Mentre il 2025 volge al termine, mi colpisce un paradosso: il settore dell’AI non \u00e8 mai stato cos\u00ec efficiente, ma in compenso l’argomento non \u00e8 mai stato cos\u00ec confuso. <\/p>\n\n\n\n
I dibattiti pi\u00f9 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 pi\u00f9 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. Le cinque tendenze descritte di seguito operano tutte a questo livello di sistema e sono pronte a rimodellare l’AI aziendale nel 2026. <\/strong>Alcuni degli elementi che stiamo per descrivere esistono oggi in forma di prototipo. La maggior parte diventer\u00e0 realt\u00e0 aziendale entro 12-18 mesi. Tutto<\/em> questo \u00e8 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 pi\u00f9 alti. Nel complesso, questi cambiamenti indicano l’emergere dell”Agentic Enterprise<\/a>, 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.<\/p>\n\n\n\n Attualmente, la maggior parte degli agenti \u00e8 reattiva e svolge solo le attivit\u00e0 specifiche che vengono richieste tramite prompt umani. Ci stiamo muovendo verso sistemi AI perfettamente integrati in background, consapevoli del contesto e di ci\u00f2 che accade all’interno di un workflow e in grado di fornire in modo proattivo approfondimenti, assistenza e informazioni rilevanti agli utenti.<\/p>\n\n\n\n Questo \u00e8 ci\u00f2 che chiamiamo “intelligenza ambientale”.<\/strong><\/p>\n\n\n\n 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 pi\u00f9 importante, agiranno.<\/strong> 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” trasformer\u00e0 radicalmente il modo di operare di chi lavora con le informazioni. Queste innovazioni sono gi\u00e0 in atto e le vedremo sul mercato nel corso del prossimo anno.<\/p>\n\n\n\n Quali saranno le conseguenze nei vari settori? Le operazioni di assistenza potranno fare passi da gigante. Nei contact center l’intelligenza ambientale evolver\u00e0 al di l\u00e0 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 subir\u00e0 cambiamenti simili: i tecnici che arriveranno sul posto riceveranno una guida in tempo reale, mentre l’AI ambientale monitorer\u00e0 i dati diagnostici, la cronologia delle riparazioni e anticiper\u00e0 le necessit\u00e0 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.<\/p>\n\n\n\n Gli agenti AI agiscono gi\u00e0 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.<\/p>\n\n\n\n Questa capacit\u00e0 di orchestrazione non \u00e8 del tutto nuova: mesi fa abbiamo analizzato l’evoluzione dai sistemi di AI monofonici a quelli polifonici, fino agli ensemble.<\/a> Oggi Agentforce sta gi\u00e0 dimostrando questa fase \u201cpolifonica\u201d all’interno delle organizzazioni.<\/p>\n\n\n\n La vera novit\u00e0 del 2026 \u00e8 il livello semantico<\/strong> che consentir\u00e0 la comunicazione agente-ad-agente al di l\u00e0 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.<\/p>\n\n\n\n Lo scenario pi\u00f9 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 pi\u00f9 parti richiedono framework semantici avanzati che garantiscano a tutte le parti di operare entro confini etici e legali, mantenendo la trasparenza sulle modalit\u00e0 con cui vengono raggiunte le decisioni.<\/p>\n\n\n\n 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 gi\u00e0 emergendo: Google ha recentemente adottato il nostro concetto di Agent Cards nelle sue specifiche A2A<\/a>, metadati standardizzati che descrivono le capacit\u00e0, i limiti e i casi d’uso appropriati di un agente. Queste schede consentono di scoprire le capacit\u00e0 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.