Dal chatbot che risponde all’agente che decide e agisce. L’AI agentica non è fantascienza, ma la prossima frontiera concreta per le nostre aziende. E il 2026 sarà l’anno della verità. Pare oramai assodato che il 2026 sarà l’anno in cui molte promesse giungeranno a maturazione e l’intelligenza artificiale agentica entrerà nel Dna di aziende e studi professionali. Ne parliamo con Mario Alberto Catarozzo, business coach, formatore e docente di intelligenza artificiale, che ci aiuta a capire cosa ci aspetta davvero e come prepararci.
Sentiamo sempre più parlare di “AI agentica”, ma cosa significa esattamente e perché dovrebbe interessare le imprese italiane?
Partiamo da un’analogia che rende tutto più chiaro. Pensiamo alla differenza tra un assistente personale e un agente di un attore famoso. L’assistente esegue compiti su richiesta: prenota il ristorante, ritira il pacco, organizza l’agenda. Lavora su comando. L’agente, invece, lavora autonomamente per massimizzare opportunità e risultati. Non aspetta istruzioni continue, ma agisce proattivamente verso un obiettivo. L’AI agentica è esattamente questo: il passaggio da strumenti reattivi, che rispondono a domande, a sistemi autonomi capaci di pianificare, decidere e agire per raggiungere obiettivi complessi. Non parliamo più di ChatGpt che ti scrive un’email, ma di agenti che gestiscono interi processi aziendali: dalla supply chain alla gestione dei reclami, dall’analisi finanziaria all’ottimizzazione della produzione. E non è qualcosa di futuristico: secondo Gartner, entro fine 2026 il 40% delle applicazioni aziendali integrerà agenti AI specifici, contro meno del 5% di oggi.
Qual è più nel dettaglio la differenza tecnica tra un assistente AI come ChatGpt e un agente AI?
La differenza sta in tre caratteristiche fondamentali. Prima di tutto, l’autonomia. Un assistente AI ha bisogno di prompt continui per ogni azione. Un agente, dopo un obiettivo iniziale, lavora da solo, scompone il problema in sottoproblemi e crea il proprio flusso di lavoro. In secondo luogo, la capacità decisionale. Gli assistenti suggeriscono, gli agenti decidono e agiscono, collegandosi a database, Api, sistemi esterni. Possono cliccare, digitare, operare software. Infine, la memoria persistente e l’apprendimento adattivo. Gli agenti ricordano interazioni passate, affinano il loro approccio nel tempo, imparano dai feedback. Non sono bloccati nel momento del training iniziale, ma evolvono con l’uso. Immaginiamo un agente che gestisce le nostre scorte di magazzino: non si limita a dirci cosa ordinare, ma analizza i trend, prevede i picchi di domanda, contatta i fornitori, negozia tempi di consegna e aggiorna autonomamente il sistema gestionale. Questo è il salto qualitativo.
Le imprese italiane sono pronte?
La situazione è interessante. I dati dicono che siamo in una fase di transizione cruciale. Solo l’1% delle grandi imprese italiane ha già implementato agenti AI nei processi, ma il 43% ne sta pianificando l’adozione nei prossimi 2-3 anni. È un chiaro segnale: la fase sperimentale è finita, ora si ragiona su Roi concreto e casi d’uso specifici. Settori come quelli bancario, assicurativo, manifatturiero e retail stanno investendo significativamente. Secondo una ricerca di Capgemini, il 60% delle organizzazioni italiane ha già definito una roadmap per scalare l’adozione dell’AI, con benefici attesi sui costi operativi intorno al 30%. Le aziende italiane hanno capito una cosa fondamentale: non si tratta più di “se” adottare l’AI agentica, ma di “come” e “quando”. Chi aspetterà troppo rischierà un gap competitivo difficile poi da recuperare.
Quali sono i settori e i processi dove l’AI agentica avrà l’impatto maggiore nel 2026?
Vedo tre macroaree di trasformazione immediata. Primo, l’automazione dei processi amministrativi e finanziari. Agenti che gestiscono autonomamente fatturazione, pre-autorizzazioni assicurative, elaborazione di rimborsi, analisi di bilancio. Pensiamo al settore sanitario: un agente può automatizzare le pre-autorizzazioni mediche, liberando i professionisti dalla burocrazia per concentrarsi sui pazienti. Secondo, la supply chain e la manutenzione predittiva.
Nel manifatturiero gli agenti possono prevedere guasti, pianificare riparazioni, ridurre i fermi macchina non programmati. Terzo, il customer service e l’esperienza cliente… Non più chatbot che danno risposte preconfezionate, ma agenti che comprendono il contesto, accedono allo storico del cliente, risolvono problemi complessi coordinandosi con altri sistemi. Un esempio concreto: invece di parlare con tre operatori diversi per risolvere un problema, un agente gestisce l’intero flusso, dal primo contatto alla soluzione, coinvolgendo i reparti necessari in modo trasparente per il cliente.
C’è un rischio che le Pmi italiane restino indietro rispetto alle grandi corporation?
