Mentre il 2025 volge al termine, mi colpisce un paradosso: il settore dell’AI non è mai stato così efficiente, ma in compenso l’argomento non è mai stato così confuso.
I dibattiti più accesi al momento sono incentrati sull’AGI (Artificial General Intelligence), un obiettivo mal definito e in continuo mutamento che cambia a seconda dei parametri acquisiti. Nel frattempo, i progressi più significativi stanno avvenendo silenziosamente negli ambienti aziendali: i sistemi AI stanno attraversando soglie misurabili diventando da reattivi a proattivi, da generici a specializzati, da incoerenti ad affidabili.
È importante che chiunque si occupi dell’applicazione aziendale dell’AI si renda conto che le scoperte più significative degli ultimi tempi non avvengono a livello di modello, ma a livello di sistema: architetture di memoria, motori di ragionamento, chiamate API e interfacce che trasformano un Large Language Model (LLM) in un sistema agentico completo.
Le cinque tendenze descritte di seguito operano tutte a questo livello di sistema e sono pronte a rimodellare l’AI aziendale nel 2026. Alcuni degli elementi che stiamo per descrivere esistono oggi in forma di prototipo. La maggior parte diventerà realtà aziendale entro 12-18 mesi. Tutto questo è radicato nel contesto dei progressi della ricerca in corso nei nostri laboratori Salesforce AI Research e convalidato da implementazioni reali con i nostri clienti, che sono pronti a implementare l’AI dove la posta in gioco e l’apprendimento sono più alti. Nel complesso, questi cambiamenti indicano l’emergere dell”Agentic Enterprise, un’organizzazione in cui umani e agenti AI lavorano insieme, con l’intelligenza che opera continuamente nei workflow per migliorare le prestazioni e il metro di giudizio.
Tendenza n. 1: l’ascesa dell’intelligenza ambientale
La tua AI sarà “sempre attiva” dietro le quinte e saprà quando agire.
Attualmente, la maggior parte degli agenti è reattiva e svolge solo le attività specifiche che vengono richieste tramite prompt umani. Ci stiamo muovendo verso sistemi AI perfettamente integrati in background, consapevoli del contesto e di ciò che accade all’interno di un workflow e in grado di fornire in modo proattivo approfondimenti, assistenza e informazioni rilevanti agli utenti.
Questo è ciò che chiamiamo “intelligenza ambientale”.
Immaginiamo che un addetto alle vendite abbia una conversazione con un cliente. Gli agenti ascolteranno queste conversazioni e forniranno automaticamente suggerimenti, approfondimenti e materiale di supporto durante le interazioni con il cliente, in tempo reale e senza bisogno di prompt. E, cosa ancora più importante, agiranno. Si occuperanno dei passaggi successivi piuttosto che dei report e condivideranno gli aggiornamenti con i rappresentanti commerciali in tempo reale. Questo passaggio da “chiedi e ricevi” ad “anticipa e consegna” trasformerà radicalmente il modo di operare di chi lavora con le informazioni. Queste innovazioni sono già in atto e le vedremo sul mercato nel corso del prossimo anno.
Quali saranno le conseguenze nei vari settori? Le operazioni di assistenza potranno fare passi da gigante. Nei contact center l’intelligenza ambientale evolverà al di là della trascrizione di base delle chiamate per intervenire in modo proattivo, suggerendo tecniche di de-escalation e facendo emergere informazioni normative pertinenti prima ancora che l’agente si renda conto di averne bisogno. L’assistenza sul campo subirà cambiamenti simili: i tecnici che arriveranno sul posto riceveranno una guida in tempo reale, mentre l’AI ambientale monitorerà i dati diagnostici, la cronologia delle riparazioni e anticiperà le necessità di pezzi di ricambio, il tutto senza un solo prompt. L’esperienza diventa quella che noi chiamiamo “assistenza invisibile”, in cui i problemi vengono affrontati prima che i clienti li esplicitino del tutto.
