Negli ultimi mesi, i concetti di Agentic AI, AI Agents e (citato meno frequentemente) il paradigma di Agentic Process Automation hanno iniziato a dominare il dibattito sull’evoluzione dell’Intelligenza Artificiale. Siamo passati da modelli linguistici di grandi dimensioni (LLM) non integrati, limitati a fornire output testuali o di altro tipo su richiesta umana, a sistemi capaci di interagire con strumenti esterni, eseguire comandi e compiere azioni autonome. Questo è il primo passo verso la “agenticità” dell’AI. Un passo necessario, ma non sufficiente.
In questo articolo, proviamo a capire più dettagliatamente cosa si intende con Agentic AI, quali sono le possibili applicazioni e come si stanno muovendo le startup del settore. Approfondiremo, inoltre, le implicazioni di questa tecnologia emergente. Il tutto attraverso la Ricerca degli Osservatori dagli Osservatori Artificial Intelligence e Intelligent Business Process Automation della POLIMI School of Management, da anni punto di riferimento per il settore in Italia.
Per capire cosa si intende per Agentic AI, o Intelligenza Artificiale Agentica, è necessario ripartire dal termine inglese “agency“. Quest’ultimo non indica semplicemente un ruolo di assistenza o supporto, bensì presuppone una reale autonomia d’azione e la capacità di influenzare attivamente l’ambiente circostante.
In questo senso, parlare di Agentic AI significa riferirsi a Intelligenze Artificiali dotate di iniziativa propria, più che a semplici assistenti reattivi. Un cambiamento epocale, dunque, carico di opportunità ma anche di sfide ancora poco esplorate.
A differenza dell’Intelligenza Artificiale Generativa, che eccelle nella creazione di contenuti (testi, immagini, audio) in risposta a prompt specifici, l’AI Agentica introduce un paradigma radicalmente diverso. Mentre i modelli generativi producono output basati esclusivamente sui dati forniti in un dato momento, l’Agentic AI mantiene persistenza contestuale, pianifica sequenze di azioni, interagisce proattivamente con sistemi esterni e persegue obiettivi complessi nel tempo. Questa capacità di agire autonomamente nel mondo digitale, piuttosto che semplicemente generare contenuti, rappresenta un salto evolutivo significativo nelle potenzialità dell’Intelligenza Artificiale.
Nel contesto dell’Agentic AI, gli AI Agents rappresentano le implementazioni concrete di questi sistemi agentici. Si tratta, infatti, di sistemi in grado di fissare obiettivi, prendere decisioni e interagire proattivamente con l’ambiente circostante. Gli agenti AI, però, non si limitano a fornire risposte né a eseguire singoli task, ma pianificano, intraprendono azioni, negoziano risorse e orchestrano interazioni complesse. Esempi concreti già esistenti sono gli agenti autonomi per il trading finanziario, i bot capaci di gestire una customer journey end-to-end, gli strumenti di RPA (Robotic Process Automation) che non eseguono solo task, ma decidono quali task prioritizzare.
Agentic AI vs Agentic Process Automation
Agentic AI e Agentic Process Automation, sebbene spesso utilizzati come sinonimi, rappresentano due concetti distinti. L’Agentic AI è una categoria più ampia che comprende agenti capaci di perseguire obiettivi autonomi in una varietà di contesti, anche complessi e non strutturati. Può spaziare dal problem solving creativo al coordinamento multi-agente. L’Agentic Process Automation si concentra invece sull’applicazione di questi agenti all’automazione dei processi aziendali. Qui, gli agenti non si limitano a eseguire task singoli o concatenati, ma possono ridefinire dinamicamente i workflow, scegliere strategie operative e adattarsi a eventi imprevisti. L’obiettivo primario è migliorare l’efficienza operativa e l’agilità decisionale nei processi.
In sintesi: ogni soluzione di Agentic Process Automation sfrutta l’Agentic AI, ma non ogni applicazione di Agentic AI è rivolta alla sola automazione dei processi. Questo chiarimento è cruciale per comprendere l’evoluzione dell’offerta tecnologica e le potenzialità di mercato.
A differenza della semplice automazione, l’Agentic AI introduce una nuova complessità. Un agente non segue rigidamente regole preimpostate: deve possedere capacità di pianificazione (planning), ragionamento (reasoning) e apprendimento continuo (continual learning). Per esempio, mentre un chatbot tradizionale può prenotare un volo se gli viene chiesto, un agente AI può autonomamente capire che è necessario prenotare un volo per un meeting, confrontare opzioni, prenotare l’hotel e inviare aggiornamenti di viaggio.
