Agenti AI in azienda nel 2026: cosa funziona oggi e cosa è ancora solo hype

Cos'è un agente AI, in parole semplici

Un chatbot risponde a una domanda. Un agente AI riceve un obiettivo e un insieme di strumenti, e decide da solo quali passaggi compiere: leggere un'email, trovare l'ordine nell'ERP, preparare una risposta, aggiornare un record. Si basa su un modello linguistico di grandi dimensioni (LLM) per comprendere il testo e scegliere le azioni, e su software tradizionale per richiamare gli strumenti.

La capacità di agire è ciò che rende utili gli agenti, ed è anche ciò che li rende rischiosi. Una risposta sbagliata di un chatbot è semplicemente una risposta sbagliata. Un'azione sbagliata di un agente è una fattura sbagliata, un'email sbagliata a un cliente o un record cancellato.

Il termine viene anche usato con una certa disinvoltura. Nel 2025 Gartner ha messo in guardia dall'"agent washing", cioè la ridenominazione di chatbot e strumenti di automazione esistenti come agenti, e ha stimato che solo circa 130 delle migliaia di fornitori che dichiaravano di offrire AI agentica fossero reali. Quando qualcuno vi propone un agente, fate due domande: cosa può fare esattamente senza una persona, e cosa succede quando sbaglia?

Cosa funziona in modo affidabile oggi

I casi d'uso che funzionano nel 2026 hanno alcune caratteristiche in comune. L'attività è circoscritta, l'input è costituito per lo più da testi o documenti e una persona verifica il risultato prima che abbia conseguenze.

Elaborazione dei documenti con revisione umana

Fatture dei fornitori, documenti di consegna, contratti, documenti doganali e certificati arrivano nei formati più diversi. Un agente può leggerli, estrarre i campi, confrontarli con l'ordine di acquisto e segnalare eventuali differenze. Una persona approva o corregge il risultato. In questo modo si elimina gran parte della digitazione e la responsabilità della registrazione finale resta a una persona.

Assistenti per la conoscenza interna

Procedure, manuali tecnici, vecchi ticket di assistenza e regolamenti interni sono spesso sparsi in cartelle in cui nessuno cerca. Un assistente che risponde alle domande del personale a partire dai vostri documenti, e mostra su quale documento si è basato, fa risparmiare tempo ai nuovi dipendenti e ai colleghi esperti che di solito rispondono a quelle domande. Il riferimento alla fonte è importante: permette di verificare la risposta invece di fidarsi e basta.

Bozze e smistamento

Classificare le email in arrivo o le richieste di assistenza per argomento e urgenza, inoltrarle alla persona giusta e preparare una prima bozza di risposta funziona bene. L'agente prepara, una persona rivede e invia.

Inserimento dati tra sistemi

Molte aziende copiano ancora a mano i dati da un sistema all'altro perché non esiste un'integrazione: da un ordine ricevuto via email all'ERP, da un portale fornitori a un foglio di calcolo. Un agente può gestire questo trasferimento, con regole di validazione e una coda di revisione per tutto ciò che esce dall'ordinario. Dove esiste un'API adeguata, un'integrazione classica è di solito più economica e prevedibile. L'agente diventa la scelta giusta quando l'input non è strutturato.

Dove gli agenti falliscono ancora

Decisioni senza supervisione

Gli agenti sono molto migliori di due anni fa, ma non sono ancora abbastanza affidabili per prendere da soli decisioni con conseguenze rilevanti. Lo Stanford AI Index 2026 riporta che su OSWorld, un benchmark di attività informatiche reali, i sistemi migliori sono passati da circa il 5% di attività risolte nel 2024 al 66,3% nel 2025, ancora al di sotto del riferimento umano del 72,36%. È un progresso rapido, ma significa anche che una quota significativa delle attività in più passaggi va ancora storta. Approvare pagamenti, modificare prezzi o assumere impegni con i clienti deve restare compito delle persone.

Dati disordinati

Un agente che lavora su dati anagrafici incoerenti, come clienti duplicati, listini superati o codici prodotto digitati come testo libero, produrrà risultati in apparenza convincenti ma costruiti sui record sbagliati.