Tendenza n. 2: il livello semantico della collaborazione tra agenti
Il tuo agente AI utilizzerà un nuovo linguaggio comune per negoziare con altre aziende a tuo nome.
Gli agenti AI agiscono già come moltiplicatori di forza lavoro all’interno delle organizzazioni: AI specializzate che gestiscono l’inventario, la fatturazione, la logistica, ognuna focalizzata su funzioni discrete. La prossima evoluzione prevede l’aggiunta di agenti orchestratori, intermediari che coordinano flotte di specialisti, agendo come assistenti AI personali allineati alle tue preferenze e agli obiettivi aziendali.
Questa capacità di orchestrazione non è del tutto nuova: mesi fa abbiamo analizzato l’evoluzione dai sistemi di AI monofonici a quelli polifonici, fino agli ensemble. Oggi Agentforce sta già dimostrando questa fase “polifonica” all’interno delle organizzazioni.
La vera novità del 2026 è il livello semantico che consentirà la comunicazione agente-ad-agente al di là dei confini dell’organizzazione. Pensiamo a un vocabolario condiviso che permetta ad agenti di organizzazioni diverse di comprendere l’intento, verificare la fiducia e negoziare i termini, non solo di scambiare dati.
Lo scenario più interessante si presenta quando gli orchestratori di agenti di aziende diverse iniziano a negoziare direttamente. Immagina di acquistare un’auto. Il tuo agente AI personale non si limita a negoziare con l’agente della concessionaria, ma si coordina anche con fornitori di assicurazioni, istituti di credito e fornitori di assistenza, ciascuno rappresentato da un proprio agente AI. Queste trattative tra più parti richiedono framework semantici avanzati che garantiscano a tutte le parti di operare entro confini etici e legali, mantenendo la trasparenza sulle modalità con cui vengono raggiunte le decisioni.
Il nostro team sta costruendo attivamente questi protocolli di comunicazione tra agenti, stabilendo le “regole del gioco” per la collaborazione AI tra organizzazioni. Gli elementi costitutivi stanno già emergendo: Google ha recentemente adottato il nostro concetto di Agent Cards nelle sue specifiche A2A, metadati standardizzati che descrivono le capacità, i limiti e i casi d’uso appropriati di un agente. Queste schede consentono di scoprire le capacità e di negoziare le versioni, permettendo agli agenti di organizzazioni diverse di capire cosa possono o non possono fare gli uni con gli altri prima di iniziare le transazioni.
Tendenza n. 3: ambienti di simulazione
La tua AI richiederà “ore di collaudo” prima di ottenere la certificazione e le autorità di regolamentazione ne chiederanno la prova.
Le prestazioni dell’AI sono fondamentalmente “frastagliate”, ovvero incoerenti in modi che l’implementazione aziendale non può tollerare. Il più avanzato Large Language Model (LLM) fatica ancora a contare le lettere nei nomi, eppure chiediamo a questi sistemi di gestire operazioni mission-critical come la gestione dell’inventario e la riconciliazione finanziaria.
Cosa ci aspettiamo da questa tendenza: gli acquisti di AI a livello aziendale richiederanno metriche di performance convalidate da simulazioni. Proprio come i piloti hanno bisogno di ore di volo e i chirurghi di procedure supervisionate, gli agenti AI avranno bisogno di ore di formazione documentate in ambienti di simulazione realistici prima di gestire le interazioni con i clienti.
Le basi tecniche esistono già oggi: abbiamo sviluppato ambienti di simulazione eVerse in cui gli agenti si allenano su migliaia di scenari aziendali sintetici, convalidati da esperti del settore. Generiamo scenari B2B e B2C realistici: resi dei clienti con informazioni incomplete, richieste di assistenza con dati contrastanti, trattative di vendita con requisiti mutevoli degli stakeholder. Gli agenti svolgono attività in questi scenari, misuriamo i loro insuccessi e i loro successi, quindi utilizziamo l’apprendimento per rinforzo per ottimizzarne il comportamento.
