Una società di AI agentica raccoglie 950 milioni di dollari a una valutazione superiore ai 15 miliardi e l’industria smette di chiamare “esperimento” quello che fino a un anno fa era un proof of concept. Il CTO di Star Sergii Gorpynich propone una scala a cinque livelli di autonomia per misurare quanto un’azienda può davvero delegare agli agenti AI, da L1 (copilot assistivi) a L5 (impresa che ridefinisce sotto-obiettivi da sé). Il quadro serve a separare chi insegue una promessa di marketing da chi ha processi candidati, dati puliti e controlli per fare il passo successivo.
Conta perché Gartner ha previsto che oltre il quaranta per cento dei progetti di AI agentica verrà cancellato entro fine 2027, per costi in crescita, ritorni opachi e governance fragile. La maturità digitale media delle imprese non somiglia a quella delle case study americane di JPMorgan o delle big tech: salire di un solo livello in due-tre anni è un risultato realistico, salire di tre è marketing.
L’AI agentica non automatizza compiti, automatizza esiti.
L’impresa autonoma non si compra in licenza
La pitch del vendor agentico arriva ovunque con la stessa promessa: l’impresa che si governa da sola, in cui gli agenti pianificano, eseguono e correggono entro vincoli di policy. La promessa è reale ma costa anni di lavoro organizzativo prima ancora che tecnologico. Capgemini ha intervistato 1.500 executive in 14 paesi e solo il due per cento ha agenti AI deployati su larga scala, il 12 per cento a scala parziale, 23 per cento in pilot, 61 per cento ancora in esplorazione. Il 71 per cento dichiara di non fidarsi pienamente di agenti autonomi in contesto enterprise.
I numeri italiani sono peggio. Le imprese sopra i dieci addetti che adottano l’AI sono il sedici per cento, e una larga parte si limita a copilot assistivi sul singolo desktop. Il resto è ERP che non parlano fra loro, processi non documentati, owner di processo che cambiano ogni diciotto mesi. L’impresa autonoma in slide convive con la riconciliazione di fatture in Excel, e nessuna licenza colma quella distanza.
Deloitte ha intervistato 3.235 leader enterprise per il State of AI 2026: il venticinque per cento riporta effetti trasformativi, in crescita di tredici punti sull’anno precedente, ma solo il ventuno per cento ha un modello di governance maturo per gli agenti autonomi. Sull’altro versante, Deloitte Insights segnala che gli agenti AI scalano più rapidamente delle salvaguardie predisposte intorno. Chi vende L5 senza un disegno di accountability sta vendendo una scatola nera con licenza annuale.
Cinque livelli, e una soglia che taglia in due le imprese
Gorpynich definisce L1 come Assisted Automation: copilot di sintesi, plugin che bozzano risposte, motori di ricerca interna. La decisione resta umana, l’interazione con i sistemi enterprise pure. L2 come Partial Autonomy: l’AI prende decisioni in domini circoscritti, con guardrail e soglie di confidence; le persone gestiscono le eccezioni. È il livello in cui vivono oggi i ticket di livello uno, il routing delle email, le riconciliazioni standard.
L3 come Cross-Functional Autonomy è il salto vero: più agenti coordinano tra customer service, operations e finance, ottimizzano su esiti e non su workflow fissi. L4 come Near-Autonomous Enterprise: l’azienda gira in modo agentico entro perimetro policy, gli agenti pianificano, eseguono, monitorano, correggono; le persone definiscono strategia, etica, vincoli di rischio. L5 come Fully Autonomous Enterprise: l’AI propone sotto-obiettivi e raffina la strategia entro limiti concordati, il board governa l’AI come governance corporate.
Salire di un livello in tre anni è risultato, salirne tre è marketing.