È una preoccupazione legittima, ma vedo anche opportunità inaspettate. È vero che le grandi aziende hanno più budget per investimenti e sperimentazioni. Tuttavia, l’AI agentica sta diventando sempre più accessibile grazie a piattaforme low-code e no-code che permettono di creare e orchestrare agenti senza essere sviluppatori esperti. Le Pmi italiane hanno un vantaggio spesso sottovalutato: l’agilità. Possono sperimentare, sbagliare e correggere il tiro molto più velocemente dei colossi. La chiave è iniziare con micro attività ad alto volume: automatizzare la gestione delle richieste di preventivo, ottimizzare la logistica delle consegne, gestire l’inventario in tempo reale. Piccoli passi che portano Roi immediato. E qui entra in gioco l’ecosistema: associazioni di categoria, consorzi, fornitori tecnologici locali possono creare percorsi guidati per le Pmi. Non è una corsa solitaria, ma collettiva.
Parliamo dell’elefante nella stanza: l’AI agentica sostituirà posti di lavoro?
È la domanda che tutti fanno, e la risposta onesta è: sì e no. Sì, alcuni ruoli puramente esecutivi e ripetitivi verranno automatizzati. No, non stiamo andando verso una disoccupazione di massa, ma verso una profonda trasformazione delle competenze richieste. Il vero tema non è “quanti lavori perderemo”, ma “quali competenze dobbiamo sviluppare”. Guardiamo i numeri: i professionisti del marketing con competenze in AI sono raddoppiati, le aziende cercano sempre più profili ibridi che sappiano orchestrare agenti, interpretarne gli output, gestirne le criticità. Non serve saper programmare algoritmi, ma serve quella che chiamiamo “AI literacy”: capire come funziona un agente, quali bias può avere, come supervisionarlo, quando fidarsi e quando no. Pensiamo all’ambito Hr: l’agente può scremare migliaia di cv, ma il colloquio finale, la valutazione culturale, l’empatia nel capire il potenziale di una persona restano umane. Il lavoro diventa un gioco di squadra uomo-macchina dove ognuno fa ciò che sa fare meglio.
Quali sono le competenze che manager e professionisti devono sviluppare urgentemente?
Vedo tre pilastri fondamentali. Primo, la capacità di “dialogare” con l’AI. Imparare il prompt engineering evoluto, capire come guidare un agente verso l’obiettivo desiderato, saper interpretare criticamente gli output. Secondo, il pensiero sistemico. L’AI agentica non è uno strumento isolato, ma un nodo in una rete complessa di processi, dati, sistemi. Serve una visione d’insieme per capire dove implementarla e come integrarla. Terzo, e forse più importante, le competenze unicamente umane: pensiero critico, creatività strategica, intelligenza emotiva, capacità di giudizio etico. Un agente può analizzare migliaia di scenari, ma la decisione finale su quale strada intraprendere, considerando valori aziendali, impatto sociale, etica, resta umana. Le aziende lungimiranti, come Credem in Italia, stanno già investendo massicciamente: oltre 30.000 ore di formazione specifica sull’AI per i propri dipendenti. Non è un costo, è l’investimento più strategico che si possa fare.
Quali errori vede commettere più frequentemente dalle aziende che si approcciano all’AI agentica?
Ne vedo principalmente tre, molto pericolosi. Il primo: aspettative irrealistiche. Pensare che l’AI agentica risolva magicamente tutti i problemi aziendali da un giorno all’altro. La realtà è che serve un percorso graduale, con obiettivi chiari e misurabili. Il secondo errore: assenza di governance. Implementare agenti senza definire chi supervisiona, chi valida le decisioni critiche, quali sono i limiti di autonomia. È come dare le chiavi dell’azienda senza sapere chi guida. Serve una struttura chiara di responsabilità. Il terzo, forse il più sottovalutato: non curare la qualità dei dati. Un agente AI è potente quanto i dati su cui lavora. Se i tuoi database sono sporchi, incompleti, frammentati, l’agente produrrà decisioni sbagliate. Prima di implementare agenti, bisogna fare ordine nella propria infrastruttura dati. E aggiungo un quarto errore culturale: vedere l’AI come minaccia anziché opportunità, creando resistenze interne che paralizzano l’innovazione. La trasformazione richiede coinvolgimento, formazione, ascolto delle persone.
Chiudiamo con uno sguardo pratico: da dove dovrebbe partire un’azienda italiana che vuole sfruttare l’AI agentica nel 2026?
Il mio consiglio è: inizia piccolo, pensa grande. Identifica un processo specifico, ad alto volume, ripetitivo, ma con margini di miglioramento evidenti. Può essere la gestione dei reclami clienti, l’elaborazione degli ordini, la pianificazione delle consegne. Crea un progetto pilota con kpi chiari: risparmio tempo, riduzione errori, aumento soddisfazione cliente. Coinvolgi le persone che lavorano oggi su quel processo, ascolta le loro esigenze, falle sentire parte dell’innovazione. Scegli un partner tecnologico affidabile che offra supporto, non solo tecnologia. Misura i risultati, impara, aggiusta. Una volta validato il modello, scala ad altri processi. E soprattutto, investi massicciamente in formazione. La tecnologia è solo metà dell’equazione; l’altra metà sono le persone che devono usarla, guidarla, migliorarla. Il 2026 non sarà l’anno dell’AI che sostituisce l’uomo, ma l’anno in cui uomo e AI impareranno finalmente a lavorare insieme, moltiplicando risultati ed efficienza. Chi lo capirà per primo sarà un passo avanti rispetto agli altri.
