C’è una domanda che gira insistentemente negli ambienti tech in queste settimane, posta tra gli altri da Josh Miller (il fondatore di The Browser Company): se gli agenti AI sono così potenti, perché fuori dalla bolla tecnologica non li usa quasi nessuno? È una domanda più seria di quanto sembri, perché arriva da dentro il settore, non dagli scettici di professione. E i numeri le danno ragione.

Nel mio lavoro la vivo ogni settimana in una forma precisa: l’imprenditore che ha visto il demo di un agente che prenota, scrive, analizza e compra, e mi chiede perché nella sua azienda non c’è niente del genere. La risposta onesta è che tra il demo e il processo aziendale c’è un divario che il settore preferisce non raccontare. Questo articolo lo racconta con i numeri, perché è lì che si nasconde l’opportunità.

Quanto è largo il divario tra sperimentazione e produzione?

I dati del 2026 dicono una cosa sola, da fonti diverse. L’88% delle organizzazioni usa l’AI in almeno una funzione aziendale. Ma quando si passa dagli assistenti agli agenti (sistemi che eseguono compiti in autonomia, non che rispondono a domande), solo il 23% circa sta scalando qualcosa oltre la fase pilota. La maggior parte delle prove di concetto muore prima della produzione.

La previsione più citata è quella di Gartner: oltre il 40% dei progetti di AI agentica verrà cancellato entro fine 2027. Le cause indicate sono tre, e vale la pena leggerle bene perché nessuna è tecnologica: costi che crescono strada facendo, valore di business mai chiarito, controlli del rischio inadeguati. Sono le stesse tre cause che hanno affossato una generazione di progetti di trasformazione digitale prima dell’AI.

C’è anche il dato che sembra contraddire tutto, e invece completa il quadro: l’80% delle organizzazioni con agenti attivi riporta ritorni economici misurabili, ma solo il 23% li definisce significativi. Tradotto: gli agenti funzionano abbastanza da non essere spenti, ma non abbastanza da giustificare l’entusiasmo con cui sono stati venduti al consiglio di amministrazione.

Perché gli agenti si fermano: i tre ostacoli veri

L’integrazione viene prima dell’intelligenza. Il 46% delle organizzazioni indica il collegamento con i sistemi esistenti come lo scoglio principale. Un agente vale quanto i sistemi a cui può accedere: se il gestionale non ha un modo pulito per farsi leggere, se i dati vivono in cartelle condivise e fogli di calcolo, l’agente più intelligente del mondo resta un demo. È il motivo per cui i progetti agentici nelle grandi organizzazioni si arenano nella complessità di sistemi, flussi e ambienti dati accumulati in decenni.

La governance non esiste. Il 36% delle aziende non ha un piano formale per supervisionare gli agenti, il 55% descrive l’uso interno dell’AI come un far-west e il 79% ammette che le applicazioni nascono in silos scollegati tra loro. Più di un terzo non saprebbe spegnere un agente che si comporta male. Ho scritto separatamente delle regole di governance minime dopo il caso AISI: qui basta dire che senza quelle regole, la decisione razionale di molti responsabili IT è proprio non portare gli agenti in produzione.

Il valore non viene misurato. È la storia di sempre, che conosce bene chi ha letto la mia guida sul ROI dei progetti AI: senza numeri di partenza fissati prima, il progetto produce sensazioni, e le sensazioni non sopravvivono alla prima revisione di budget.

Il gap è un’opportunità, se lo leggi al contrario

La lettura pessimista di questi numeri è che gli agenti sono una promessa gonfiata. La lettura utile è un’altra: il divario tra il 23% che scala e il resto non dipende dall’accesso alla tecnologia, che è uguale per tutti e costa sempre meno. Dipende da condizioni che si costruiscono prima e senza AI: processi documentati, dati accessibili in modo ordinato, metriche di partenza, regole minime di supervisione.

Questo cambia il calcolo per una PMI italiana. Non serve correre ad adottare agenti per paura di restare indietro: il grosso del mercato è indietro, e i primi a muoversi stanno pagando i costi di apprendimento per tutti. Serve invece usare questo tempo per preparare le condizioni, perché quando l’adozione avrà senso per il tuo caso specifico, la differenza tra settimane e mesi di progetto la faranno i compiti a casa fatti adesso.

Da dove partire in pratica

  1. Scegli un processo noioso, non uno strategico. Smistamento di email e ticket, estrazione dati da documenti, preparazione di bozze ripetitive. I processi noiosi hanno tre virtù: sono misurabili, nessuno li difende per orgoglio e un errore non fa danni gravi.

  2. Fissa i tre numeri di partenza prima di attivare qualsiasi cosa. Tempo per pratica, costo per pratica, tasso di errore attuale. Senza questi, tra sei mesi starai discutendo di sensazioni.

