Il dibattito sull’intelligenza artificiale sta attraversando una trasformazione strutturale. Dopo una prima fase dominata da assistenti digitali e casi d’uso puntuali, l’attenzione delle imprese si sta spostando verso gli agenti AI: sistemi software capaci di pianificare, agire, ricordare e apprendere per raggiungere obiettivi di business in modo sempre più autonomo. Secondo McKinsey, questa transizione segna l’ingresso in una vera e propria “era agentica”, in cui l’AI non si limita a supportare il lavoro umano, ma diventa un motore operativo dei processi aziendali.
Per il canale questa evoluzione rappresenta un punto di discontinuità. Gli agenti non sono semplicemente una nuova tecnologia da rivendere, ma un abilitatore di modelli di servizio più profondi e continuativi. Il valore si sposta dal prodotto al progetto, dalla licenza alla trasformazione, creando spazio per partner capaci di governare complessità, integrazione e cambiamento organizzativo.
Il CEO accelera, il canale diventa il moltiplicatore
Il contesto di mercato rafforza questa dinamica. Il rapporto AI Radar 2026 che il Boston Consulting Group ha presentato il 15 gennaio scorso mostra come l’intelligenza artificiale sia ormai una priorità di vertice: quasi tre quarti dei CEO si considerano oggi i principali decisori in materia di AI, e le aziende prevedono di raddoppiare gli investimenti nel 2026, portandoli in media all’1,7% dei ricavi. Gli agenti intelligenti, in particolare, sono visti come la leva principale per ottenere ritorni misurabili già nel breve termine.
Questa pressione dall’alto crea un’opportunità diretta per il canale. I CEO chiedono velocità, risultati e controllo dei rischi, ma raramente dispongono internamente delle competenze per riprogettare processi end-to-end, integrare sistemi eterogenei o costruire una governance dell’AI scalabile. Partner, system integrator e service provider possono posizionarsi come estensione operativa della leadership aziendale, traducendo l’ambizione strategica in soluzioni concrete.
L’impatto sulle aziende
Uno strumento che può permettere di soddisfare le richieste dei CEO è rappresentato dagli agenti AI, una delle tecnologie più dinamiche e in rapida crescita nel panorama dell’intelligenza artificiale aziendale, con un impatto crescente sulle modalità operative e strategiche delle organizzazioni. McKinsey stima che circa il 23% delle aziende ha già iniziato a scalare sistemi agentici in almeno una funzione, mentre un ulteriore 39% è in fase di sperimentazione, portando a un coinvolgimento complessivo di circa il 62% delle imprese in questa tecnologia. Gli agenti AI sono sistemi autonomi intelligenti capaci di pianificare, eseguire compiti e prendere decisioni in modo indipendente, andando oltre la semplice generazione di risposte per agire concretamente in vari contesti aziendali.
Questi agenti trovano applicazione soprattutto in ambiti come l’IT e il knowledge management, dove automatizzano processi complessi, migliorano l’efficienza operativa e facilitano la gestione delle informazioni. I settori che più adottano agenti AI sono quello tecnologico, i media e le telecomunicazioni e la sanità: sfruttano queste soluzioni per attività di customer service, analisi dati, gestione delle informazioni e automazione di processi ripetitivi. L’adozione degli agenti AI consente di migliorare la produttività, ridurre i costi operativi e supportare decisioni più rapide e basate su dati, contribuendo così a vantaggi competitivi significativi.
Cosa sono e come si usano gli agenti AI
Dal punto di vista tecnologico, gli agenti AI sono caratterizzati da un alto grado di autonomia e capacità di azione. Essi si basano su Large language model (LLM) e tecniche avanzate di apprendimento, come il fine-tuning e il Reinforcement learning from Human feedback (RLHF), che permettono di adattare il comportamento degli agenti agli obiettivi specifici e ai vincoli di sicurezza. Gli agenti integrano capacità di ragionamento e pianificazione multi-step, utilizzano memorie a lungo termine per mantenere il contesto tra interazioni e sono in grado di interagire con strumenti esterni tramite API, orchestrando azioni complesse in modo autonomo. Architetture multi-agent, in cui più agenti specializzati collaborano o competono per raggiungere obiettivi, aumentano ulteriormente la flessibilità e la scalabilità delle soluzioni.
