Secondo Gartner il 40% delle applicazioni enterprise integrerà agenti AI entro la fine del 2026, partendo da meno del 5% del 2025. È un salto di otto volte in dodici mesi, e racconta meglio di qualsiasi keynote cosa stia accadendo nelle aziende: il passaggio dal copilot che suggerisce all’agente che esegue.
La differenza non è semantica. Un copilot aspetta che gli si chieda qualcosa, propone una risposta, e lascia all’umano l’azione. Un agente riceve un obiettivo, lo scompone in passi, usa strumenti, prende decisioni intermedie e arriva a un risultato. Il primo assiste. Il secondo agisce.
Il 2026 è l’anno in cui questa distinzione esce dai laboratori e entra nei processi.
I numeri di un mercato che raddoppia ogni anno
Le stime di dimensione del mercato agentic convergono su una traiettoria ripida. Si parte da circa 7,8 miliardi di dollari per arrivare a oltre 52 miliardi entro il 2030. È una crescita che, mantenuta su quel passo, implica un raddoppio quasi annuale del giro d’affari legato agli agenti.
McKinsey, guardando non al fatturato dei fornitori ma al valore generato per le imprese che li adottano, colloca il potenziale annuo degli agenti tra i 2.600 e i 4.400 miliardi di dollari. La forbice è ampia, ma anche il suo estremo inferiore descrive un impatto economico paragonabile al prodotto interno lordo di una grande economia nazionale.
La distanza tra potenziale e realtà, però, è il punto su cui si gioca la credibilità di queste stime. Catturare quel valore richiede che le imprese riprogettino i processi attorno agli agenti, non che li affianchino come un accessorio. Le organizzazioni che si limitano ad aggiungere un agente sopra un flusso di lavoro invariato raccolgono una frazione del beneficio promesso.
Le prime esperienze lo confermano. Dove l’agente sostituisce davvero un pezzo di processo, il ritorno è misurabile. Dove resta una dimostrazione affiancata al lavoro umano, il costo supera spesso il vantaggio. La differenza non sta nel modello, ma nella volontà di ridisegnare il modo in cui il lavoro viene fatto.
Sono cifre che vanno lette con cautela. Le proiezioni di mercato sull’IA hanno una storia di ottimismo, e la distanza tra il valore potenziale e quello effettivamente catturato dalle imprese è storicamente larga. Ma anche scontando una quota generosa di entusiasmo, l’ordine di grandezza segnala una cosa precisa: gli investimenti non stanno più inseguendo la dimostrazione tecnologica, stanno inseguendo il ritorno operativo.
Il termine chiave è proprio operativo.
Perché 2026 è l’anno del passaggio
Tre fattori hanno spostato gli agenti dalla sperimentazione alla produzione.
Il primo è la maturazione dei modelli sottostanti, capaci ormai di pianificare sequenze di azioni e di correggersi quando un passo fallisce. Un modello che si limita a generare testo non basta per un agente: serve un modello che ragioni su una sequenza, che riconosca quando ha sbagliato e che riprovi con una strategia diversa.
Il secondo è la diffusione di protocolli di integrazione standardizzati, che permettono a un agente di collegarsi a strumenti aziendali senza un lavoro di ingegneria su misura per ogni connessione. Entro aprile 2026 uno di questi protocolli, il Model Context Protocol, risultava implementato su oltre 10.000 server enterprise, con più di 97 milioni di download dei kit di sviluppo e l’adozione dei principali fornitori, da Anthropic a OpenAI, da Google a Microsoft e AWS.
Questi tre fattori si rinforzano a vicenda. Modelli più capaci rendono utile l’integrazione, l’integrazione standardizzata abbassa il costo di adozione, e il costo più basso accelera la diffusione, che a sua volta spinge i fornitori a migliorare modelli e protocolli. È un circolo che, una volta avviato, è difficile da fermare.
