Trend AI 2026: cosa conta davvero per un’azienda AI-first

Gli agenti eseguono, se glielo permetti

L’agente che porta a termine un processo — apre il caso, verifica l’anagrafica, aggiorna il gestionale, risponde al cliente — è il salto reale rispetto all’assistente che scrive testi. È anche quello che fallisce più spesso, e quasi mai per colpa del modello.

Fallisce perché per eseguire serve il permesso di scrivere dentro un sistema, e quel permesso oggi ce l’hanno solo le persone. Fallisce perché il dato su cui deve decidere esiste in tre posti con tre valori diversi. E perché nessuno ha deciso chi risponde quando sbaglia.

Prima di finanziare un agente, verifica che siano vere tutte e quattro le condizioni qui sotto. Se ne manca una non stai comprando un agente, ma un progetto di riordino di dati e permessi travestito da AI: farlo va benissimo, purché lo chiami col suo nome.

• Il processo è già descritto da qualche parte, e due persone che lo eseguono lo raccontano allo stesso modo.
• Esiste un sistema di riferimento per i dati che l’agente deve leggere, non tre fogli in disaccordo tra loro.
• L’agente ha un’identità tecnica propria, con permessi minimi, log di ogni azione e la possibilità di annullarla.
• C’è un responsabile umano con nome e cognome per gli esiti, e una soglia oltre la quale il caso torna a lui.

Verticali o generalisti è la domanda sbagliata

Il mercato ti chiede di scegliere tra modelli generalisti e modelli specializzati per settore. È una scelta che quasi mai devi fare tu: il vantaggio passa da una parte all’altra più volte l’anno e rimette in discussione la decisione presa sei mesi prima.

La domanda vera è quanto ti costa cambiare modello. Se la risposta è due settimane di lavoro e una serie di verifiche da rilanciare, il tema è chiuso e puoi seguire il mercato. Se avete costruito tutto attorno a un fornitore, hai un problema di architettura, non di trend.

In pratica: tieni prompt, dati e regole di business fuori dal modello, con un set di casi di prova che puoi rilanciare in un pomeriggio. Chi lavora così ha cambiato fornitore più volte senza fermarsi; chi non lo fa resta su una versione che non aggiorna per paura di rompere qualcosa.

I dati proprietari valgono se sono raggiungibili

«I nostri dati sono il vantaggio competitivo» è vero e inutile insieme. Vero, perché nessun modello pubblico conoscerà mai il tuo storico di assistenza o i tuoi verbali di collaudo. Inutile, perché quel vantaggio esiste solo se quei dati sono interrogabili da un sistema, con struttura stabile e regole chiare su chi può vederli.

Un gruppo manifatturiero con vent’anni di rapporti di intervento in PDF scansionati non ha un patrimonio di dati: ha un archivio. Tra le due cose ci sono mesi di lavoro noioso, impossibile da presentare al board e decisivo per il risultato.

C’è poi un lato legale che emerge sempre tardi. Se in quei dati ci sono persone — clienti, dipendenti, fornitori — riusarli per alimentare un sistema di AI non è automatico: serve una base giuridica coerente con la finalità per cui li hai raccolti, e serve poterla spiegare. È questo a decidere se il caso d’uso va in produzione o muore in revisione.

Il costo dell’inferenza a regime

Il prezzo per singola richiesta scende ogni anno, e proprio per questo il conto in produzione viene quasi sempre sbagliato. A farlo non è il prezzo unitario: sono i volumi reali, il contesto che passi a ogni chiamata e i tentativi necessari per arrivare a una risposta accettabile.

Un prototipo che gira su qualche decina di casi al giorno, con un ingegnere che riprova a mano quando il risultato non convince, dice poco su cosa succede a volumi pieni con un livello di servizio da rispettare. Il numero da portare in comitato è quanto ti costa arrivare a un caso chiuso, tentativi falliti e ore di controllo comprese.

Poi mettilo accanto al costo di farlo a mano oggi. Se il vantaggio è di pochi punti, non hai un progetto ma un esperimento costoso da tenere piccolo. Se è un multiplo, industrializzalo.

La parte difficile è organizzativa

Quello che decide l’esito non sta quasi mai nel software che hai comprato. Sta nel fatto che il processo cambia forma, e con lui ruoli, controlli e il modo in cui si misura il lavoro delle persone. Una funzione valutata da anni sul numero di pratiche lavorate non applaude un sistema che le lavora al posto suo.

Il segnale è sempre lo stesso: il pilota funziona, l’estensione al resto dell’organizzazione si blocca. Una società di servizi finanziari può mandare in produzione un assistente eccellente e vederlo usato da una minoranza del team, mentre gli altri continuano col metodo di prima.

Per questo, davanti a ogni iniziativa, la domanda da fare è: chi cambia lavoro se funziona? Se la risposta è nessuno, stai finanziando un tool in più. Se è precisa, hai un progetto vero — e sai con chi parlare prima di partire.

Cinque domande prima di firmare

Non ti serve una strategia AI. Ti serve un filtro che regga anche quando a spingere è il capo di una funzione importante. Le iniziative che superano tutte e cinque le domande sono poche, in certi trimestri zero: è il risultato giusto.

La mossa concreta: prendi le iniziative AI aperte oggi in azienda, comprese quelle informali che nessuno ha mai approvato, e mettile su un foglio con cinque colonne, una per domanda. Un pomeriggio di lavoro, due liste: quella corta che merita budget nei prossimi dodici mesi, e quella lunga che stai già pagando in tempo delle persone senza averlo mai deciso.

Le domande, in quest’ordine. La prima risposta vaga chiude la valutazione.

• Quale voce del P&L si muove se funziona, di quanto, e chi è già oggi responsabile di quella voce?
• I dati necessari esistono in un sistema interrogabile adesso, o vanno prima ricostruiti da archivi e fogli sparsi?
• Chi deve cambiare modo di lavorare perché il risultato si veda, e quella persona ha già detto di sì?
• Il costo per caso completato a volumi pieni, tentativi falliti e controllo umano inclusi, resta sotto il costo di oggi?
• Se il sistema sbaglia davanti a un cliente o a un’autorità, sappiamo spiegare come ha deciso e chi ne risponde?