L’adozione degli agenti AI comporta però anche rischi significativi, tra cui imprecisioni, bias, mancanza di trasparenza e potenziali comportamenti indesiderati. Per mitigare questi rischi, le organizzazioni includono la supervisione umana nelle decisioni critiche, usano sandbox per limitare le azioni potenzialmente pericolose, ricorrono alla verifica automatica delle fonti e alla trasparenza nelle decisioni degli agenti. Per individuare vulnerabilità e garantire affidabilità sono poi fondamentali tecniche di sicurezza come la sanitizzazione degli input, il controllo delle iniezioni di prompt, il monitoraggio in tempo reale e il red teaming. La privacy viene tutelata tramite crittografia, minimizzazione dei dati e approcci avanzati come il federated learning.
Dal punto di vista organizzativo, l’adozione efficace e sicura degli agenti AI richiede una strategia chiara con sponsorship da parte della leadership, team cross-funzionali che includano esperti di machine learning, sicurezza, legale e dominio di business, oltre a policy e processi rigorosi per la gestione del rischio, il controllo delle modifiche e la compliance. Il testing continuo, il monitoraggio delle performance e della sicurezza, la formazione degli utenti e la definizione di playbook per la gestione degli incidenti sono elementi fondamentali per garantire un’adozione responsabile e sostenibile.
Focus sui processi, affidabilità e riusabilità
McKinsey distingue tra agenti utilizzati come “agentic labor”, ossia strumenti che aumentano l’efficienza individuale o automatizzano singoli task, e “agentic engine”, sistemi nativi che riprogettano interi processi eliminando handoff e colli di bottiglia. È in questa seconda categoria che si concentra il maggiore potenziale di valore, con riduzioni di costo superiori al 40%, accelerazioni dei tempi di progetto del 40–50% e miglioramenti di produttività destinati a crescere oltre il 10% con la maturità dei team agentici.
Per il canale, questo spostamento implica una trasformazione dell’offerta. Cresce la domanda di servizi di process discovery, redesign dei workflow, orchestrazione di agenti e integrazione con applicazioni legacy, ERP e sistemi verticali. A ciò si aggiungono servizi continuativi di monitoraggio, ottimizzazione e controllo, che trasformano i progetti AI in flussi ricorrenti di ricavi.
L’analisi di oltre 50 implementazioni condotta da McKinsey dopo un anno di adozione dell’agentic AI offre indicazioni preziose anche per il canale. La prima è che il successo non dipende dalla sofisticazione dell’agente, ma dalla qualità del processo. I partner che guidano i clienti nella riprogettazione dei workflow (decidendo dove usare agenti, dove automazioni deterministiche e dove analitica tradizionale) sono quelli che riescono a generare valore sostenibile.
Un secondo punto riguarda l’affidabilità. Gli agenti devono essere “onboarded” come nuovi dipendenti, con ruoli chiari, regole, valutazioni e supervisione umana. Questo apre un mercato per servizi di testing, validazione, audit e miglioramento continuo, in cui il partner diventa garante della qualità e della fiducia, due fattori critici per scalare oltre la fase pilota.
Con la crescita del numero di agenti, emerge rapidamente il rischio di frammentazione. McKinsey evidenzia come la riusabilità di componenti e pattern possa eliminare fino al 30–50% del lavoro non essenziale, riducendo costi e complessità. Framework open source e piattaforme di orchestrazione diventano quindi centrali, ma richiedono competenze di integrazione e governo che non tutte le aziende possiedono.
Per il canale, questo significa presidiare le scelte architetturali: aiutare i clienti a bilanciare soluzioni proprietarie, open source e servizi cloud, evitando lock-in indesiderati e costruendo basi scalabili. In pratica, il partner diventa un vero architetto dell’ecosistema agentico del cliente.
Standardizzazione e open source: l’effetto Agentic AI Foundation
Un segnale importante di maturazione del mercato è la nascita dell’Agentic AI Foundation, annunciata dalla Linux Foundation lo scorso mese di dicembre. L’iniziativa mira a far crescere un ecosistema neutrale e open source per le tecnologie di agenti AI.
L’AAIF è partita con tre contributi open source considerati critici per l’interoperabilità degli agenti AI. Anzitutto il Model Context Protocol (MCP) che è firmato Anthropic ed è pensato per rivestire il ruolo di protocollo universale per connettere modelli AI a strumenti, dati e applicazioni, semplificando integrazioni che oggi richiedono sviluppo ad hoc. Da Block arriva invece Goose, un framework local-first per creare agenti che operano in ambienti fidati senza dover inviare dati sensibili al cloud pubblico, caratteristica importante per settori regolamentati. Infine, OpenAI propone AGENTS.md, un formato di documentazione che fornisce contesto e istruzioni agli agenti, rendendo i codici e le piattaforme leggibili per i sistemi che devono automatizzare build, test e deployment.
