Oltre i chatbot: la sfida del valore nell'era degli agenti intelligenti

02/08/2026 ECONOMIA Condividi Preferisci Informazione.News su Google

Redazione Economia   -   Per due anni abbiamo parlato di modelli. Più potenti, più veloci, più economici. La gara tra OpenAI, Anthropic, Google e Meta è sembrata soprattutto una corsa a chi avesse il cervello artificiale migliore. Ma ora il baricentro si sta spostando altrove. Il vero nodo non è più il modello. È il sistema.

A dirlo non è un osservatorio straniero, ma una delle voci più autorevoli del panorama imprenditoriale italiano, quella di Marco Bragadin, Ceo di Datlas, azienda specializzata nella digitalizzazione dei processi di business che già utilizza agenti intelligenti integrandoli con saperi e competenze umane.

La fine della corsa ai modelli

Non è un passaggio banale. Significa che il valore non si genera più soltanto nella capacità di un'intelligenza artificiale di rispondere bene a una domanda. Si genera nella sua capacità di collaborare con persone, software, database e processi aziendali. In altre parole: il futuro non è un chatbot più brillante. È un ecosistema di agenti AI che lavorano dentro l'impresa.

Questo cambio di prospettiva è stato sancito, tra gli altri, dal recente lancio di "Presence" da parte di OpenAI, un annuncio che ha scosso i mercati con un effetto a cascata su alcune delle principali software house mondiali: tra la mattina di mercoledì 22 luglio e la chiusura di giovedì 23 luglio, HubSpot ha perso il 12,7%, Atlassian l'11,8%, Workday il 9,9%, Salesforce il 7,7% e Okta il 4,2%. Un crollo che fotografa un timore preciso: gli agenti possono comprimere in una conversazione attività vendute finora come licenze per utente.

Ma il mercato, forse, parte da una domanda incompleta: chi risponde quando l'agente sbaglia?

Una nuova economia della collaborazione

Il punto è che l'economia degli agenti è più complessa della semplice automazione. Non sostituisce soltanto il lavoro, ma ne cambia la struttura. Prendiamo un settore ad alta densità informativa come quello assicurativo o finanziario. Ogni pratica è un mosaico di documenti: fotografie, contratti, email, referti, moduli, perizie. Per anni il collo di bottiglia è stato umano: leggere, verificare, confrontare. Oggi l'AI può leggere tutto in pochi secondi.

Datlas, per esempio, trasforma grandi volumi di dati non strutturati in informazione operativa usando Document Intelligence, AI generativa e computer vision per leggere, classificare e correlare automaticamente la documentazione di un sinistro. Come spiega Bragadin, l'intelligenza artificiale non prende decisioni al posto delle persone: il suo compito è eliminare il lavoro che non contribuisce alla conoscenza del processo. L'AI prepara il terreno decisionale, evidenzia anomalie, collega dati, segnala incoerenze e riduce il rumore informativo, mentre il giudizio finale resta nelle mani umane.

E qui emerge il paradosso economico più interessante: più automatizzi, più aumenta il valore delle competenze umane ad alto contenuto cognitivo. Se una macchina si occupa di leggere 500 documenti, il valore dell'essere umano non sta più nella lettura, ma nella capacità di interpretare eccezioni, comprendere contesto, valutare rischio e prendere decisioni complesse.

Il costo organizzativo dell'automazione

Bragadin pone una domanda che oggi attraversa tutte le aziende, e che riguarda soprattutto i profili junior. Se l'AI automatizza il lavoro operativo di ingresso, dove si formeranno i professionisti di domani? Storicamente l'apprendimento aziendale passa attraverso attività apparentemente meccaniche: controllare pratiche, fare verifiche, leggere documentazione. È lì che si costruisce la conoscenza tacita, il percorso attraverso cui un junior diventa senior. Se saltiamo quel passaggio rischiamo un cortocircuito: aziende più efficienti nel breve periodo, ma più fragili nel lungo.

Questo è il vero costo dell'automazione, che non è tecnologico ma organizzativo. Datlas ha sperimentato questa tensione mettendo junior e senior a lavorare con agenti AI, ottenendo risultati interessanti e controintuitivi: i junior hanno usato l'intelligenza artificiale soprattutto come strumento di apprendimento, chiedendo spiegazioni, esempi e tutoring; i senior, invece, come strumento di delega operativa, cercando velocità e mantenendo il controllo architetturale.

Due approcci opposti, entrambi utili, che testimoniano come non esista un solo modo corretto di usare l'AI, ma un passaggio da considerarla uno strumento che esegue ordini a utilizzarla come un interlocutore progettuale.