Come Raggiungere la Prontezza per l’IA Agentica: Persone, Dati ed Esperienza
Divario di Competenze: Le organizzazioni faticano non per la capacità tecnica ma per avere le persone giuste a prendere decisioni.
Coinvolgimento nella Progettazione: Coinvolgere le giuste figure operative come membri fondamentali del team è cruciale per progettare efficacemente gli agenti.
Problemi che si Moltiplicano: Piccoli errori di contesto da parte degli agenti IA si sommano nel tempo, danneggiando la soddisfazione e la fiducia dei clienti.
Vantaggio delle Organizzazioni Più Piccole: Le organizzazioni più piccole possono implementare più facilmente l’IA agentica con meno complessità rispetto alle grandi imprese.
Esigenze di Infrastruttura: Un’implementazione efficace dell’IA richiede più della sola tecnologia; servono capacità organizzativa e qualità dei dati.
Quando le organizzazioni perseguono l’AI agentica, mettono la tecnologia al primo posto. Parlano di agenti, livelli di orchestrazione, architetture multi-modello.
Quello di cui spesso non parlano: le persone e cosa succede quando le cose si rompono in modi che nessuno aveva previsto?
Il problema non è tecnico, ma molti leader non se ne rendono conto finché non sono immersi nel processo di implementazione, osservando i punteggi di soddisfazione dei clienti scendere e gli indicatori di qualità peggiorare.
Keep Reading—and Keep Leading Smarter
Create a free account to finish this piece and join a community of forward-thinking leaders unlocking tools, playbooks, and insights for thriving in the age of AI.
Have an account? Log In
Il divario di competenze nell’AI agentica
Se chiedi alla maggior parte dei dirigenti della loro preparazione all’AI agentica, ti parleranno dei loro ingegneri IA e data scientist. Ti descriveranno la loro infrastruttura cloud e il processo di selezione dei modelli.
Ciò che viene analizzato meno è se hanno dato potere alle persone che effettivamente capiscono come gli agenti influenzeranno l’azienda.
Questo è il vero divario di competenze. Non la capacità tecnica, ma l’influenza organizzativa.
La domanda non è "abbiamo ingegneri IA?". La domanda è "abbiamo le persone giuste che prendono le decisioni?"
Nella maggior parte delle organizzazioni, la risposta è no.
Solo il 14% delle organizzazioni ha soluzioni agentiche pronte per l’implementazione, nonostante il 30% stia esplorando opzioni e il 38% abbia progetti pilota in corso.
Progettare agenti AI in un vuoto
Cosa succede quando i team tecnici progettano agenti senza il contributo delle persone che svolgono davvero il lavoro? Semplificano troppo.
Un processo che sembra pulito su un diagramma di flusso include filtri invisibili di giudizio. L’addetto al servizio clienti che sa quando piegare una regola. Il responsabile delle operazioni che capisce quali eccezioni contano davvero. L’analista che sa leggere tra le righe di dati incompleti.
Queste decisioni si basano sull’esperienza e sull’intuizione. Sembrano una semplice logica "se questo, allora quello" su un albero decisionale.
Ma le persone in quei ruoli capiscono qualcosa che gli agenti non riescono a replicare facilmente: il contesto.
Sanno che, sebbene una regola valga nella maggior parte dei casi, ci sono volte in cui bisogna fare un’eccezione. Momenti in cui devi agire diversamente.
Francisco Marin, co-fondatore di Cognitive Talent Solutions, descrive la sfida incontrata dal suo team durante la creazione di agenti HR:
Abbiamo osservato che alcune capacità agentiche sono state implementate per processi HR fondamentali come la gestione delle buste paga o la conformità normativa. Ma ci mancava quella generazione di casi d’uso che influenzano la people analytics, e in particolare quelli che erano allineati con il framework di rete.
Il suo team non ha semplicemente costruito soluzioni tecniche. Ha realizzato sistemi che riflettono come avviene realmente il lavoro, non come appare sull’organigramma.
Quando si costruiscono agenti senza rendere prima esplicita la conoscenza tacita, non si ottengono fallimenti immediati. Si ottengono problemi a scoppio ritardato.
Problemi di qualità che si accumulano
L’agente prende una decisione tecnicamente corretta ma sbagliata nel contesto. In un caso isolato, non è catastrofico.
Ma col tempo, questi piccoli cali di qualità si sommano.
Non te ne accorgi fino a quando non arrivano i sondaggi di soddisfazione dei clienti. Fino a quando non noti un pattern nei dati. Fino a quando il danno si è già diffuso nei tuoi sistemi.
A quel punto, non stai solo sistemando un agente. Stai ricostruendo la fiducia.
