti, rendendo la misurazione del ritorno dell’investimento un fattore critico e segnala nello stesso tempo la complessità della gestione del GDPR e della governance complessiva dei processi attivati dall’AI.
L’approccio incrementale nella logistica e nella vendita
I rappresentanti, di una realtà attiva nel settore delle vendite a domicilio e della logistica alimentare, evidenziano l’utilità di un approccio incrementale. Si tratta di una visione che prevede la creazione di una cultura digitale condivisa tra i dipendenti, che poi passa alla implementazione di una serie casi d’uso mirati. Vengono citati casi di automazione che in cui l’intelligenza artificiale supportata dalla contestuale creazione di un data lake aziendale per la corretta governance delle informazioni transazionali sta permettendo di ottenere importanti benefici.
Nel momento in cui l’azienda dispone di una mole molto vasta di dati ha la possibilità di creare le condizioni per creare servizi di supporto ai venditori sia per gestire in tempo reale ciascun cliente, sia per rendere più efficiente tutto il processo di vendita e delivery.
Integrazione e automazione a supporto dei commerciali sul territorio
Nel comparto della distribuzione di materiali per l’edilizia, gli agenti intelligenti integrati nei sistemi gestionali ERP possono a loro volta rappresentare un nuovo efficace supporto delle reti commerciali sul campo.
La testimonianza di una realtà attiva in questo settore mostra come i venditori che operano nei cantieri si trovino a dover gestire listini complessi che arrivano a contare più di 30.000 tipologie di prodotti. L’introduzione della Agentic AI permette di automatizzare le risposte e suggerire in tempo reale ai commerciali prodotti alternativi o equivalenti durante le chiamate con i clienti, ottimizzando il processo di vendita. La prospettiva in questo caso è di un Agentic AI a supporto del personale di vendita per aumentare il livello di conoscenza, per fornire informazioni precise con la massima velocità, esattamente quando servono.
La mappatura del valore aggiunto dell’AI secondo i principi Lean
La necessità di riprogettare i processi industriali partendo dalle reali potenzialità della tecnologia, anziché sovrapporre gli agenti autonomi a vecchie abitudini organizzative, è uno dei punti sollevati dal rappresentante di una realtà attiva nel settore del packaging.
Vengono citati i principi della metodologia di gestione “Lean” per comprendere dove l’intelligenza artificiale possa aiutare l’uomo a gestire meglio le operazioni più ripetitive per permettergli di focalizzarsi su quelle a maggiore valore aggiunto. Nel momento in cui si analizzano i processi, si deve focalizzare l’attenzione sulle componenti dove l’intervento umano esprime maggiore valore aggiunto avendo ben chiaro anche quelle che possono essere oggetto di automazione. La testimonianza sottolinea che applicando la teoria lean si deve lavorare per capire con precisione in quali attività l’AI può veramente sostituirsi all’uomo e quale parte invece (nell’ambito delle attività a valore) resta di competenza delle persone, della capacità decisionale dell’uomo, della sua creatività.
Il fattore umano, il change management e l’impatto sul mercato del lavoro
L’introduzione della Agentic AI solleva interrogativi profondi legati anche alle logiche di change management e a una sempre più veloce e sempre più rilevante evoluzione delle competenze. Nel caso del rappresentante di una agenzia per il lavoro emerge chiaramente come l’integrazione tecnologica debba anche misurarsi con forti resistenze al cambiamento all’interno delle aziende. Resistenze che sono fisiologiche, naturali e che si manifestano, su due ambiti demografici opposti. Da un lato vi è una popolazione attiva occupata caratterizzata da una presenza di lavoratori over 55, che ha costruito il percorso professionale su competenze che stanno “invecchiando” e che deve essere accompagnata verso un cambio di mentalità. Dall’altro lato si collocano i lavoratori più giovani e neolaureati che entrano nel mercato del lavoro e che hanno magari sviluppato familiarità e competenze digitali ma devono acquisire specifiche competenze di dominio in funzione dei settori in cui iniziano il loro percorso professionale. L’Agentic AI si inserisce in questa trasformazione.
Il rischio di impoverimento delle competenze giovanili
Arriva poi anche l’invito a portare l’attenzione su un punto critico che riguarda l’impatto di una diffusione su larga scala dell’automazione sui percorsi di formazione delle nuove generazioni di professionisti. Prendendo come esempio l’attività che caratterizza i centri di sviluppo software aziendali, viene segnalata la tendenza dei programmatori più giovani a delegare la scrittura del codice all’intelligenza artificiale. Questa abitudine desta preoccupazione nei vertici aziendali per il rischio di impoverire le competenze metodologiche di base, necessarie in futuro per interpretare e governare i dati e per controllare i risultati stessi prodotti dall’AI. In questo scenario si evidenzia la necessità di trovare un equilibrio tra la ricerca dell’efficienza e il rispetto della crescita professionale, garantendo che il tempo liberato dalle attività ripetitive venga investito in compiti di supervisione a più alto valore.
La centralità dell’assessment per comprendere se, dove e quando, l’AI può effettivamente generare valore per l’azienda
L’esperienza e la visione del rappresentante di una impresa attiva nei servizi digitali evidenzia l’importanza di disporre di strumenti e metodiche che permettano a chi oggi deve scegliere tra tanti progetti potenzialmente interessanti in chiave Agentic AI di capire quali siano effettivamente adatti all’AI e quali possano essere risolti con tecnologie più semplici.
L’assessment sia in termini di orientamento sulle potenzialità e sulle criticità dell’Agentic AI è un tema chiave che viene messo in diretta relazione con la necessità di pensare da subito a una evoluzione dei processi. Viene sottolineato che per sfruttare a tutti gli effetti le potenzialità dell’Agentic AI è necessario cambiare, anche in modo radicale, i processi aziendali e la stessa strategia, alzando l’asticella delle prestazioni e della crescita aziendale. In questo scenario si sottolinea la necessità di prestare la massima attenzione affinché l’AI non sia interpretata come una modalità per sostituire il personale, ma piuttosto per liberare tempo da attività “poco produttive” o routinarie e permettere alle persone di dedicarsi ad attività a più alto valore.
Agentic AI: la sfida è nella trasformazione in valore
In conclusione, il confronto conferma che l’Agentic AI si sta affermando come una delle evoluzioni più promettenti dell’intelligenza artificiale, ma anche come una delle innovazioni più complesse da governare.
Dalle analisi degli Osservatori del Politecnico di Milano, dalle competenze di operatori come BlueIT e IBM e dalle esperienze delle aziende emerge che il successo non dipenderà dalla capacità di adottare gli agenti autonomi più avanzati, bensì dalla qualità delle scelte organizzative che accompagneranno la loro introduzione, dalla modalità di gestire assessment, sperimentazione e metodiche di integrazione nei processi aziendali.
A questo scopo servono obiettivi di business ben definiti, casi d’uso misurabili, architetture tecnologiche scalabili, solide pratiche di governance dei dati e piena conformità normativa. Allo stesso tempo, diventa indispensabile ripensare i processi aziendali, investire nelle competenze e gestire il cambiamento coinvolgendo le persone. Solo grazie alla ricerca costante di un nuovo equilibrio tra innovazione tecnologica, sostenibilità economica e valorizzazione del capitale umano l’Agentic AI si trasforma da una promettente sperimentazione a un concreto fattore di competitività e di crescita per le imprese.
Partecipa alla community