<\/p>\n\n\n\n Le prestazioni dell’AI sono fondamentalmente “frastagliate”, ovvero incoerenti in modi che l’implementazione aziendale non pu\u00f2 tollerare. Il pi\u00f9 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. Le basi tecniche esistono gi\u00e0 oggi: abbiamo sviluppato ambienti di simulazione eVerse<\/a> 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 attivit\u00e0 in questi scenari, misuriamo i loro insuccessi e i loro successi, quindi utilizziamo l’apprendimento per rinforzo per ottimizzarne il comportamento.<\/p>\n\n\n\n Prima del lancio, Agentforce Voice<\/a> \u00e8 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 attivit\u00e0 grazie alla formazione basata sulla simulazione, ben oltre il 60-70% che gli approcci tradizionali offrono.<\/p>\n\n\n\n La tendenza non \u00e8 solo tecnica: nei prossimi 18 mesi diventer\u00e0 un’esigenza di mercato.<\/strong> 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.<\/p>\n\n\n\n Questo cambiamento affronta quello che noi chiamiamo il “reality gap”, ovvero la discrepanza tra le prestazioni dell’AI in ambienti controllati e la complessit\u00e0 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 \u00e8 pi\u00f9 importante.<\/p>\n\n\n\n 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)<\/a>: agenti che svolgono attivit\u00e0 aziendali complesse con capacit\u00e0 e coerenza.<\/p>\n\n\n\n Cosa richiede l’EGI? Capacit\u00e0 che contano in contesti aziendali reali: ragionamento a lungo termine su pi\u00f9 passaggi, intelligenza adattiva che si adatta a regole mutevoli, ricerche e statistiche approfondite e approfondimenti proattivi in tempo reale. Tuttavia, la capacit\u00e0 da sola non \u00e8 sufficiente: l’EGI richiede coerenza in presenza di disturbi, informazioni mancanti e casi particolari. Il 90% di precisione non basta. Il business richiede il <\/em>99%.\u00a0<\/p>\n\n\n\n Cosa ci aspettiamo da questa tendenza quest’anno:<\/strong> nasceranno nuovi benchmark che valuteranno sia la coerenza che la capacit\u00e0: 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 sanit\u00e0 e la finanza. Abbiamo gi\u00e0 presentato le prime versioni, tra cui il nostro benchmark LLM per il CRM<\/a>, che misura le prestazioni del modello in base ad accuratezza, costo, velocit\u00e0, fiducia e sicurezza. Nei prossimi 18 mesi questi criteri critici per il business diventeranno molto pi\u00f9 che esercizi accademici: saranno punti chiave per l’acquisto di AI aziendale, voci letterali in ogni RFP. \u00c8 in corso un cambiamento significativo: il passaggio all’intelligenza spaziale, ovvero la capacit\u00e0 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 propriet\u00e0 fisiche come l’attrito, il tatto e il comportamento degli oggetti. Si tratta di molto di pi\u00f9 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<\/a>; Yann LeCun ha recentemente lasciato Meta per concentrarsi sui modelli mondiali<\/a>. Quando due pionieri del settore scommettono in modo indipendente il loro futuro sulla stessa tecnologia, i leader aziendali dovrebbero prestare attenzione. Queste cinque tendenze hanno un filo conduttore: tutte richiedono la direzione costante dell’uomo.<\/strong><\/p>\n\n\n\n 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 realt\u00e0 tra test controllati e la disordinata implementazione nel mondo reale. Inoltre, l’EGI ci chiede di definire la coerenza e l’affidabilit\u00e0 in base ai nostri termini, non a quelli del modello.<\/p>\n\n\n\n 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.<\/p>\n\n\n\n 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 pi\u00f9 potente \u00e8 quella che sa quando chiedere una guida umana.<\/p>\n\n\n\n Queste cinque tendenze rimodelleranno l’AI aziendale nel 2026. La domanda da porsi \u00e8 se la tua organizzazione contribuir\u00e0 a plasmare questo futuro o si limiter\u00e0 a subirlo. Ti diamo il benvenuto nel 2026 e nel futuro dell’AI aziendale. <\/p>\n\n\n\n Un ringraziamento va a Silvio Savarese, Patrick Stokes, Jacob Lehrbaum, Itai Asseo e Karen Semone per i loro approfondimenti e contributi a questo articolo.