Il 95% dei progetti pilota di AI generativa non riesce a fornire un ROI misurabile. La causa principale non sono i modelli difettosi. Scarsa integrazione e priorità disallineate fanno fallire queste iniziative.
In altre parole: le organizzazioni non coinvolgono le persone giuste nella progettazione.
Chi deve davvero essere presente
Deve esserci la persona che svolge il ruolo che stai automatizzando.
Non come consulente. Non come ripensamento. Come parte centrale del team di progettazione.
Devono aiutarti a orientare l’agente. Condividere la loro esperienza vissuta. Emergere la conoscenza del "tranne quando" che non compare nella documentazione.
Dan George, che in passato ha ricoperto il ruolo di CHRO prima di co-fondare Cognitive Talent Solutions, spiega quanto è importante.
Ho gestito manualmente questo processo in passato. Quando ero un ex CHRO, responsabile dell’analisi delle persone in diverse organizzazioni. Dovevo creare elenchi e inviarli ai team di formazione e sviluppo o altri team di coinvolgimento dei talenti.
La sua esperienza nella costruzione di agenti gli ha insegnato che l'automazione senza esperienza vissuta produce sistemi che sembrano funzionali ma falliscono nella pratica.
"Averlo come uno spazio automatizzato e autorizzato in cui un amministratore può semplicemente andare e cliccare, cliccare, cliccare, rende il processo molto più semplice e ci permette di uscire dall'abitudine di scegliere sempre i soliti mentor e mentee a cui di solito ci rivolgiamo appena partiamo."
Ma per arrivarci è stato necessario coinvolgere le persone che capivano le sfumature dell'abbinamento dei mentor, non solo i requisiti tecnici dell'elaborazione dei dati.
Lisa Jones, CEO di EyeMail, ha imparato una lezione simile implementando l'IA in tutta la sua organizzazione. "Abbiamo chiesto a ogni dipartimento: Dove sentite attrito o ripetizione? Dove l’IA potrebbe aiutarvi a migliorare creatività o chiarezza? A cosa vorreste dedicare più tempo se l’IA si occupasse del resto?"
Questo approccio ha acceso idee dal marketing alle operazioni e ha dato a ogni team la responsabilità di come l'IA si inserisse nel lavoro quotidiano.
Il modo migliore per raccogliere l’esperienza vissuta è coinvolgere direttamente. E questo coinvolgimento deve essere accompagnato da due cose che la maggior parte delle organizzazioni separa: upskilling e compensazione equa.
Non puoi separare la progettazione degli agenti dallo sviluppo delle persone
La maggior parte delle aziende tratta questi aspetti come iniziative separate. La progettazione degli agenti avviene nell’IT. L’upskilling è compito delle risorse umane. La compensazione viene affrontata nelle revisioni annuali.
Questa frammentazione uccide l’adozione.
Devi unirli per mantenere alte le performance. La progettazione degli agenti è una nuova competenza. Comprendere come gli agenti amplificano la produttività e l’influenza conta più che saperli programmare.
Se non aggregi questi elementi, ottieni uno di due risultati.
- Sabotaggio dell’IA - Partecipazione cinica che mina l’iniziativa. Persone che sanno che il sistema fallirà e si assicurano tranquillamente che accada.
- Danno reputazionale - Si diffonde la voce che la tua organizzazione estrae conoscenza senza investire sulle persone. Il tuo employer brand ne risente in modo che non è facile riparare.
Jones descrive come EyeMail ha evitato questa trappola.
Non abbiamo distribuito manuali di formazione formali. Al contrario, abbiamo creato i Circoli di Curiosità sull’IA, sessioni settimanali in cui i membri del team hanno condiviso scoperte, testato prompt ed esplorato l’impatto emotivo. Non erano solo tutorial tecnici, erano laboratori di narrazione.
Con l’IA a gestire i compiti ripetitivi, il team di Jones si è spinto sempre più verso la narrazione, l’innovazione e l’empatia verso il cliente.
"La curiosità è diventata un valore chiave", ha detto. "I membri del team si sono sentiti più coinvolti, più valorizzati e più ispirati a sperimentare."
Bisogna legare tutto insieme affinché le persone lo vedano come un investimento su di loro, non una loro sostituzione.
Perché le organizzazioni più piccole hanno un vantaggio
Le organizzazioni enterprise hanno già automatizzato molto con RPA e IA predittiva. Hanno costruito sistemi complessi con più livelli di approvazione, requisiti di conformità e vincoli legali.
Aggiungere un’architettura agentica a questa complessità crea punti di fallimento esponenziali.
