Internet Manager Blog

Non abbiamo ancora capito che cosa fare con gli LLM in azienda e già i media ci dicono che siamo nell’era agentica, e quindi siamo in ritardo! E quali sono le differenze reali tra la “vecchia” Ai generativa (!) e quella agentica? E come le possiamo usare?

Sono le conversazioni che immagino in molte aziende italiane e globali, di tutti i settori.

Se guardiamo ai dati dei report internazionali la situazione si rispecchia perfettamente con questo smarrimento: l’82% dei membri della C-suite secondo Accenture prevede cambiamenti radicali entro il 2026, ma solo il 55% si sente pronto, mentre Deloitte documenta che il 74% delle aziende prevede di rilasciare agentic AI entro due anni, ma solo il 21% ha un modello di governance maturo per agenti autonomi.

Ancora, secondo McKinsey il 62% delle aziende sperimenta agenti AI, ma solo il 23% li sta scalando.

E sulla stessa linea si muovono anche gli Ai Pulse di PwC, EY, KPMG e molti altri.

Eppure questa marcia sembra inarrestabile nelle stime degli analisti: Gartner ipotizza, ad esempio, che entro il 2029 ben l’80% delle interazioni di customer care avverranno attraverso agenti automatici.

Tanti numeri, tante considerazioni. Dove sta la verità? E dove il punto di equilibrio?

SI FA PRESTO A DIRE AGENTE

Gli agenti non si limitano a suggerire e segnano un passo importante rispetto all’automazione tradizionale (RPA, workflow rule-based) che esegue sequenze predefinite di passaggi: i nuovi agenti navigano interfacce, compilano form e interagiscono con i gateway di pagamento in modo autonomo e con strategie che si adattano al momento.

La parte agentica è diversa poi anche dalla generative Ai che abbiamo conosciuto subito prima; per fare un semplice esempio concreto:

• Generativa: “Scrivimi una email di follow-up per questo cliente”: la AI ti dà il testo, tu la mandi.
• Agentica: “Gestisci il follow-up con i clienti che non hanno risposto questa settimana”: qui l’agente legge il CRM, identifica i clienti, scrive le email personalizzate, le manda, aggiorna il CRM, ti avvisa solo se trova un caso anomalo.

La differenza non è nel modello sottostante (spesso è lo stesso LLM), ma nel loop: l’AI generativa prende un input, produce un output (testo, immagine, codice) e si ferma.

Gli agenti invece, come dice il nome, agiscono.

Agire però è un concetto molto vasto: si può agire su compiti molto specifici e puntuali e poi chiedere l’autorizzazione e il controllo a qualcuno o all’estremo opposto gestire intere catene di lavoro senza mai aver bisogno di un approvatore; in mezzo ci sono un numero amplissimo di sfumature.

Anche l’impatto può essere molto diverso, può essere una versione modernizzata dell’automazione classica di un lavoro a basso valore aggiunto o si può pensare (soprattutto nel medio periodo) di rivedere interi flussi di lavoro complessi (sottolineo rivedere, non solo automatizzare).

Quindi, prima di tutto c’è uno snodo di ambizione e cultura: dobbiamo e vogliamo rendere tutto automatico o solo fare dell’efficienza puntuale? Vogliamo dare dei superpoteri ai singoli o avere pochi esperti a sviluppare centralmente questo soluzioni? Vogliamo ottimizzare l’esistente mantenendo i processi che abbiamo oggi o vogliamo ridisegnare completamente un’organizzazione con gli agenti come il motore del cambiamento?

E una volta capita questa ambizione, per noi è anche chiaro come ci si arriva?

Come sempre, per me il problema iniziale è la conoscenza: non si può pensare di usare bene qualcosa che non si conosce.