Alcuni analisti vedono nell’AAIF un’opportunità per trasformare il ruolo degli MSP. IDC osserva che standardizzare il modo in cui gli agenti comunicano e accedono ai dati può spostare il business degli MSP dal “gestire dispositivi al gestire gli agenti che gestiscono i dispositivi”. Standard aperti come MCP e strumenti come Goose permettono ai partner di costruire automazioni sicure e locali, offrendo soluzioni compliant per clienti sensibili alla privacy, mentre l’apertura e la neutralità dell’AAIF possono ridurre frammentazione e rischi di integrazione, dando al canale un “campo neutro” su cui sviluppare competenze, best practice e servizi ripetibili: consulenza, integrazione MCP-based, governance, sicurezza e gestione operativa di agenti in produzione. Le stime di mercato di Canalys parlano di potenziale significativo per i servizi IT legati all’agentic AI, una fonte di ricavi elevati se gli MSP sapranno differenziarsi.
Come gli MSP possono cogliere le opportunità
Secondo gli analisti, per trarre vantaggio dalle opportunità che può comportare la nascita dell’AAIF i fornitori di servizi dovranno lavorare su più fronti:
- adottare internamente agenti per generare ROI e competenze;
- offrire servizi di “AI readiness” ai clienti;
- sviluppare orchestrazione, policy di governance, controlli di sicurezza e soluzioni verticali specializzate.
L’adozione superficiale degli standard non basta: il valore premium arriverà da expertise verticale, implementazioni comprovate e capacità di accompagnare il cliente nell’adozione sicura e scalabile.
C’è però chi esprime alcune riserve. Per esempio, tra i principali membri dell’AAIF ci sono grandi hyperscaler e fornitori come AWS, Google, Microsoft e OpenAI: questo potrebbe dare un vantaggio ai grandi player e limitare la scelta per gli utenti finali, oltre a rendere monolitici protocolli che diventano così dominanti. Inoltre, se MCP, AGENTS.md e Goose diventassero lo stack de facto, gli MSP sarebbero chiamati a supportarli su tutti i cloud e le piattaforme SaaS, aumentando complessità e responsabilità, soprattutto in ambiti ad alto rischio dove servono verifiche, garanzie e sicurezza stringenti.
Ci potrebbe essere poi un ulteriore aspetto pratico: molti partner di canale potrebbero non aver bisogno di aderire formalmente alla fondazione, potrebbe essere più rilevante fungere da broker di soluzioni offrendo marketplace e modalità semplici per consentire ai clienti di scegliere e adottare agenti.
Gli analisti ritengono l’Agentic AI Foundation un segnale che l’agentic AI sta uscendo dalla fase sperimentale e punta a entrare in una fase di standardizzazione. Questo processo porta vantaggi evidenti: interoperabilità, riduzione dello “spaghetti code” e maggiore fiducia nell’adozione di agenti autonomi. Tuttavia, introduce anche nuove sfide: governance, responsabilità legale, sicurezza e, soprattutto, la necessità per gli Managed service provider di riposizionarsi come consulenti strategici e operatori di soluzioni di intelligenza gestita.
Nuovi ruoli, nuove competenze, nuovi servizi
L’adozione degli agenti AI sta già modificando le strutture organizzative. McKinsey e BCG convergono sull’emergere di nuovi ruoli (dagli agent orchestrator agli agent trainer) e su una riorganizzazione delle aziende attorno a flussi di valore piuttosto che funzioni statiche. Oltre alla tecnologia, cresce la domanda di formazione, change management, ridefinizione di KPI e supporto all’upskilling.
Questo sta portando rapidamente gli agenti AI verso una fase di industrializzazione. Un trend che sembra trovare conferma nell’Agentic AI Foundation.
Molti CEO stanno diventando di fatto “Chief AI Officer” e sono pronti a investire, ma cercano risultati concreti, governance e velocità di esecuzione. Una situazione che offre al canale l’opportunità di diventare il fattore decisivo capace di trasformare la visione in vantaggio competitivo.
I tre pilastri open source su cui si fonda l’Agentic AI Foundation
- Model Context Protocol (MCP): sviluppato da Anthropic, è concepito come un protocollo universale per collegare modelli AI a strumenti, dati e applicazioni, riducendo la necessità di integrazioni personalizzate.
- Goose: framework local-first proposto da Block, pensato per la creazione di agenti che operano in ambienti fidati, senza inviare dati sensibili al cloud pubblico; una caratteristica rilevante per i settori soggetti a regolamentazione.
- AGENTS.md: formato di documentazione introdotto da OpenAI che fornisce contesto e istruzioni agli agenti, rendendo codice e piattaforme interpretabili dai sistemi deputati all’automazione di build, test e deployment.