Prima del lancio, Agentforce Voice è stato sottoposto a migliaia di stress test con conversazioni sintetiche con accenti diversi, interruzioni, rumori di fondo e connessioni discontinue. Il nostro progetto pilota per UCSF Health ha raggiunto l’88% di copertura delle attività grazie alla formazione basata sulla simulazione, ben oltre il 60-70% che gli approcci tradizionali offrono.
La tendenza non è solo tecnica: nei prossimi 18 mesi diventerà un’esigenza di mercato. Gli acquirenti aziendali chiederanno: “Quante ore di simulazione ha completato questo agente? Quali casi limite ha incontrato? Mostrateci i dati di addestramento”. Gli ambienti di simulazione diventeranno uno standard negli acquisti di AI delle aziende, al pari degli audit di sicurezza e delle garanzie di uptime.
Questo cambiamento affronta quello che noi chiamiamo il “reality gap”, ovvero la discrepanza tra le prestazioni dell’AI in ambienti controllati e la complessità del mondo reale. La formazione sui soli dati testuali ha raggiunto un punto di saturazione. L’apprendimento basato sull’esperienza attraverso gli ambienti di simulazione trasforma gli agenti da modelli linguistici generici in sistemi specializzati per l’impresa che funzionano in modo affidabile proprio quando è più importante.
Tendenza n. 4: Enterprise General Intelligence (EGI)
La tua AI sarà eccellente sempre, non solo saltuariamente.
Invece di inseguire AGI che risolvono teoremi o scrivono poesie, il nostro team di ricerca si concentra su quella che chiamiamo Enterprise General Intelligence (EGI): agenti che svolgono attività aziendali complesse con capacità e coerenza.
Cosa richiede l’EGI? Capacità che contano in contesti aziendali reali: ragionamento a lungo termine su più passaggi, intelligenza adattiva che si adatta a regole mutevoli, ricerche e statistiche approfondite e approfondimenti proattivi in tempo reale. Tuttavia, la capacità da sola non è sufficiente: l’EGI richiede coerenza in presenza di disturbi, informazioni mancanti e casi particolari. Il 90% di precisione non basta. Il business richiede il 99%.
Cosa ci aspettiamo da questa tendenza quest’anno: nasceranno nuovi benchmark che valuteranno sia la coerenza che la capacità: non i benchmark AGI standard che producono valutazioni fuorvianti, ma benchmark EGI dedicati a casi d’uso aziendali (assistenza, vendite, assistenza sul campo, e-commerce, marketing) in settori aziendali specifici come la sanità e la finanza. Abbiamo già presentato le prime versioni, tra cui il nostro benchmark LLM per il CRM, che misura le prestazioni del modello in base ad accuratezza, costo, velocità, fiducia e sicurezza. Nei prossimi 18 mesi questi criteri critici per il business diventeranno molto più che esercizi accademici: saranno punti chiave per l’acquisto di AI aziendale, voci letterali in ogni RFP.
In conclusione, i leader tecnologici e aziendali smetteranno di chiedersi “Questo sistema AI può risultare convincente?” e inizieranno a chiedersi “Questo sistema AI può risultare affidabile ed efficace nel nostro specifico contesto aziendale?”. Le aziende che riusciranno a raggiungere questo obiettivo (alta capacità ed elevata coerenza) otterranno un valore trasformativo. Chi si accontenta di un’AI saltuariamente efficiente ma incoerente, troverà le sue implementazioni accantonate nel purgatorio delle soluzioni pilota.
Tendenza n. 5: intelligenza spaziale
La tua AI capirà il mondo fisico, non si limiterà a descriverlo con il linguaggio.
È in corso un cambiamento significativo: il passaggio all’intelligenza spaziale, ovvero la capacità delle AI di percepire, ragionare e interagire con lo spazio tridimensionale. I modelli del mondo rappresentano il salto successivo, in quanto catturano gli ambienti 3D e le proprietà fisiche come l’attrito, il tatto e il comportamento degli oggetti. Si tratta di molto di più della visione computerizzata per “vedere lo spazio”: l’AI deve capire come agire al suo interno. Fei-Fei Li, leader in questo settore, ha appena pubblicato un saggio sulla sua visione; Yann LeCun ha recentemente lasciato Meta per concentrarsi sui modelli mondiali. Quando due pionieri del settore scommettono in modo indipendente il loro futuro sulla stessa tecnologia, i leader aziendali dovrebbero prestare attenzione.
