Lo stato attuale dell’adozione degli agenti IA
Nel panorama aziendale i risultati sono ancora limitati: il 58 % delle imprese sperimenta agenti in progetti pilota o proof of concept, il 19 % li utilizza in singole aree operative, mentre solo l’1 % li impiega end‑to‑end in più processi chiave. I dati provengono dallo studio “Agentic AI: dal copilota al pilota automatico”, realizzato da Lünendonk in collaborazione con Sopra Steria e altri partner, che ha intervistato 180 responsabili IT e di business della regione DACH.
Tra test e operatività, però, molti progetti si arenano. Due terzi delle aziende dichiarano che meno di un quarto dei loro piloti IA è passato alla produzione. L’autore della ricerca prevede che entro il 2027 gli agenti diventeranno una componente fissa del quotidiano aziendale, ma il ritorno economico rimane incerto. Per orientare le decisioni, vengono proposte cinque domande fondamentali.
1. È davvero necessario un modello di punta?
I modelli linguistici più potenti possono fare molto più di quanto richiedano i processi aziendali tipici. Se, ad esempio, si vuole pre‑verificare segnalazioni di danni o confrontare bolle di consegna, pagare per ogni token su un modello grande significa spendere per capacità inutili. Spesso è sufficiente un modello più piccolo e aperto, riaddestrato con la terminologia e le regole specifiche dell’impresa.
Questo “fine‑tuning” richiede solo una frazione del tempo di calcolo rispetto a un training completo. Il risultato può essere gestito internamente, dove risiedono i dati, eliminando dipendenze da prezzi e licenze di fornitori esterni. Modelli europei come SOOFI, sviluppato con il Fraunhofer IAIS, dimostrano come questa strategia rafforzi la sovranità digitale.
2. Dati e interfacce sono pronti?
Secondo i partecipanti all’indagine, i motivi principali per cui i piloti rimangono bloccati includono:
- mancanza di infrastrutture tecniche adeguate;
- insufficiente integrazione dei dati;
- preoccupazioni sulla sicurezza;
- carenza di personale qualificato.
Le previsioni di investimento riflettono queste criticità: il 98 % delle aziende intende investire fortemente nella qualità e integrazione dei dati nei prossimi due anni, mentre il 94 % punta su piattaforme per l’orchestrazione degli agenti e sull’infrastruttura IT. Il 73 % ritiene molto probabile che gli agenti completino i software esistenti senza sostituirli, ma ciò richiede interfacce aperte verso i sistemi attivi.
3. Chi può fare cosa e chi controlla?
Un agente che genera ordini o modifica dati clienti deve operare con un’identità propria e accedere solo alle risorse strettamente necessarie. Intorno a lui deve esserci un framework tecnico che:
- registra tutte le azioni;
- nasconde i dati sensibili;
- richiede approvazione umana per operazioni critiche.
Poiché gli agenti scelgono autonomamente strumenti e fonti durante l’esecuzione, una singola verifica preliminare non è sufficiente. È indispensabile un monitoraggio continuo, supportato da agenti di controllo specializzati, in grado di intervenire più rapidamente di quanto possa fare un operatore umano.
4. Quanto può essere autonomo il processo?
Le imprese intervistate adottano un approccio prudente. Nei processi ad alto rischio, il 65 % consente agli agenti solo di fornire raccomandazioni, lasciando la decisione finale all’uomo. Questa graduazione è adeguata finché è legata alla maturità della governance interna. Chi non riesce ancora a gestire in tempo reale regole, ruoli e controlli non dovrebbe concedere agli agenti libertà al di fuori dell’organizzazione.
Stabilire standard vincolanti accelera i progetti, poiché i team non devono negoziare caso per caso quali azioni siano consentite.
5. Il modello è economicamente sostenibile?
Durante la fase pilota i costi per token sono quasi impercettibili. In produzione, con migliaia di richieste giornaliere e agenti che si scambiano compiti, le spese possono erodere i benefici attesi. Prima di scalare, è necessario calcolare i costi operativi:
- Quale modello gestisce quale compito?
- Dove è possibile utilizzare un modello più piccolo?
- Quali richieste possono essere raggruppate per ridurre i token?
Un’architettura modulare, in cui i modelli sono intercambiabili a seconda del compito, mantiene i costi sotto controllo.
Prospettive per il futuro
Al KI Summit del Handelsblatt, che si terrà il 16 e 17 novembre a Monaco, Martin Stolberg e il Prof. Dirk Hecker del Fraunhofer IAIS approfondiranno queste tematiche nel loro intervento “Agentico, sicuro, scalato: le scelte per un uso profittevole dell’IA nel 2027”.