<\/em><\/p>\n\n\n\n <\/p>\n","protected":false},"excerpt":{"rendered":" Mentre il 2025 volge al termine, mi colpisce un paradosso: il settore dell’AI non \u00e8 mai stato cos\u00ec efficiente, ma in compenso l’argomento non \u00e8 mai stato cos\u00ec confuso. I dibattiti pi\u00f9 accesi…<\/p>\n","protected":false},"author":733,"featured_media":4568,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"sf_justforyou_enable_alt":true,"optimizely_content_id":"6941bdcbda39bf20c186d454IT","post_meta_title":"","ai_synopsis":"","_jetpack_memberships_contains_paid_content":false,"footnotes":""},"sf_topic":[160,853],"sf_content_type":[1280],"blog":[],"coauthors":[2],"class_list":["post-4567","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","sf_topic-generative-ai","sf_topic-ai","sf_content_type-blog"],"yoast_head":"\n
\u00c8 importante che chiunque si occupi dell’applicazione aziendale dell’AI si renda conto che le scoperte pi\u00f9 significative degli ultimi tempi non avvengono a livello di modello, ma a livello di sistema<\/em>: architetture di memoria, motori di ragionamento, chiamate API e interfacce che trasformano un Large Language Model (LLM) in un sistema agentico completo.<\/p>\n\n\n\nTendenza n. 1: l’ascesa dell’intelligenza ambientale<\/strong><\/h2>\n\n\n\n
La tua AI sar\u00e0 “sempre attiva” dietro le quinte e sapr\u00e0 quando agire. <\/strong><\/strong><\/h3>\n\n\n\n
Tendenza n. 2: il livello semantico della collaborazione tra agenti<\/strong><\/h2>\n\n\n\n
Il tuo agente AI utilizzer\u00e0 un nuovo linguaggio comune per negoziare con altre aziende a tuo nome.<\/strong><\/h3>\n\n\n\n
Tendenza n. 3: ambienti di simulazione<\/strong><\/h2>\n\n\n\n
La tua AI richieder\u00e0 \u201core di collaudo\u201d prima di ottenere la certificazione e le autorit\u00e0 di regolamentazione ne chiederanno la prova.<\/strong><\/h3>\n\n\n\n
Cosa ci aspettiamo da questa tendenza:<\/strong> 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.<\/p>\n\n\n\nTendenza n. 4: Enterprise General Intelligence (EGI)<\/strong><\/h2>\n\n\n\n
La tua AI sar\u00e0 eccellente sempre, non solo saltuariamente.<\/strong><\/h3>\n\n\n\n
In conclusione,<\/strong> i leader tecnologici e aziendali smetteranno di chiedersi “Questo sistema AI pu\u00f2 risultare convincente?” e inizieranno a chiedersi “Questo sistema AI pu\u00f2 risultare affidabile ed efficace nel nostro specifico contesto aziendale?”. Le aziende che riusciranno a raggiungere questo obiettivo (alta capacit\u00e0 ed elevata coerenza) otterranno un valore trasformativo. Chi si accontenta di un’AI saltuariamente efficiente ma incoerente, trover\u00e0 le sue implementazioni accantonate nel purgatorio delle soluzioni pilota.\u00a0<\/p>\n\n\n\nTendenza n. 5: intelligenza spaziale <\/strong><\/h2>\n\n\n\n
La tua AI capir\u00e0 il mondo fisico, non si limiter\u00e0 a descriverlo con il linguaggio. <\/strong><\/h3>\n\n\n\n
I modelli mondiali permetteranno all’AI di non limitarsi a elaborare il linguaggio sul mondo fisico, ma di comprenderlo e interagire con esso. Cosa significher\u00e0 tutto questo per i leader aziendali nel prossimo anno?
Le prime applicazioni aziendali stanno gi\u00e0 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 gi\u00e0 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 comprender\u00e0 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 realt\u00e0 fisica, dove il business si svolge realmente. <\/strong>Tuttavia, come per tutte le tendenze di questo articolo, la vera sfida non \u00e8 il modello in s\u00e9, 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 capacit\u00e0 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.\u00a0<\/p>\n\n\n\nGuardare al futuro: l’imperativo umano<\/strong><\/h2>\n\n\n\n