I piccoli team hanno vantaggi nell’implementazione dell’IA. Hanno meno processi da gestire, meno decisori da allineare e meno problemi di conformità.
La migliore architettura agentica non è troppo complessa. Più la mantieni snella, meno ci sarà da rompere.
Gli agenti lavorano al meglio quando possono operare con confini chiari e dipendenze minime. Quando possono prendere decisioni senza dover attraversare processi di approvazione complessi e burocratici. Quando possono accedere ai dati senza dover riconciliare quindici sistemi diversi.
Le organizzazioni di piccole dimensioni hanno questo per natura. Quelle di grandi dimensioni devono costruirlo intenzionalmente.
Quasi la metà delle organizzazioni cita la ricercabilità dei dati (48%) e la riutilizzabilità dei dati (47%) come sfide per la propria strategia di automazione AI. I tuoi dati non sono pronti per essere consumati da agenti che necessitano di un contesto aziendale.
Il divario tra CEO e CISO
I CEO sono ottimisti. Il 67,1% ritiene che gli strumenti AI li aiuteranno a prendere decisioni migliori in ambito cybersecurity. Il 60,2% pensa che la propria azienda sia più preparata della concorrenza nel rispondere alle minacce dell’AI.
I CISO sono cauti. Solo il 58,6% condivide questa fiducia. Solo il 19,5% crede che l’AI rafforzerà le difese informatiche, rispetto al 29,7% dei CEO.
Questa distanza dice tutto sulla prontezza organizzativa.
Le persone responsabili di sicurezza, conformità e rischio operativo vedono problemi che la c-suite non vede. Comprendono che gli agenti introducono nuovi vettori d’attacco. Che i sistemi multi-agente creano incubi per il debugging e che ancora non esistono modelli di governance per il decision-making autonomo su larga scala.
Solo il 14% dei CISO si sente pienamente preparato a integrare l’AI nelle operazioni di cybersecurity. Oltre il 50% indica la mancanza di supporto da parte di CIO e CEO come la sfida più grande.
Il fatto che la tua organizzazione sia allineata su cosa richiede realmente il deployment si vede prima di tutto qui.
Cosa significa davvero il divario
Quando il tuo CEO è ottimista e il tuo CISO è preoccupato, hai un problema strategico sulla proprietà dell’AI.
La parte business vede opportunità. Il lato operativo vede rischi. E nessuno ha costruito il ponte tra di loro.
Questo si riflette nelle decisioni di deployment, nell’allocazione delle risorse e in come si bilancia la velocità rispetto alla sicurezza.
Marin e George hanno inserito questo ponte nel loro processo di progettazione degli agenti. Quando ho chiesto di consenso e trasparenza nei loro agenti HR, George ha spiegato:
"Dobbiamo garantire che tutto ciò che facciamo con l’AI agentica abbia il giusto livello di consenso e un utilizzo etico di questi processi automatici."
Marin ha aggiunto: "Abbiamo avuto discussioni continue con il team su alcune delle sfumature di ciascun use case separatamente. Nel caso del nostro agente per la retention dei talenti, ad esempio, abbiamo discusso se avesse senso fornire questi insight a livello aggregato, oppure a livello individuale e notificare direttamente il supervisore immediato."
Per la maggior parte delle organizzazioni, il compito di costruire questo ponte spetterà alla leadership, ma non saranno il CEO e il CISO a guidare. Sarà invece la partnership tra CHRO (persone e processi) e CIO (qualità dei dati e best practice) a creare il giusto compromesso per cogliere le opportunità in modo prudente rispetto al rischio.
Le organizzazioni che colmano presto questo divario si muovono più velocemente. Creano framework di governance prima che servano. Investono in osservabilità e monitoraggio, e creano percorsi di escalation chiari per quando gli agenti prendono decisioni fuori dai propri confini.
L’infrastruttura per l’AI agentica
Gli agenti hanno bisogno di più di API e pipeline di dati. Hanno bisogno di un’infrastruttura che la maggior parte delle organizzazioni non possiede.
Gestione dell’identità e dei permessi che funzioni su più agenti. Cataloghi di strumenti che permettono agli agenti di scoprire funzionalità senza dover integrare tutto con codice fisso. Enforcement delle policy che si applica in modo coerente, a prescindere da quale agente prende la decisione.
E osservabilità che permette di diagnosticare i problemi quando più agenti interagiscono in modi inattesi.
Questo non è un problema temporaneo: il 65% dei leader cita la complessità dei sistemi agentici come principale ostacolo per due trimestri consecutivi.
È importante ricordare che l’infrastruttura non è solo tecnologia, ma anche capacità organizzativa.