Processi poco chiari

Se tre dipendenti gestiscono la stessa richiesta in tre modi diversi, non esiste un processo unico che un agente possa seguire. Automatizzare un processo significa prima metterlo per iscritto, eccezioni comprese.

Costi e latenza

Ogni passaggio compiuto da un agente comporta almeno una chiamata a un modello. Lunghe catene di passaggi richiedono secondi o minuti e il costo di esercizio cresce con i volumi. Per un'attività ad alto volume con regole chiare, un programma tradizionale è più veloce ed economico. Nel 2025 Gartner ha previsto che oltre il 40% dei progetti di AI agentica sarà abbandonato entro la fine del 2027, indicando come cause l'aumento dei costi, un valore di business poco chiaro o controlli dei rischi inadeguati.

Sicurezza

Gli agenti leggono testi non affidabili: email, pagine web, allegati. OWASP classifica la prompt injection, in cui un testo presente nell'input altera il comportamento del modello, come il primo rischio per le applicazioni basate su modelli linguistici, e osserva che nessun metodo noto la previene del tutto. Tra le sue raccomandazioni: concedere al modello solo gli accessi di cui ha bisogno e richiedere l'approvazione umana per le azioni ad alto rischio.

Come iniziare in sicurezza

• Scegliete un'attività circoscritta. Un tipo di documento, una casella di posta o un trasferimento tra due sistemi.
• Prevedete sempre una verifica umana. L'agente propone e una persona approva, almeno finché non avete prove della sua affidabilità.
• Limitate i permessi. Date all'agente credenziali proprie e accesso solo ai dati e alle azioni che l'attività richiede.
• Registrate tutto. Input, output, strumenti richiamati e chi ha approvato cosa. I log sono il modo per individuare gli errori e dimostrare cosa è successo.
• Proteggete i dati. Verificate dove i dati vengono trattati e conservati, cosa può farne il fornitore del modello e se i dati personali escono dall'UE.
• Fissate un obiettivo misurabile. Ore risparmiate a settimana, tempi di elaborazione o tasso di errore. Misurate prima e dopo, poi decidete se estendere.

Protezione dei dati e AI Act UE

Se l'agente tratta dati personali, il GDPR si applica esattamente come a qualsiasi altro sistema. Servono una base giuridica, un accordo sul trattamento dei dati con ogni fornitore e attenzione all'articolo 22, che limita le decisioni basate unicamente sul trattamento automatizzato che incidono in modo significativo sulle persone. Una revisione umana effettiva spesso basta a mantenere un caso d'uso entro i limiti di questa norma.

L'AI Act UE, il regolamento (UE) 2024/1689, si applica per fasi. Le pratiche vietate e gli obblighi di alfabetizzazione in materia di AI si applicano dal 2 febbraio 2025, le norme sui modelli di AI per finalità generali dal 2 agosto 2025. La maggior parte del regolamento è diventata applicabile il 2 agosto 2026, comprese le norme sulla trasparenza come l'obbligo di informare le persone quando interagiscono con un sistema di AI. Il Digital Omnibus sull'AI, regolamento (UE) 2026/1744, è entrato in vigore il 27 luglio 2026 e ha spostato le norme sull'alto rischio: al 2 dicembre 2027 per gli usi ad alto rischio a sé stanti elencati nell'allegato III, come le assunzioni o l'accesso a servizi essenziali, e al 2 agosto 2028 per l'AI integrata in prodotti soggetti alla normativa UE sui prodotti (allegato I).

La maggior parte degli assistenti interni e degli strumenti per i documenti non rientrerà nella categoria ad alto rischio, ma valutate con attenzione se il vostro caso d'uso riguarda assunzioni, credito, istruzione o ambiti simili. Il regolamento può applicarsi anche a fornitori al di fuori dell'UE quando un sistema o il suo output viene utilizzato nell'UE, aspetto rilevante per le aziende extra UE che lavorano con clienti nell'UE.

Come può aiutarvi MTV GROUP

Realizziamo agenti AI e automazioni per attività specifiche e misurabili, con revisione umana, registrazione delle attività e limiti di accesso previsti fin dalla progettazione. Vi diciamo anche quando una normale integrazione o un semplice script farebbe meglio il lavoro. Se avete un processo che vorreste testare, contattateci.