Introduzione all’agentic AI nei back office B2B
L’adozione della agentic AI nei processi di back office B2B consente di automatizzare le attività manuali ad alto volume, riducendo l’errore umano e trasformando la gestione operativa nelle grandi imprese con sistemi legacy. In ambito B2B, le attività quotidiane del back office sono spesso ancora legate a processi manuali consolidati da anni, come l’inserimento delle schede d’ordine nei sistemi gestionali, la chiusura dei registri contabili e la riconciliazione dei dati. Chris Bradley, CMO e Responsabile della Trasformazione AI di Veritiv, ha approfondito le motivazioni strutturali di questo ritardo operativo, illustrando il ruolo della agentic AI nella gestione completa dei flussi di lavoro ad alto volume.
L’ostacolo dei sistemi legacy
La permanenza di processi manuali nelle grandi organizzazioni B2B non è legata alla mancanza di investimenti tecnologici, ma alla complessa architettura informatica su cui poggiano le attività quotidiane. Molti strumenti di ultima generazione nascono per contesti nativi digitali, mentre le grandi imprese operano attraverso una stratificazione di software accumulati nel tempo. Bradley ha evidenziato che l’ostacolo principale all’efficienza risiede nell’architettura dei sistemi aziendali: “La maggior parte di noi vive in un mondo caratterizzato da un mosaico di sistemi legacy, sistemi ERP, sistemi proprietari sviluppati internamente”. Questa configurazione costringe gli operatori umani a lavorare contemporaneamente su tre o quattro monitor, trasferendo manualmente le informazioni da una piattaforma all’altra.
Il mantenimento di questa operatività manuale comporta costi indiretti rilevanti, che vanno oltre la semplice somma delle ore di lavoro. La costante digitazione manuale espone le procedure al rischio di errore umano, rallentando la velocità complessiva di risposta dell’azienda. Inoltre, l’impiego di personale qualificato in attività meramente esecutive limita le possibilità di crescita professionale all’interno dell’organizzazione. Bradley ha precisato: “Stiamo costringendo i nostri dipendenti a svolgere questo lavoro manuale quando invece potrebbero essere promossi a compiti di livello molto più elevato”.
Generative AI vs. Agentic AI
Nel dibattito tecnologico corrente, il termine intelligenza artificiale viene spesso impiegato per indicare soluzioni tra loro molto distanti. Esiste una distinzione concettuale e funzionale profonda tra modelli di AI generativa tradizionale e le architetture basate su agentic AI. I modelli generativi e i sistemi di chatbot nati negli ultimi anni sono stati progettati per operare come assistenti all’analisi, supporto alla ricerca o creatori di bozze testuali. In queste configurazioni, l’essere umano mantiene il controllo di ogni singola fase, guidando lo strumento e prendendo le decisioni operative successive.
Molti applicativi presenti sul mercato utilizzano la denominazione di agenti pur rimanendo confinati nel perimetro della generative AI. Bradley ha chiarito questa sovrapposizione concettuale: “Ci sono così tanti strumenti sul mercato che hanno nel nome la parola ‘agente’, ma in realtà sono ancora semplici strumenti di AI generativa”.
La agentic AI introduce un salto qualitativo nell’operatività, passando dal semplice affiancamento decisionale all’esecuzione autonoma e sequenziale di un compito articolato. L’agente software riceve un obiettivo finale e gestisce in autonomia tutti i passaggi intermedi necessari al suo completamento. L’elemento differenziante risiede nella capacità del sistema di operare sui software aziendali allo stesso modo in cui farebbe un dipendente umano.
Come spiegato da Bradley durante l’intervista: “La vera AI agentica si basa sul principio: ‘Ecco cosa deve essere fatto’ e l’AI va ed esegue tutti i passaggi che prima solo un essere umano era in grado di compiere”.
Veritiv: il caso studio dell’inserimento degli ordini di acquisto
Per testare le capacità della agentic AI a scala industriale, Veritiv ha individuato uno dei processi di back office a maggiore intensità di lavoro manuale: l’inserimento degli ordini di acquisto. L’azienda gestiva manualmente un volume pari a 1,7 milioni di ordini all’anno. L’avvio del progetto pilota è avvenuto tra la fine di novembre e l’inizio di dicembre del 2025, momento in cui il primo ordine è stato elaborato e inserito con successo dal sistema autonomo senza alcun intervento umano diretto.
Verifica e audit trail: garantire l’affidabilità
L’affidabilità di un sistema autonomo inserito in un processo critico richiede meccanismi di verifica rigorosi. Poiché i modelli linguistici di grandi dimensioni (LLM) presentano una natura non determin