  3. Definisci il perimetro e il responsabile. A quali sistemi accede l’agente, quali azioni richiedono una persona, chi risponde del suo operato. Un foglio, non un framework.

  4. Decidi il galateo interno. Se l’agente produce lavoro che arriva ad altre persone (bozze, richieste, segnalazioni), stabilisci come viene presentato e chi ne risponde. Il rifiuto sociale ha ucciso più progetti del budget.

  5. Rivedi a 60 giorni con i numeri in mano. Se i tre numeri di partenza non si sono mossi, il progetto si ferma o cambia forma. È la disciplina che distingue il 23% dal resto.

In conclusione

La vera notizia del 2026 sugli agenti AI non è quello che sanno fare nei demo: è che quasi nessuno, fuori dalla bolla, li sta usando in produzione. I numeri dicono che gli ostacoli sono integrazione, governance e misurazione, tre cose che non si comprano da un fornitore ma si costruiscono in casa. Chi le costruisce adesso trasforma il ritardo del mercato in un vantaggio; chi insegue i demo si prepara a far parte del 40% di progetti cancellati.

Tre cose da fare questa settimana, senza spendere un euro in tecnologia:

  • Scegli il processo candidato: il più noioso, ripetitivo e misurabile che avete. Scrivilo.
  • Cronometra dieci casi reali di quel processo e segna tempo, costo e errori. Sono i tuoi numeri di partenza.
  • Rispondi a due domande: a quali sistemi dovrebbe accedere un agente per fare quel lavoro, e chi ne risponderebbe? Se le risposte non esistono, hai trovato il vero progetto.

Se vuoi capire se un processo della tua azienda è pronto per un agente, o cosa manca perché lo diventi, scriveteci: la prima call è gratuita e serve per inquadrare il problema, non per venderti un pilota.

Fonti e approfondimenti

FonteArgomentoLink
WRITEREnterprise AI adoption 2026: perché il 79% incontra ostacoli nonostante gli investimentiwriter.com
Gartner (via First Page Sage)Previsione: oltre il 40% dei progetti di AI agentica cancellato entro il 2027firstpagesage.com
Digital AppliedAI Agent Adoption 2026: oltre 120 dati enterprise su adozione e barrieredigitalapplied.com
TURION.AIState of AI Agents in Enterprise: trend di adozione e barriere nel 2026turion.ai

Domande frequenti

Molto meno di quanto suggerisce la conversazione pubblica. L'88% delle organizzazioni usa l'AI in almeno una funzione aziendale, ma solo il 23% circa sta scalando l'AI agentica oltre i progetti pilota. La maggior parte delle prove di concetto non arriva mai in produzione, e Gartner prevede che oltre il 40% dei progetti di AI agentica verrà cancellato entro fine 2027 per costi crescenti, valore di business poco chiaro e controlli del rischio inadeguati. Il divario tra chi sperimenta e chi produce è il dato che conta.

Tre famiglie. Integrazione: il 46% delle organizzazioni indica il collegamento con i sistemi esistenti come lo scoglio principale, perché l'agente vale quanto i sistemi a cui può accedere. Governance: il 36% non ha un piano formale di supervisione, il 55% descrive l'uso interno dell'AI come un far-west e il 79% dice che le applicazioni nascono in silos scollegati. Valore: l'80% riporta ritorni economici misurabili dagli agenti, ma solo il 23% li definisce significativi. Nessuno dei tre ostacoli è tecnologico in senso stretto: sono problemi di processo e di organizzazione.

Greg Brockman, presidente di OpenAI, ha raccontato che i dipendenti rifiutano le richieste di lavoro che arrivano su Slack dal ChatGPT dei colleghi. È rivelatore: perfino nell'azienda che costruisce questi strumenti, un compito delegato a un agente e recapitato a un collega viene percepito come scaricare lavoro senza pagarne il costo sociale. L'adozione degli agenti non è solo un problema tecnico: è un contratto sociale interno, e se il galateo non viene definito, le persone rispondono con il rifiuto.

Aspettare la maturità del mercato conviene solo se nel frattempo prepari le condizioni. I progetti agentici falliscono su integrazione, governance e misurazione: tre cose che si possono costruire adesso, con o senza agenti. Un'azienda con processi documentati, dati accessibili e metriche di partenza monta un agente in settimane quando decide di farlo; una che parte da zero impiega mesi solo per capire dove metterlo. Il vantaggio competitivo non sta nell'adottare per primi, ma nell'essere pronti quando l'adozione ha senso.

Da un processo solo, noioso e misurabile: smistamento di email o ticket, estrazione dati da documenti, preparazione di bozze ripetitive. Perimetro stretto, un responsabile umano chiaro, numeri di partenza fissati prima di attivare qualsiasi cosa (tempo per pratica, costo, tasso di errore). L'approccio 'un processo, un perimetro, tre numeri' non fa notizia, ma è quello che distingue il 23% che scala dal resto che presenta demo.