Il cambiamento tecnologico non aspetta che le organizzazioni siano pronte. L’AI agentica non è un upgrade né una nuova dashboard, ma una discontinuità reale. I cambi di paradigma non si gestiscono con i framework mentali del paradigma precedente. Il problema non è tecnologico, è culturale. Il mindset aziendale si modifica molto più lentamente di quanto il mercato richieda.
Il ROI dell’AI agentica: numeri torturati e letture pigre
Uno dei capisaldi dell’economia statica che l’AI ha frantumato è il ROI, Return on investment. Intendiamoci, già da tempo continuare a usare questa misura aveva richiesto una buona dose di creatività per essere adattata alla realtà.
Ciononostante, per ora a noi umani il ROI serve. Il valore emerge solo quando l’agente sostituisce il processo vecchio con uno nuovo. E tendenzialmente al completamento del reengineering totale. E qui parte il classico meccanismo del FUD (Fear, uncertainty, doubt) che da sempre viene adottato dagli opinion leader per contrastare il nuovo che avanza.
Molte statistiche sono state presentate per dimostrare l’inefficacia dell’AI in azienda. Della famosa analisi The GenAI Divide – State of AI in Business (MIT 2025), la stampa ha messo in evidenza esclusivamente che il 95% dei progetti AI genera ritorni economici trascurabili. Presentando i dati in questo modo, sembra che il successo dei classici progetti software sia prossimo al 100%, ma non è così. Secondo PMI, con la nuova definizione basata sul valore generato per l’organizzazione, solo il 50% dei nuovi progetti si può considerare un successo pieno.
Insomma, niente di nuovo: per valutare servono sì dati, ma soprattutto voglia e capacità di leggere la loro storia. Il cruscotto di DigitalApplied mostra, tra gli altri numeri, un +171% del ROI agentivo; IDC parla di un fattore 2,3 dopo 13 mesi. Ma i numeri, se torturati abbastanza, dicono qualsiasi cosa.
Make or buy: la domanda è sbagliata?
Parliamoci chiaro: il lavoro di ridisegno è sempre interno e sempre specifico di una azienda. Più è rivoluzionaria la tecnologia, più è rilevante la preparazione e la sensibilità del personale tecnico. L’AI è molto rivoluzionaria: non esiste una piattaforma acquistabile che sostituisca il reengineering dei processi. Esistono infrastrutture agentive (Microsoft Copilot Studio, Salesforce Agentforce, i cloud provider) su cui costruire, ma certamente serve forza interna. Non pensiamo quindi di risolvere tutto acquistando un’altra scatola da un rivenditore con il suo consulente.
La domanda corretta quindi non è se comprare o sviluppare, ma individuare nella situazione attuale i vantaggi competitivi differenzianti sui quali sviluppare internamente, per affidare il resto a un’infrastruttura commodity.
Le PMI e il problema dell’accesso
In molte PMI manca la competenza interna minima, condivisa da un buon numero di esperti, per affrontare la parte make di cui sopra. Gli strumenti di credito sono stati messi a disposizione – PNRR, credito d’imposta R&S, transizione, competence center come MADE Milano – ma molti li hanno chiesti senza poterli usare al livello necessario. In Italia c’è il rischio concreto di una digitalizzazione a due velocità: le grandi imprese accelerano, le PMI guardano, in attesa che il make or buy lo faccia il mercato, ma su di loro.
L’AI Act: (non) cambia le regole del gioco
Dal 2 agosto 2026 saranno pienamente applicabili le norme AI Act (Regolamento UE 2024/1689) sui sistemi ad alto rischio. Un agente che gestisce manutenzione di impianti o logistica di un’entità NIS2 è un sistema regolamentato: richiede documentazione tecnica, supervisione umana definita e registrazione europea. Le sanzioni sono spaventose: fino a 30 milioni di euro o il 6% del fatturato.
Chi ha già progettato i workflow con tracciabilità e log strutturati per NIS2 ha buona parte della conformità AI Act già in casa. Per tutte le norme assisteremo a una progressiva armonizzazione. Il CADA (Cloud and AI Development Act) stratifica i requisiti su quattro livelli: servizi standard, infrastrutture importanti, entità essenziali e sistemi critici nazionali.
A partire dal GDPR, passando per NIS2 e arrivando via via al CADA, bisognerà vedere quale parte effettivamente formerà una piattaforma coesa e dove i punti di contatto diventeranno scontro.
Il fattore umano: la variabile che i cruscotti non misurano
La resistenza al cambiamento non è irrazionale: la transizione da esecutore a supervisore di workflow agentivi è identitaria prima che tecnica. La formazione disponibile oggi è disomogenea e prevalentemente superficiale: il mercato è saturo di offerta generica e povero di percorsi che affrontino davvero la ridefinizione dei ruoli.
La trasformazione spesso si arena da qualche parte. Molti progetti mancano gli obiettivi non per problemi tecnologici, ma per aver mancato il punto: l’agente è il dito, i processi sono la luna. La metrica reale non è quanti agenti sono stati deployati, ma quanti processi sono stati abbandonati nella loro forma precedente: questo gli agenti non sanno farlo. Per ora.
LEGGI ANCHE:
Ridisegnare il motore: automotive e manifattura nell’era dell’orchestrazione
