L’AI agentica sta entrando in una fase più commerciale. Le aziende stanno infatti passando dai progetti pilota all’implementazione di agenti capaci di operare all’interno dei flussi di lavoro.
Secondo MarketsandMarkets, il mercato globale raggiungerà 19,33 miliardi di dollari nel 2026. Entro il 2033 potrebbe arrivare a 205,88 miliardi, con un cagr del 40,2%.
AI agentica, dall’assistenza all’azione
Il cambiamento più importante riguarda però il modo in cui l’AI viene utilizzata. Non si tratta più soltanto di fornire suggerimenti o generare contenuti. Gli agenti possono completare attività predefinite su più sistemi, rispettare regole aziendali e segnalare le eccezioni quando necessario.
Per l’industria questo apre prospettive interessanti. Il valore può infatti tradursi nella riduzione dei passaggi di consegne, nella diminuzione dei tempi di ciclo e in una maggiore produttività.
Inoltre, la spesa si sta spostando verso piattaforme agentive aziendali, sistemi di orchestrazione e runtime, automazione dei flussi di lavoro, governance, applicazioni predefinite e servizi di implementazione.
Più automazione nei flussi industriali
Il passaggio verso l’esecuzione autonoma riguarda diverse funzioni aziendali. Tra queste figurano le operazioni IT, l’ingegneria del software, la finanza e le vendite. Il report individua inoltre nel manifatturiero un ambito interessante per lo sviluppo di agenti specifici per settore.
In questo caso i possibili impieghi comprendono manutenzione, pianificazione e gestione delle eccezioni. Sono attività che richiedono conoscenze specifiche, dati specializzati e strutture di approvazione. Per questo gli agenti generici non sono sempre immediatamente adatti.
Gli agenti progettati per specifici settori possono invece incorporare conoscenze e requisiti propri dei processi industriali. Inoltre, soluzioni riutilizzabili possono ridurre i tempi di implementazione e la quantità di personalizzazione richiesta.
Di conseguenza, l’opportunità è particolarmente interessante nei flussi di lavoro ad alto valore aggiunto. Qui l’automazione può produrre benefici misurabili, mantenendo al tempo stesso supervisione e controlli.
Multi-agente e interoperabilità
Un’altra evoluzione riguarda i sistemi multi-agente, destinati a crescere più rapidamente nel periodo di previsione. Le aziende stanno iniziando a suddividere i flussi di lavoro complessi tra agenti specializzati, invece di affidarsi a un unico agente generico.
Un processo può così coinvolgere agenti dedicati al recupero delle informazioni, al ragionamento, alla verifica, alle approvazioni, alle azioni sui sistemi e alla gestione delle eccezioni. Questa architettura aumenta però anche la complessità.
Servono quindi maggiore orchestrazione, contesto condiviso, comunicazione tra agenti e gestione delle identità. Inoltre, le organizzazioni devono governare latenza, costi, responsabilità e possibili guasti.
In parallelo cresce l’importanza dell’interoperabilità. Model Context Protocol e comunicazione agente-agente consentono agli agenti di collegarsi ad applicazioni, strumenti, dati e altri agenti aziendali senza dipendere esclusivamente da integrazioni proprietarie.
Roi e sicurezza restano le sfide
La crescita dell’AI agentica non è tuttavia priva di criticità. Una delle principali riguarda il ritorno sull’investimento. Un agente che richiede numerose chiamate al modello, recupero dati, utilizzo di strumenti, monitoraggio, revisione umana e gestione delle eccezioni può diventare costoso.
Per questo saranno probabilmente automatizzati per primi i flussi di lavoro con elevato valore transazionale, forte impegno manuale o chiari vantaggi sui tempi di ciclo.
Anche la sicurezza rappresenta una questione centrale. Quando gli agenti passano dalla generazione di informazioni all’esecuzione di azioni, devono poter accedere a sistemi, dati e Api aziendali. Diventa quindi necessario stabilire cosa possono vedere, quali strumenti possono utilizzare e quali azioni richiedono un’approvazione.
Inoltre, i modelli di sicurezza tradizionali basati sugli utenti non sempre si adattano facilmente agli attori software autonomi. Identità dell’agente, accesso con privilegi minimi, monitoraggio, tracce di controllo e applicazione delle policy diventano quindi elementi essenziali.
Secondo MarketsandMarkets, il successo dell’IA agentica dipenderà in definitiva dalla capacità di trasformare una maggiore autonomia in risultati ripetibili, controllati ed economicamente sostenibili. Per il manifatturiero, la sfida sarà quindi integrare gli agenti nei processi senza perdere il controllo sulle operazioni, sfruttandone al tempo stesso il potenziale per rendere l’automazione più flessibile e produttiva.
