Nel dibattito contemporaneo sull’intelligenza artificiale, il concetto di hybrid workforce si afferma come uno dei paradigmi emergenti più significativi. A differenza del già assimilato modello di hybrid workplace, dove le persone lavorano alternando presenza fisica e attività da remoto, l’hybrid workforce prefigura un’alleanza strutturata tra esseri umani e agenti digitali intelligenti, configurando team di lavoro misti, capaci di operare sinergicamente grazie alle rispettive competenze complementari. Questo approccio, delineato da Cisco e NTT Data in un recente incontro pubblico organizzato da IDC, segna un passaggio evolutivo nella maturazione dell’intelligenza artificiale: dalla fase assistiva, incentrata sull’automatizzazione di task ripetitivi, a una fase agentica, in cui gli agenti AI acquisiscono la capacità di comprendere, pianificare ed eseguire task in modo autonomo. In altri termini, non più soltanto sistemi di supporto decisionale, ma veri e propri “colleghi digitali” in grado di portare a termine processi complessi in collaborazione con gli umani.
Il cuore dell’intelligenza agentica è la capacità di ownership del compito: un agente comprende l’obiettivo, pianifica i passaggi necessari, si avvale di strumenti esterni (come database, sistemi di ricerca web, documenti multimediali) e lo completa in autonomia.
La transizione dai modelli generativi agli agenti operativi introduce quindi nuove sfide: la necessità di standard di comunicazione tra agenti, la sicurezza delle interazioni, l’interoperabilità tra sistemi di diverse aziende e la trasparenza delle decisioni automatizzate.
Verso l’Internet of agents
Cisco ha già avviato una sperimentazione interna in questa direzione: il progetto “Sherlock Holmes” impiega un virtual tech engineer capace di interagire con colleghi umani tramite email, gestendo casi tecnici reali all’interno dell’infrastruttura aziendale. Questo agente non è solo un proof-of-concept, ma una componente attiva in un contesto produttivo, e rappresenta un primo esempio di team ibrido operativo sul campo.
L’obiettivo dichiarato è la creazione di veri e propri team digitali, composti da agenti specializzati in singoli task, capaci di collaborare tra loro o con esseri umani, coordinati da figure manageriali umane o digitali.
Questo scenario apre le porte a un’evoluzione anche del modello di servizio: in futuro, le aziende potranno “assumere” agenti sviluppati da terze parti, integrandoli nelle proprie strutture operative.
Il mercato si sta già muovendo per costruire un ecosistema standardizzato che preveda protocolli di comunicazione, regole di interoperabilità e standard di sicurezza in un contesto che può definirsi come “Internet of agents”.
NTT Data, ha sottolineato l’importanza di infrastrutture tecnologiche all’altezza di queste nuove sfide. La questione non riguarda soltanto la potenza computazionale (il ruolo delle GPU su tutti) ma, soprattutto, l’architettura complessiva del sistema, che deve garantire velocità di trasmissione, affidabilità dei dati, sicurezza a livello applicativo e modellistico.
Agenti AI al pari degli essere umani
In questo scenario, la gestione degli agenti AI evolve secondo un ciclo di vita che ricalca sorprendentemente quello delle risorse umane: selezione (hunting), inserimento (induction), gestione operativa, formazione continua e monitoraggio delle performance.
Gli agenti, in quanto “entità digitali operative”, devono essere governati con la stessa cura e strategia con cui si gestisce una workforce umana, compresa la gestione delle anomalie, la sicurezza comportamentale e l’aggiornamento costante.
È in questa prospettiva che il modello di AI-managed services suggerito da NTT Data prende forma: un framework che integra le AI nei flussi di lavoro aziendali in maniera scalabile, sicura e governabile, consentendo alle imprese di sfruttarne il potenziale senza perdere il controllo sui processi o esporre dati e modelli a rischi inaccettabili.
La rapidità con cui queste tecnologie si stanno imponendo rende urgente un ripensamento complessivo delle architetture organizzative, dei ruoli professionali e delle strategie di governance.
Se i Large language models (LLM) hanno catalizzato l’attenzione negli ultimi anni, ora la sfida si sta già trasformando nel costruire sistemi agentici che possano realmente contribuire alla crescita del business, integrandosi in modo fluido nelle operazioni quotidiane.
L’ibridazione tra intelligenze umane e artificiali non è più una prospettiva futuristica, ma un processo in corso. L’efficacia delle organizzazioni di domani dipenderà dalla capacità di orchestrare questo nuovo equilibrio, valorizzando la complementarità tra razionalità computazionale e sensibilità umana.