CHE APPROCCI POSSIBILI TECNOLOGICI CI SONO OGGI

Descrivere puntualmente le soluzioni agentiche di oggi è lavoro la cui validità può durare da poche settimane a pochi giorni, vista la velocità del cambiamento e degli annunci che si succedono. Penso che sia utile invece darsi una bussola,

Semplificando tantissimo quindi possiamo guardare a tre macro approcci:

• Gli agenti che sono forniti dalle piattaforme SaaS dentro le loro soluzioni: molti oggi sono soprattutto chatbot che rispondono a domande sui dati presenti (il che è già un valore) ma sempre di più questi oggetti si stanno evolvendo in veri agenti che portano a termine compiti.
• Delle piattaforme low code/no code dove anche degli utenti mediamente esperti possono creare i propri agenti con delle interfacce guidate
• Delle “cassette degli attrezzi” fornite dagli hyperscaler dove poter assemblare diverse capacità sviluppando codice

Questa è una semplificazione molto grezza, perché in tutti e tre i casi ci sono molte più sfumature, anche negli stessi singoli provider tecnologici che offrono diversi prodotti e livelli (non senza creare confusione in termini di licenze e offerte commerciali).

Il motivo per cui faccio questa divisione è più che altro legata alle implicazioni pratiche per le aziende (non parlerò qui di produttività individuale): la versione incorporata nel SaaS è alla fine in continuità con il modo di pensare alla tecnologia oggi, ossia il software vendor mi da già un prodotto finito che mi guida e io trovo un modo di creare un equilibrio tra il mio processo e quello che mi offre a scaffale.

Negli altri due casi invece, mi spingo di più sulla logica del creare gli agenti secondo i miei desiderata, con un diverso grado di competenza richiesta (anche qui, semplifico alla grande) in termini di capacità tecnologiche.

In questo, il processo logico è molto coerente con il tema dei citizen developer e con le opportunità e i problemi del vibe coding: serve una governance equilibrata che metta a disposizione gli strumenti alle persone e che guidi il processo senza eccedere nel controllo.

Il punto però è che con gli agenti alcuni temi diventano ancora più delicati, e quindi per chi non ha fatto un percorso come quello sopra il salto è ancora più grande.

MAGARI FOSSE “SOLO UN TEMA DI TECNOLOGIA”

C’è una cosa che mi colpisce sempre, specie quando faccio formazione o advisory sull’approccio strategico alle nuove tecnologie e al cambiamento che esse portano: alcuni concetti si stratificano ma tutto ha una logica di insieme.

Se ripercorriamo quindi una serie di considerazioni fatte negli anni, molte cose si ripetono e troviamo un filo logico che funziona anche in questo cambiamento dirompente.

Non posso andare in dettaglio qui sennò più che un post dovrei scrivere un libro, ma tramite i vari link potete poi approfondire i singoli punti.

Partendo da più lontano nel tempo, l’approccio POST (persone, obiettivi, strategia e tecnologia) vale sempre anche qui: la tecnologia è il grande abilitatore ma arriva solo alla fine, prima devo capire il grado di conoscenza delle persone, stabilire gli obiettivi, disegnare una strategia. Nel caso degli agenti questo, per esempio, può guidare le scelte su approcci più o meno custom e più o meno ampi.

C’è poi il tema dell’evoluzione organizzativa: dalla governance tecnologica fino alla gestione delle diverse connessioni organizzative passando per la poca attendibilità dei job title oggi le organizzazioni fanno ancora fatica a metabolizzare davvero il cambiamento che i nuovi strumenti portano al modo di lavorare. Ma ai clienti gli organigrammi e i problemi organizzativi non interessano (e nemmeno agli agenti)!

Collegato con questo, c’è il vecchio (guardate le date dei post) tema dell’allineamento interno che possa rendere i propri colleghi degli agenti di trasformazione, superando le classiche frammentazioni grazie ad una migliore visione di insieme.

In questo, è importante anche il tema di avere una literacy diffusa sulle potenzialità degli strumenti.

Tutti questi punti ci portano quindi al tema dell’importanza delle fondamenta su cui costruire il futuro delle organizzazioni, con l’ingegneria del valore (e non del software) come metodo di scelta principale delle scelte di innovazione.

Scavando nel ragionamento sul valore, dovremmo arrivare poi alla comprensione che un grande asset distintivo è la conoscenza, che va gestita e codificata in modo strutturato per creare un reale vantaggio oggi che gli LLM e gli strumenti Ai diventano sempre più una commodity.

Infine, tutto questo lavoro sulla consapevolezza e le fondamenta dovrebbero aiutarci a gestire meglio l’approccio alla gestione economica dei nuovi strumenti, perché la AI non è gratis.