Per le imprese il segnale è che la finestra di sperimentazione si sta chiudendo. Quando l’adozione passa da meno del 5% al 40% in un anno, chi aspetta non evita il rischio, lo accumula, perché dovrà recuperare in fretta un ritardo che i concorrenti non hanno.
Il terzo è la pressione competitiva: quando un concorrente automatizza un processo, gli altri sentono il vincolo di rispondere. È un meccanismo che si autoalimenta, perché il vantaggio del primo che adotta spinge gli altri a inseguire.
Il risultato è che gli agenti non vengono più valutati per quanto sembrano intelligenti, ma per quanto lavoro reale tolgono dalle spalle di una persona.
Questo cambia il modo in cui un’impresa deve pensarli. Un agente che prenota riunioni, riconcilia fatture, smista ticket di assistenza o apre richieste di acquisto non è una demo. È un collega digitale con accesso a sistemi reali. E un collega con accesso ai sistemi va inquadrato, supervisionato e limitato.
Il nodo della governance
Qui nasce la parte difficile.
Un copilot che sbaglia produce un suggerimento da ignorare. Un agente che sbaglia produce un’azione da annullare, quando è possibile annullarla. La capacità di agire autonomamente, che è il valore degli agenti, è anche la loro superficie di rischio.
Si pensi alla differenza concreta. Un assistente che propone una email sbagliata viene corretto prima dell’invio. Un agente autorizzato a inviare email può aver già mandato il messaggio errato a un cliente prima che qualcuno se ne accorga. L’azione, una volta compiuta, non sempre si ritira.
Per questo il 2026 vede emergere figure professionali nuove. Profili di governance degli agenti, responsabili della sicurezza dei sistemi autonomi, specialisti di FinOps applicati all’IA che monitorano quanto costa, token dopo token, far girare una flotta di agenti.
La gestione finanziaria non è un dettaglio. Un agente lasciato libero di iterare può consumare risorse di calcolo in modo difficile da prevedere: se per raggiungere un obiettivo prova cento strade invece di tre, la bolletta si moltiplica senza che nessuno se ne accorga finché non arriva il conto. Il FinOps applicato agli agenti nasce per evitare proprio questo.
Il principio operativo che si sta affermando è il human-in-the-loop selettivo. Non un umano che approva ogni passo, perché annullerebbe il vantaggio dell’automazione, ma un umano che approva le azioni ad alto rischio: un pagamento sopra una soglia, una modifica a dati di produzione, una comunicazione verso un cliente.
Il rischio della proliferazione incontrollata
C’è un fenomeno che gli analisti hanno già battezzato: l’agent sprawl, la proliferazione incontrollata di agenti.
Quando creare un agente diventa facile, ogni reparto ne crea i propri. Senza un registro centrale, senza una politica di accesso, senza un censimento di chi può fare cosa. Il risultato è una flotta di automazioni che nessuno governa nel suo insieme, con permessi sovrapposti, costi opachi e responsabilità diluite.
È lo stesso copione già visto due volte. Prima con i fogli di calcolo non controllati, su cui interi processi aziendali si reggevano senza che nessuno ne avesse il quadro. Poi con le applicazioni di shadow IT, installate dai singoli reparti fuori dal controllo del dipartimento informatico. L’agent sprawl ripete quel film, amplificato dal fatto che questi strumenti non si limitano a contenere dati: agiscono al posto delle persone.
Un foglio di calcolo dimenticato contiene un errore. Un agente dimenticato lo commette.
Le pratiche di governo che si stanno affermando sono concrete. Un registro centrale di tutti gli agenti attivi, con il loro proprietario e il loro perimetro di azione. Una procedura di approvazione prima che un nuovo agente vada in produzione. Un riesame periodico che dismette gli agenti non più usati, invece di lasciarli attivi a consumare risorse e accumulare permessi.
Sono accorgimenti che sembrano burocratici finché non servono. Quando un agente compie un’azione dannosa, la prima domanda è chi lo aveva autorizzato e a fare cosa. Senza un registro, quella domanda non ha risposta, e la responsabilità si dissolve.