Jones lo ha imparato costruendo workflow agentici in EyeMail. Il suo team usa Miro AI per visualizzare i customer journey, identificando punti di contatto emotivi e aree di attrito. L’uso di HubSpot AI offre insight comportamentali e segmentazione, aiutandoli a personalizzare i flussi di onboarding e le sequenze di nurturing.
"Abbiamo migliorato del 40% i tassi di completamento dell’onboarding. Abilitato progettazioni di percorso flessibili e modulari per clienti pharma, tech e automotive. Offerto framework di storytelling che incontrano i clienti esattamente dove sono — dal punto di vista emotivo e operativo," ha detto lei.
Le richieste di qualità dei dati
Il tuo cliente appare come "Acme Corp" nel CRM, "Acme Corporation" nei sistemi di posta elettronica, "ACME Inc." nei contratti e "Acme" nelle trascrizioni delle chiamate.
Senza risoluzione delle entità, gli agenti frammentano la loro comprensione su più profili incompleti.
Il 73% dei responsabili dei dati aziendali individua nella "qualità e completezza dei dati" il principale ostacolo al successo dell’AI. Questo aspetto supera in importanza l’accuratezza dei modelli, i costi dell’informatica e la carenza di talenti.
Non puoi aggirare il problema dei dati scadenti con l’ausilio di agenti. Devi prima correggerli.
Come implementare con successo l'AI agentica
Le organizzazioni che implementano con successo sistemi agentici fanno tre cose in modo diverso.
- Coinvolgono le persone che svolgono il lavoro nella progettazione degli agenti. Non come consulenti, ma come membri fondamentali del team. Riconoscono e compensano equamente questo lavoro e lo utilizzano come occasione di sviluppo delle competenze.
- Costruiscono la governance prima di scalare. Politiche chiare su ciò che gli agenti possono e non possono fare. Percorsi di escalation per casi limite. Capacità di osservazione che intercetta i problemi prima che si aggravino.
- Mantengono i sistemi snelli. Resistono alla tentazione di creare orchestrazioni complesse multi-agente prima di aver dimostrato il valore di un singolo agente. Aggiungono complessità solo quando un approccio più semplice fallisce.
"L’AI colma la distanza tra visione ed esecuzione", afferma Jones. "Ciò che prima richiedeva settimane di ricerche, il contributo di consulenti e l’allineamento tra funzioni diverse, oggi può iniziare con un prompt ben fatto."
La chiave tuttavia sta nel modo in cui ci si arriva. Il suo team non si è limitato a distribuire manuali di formazione ufficiali. Hanno creato i Cerchi di Curiosità sull’AI, sessioni settimanali in cui i membri del team condividevano scoperte, testavano prompt ed esploravano l’impatto emotivo.
"Per me, l’organizzazione del futuro è una rete alimentata da agenti AI, dove gli agenti AI vengono rilasciati per implementare questi micro-interventi su larga scala", dice Marin. "C’è una componente delle grandi multinazionali che agisce come incubatrice di questo nuovo modo di lavorare, ciò che chiamiamo un futuro del lavoro orientato alla rete."
Non è materiale per comunicati stampa accattivanti. Ma è ciò che distingue il 14% con soluzioni operative dal 38% bloccato nei progetti pilota.
La domanda a cui devi rispondere adesso
L’architettura agentica non sta arrivando. È già qui.
Il 40% delle applicazioni aziendali integrerà agenti AI specifici per compito entro la fine del 2026, rispetto a meno del 5% nel 2025.
Con l’aumentare dell’adozione di agenti, la domanda a cui ogni azienda deve rispondere riguarda la loro capacità di soddisfare ciò che richiede la sfida degli agenti. Non solo capacità tecnica, ma anche prontezza organizzativa. Questo significa:
- Le persone giuste al tavolo.
- L’infrastruttura per supportare decisioni autonome.
- La governance per intercettare i fallimenti prima che si aggravino.
- La qualità dei dati per prendere decisioni consapevoli del contesto.
- La volontà di investire nelle persone tanto quanto nella tecnologia.
La maggior parte delle organizzazioni sbaglierà approccio. Tratteranno l’AI agentica come un semplice aggiornamento tecnico invece che come una ripianificazione organizzativa.
Faranno parte del 40% dei progetti AI agentici che, secondo le previsioni di Gartner, verranno annullati entro la fine del 2027 a causa dell’aumento dei costi, valore aziendale poco chiaro o controlli di rischio inadeguati.
Le organizzazioni che comprendono la sfida riconosceranno che l’architettura agentica richiede più degli ingegneri. Richiede l’esperienza vissuta delle persone il cui lavoro si intende valorizzare.
E costruiranno sistemi che rispettano questa realtà.