Il divario tra ambizione e risultati: l’AI agentica promette ma l’infrastruttura (ancora) non c’è

10/04/2026 ECONOMIA Preferisci Informazione.News su Google

Redazione Economia   -   C’è una distanza enorme, quasi abissale, tra il rispondere a una domanda e il risolverla concretamente, e la maggior parte delle aziende – che pure affollano i convegni di settore brandendo la bandiera della trasformazione digitale – si trova ancora ferma al primo stadio. Lo so, "chatbot" suona già datato, una reliquia tecnologica che evoca i primi assistenti virtuali del 2015, quei piccoli popup sul sito dell’e-commerce che non capivano nulla e rispondevano con un secco "non ho compreso la tua richiesta". Oggi, però, il lessico è cambiato e si parla di AI agentica, il cuore pulsante e operativo della nuova impresa: un salto di paradigma che trasforma l’intelligenza artificiale da semplice interfaccia conversazionale a motore autonomo d’azione. Eppure, nonostante l’adozione su larga scala e un mercato in continua espansione, l’integrazione di Large Language Models (LLM) nei sistemi industriali sta inciampando contro una realtà fatta di silos dati, governance approssimative e una fiducia ancora tutta da costruire.

Il nodo della fiducia e il paradosso della produttività

L’AI agentica non è più una promessa da laboratorio, ma è ufficialmente entrata nei processi decisionali, promettendo di superare l’automazione rigida dell’RPA per abbracciare una nuova era di produttività accelerata. Tuttavia, a distanza di mesi dall’inizio della sperimentazione massiccia, i numeri raccontano una storia di luci e ombre. Secondo una ricerca condotta da AWS in collaborazione con Harvard Business Review Analytic Services – e che ha coinvolto centinaia di leader globali –, se da un lato l’84% dei dirigenti crede fermamente che l’AI agentica trasformerà il proprio business, dall’altro solo una minoranza, pari al 26%, si dichiara "molto efficace" nel capitalizzarne le potenzialità. Si tratta di un divario profondo, e in larga parte irrisolto, che emerge con chiarezza quando si analizzano i benefici effettivi: se il 36% delle organizzazioni riporta incrementi di produttività e un terzo parla di un miglioramento del decision-making, è altrettanto vero che solo il 5% si sente "molto preparato" dal punto di vista delle competenze interne, con il 48% che indica la mancanza di talenti come il principale ostacolo sulla strada.

Non aiuta, poi, la questione infrastrutturale. I sistemi IT odierni non sono stati progettati per supportare flotte di agenti autonomi che operano in contesti ibridi e multi-cloud; lo stesso Kyndryl, forte di decenni di esperienza nella gestione di infrastrutture critiche (risalenti ancora all’epoca precedente allo spin-off da Ibm), ha recentemente lanciato il suo "Agentic Service Management" proprio per colmare questo scarto. L’azienda, che esegue quasi 200 milioni di automazioni al mese attraverso migliaia di playbook certificati, ha capito che non si può scalare un workflow agentico su modelli operativi pensati per il lavoro manuale. E i dati le danno ragione: solo il 13% delle aziende dichiara di avere un’architettura dati "ben attrezzata" per sostenere l’AI agentica, mentre appena l’11% possiede strutture di governance all’altezza della situazione.

Kyndryl e la sfida dell’orchestrazione responsabile

Proprio per affrontare questo disallineamento strutturale, Kyndryl ha messo a punto un modello che unisce la sua lunga esperienza nelle attività di integrazione a una proprietà intellettuale costruita in decenni di lavoro sul campo. L’obiettivo, dichiarato da Kris Lovejoy (Global Head of Strategy dell’azienda), è fornire alle organizzazioni controlli chiari, pratiche ripetibili e percorsi di adozione misurabili, affinché gli agenti di IA possano agire in autonomia dove appropriato, mentre le persone mantengono la responsabilità ultima su governance, rischio e risultati del servizio. Questo nuovo equilibrio tra decisione umana e azione autonoma passa attraverso l’introduzione di "guardrail operativi" e un livello adeguato di supervisione umana, elementi che Kyndryl ha tradotto in un assessment di maturità capace di confrontare le policy esistenti con gli standard emergenti, inclusa la norma ISO 42001 per i sistemi di gestione dell’AI.

Non si tratta, quindi, di una semplice gara tecnologica, ma di una profonda riorganizzazione del lavoro. La maggior parte degli ambienti aziendali, spiega ancora Kyndryl, è stata costruita per persone che gestiscono ticket e strumenti, non per agenti digitali che pretendono dati puliti e processi standardizzati. Ecco perché, nonostante l’entusiasmo, quasi la metà delle organizzazioni fatica a generare ritorni misurabili dagli investimenti in intelligenza artificiale: la tecnologia c’è, ma l’impianto gestionale resta indietro, inchiodato a logiche pre-AI che limitano la scalabilità delle iniziative. La ricerca di Harvard Business Review, in questo senso, è impietosa: solo il 6% delle aziende si fida ciecamente degli agenti AI per gestire i processi core, mentre la stragrande maggioranza li relega ancora a compiti di routine o casi d’uso supervisionati.

Verso un nuovo equilibrio tra automazione e controllo umano

Per capire dove sia possibile direzionarsi, bisogna dunque partire da un presupposto: l’AI agentica non è un chatbot potenziato, ma un sistema che percepisce, ragiona e agisce. Mentre un chatbot si limita a eseguire uno script (spiegando magari dove si trova un pacco), un agente virtuale risolve il problema: verifica lo stato della spedizione, contatta il corriere, autorizza un rimborso o riemette l’ordine senza che un umano debba nemmeno aprire una schermata. Questa capacità di interrompere la catena della richiesta e trasformare l’input in azione concreta è ciò che rende l’agente AI "il cuore operativo della nuova impresa". Tuttavia, perché ciò avvenga su larga scala, non bastano algoritmi più raffinati: servono dati in tempo reale, API aperte e, soprattutto, una ridefinizione contrattuale e culturale delle responsabilità.

Le aziende, in sostanza, devono decidere a quali processi delegare il giudizio autonomo della macchina e quali, invece, tenere saldamente in mano umana. È una partita che si gioca sul filo della fiducia e della trasparenza, dove il rischio di "scatole nere" (agenti le cui decisioni sono incomprensibili agli operatori) frena l’adozione su vasta scala. Secondo le stesse rilevazioni, il 75% delle organizzazioni lamenta l’assenza di metriche chiare per misurare il valore dell’AI agentica, mentre la paura che gli agenti diventino ingestibili o prendano decisioni errate alimenta la resistenza interna. Per superare questo scoglio, Kyndryl propone un approccio "security-first" e l’adozione di framework di digital trust, mentre AWS, dal canto suo, invita a concentrarsi su quattro priorità: investire nelle fondamenta (dati e sicurezza), riqualificare il personale, costruire la fiducia in modo sistematico e definire il successo in termini misurabili fin dall’inizio.

In questo scenario di trasformazione, dove l’hype lascia presto il posto alla dura realtà dei fatti, la differenza tra chi riuscirà a cavalcare l’onda e chi verrà travolto dalla complessità si giocherà tutta qui: nella capacità di guardare oltre il singolo assistente vocale o il popup del sito, per abbracciare invece un’architettura organica dove l’uomo programma la strategia e la macchina ne esegue le operazioni, nel rispetto di regole e confini ben definiti.

Meta Description: Tra chatbot obsoleti e AI agentica, le aziende faticano a colmare il divario. Kyndryl lancia un nuovo modello gestionale per integrare LLM nei processi IT, con focus su governance e controllo umano.