Per le imprese italiane il consiglio operativo è di trattare gli agenti come si trattano gli utenti: con identità, permessi tracciabili, audit log e revoca. Non come funzioni software che, una volta scritte, si dimenticano. Ogni agente in produzione dovrebbe avere un proprietario, un perimetro di azione definito e un registro di tutto ciò che fa.
Dove gli agenti danno valore subito
Le aree dove gli agenti stanno già producendo risultati misurabili non sono quelle più spettacolari, ma quelle più ripetitive.
Nell’assistenza clienti, un agente gestisce in autonomia le richieste standard, dalla verifica di uno stato d’ordine alla risoluzione di un problema noto, lasciando agli operatori umani solo i casi complessi. Nelle operazioni finanziarie, riconcilia movimenti, segnala anomalie, prepara report che prima richiedevano ore di lavoro manuale. Nei reparti informatici, smista le segnalazioni, applica correzioni di routine, libera i tecnici dalle attività ripetitive.
Il filo comune è il volume. Gli agenti danno il loro meglio dove un compito si ripete migliaia di volte con piccole variazioni, perché è lì che l’automazione moltiplica il risparmio e l’errore umano da stanchezza è più frequente.
Non danno invece il loro meglio dove serve giudizio raro, responsabilità non delegabile o creazione di valore non codificabile. Affidare a un agente una decisione strategica o una relazione delicata con un cliente importante è, oggi, un errore di destinazione d’uso.
Automazione e autonomia non sono la stessa cosa
C’è una confusione diffusa tra automazione e autonomia, e vale la pena scioglierla.
L’automazione esegue una sequenza fissa: se accade questo, fai quello. È prevedibile, ripetibile, e fallisce in modo netto quando incontra una situazione fuori dal copione previsto. È la logica con cui si è automatizzato il lavoro per decenni.
L’autonomia, quella degli agenti, affronta situazioni non previste decidendo come procedere. È più flessibile, ma anche meno prevedibile: di fronte a un caso nuovo un agente sceglie, e quella scelta può essere giusta o sbagliata.
La differenza ha conseguenze pratiche sulla governance. Un sistema automatico si controlla verificando le regole. Un sistema autonomo si controlla verificando le decisioni, che cambiano caso per caso. Confondere i due porta a sottovalutare il presidio che un agente richiede, trattandolo come una macchina deterministica quando invece prende strade diverse a seconda del contesto.
Competenze prima che licenze
Il vincolo vero per le imprese non sarà l’accesso alla tecnologia, ormai disponibile per chiunque abbia una carta di credito. Sarà la capacità di disegnare processi in cui un agente lavora in sicurezza accanto a una persona.
Questo richiede competenze che stanno tra l’organizzazione, la conformità e la tecnica. Chi progetta un flusso agentico deve sapere dove inserire un controllo umano, come limitare i permessi, come misurare se l’agente sta davvero riducendo il lavoro o lo sta solo spostando. Sono decisioni che un fornitore di tecnologia non può prendere al posto dell’impresa, perché dipendono dai processi specifici, dai rischi del settore e dalle regole a cui l’azienda è soggetta.
AIPIA affronta questi temi nei percorsi formativi sull’intelligenza artificiale e nelle attività di formazione aziendale, dove il disegno di processi agentici viene trattato come una competenza organizzativa e non solo informatica. Per chi deve inquadrare gli obblighi normativi resta utile la guida operativa all’AI Act, che tocca direttamente la classificazione del rischio dei sistemi autonomi.
Il 40% di Gartner non descrive un futuro. Descrive un calendario. Gli agenti stanno arrivando nelle imprese nei prossimi mesi, non nei prossimi anni, e arriveranno comunque, governati o meno. La sola scelta che resta è se accoglierli dentro un perimetro disegnato in anticipo o rincorrerli dopo che si saranno già moltiplicati.
