Nel settore impresa, il deployment su larga scala degli agenti AI ha preso quota, ma sono poche quelle che padroneggiano i blocchi costitutivi e i modelli architetturali necessari per la progettazione di workflow aziendali ottimizzati dagli agenti.

Un focus sull’uso e l’ottimizzazione degli agenti può rivelarsi causa di fallimento

Puntare sull’utilizzo e l'ottimizzazione di un agente, trascurando i fondamentali come accesso ai dati, ai sistemi, osservabilità e misure deterrenti, garantisce l’insuccesso per i responsabili ICT. In questa fase, tanti CIO, desiderosi di cogliere il potenziale degli agenti AI, lottano ancora per risolvere un passo fondamentale: il design architettonico sottostante, anche quando si trovano ad affrontare un deployment in corso. Si prevede che il numero di agenti in azione all’interno delle organizzazioni aumenti in modo esponenziale nel corso dell'anno. IDC prevede una moltiplicazione per dieci del loro utilizzo da parte delle grandi aziende entro la fine dell'anno.

Hilary Packer, Data & AI Lead di American Express, ricorda che molti CIO sottovalutano il lavoro infrastrutturale necessario per un scaling responsabile degli agenti. Si tende a concentrarsi su capacità specifiche di un agente e a passare all’implementazione prima che le infrastrutture siano pronte, nonostante sia essenziale creare prima le capacità necessarie affinché gli agenti siano coesi, funzionino correttamente attraverso i sistemi e ottimizzino i flussi di lavoro.

I fondamenti riusabili

Gli esperti sottolineano che molte organizzazioni continuano a operare con dati frammentati, definizioni incoerenti e gestione separata della proprietà dei dati. “Prima di introdurre modelli e agenti sempre più sofisticati, le aziende hanno bisogno di garantire che i dati di base siano corretti, accessibili e adatti all'uso previsto”, precisa Hilary Packer. “Questo richiede investimenti in governance, tracciabilità e infrastruttura moderna che supporti un flusso efficace delle informazioni all'interno dell'azienda.”

Gli esperti concordano sull’idea che l'IA agentica rappresenti non solo un challenge infrastrutturale e tecnologico, ma anche uno di governance e modello operativo. Le squadre IT, per esempio, tendono a ricostruire le stesse funzioni in ogni progetto sperimentale, come gestione delle identità, controlli di accesso, monitoring e osservabilità, finendo per perdere un’opportunità di riuso e di crescita su scala.

Architettura complessa e fondamenti essenziali

Ci sono diversi componenti critici nell’architettura agentica. Essi includono:

Un orchestratore che funge da cervello controllando i sotto-agenti;

I sotto-agenti stessi, dotati di funzioni specifiche;

API ed altri strumenti;

Una memoria in grado di conservare il contesto temporale e il comportamento dell’agente;

E garanzie per impostare limiti funzionali e comportamentali.

Saurabh Pitkar, Product Manager di Dell Technologies, afferma che molte aziende che incontrano difficoltà non hanno investito abbastanza in aree specifiche come gestione della memoria o standardizzazione. Il mancato accesso ai dati e la loro integrazione insufficiente rappresentano spesso ostacoli per l’utilizzo degli agenti, anche quando si è effettuato un grande investimento verso modernizzazione dell’infrastrutturadata.

Gestione di cambiamento: un aspetto trascurato

Spesso i CIO hanno trascurato di affrontare le modifiche organizzazionali necessarie per adattarsi a un cycle di delivery più veloce, guidato dagli agenti. Pitkar sottolinea che l’adozione può rallentare notevolmente se l’organizzazione non è pronta a lavorare con la velocità che l’IA permette. “L’IA non si preoccupa della struttura aziendale quando cerca di accedere ai dati,” aggiunge.

I dettagli contano sull’applicazione

Sebbene gli elementi principali dell’architettura agentica siano standardizzati, Saurabh Pitkar raccomanda di attenzione al contesto di utilizzo per concentrarsi maggiormente su certe funzionalità. “Per il servizio clienti, potrebbe essere richiesto un maggiore investimento nel mapping emotivo di intenti e nell’esperienza utente connessa a conversazioni complesse, in cui l'utente ha bisogno di risolvere una questione per poter lavorare,” spiega.

Pensare in termini di architettura a strati

Un’altra prospettiva sull’architettura agentica consiste nel dividerla in quattro strati:

Sistema di contesto: dati integrati e semantici;

Sistema operativo: servizi applicativi componibili;

Sistema di orchestratore: piano, collaborazione e gestione operativa;

Sistema di interazione: interfaci che permettono agli agenti di collaborare con clienti o dipendenti.

Molte aziende già possiedono queste componenti nei loro pacchetti di software, ma esse sono state progettate per funzionare con l’umanità e non con la velocità dell’automazione. Questo rappresenta un’importante differenza nel modo in cui il sistema deve essere ottimizzato.

L’architettura come base per l’IA autonoma

Per Shibani Ahuja, Senior Vice President di Salesforce, l’architettura agentica costituisce la base che permette agli agenti di agire autonomamente, ragionando e interagendo in modi controllati e sicuri. Questo è la differenza tra un’IA che scrive una email e un’IA che chiude ticket, attiva pagamenti o aggiorna documenti senza la necessità dell'intervento umano.

Il problema della definizione dell’architettura

AHuja osserva che molte organizzazioni ancora non si sono chiari sul piano dell’architettura o sull’effettivo deployment. Nel 2025, ha ascoltato vari CIO descrivere grandi progetti di AI. “Se ascoltavi attento, un parlava di AI predittiva, un altro di AI generativa e un terzo di workflow agentico che non era che un chatbot avanzato,” racconta. Il risultato è l’uso improprio di termini spesso correlati a scopi diversi.

Le sfide nel deployment degli agenti non sono di capacità, ma di come le aziende scelgono di concentrare i loro sforzi. Molti CIO si focalizzano sull’agente stesso – scenario applicativo, prompt e modello, ma è cruciale chiedersi se l’organizzazione ha un’architettura adatta a scalare l’uso dell’IA.

Accedere a dati in tempo reale

Per Shibani Ahuja, l’accesso reale ai dati e ai sistemi in tempo reale rappresenta un punto critico. “L’architettura agentica deve permettere agli agenti di funzionare autonomamente, in modo sicuro e con un piano governativo ben definito,” afferma.

Con