Il framework CISR del MIT Sloan, articolato su quattro stadi, dice una cosa interessante: la performance finanziaria delle aziende negli stadi uno e due resta sotto la media di settore, sopra la media negli stadi tre e quattro. Sulla scala Gorpynich L1 ed L2 valgono come condizione minima per non perdere terreno, non come vantaggio competitivo già acquisito. Il punto di svolta sta in L3, dove gli agenti smettono di fare compiti e cominciano a ottimizzare obiettivi.
Bain ha misurato che le tech-forward enterprise hanno ottenuto tra il dieci e il venticinque per cento di EBITDA in più scalando il retrieval informativo e l’AI single-task tra 2023 e 2024. JPMorgan Chase ha oltre 450 use case agentici in produzione, sei per cento di conti gestiti in più per dipendente in operations, undici per cento di costi frode in meno per unità. Sono numeri di L3 inoltrato, frutto di vent’anni di investimenti in dati, una funzione operations che misura tutto, un budget tecnologico paragonabile al PIL di un piccolo Stato.
Matrice di autovalutazione per CIO e imprenditori
| Livello | Cosa vedi in azienda oggi | Processi candidati | Soglia per salire | Human in the loop | Metrica di successo |
|—|—|—|—|—|—|
| L1 — Assisted Automation | Copilot Office, ChatGPT enterprise, plugin di sintesi sui ticket | Stesura prima bozza, sintesi documenti, ricerca interna | Dati di qualità sui processi ripetitivi, owner di processo nominato | Persona decide, esegue, supervisiona tutto | Ore risparmiate, soddisfazione utente interno |
| L2 — Partial Autonomy | Agenti su domini circoscritti (ticket livello 1, riconciliazione fatture, routing email) | Customer service tier 1, AP automation, claim triage, KYC | Guardrail formalizzati, soglie di confidence, logging completo delle azioni | Persona gestisce eccezioni e casi sopra soglia | Tasso di risoluzione autonoma, costo per pratica, tempo di ciclo |
| L3 — Cross-Functional Autonomy | Agenti che coordinano customer service, ops e finance, ottimizzano su obiettivi | Pricing dinamico, supply chain reattiva, gestione frodi, R&D assistita | Outcome-based KPI, integrazione cross-system, governance multi-agente | Persona definisce policy, audit settimanale, sblocca casi escalation | EBITDA per linea di business, time-to-decision, riduzione errori cross-funzionali |
| L4 — Near-Autonomous Enterprise | Operations sul pilota automatico entro perimetro policy, intervento umano solo per eccezioni | Aree back-office, larga parte di sales ops, parte di product ops | Modello operativo riscritto, policy come codice, controllo continuo, sicurezza by design | Persona definisce strategia, etica, vincoli di rischio | Crescita autonoma per linea, indice di adattamento, riduzione FTE su processi ripetitivi |
| L5 — Fully Autonomous Enterprise | L’AI propone sotto-obiettivi, alloca risorse, raffina strategia entro vincoli | Sperimentale, nessun caso enterprise consolidato | Modello di accountability ricostruito, board che governa AI come governance corporate | Board, autorità etica, garante di rischio | Ritorno sul capitale, resilienza, indicatori di fiducia stakeholder |
RPA non muore, cambia mestiere
I tre big dell’RPA classico hanno virato in blocco verso architetture agent-based nel corso del 2026. UiPath ha lanciato Agent Builder, Maestro e ScreenPlay, integrando ragionamento e orchestrazione su uno stack che fino a ieri eseguiva script deterministici. Automation Anywhere ha acquisito Aisera ed è in trattativa di fusione con C3.ai. Blue Prism, dopo l’integrazione in SS&C, ha rifocalizzato la sua roadmap su agenti AI nei flussi mission-critical regolamentati. Il pivot è un’ammissione strutturale: il vecchio modello da solo non basta più.
Senza dati puliti l’autonomia diventa scatola nera con licenza annuale.