Tanta roba? Sì, ma sono tutti compiti a casa che non abbiamo fatto prima! Ora gli agenti aggiungono qualche ultimo mattoncino.

CHE COSA AGGIUNGONO IN PIU’ GLI AGENTI E QUALCHE CONCLUSIONE

Visto tutto quello che ho scritto prima, finisco con qualche nota più specifica sugli agenti in sé.

Un primo aspetto fondamentale è quello di essere consapevoli del fatto che le azioni hanno delle conseguenze, e quindi serve cautela: se un chatbot sbaglia a riportare un dato è un problema ma se su questo si scatenano azioni più o meno ampie i danni possono essere molto più grandi.

Secondo Forrester, l’implementazione di un’agentic AI nel 2026 causerà una breach pubblica: tipicamente gli agenti hanno gli stessi accessi ai dati dei dipendenti che li creano ma, diversamente dagli umani, sono molto più metodici e “motivati” a usarli al massimo.

Gli errori si moltiplicano quindi molto velocemente e con impatto molto intenso, anche perché sempre più singoli agenti triggerano altri agenti. E magari l’errore è in un altro processo a monte di quello che abbiamo intercettato.

Quando si verificano questi fallimenti, alcuni trattano gli agenti IA come entità a sé stanti, mentre altri puntano il dito contro i singoli dipendenti, ma violazioni come queste sono dovute a una cascata di errori, non a un singolo individuo.

Inoltre, secondo una ricerca dell’Enterprise Strategy Group (ESG), il 38% delle organizzazioni cita la mancanza di chiarezza sugli obiettivi aziendali come principale ostacolo alla realizzazione del valore dell’IA.

Collegato con questo c’è il grande tema dell’orchestrazione, che è sia una caratteristica tecnica delle piattaforme che un approccio aziendale.

Come scrive IBM, i vantaggi dell’orchestrazione AI includono:

• Maggiore scalabilità
• Maggiore efficienza
• Collaborazione migliore
• Prestazioni migliorate
• Governance e conformità più affidabili

Orchestrare chiaramente è più complesso ma è il modo in cui si scala davvero il valore.

Infine c’è il tema di iniziare a progettare le esperienze anche per i clienti non umani, specie per gli agenti che sempre più nel futuro le persone delegheranno a svolgere determinati compiti per proprio conto: le proprietà digitali dovranno parlare anche a dei clienti agentici che non guardano le immagini e non sono sensibili alle emozioni, ma che cercano informazioni di valore che giustifichino il prezzo e che non necessariamente sono visibili a frontend, insieme e per conto dei loro titolari umani.

Per molto tempo il valore dei siti e delle app è stato oggetto di un (legittimo entro certi limiti) compromesso tra aspetti estetici e aspetti tecnici, di solito a sfavore dei secondi anche oltre un livello equilibrato ma se ora la dicotomia tra pubblico umano e pubblico “sintetico” si amplia questa potrebbe essere un’occasione per fare convivere le due cose.

Sicuramente il tema è vasto e si potrebbero dire molte altre cose, alla fine però torno sui due punti che trovo fondamentali:

• servono consapevolezza e conoscenza sia degli strumenti che della propria organizzazione
• si deve continuare a costruire (e sperimentare) con una visione di insieme

Due concetti all’apparenza semplici ma finora molto trascurati nell’approccio alla trasformazione tecnologica. L’agentic Ai può aiutare tantissimo ad aggiustare molti problemi del passato ma bisogna conoscerli e volerli risolvere.

La verità non è necessariamente che siamo in ritardo: non c’è un punto di equilibrio uguale per tutti, e la strada si trova sperimentando con metodo, sapendo cosa si vuole ottenere e conoscendo i propri limiti organizzativi prima ancora che tecnologici. Non è una gara di velocità, è una gara di chiarezza.

Per questo la domanda giusta non è “siamo pronti per gli agenti?” ma “sappiamo ancora cosa vogliamo come organizzazione?” Gli agenti amplificano quello che c’è, nel bene e nel male, come già la GenAI. E forse ci aiutano ancora di più di quest’ultima a domandarci che cosa vogliamo fare davvero nel futuro.