I modelli mondiali permetteranno all’AI di non limitarsi a elaborare il linguaggio sul mondo fisico, ma di comprenderlo e interagire con esso. Cosa significherà tutto questo per i leader aziendali nel prossimo anno?
Le prime applicazioni aziendali stanno già emergendo. Nell’e-commerce vedremo ambienti di shopping personalizzati che si adattano in tempo reale, spazi che apprendono e rispondono, non statici storefront virtuali. Nella logistica, aziende come Amazon stanno già dimostrando come l’utilizzo di world model possa consentire ai sistemi robotici di magazzino di comprendere le relazioni spaziali, prevedere il comportamento degli oggetti e adattarsi ai cambiamenti dell’ambiente. Inoltre, i tecnici dell’assistenza sul campo non si limiteranno a seguire i manuali di riparazione, ma lavoreranno con un’AI che comprenderà le apparecchiature fisiche attraverso il ragionamento spaziale, diagnosticando i problemi mediante la modellazione delle relazioni tridimensionali tra i componenti e generando indicazioni radicate nel contesto fisico reale. I modelli mondiali radicano l’AI nel contesto della realtà fisica, dove il business si svolge realmente. Tuttavia, come per tutte le tendenze di questo articolo, la vera sfida non è il modello in sé, ma la costruzione dell’impalcatura intorno ad esso: i sistemi di memoria, i motori di ragionamento e le interfacce che integrano i modelli del mondo agentico in un quadro completo. Man mano che queste capacità matureranno e si integreranno con piattaforme aziendali come Agentforce, vedremo emergere categorie completamente nuove di collaborazione tra uomo e AI in spazi che prima erano impossibili da immaginare.
Guardare al futuro: l’imperativo umano
Queste cinque tendenze hanno un filo conduttore: tutte richiedono la direzione costante dell’uomo.
L’intelligenza ambientale deve sapere quando rimanere in silenzio senza perdere rilevanza. I sistemi multi-agente hanno bisogno di catene di comando chiare e di protocolli di comunicazione che codifichino i nostri valori e i nostri quadri giuridici. Gli ambienti di simulazione richiedono l’intervento di esperti del settore per convalidare gli scenari e definire l’aspetto dell’eccellenza, colmando il divario di realtà tra test controllati e la disordinata implementazione nel mondo reale. Inoltre, l’EGI ci chiede di definire la coerenza e l’affidabilità in base ai nostri termini, non a quelli del modello.
Il futuro dell’AI aziendale amplifica il giudizio umano su una scala senza precedenti. Le organizzazioni che saranno leader nel 2026 sono quelle che si stanno preparando oggi stabilendo quadri di governance, formando i loro team sulla collaborazione con l’AI e costruendo l’infrastruttura per l’orchestrazione degli agenti.
Stiamo costruendo, proprio ora, i sistemi pratici che trasformeranno il modus operandi delle aziende nei prossimi 18 mesi, e che potrebbero non essere in linea con l’hype attuale. Tuttavia, questi cambiamenti di tendenza emergono direttamente dai nostri laboratori e dalle implementazioni dei clienti: sono radicati nel contesto della ricerca, convalidati dall’implementazione nel mondo reale e guidati dal principio che l’AI più potente è quella che sa quando chiedere una guida umana.
Queste cinque tendenze rimodelleranno l’AI aziendale nel 2026. La domanda da porsi è se la tua organizzazione contribuirà a plasmare questo futuro o si limiterà a subirlo. Ti diamo il benvenuto nel 2026 e nel futuro dell’AI aziendale.
Un ringraziamento va a Silvio Savarese, Patrick Stokes, Jacob Lehrbaum, Itai Asseo e Karen Semone per i loro approfondimenti e contributi a questo articolo.