La differenza tecnica conta. RPA classico esegue esattamente quello che è scritto: click-and-paste, navigazione su interfaccia, copia di campi tra sistemi. Fragile sulle variazioni di interfaccia, manutenzione che diventa il lavoro principale del team automation oltre i duecento bot in produzione. Agentic AI riceve un obiettivo, ragiona su come raggiungerlo, sceglie gli strumenti. La manutenzione si sposta da “aggiustare script rotti” a “migliorare guardrail e ampliare capability”. Per chi ha già un parco RPA in produzione, salire da L2 a L3 significa riscrivere i processi prima di sostituire i bot.
Chi ha appena finito di stabilizzare 150 bot UiPath non li butta via, ma deve smettere di pensarli come prodotti finiti. Diventano nodi esecutivi che un agente coordinatore può richiamare, modificare al volo, sostituire quando una API più efficiente arriva sul mercato. È un cambio di architettura, più che un upgrade di licenza. Per molte imprese il modo più sensato di prepararsi all’era agente è ammettere che il parco RPA esistente è un asset solo se inserito in un disegno composabile.
Il modello operativo vecchio è il vero rischio, più dell’agente sbagliato
La previsione Gartner del quaranta per cento di progetti cancellati entro fine 2027 è una diagnosi, prima che un endorsement allo scetticismo. I progetti muoiono perché costano più del previsto, perché i KPI di ritorno restano opachi, perché manca la governance. Capgemini stima 450 miliardi di dollari di valore generato dagli agenti entro il 2028, e la stessa survey dice che quasi tre executive su quattro non si fida di delegare interamente decisioni operative.
Il valore arriva dove si è investito in dati, in processi documentati, in metriche di esito. Si ferma dove l’AI agentica viene calata su un’organizzazione che non ha mai mappato chi fa cosa con quale autorità. L’agente amplifica il problema organizzativo invece di risolverlo. Chi vende l’impresa autonoma prima di capire come funzionano il KYC, il claim management o il pricing del cliente sta vendendo la stessa cosa che venti anni fa si chiamava “trasformazione digitale” e quindici anni fa “business process re-engineering”.
Per la maggioranza il salto è da L2 a L3, e basta
Lo scetticismo sano chiede quale processo, con quali dati, con quale metrica di esito, con quale soglia di confidence l’agente diventa accettabile. Per la stragrande maggioranza delle imprese il taglio realistico è L2 oggi, L3 entro tre anni, e basta. L4 ed L5 sono materiale da panel, non da budget. Chi promette altrimenti sta usando le slide di JPMorgan per vendere a un’azienda con quindici anni di debito tecnico in ERP, processi orali e governance che cambia con il CIO.
Il decision-maker che riceve la pitch deve sapere che la slide finale del consulente vale solo se davanti ha un’azienda che ha già finito i compiti precedenti. Dati di qualità sui processi candidati, owner nominato, soglie di confidence, logging completo, KPI di esito. Senza questi, l’agente AI diventa il quarto livello di RPA: utile in tasca, devastante quando il workflow di base resta quello del 2010. È a questo livello che si gioca la partita del valore, non sulla scelta tra UiPath Maestro e Automation Anywhere.
Il quaranta per cento dei progetti agentici muore prima del 2028.
La scala a cinque livelli è uno strumento utile esattamente nella misura in cui smonta la promessa del vendor che mette in slide L5 a chi non ha ancora messo in produzione L1. Vale come griglia di autodiagnosi prima della call con il fornitore, non come roadmap aspirazionale da firmare in budget. Il livello giusto da promettersi è quello immediatamente superiore a quello in cui si è davvero, e l’unico modo onesto di scoprirlo è guardare i propri processi, non le slide del vendor. Per chi guarda all’orizzonte, l’architettura componibile resta la traccia più sensata per non bruciare il prossimo ciclo di budget agentico.
#Adessonews seleziona nella rete articoli di particolare interesse.
Se vuoi leggere l’articolo completo clicca sul seguente link
Marco Ferretti
Source link
