Sperimentazione, metodo e governance per un’Agentic AI al servizio del business

In un contesto di evoluzione tecnologica rapida, si registra una netta accelerazione verso sistemi di Agentic AI, in grado non solo di analizzare grandi quantità di dati, ma di eseguire autonomamente compiti aziendali complessi. La sperimentazione tecnologica, tuttavia, necessita di un accompagnamento metodologico, organizzativo e, soprattutto, economico, per evitare il rischio di progetti falliti e investimenti dispersi.

Passaggi e modelli per un’evoluzione strutturata

Un approccio solido prevede, come primo step, la creazione di una strategia aziendale allineata con gli obiettivi di business, seguita da un modello di governance rigoroso per il controllo dell’attività sperimentale. Al contempo, la governance operativa deve focalizzarsi su criteri economici chiari, evitando sprechi tecnologici e garantendo una tracciabilità delle performance ottenute.

Osservando l’esperienza maturata durante la tavola rotonda “Agentic AI e business: come applicarla nei processi aziendali per aumentare la competitività”, emerge che, in Italia, le imprese sono ancora agli inizi di questa transizione:

• L’investimento complessivo in AI ammonta a circa 1,8 miliardi di euro;
• Solo il 4% degli investimenti complessivi va verso progetti riconducibili all’Agentic AI;
• Sempre meno del 20% delle imprese italiane attiva soluzioni reali di automazione avanzata;
• Il restante 80% rimane nella fase di proof of concept;
• Il 5% delle aziende che rifiutano di adottare l’Agentic AI in maniera estesa, ritiene di aver già implementato strumenti simili, ma si tratta spesso di ottimizzazioni limitate di workflow esistenti.

Le sfide principali per le aziende

Fra le criticità principali, emerge un’ampia mancanza di chiarezza sugli obiettivi che le imprese si propongono con l’adozione dell’Agentic AI. Molti progetti, infatti, si fermano alle funzioni di generazione di contenuti o ad assistenti virtuali, caratteristiche più propriamente riconducibili a sistemi di AI generativa di prima generazione.

I veri vantaggi dell’Agentic AI stanno però nella sua capacità unica di gestire processi operativi end-to-end, collaborare con altri agenti artificiali e prendere decisioni indipendenti, accesso autonomo a strumenti aziendali complessi, e di interagire con sistemi critici all’interno dell’azienda.

I dati del mercato, pur positivi nel complesso, indicano che il cammino da percorrere per sfruttare questa tecnologia in maniera massiva richiede tempo, pazienza e investimenti mirati. Secondo stime di Gartner, infatti, il 40% dei progetti sperimentali in Agentic AI verrà cancellato entro la fine del 2027. A causa di questo fenomeno, la chiara individuazione di budget dedicati diventa cruciale per garantire sostenibilità.

Il modello a piramide per l’adozione aziendale

Secondo Leonardo Marazzi, esperto di digital transformation, il modello strutturale per introdurre l’Agentic AI deve seguire un approccio a tre livelli:

• Management strategico: responsabile della visione di business e del monitoraggio della tecnologia;
• Gestione operativa: necessita di dati aggregati per rivedere continuamente i processi aziendali;
• Operatività ordinaria: rappresenta il 90% delle attività complessive e deve seguire linee guida molto rigide per garantire funzionalità e prevedibilità.

Marazzi insiste quindi sull’importanza di iniziare con casi d’uso ben definiti, ad alto margine di ritorno finanziario, e con performance chiaramente misurabili per ottenere la fiducia del management e proseguire poi verso progetti più complessi.

Costi, tecnologie e gestione della complessità

I costi di adozione dell’Agentic AI possono crescere in maniera esponenziale, specialmente negli anni iniziali. Gli esperti di settore suggeriscono, però, strategie per gestire questa complessità finanziaria:

• Evitare di utilizzare modelli di ultima generazione per attività che non richiedono risposte in tempo reale;
• Ripensare ai modelli di calcolo utilizzabili al di fuori di ore di punta;
• I lavori “in differita” (job in differited) su sistemi meno performanti ma dedicati, permettono di abbassare sensibilmente il dispendio economico;
• Utilizzare processi di ottimizzazione scalabili per ridurre sprechi e aumentare efficienza.

Marazzi sottolinea anche l’importanza di adottare uno strumento di governance tecnologica centralizzato, in grado di coordinare i dati di sistema e gestire le interazioni con l’Agentic AI in maniera coerente. Questo permetterà di garantire la sostenibilità tecnica e la conformità agli standard di sicurezza legale.

Open source e frammentazione tecnologica

Un altro problema rilevante con le soluzioni basate su framework open source per lo sviluppo di agenti autonomi è la loro natura non integrata e frammentata. Spesso, questi strumenti sono di difficile gestione, specialmente quando si richiede l’analisi di grandi moli di dati aziendali.

Andrea Radovisc, esperto di IBM Italia, suggerisce l’uso di piattaforme di orchestrazione come IBM watsonx, le quali consentono di:

• Unificare la gestione di molteplici agenti aziendali;
• Coordinare processi che interessano aree verticali diverse;
• Applicare regole di controllo rigorose;
• Garantire conformità ai regolamenti, compreso il recente AI Act europeo;
• Offrire strumenti di personalizzazione basati su funzionalità low-code per facilitare aggiornamenti rapidi.

Dal proof of concept all’integrazione

I passaggi chiari per arrivare a una piena integrazione dell’Agentic AI nei processi aziendali comprendono la creazione di un modello scalabile, la definizione di metriche di risultato misurabili, l’applicazione di architetture informatiche resilienti, e la collaborazione con esperti tecnici e del business.

Le aziende che hanno già iniziato a sperimentare in maniera strutturata riferiscono una netta riduzione del carico operativo, miglioramenti nella qualità decisionale e una maggiore adattabilità ai cambiamenti del mercato.

Per evitare il rischio di fallire durante la fase di integrazione, è essenziale mantenere una forte comunicazione interna, monitorare i costi con attenzione, e valutare sempre i ritorni economici e operativi prodotti.

Visione prospettica

Il mercato italiano sta vivendo un momento di transizione tecnologica cruciale, in cui l’Agentic AI promette di ridefinire radicalmente la gestione operativa e l’automazione aziendale. La sua adozione richiede però una preparazione metodologica solida, una visione a termine