Questa capacità multi-step e cross-domain apre enormi opportunità in settori come:
Al di là delle sue impressionanti applicazioni pratiche, l’Agentic AI offre vantaggi fondamentali che rappresentano un salto qualitativo rispetto ai paradigmi di Intelligenza Artificiale precedenti. Ecco i principali:
Il fenomeno dell’Agentic AI non è passato certo inosservato agli investitori, come dimostrano le analisi degli Osservatori Intelligent Business Process Automation e Startup Thinking:
secondo la Ricerca degli Osservatori, il 60% delle 426 startup analizzate a livello internazionale si focalizza, o almeno si propone a livello commerciale, come una soluzione abilitata o abilitante l’Agentic AI. Queste startup hanno raccolto un finanziamento medio di circa 10 milioni di dollari, significativamente superiore rispetto al totale campione (7,2 milioni di dollari).
Un esempio emblematico è Adept AI, una startup che sviluppa agenti capaci di operare autonomamente su interfacce software. Adept ha raccolto oltre 400 milioni di dollari in funding ed è spesso citata come una pioniera della “AI agent economy”. Di fatto, i venture capitalist stanno ridefinendo le loro direzioni di investimento: i fondi cercano team non solo capaci di addestrare modelli, ma anche di integrarli in architetture agentiche scalabili.
Come emerge dall’analisi degli Osservatori, le startup che suscitano il maggiore interesse sono quelle che offrono AI agent frameworks e piattaforme di orchestrazione di agenti, piuttosto che semplici modelli base. A conferma di ciò, a livello internazionale, Andreessen Horowitz – uno dei più grandi fondi di venture capital della Silicon Valley – ha affermato che “i vincitori dell’Agentic AI non saranno chi crea solo modelli più grandi, ma chi costruisce infrastrutture modulari e interoperabili”.
Anche le big tech e i player ormai “consolidati” della GenAI stanno rapidamente riposizionando le loro strategie per dominare l’era dell’Agentic AI. Ecco alcuni esempi:
Chiunque abbia esperienze di lavoro in un’organizzazione può già immaginare le opportunità, ma anche i rischi e le sfide di quest’evoluzione tecnologica. Restano infatti aperti diversi interrogativi fondamentali:
Inoltre, è necessario domandarsi come debbano cambiare le modalità di lavoro degli esseri umani per ottenere vantaggio competitivo da questi strumenti. Più che in altre aree di evoluzione digitale, il cambiamento non sarà solo tecnologico, ma anche profondamente organizzativo. Emergerà la necessità di sviluppare nuove skill, con ruoli specializzati nella progettazione, supervisione e “allenamento” degli agenti AI. I processi dovranno diventare più adattivi, integrando agenti come attori semi-autonomi nei workflow aziendali. Sarà infine cruciale gestire il change management, affrontando l’impatto culturale derivante dalla delega decisionale alle macchine.
Siamo ancora nelle fasi iniziali dell’Agentic AI. Per quella che è la nostra visibilità come Osservatorio Artificial Intelligence e Intelligent Business Process Automation, sono rarissime in Italia le organizzazioni che già possono dire di approcciare il tema con le basi necessarie per arrivare a delle sperimentazioni. La traiettoria, però, è chiara: nei prossimi 2-3 anni è plausibile che a livello internazionale settori ad alta intensità di dati e decisioni (come fintech, assicurazioni, logistica) saranno i primi a implementare agenti su larga scala. La convergenza tra agenti autonomi, AI multimodale (testo, immagini, codice) e ambienti simulativi accelererà ulteriormente lo sviluppo. Realtà virtuali, digital twin e mondi simulati offriranno “palestre” sicure in cui addestrare agenti prima di portarli nel mondo reale.
L’Agentic AI rappresenta dunque una delle sfide più affascinanti e complesse dell’attuale evoluzione tecnologica. Più che una semplice estensione dell’AI generativa, è un vero cambio di paradigma che mette in discussione modelli di business, assetti organizzativi, regolamentazioni e persino la nostra idea di controllo tecnologico.
In questo contesto, permane però un elemento di grande rischio: qual è la strada europea? La dipendenza tecnologica nei confronti degli Stati Uniti emerge ancor più forte su questo tema di frontiera e i risultati del censimento startup lo confermano: il 60% delle startup attive nell’Agentic Automation sono statunitensi e hanno ricevuto l’87% dei fondi.
Contenuti suggeriti dell’Osservatorio Artificial Intelligence
