Tra i task che un agente AI potrebbe fare senza problemi per conto di chi lo usa, ce n’è almeno uno che OpenAI ha deciso di lasciare comunque all’essere umano: cambiare una password. Il limite è scritto nelle regole dei “dots” (agenti AI autonomi e persistenti attivi 24 ore su 24, integrati in ChatGpt e ospitati su macchine virtuali cloud dedicate), presentati a fine settembre al DevDay di San Francisco, e dice molto più di quanto sembri.
I dots non aspettano un prompt per operare: girano su Gpt-6 Astra, dispongono di un proprio sistema di calcolo e di un browser in cloud, si collegano a oltre 4mila applicazioni attraverso i plugin e continuano a lavorare tra una conversazione e l’altra. Quando nessuno li interpella svolgono quella che OpenAI chiama “ricerca proattiva”, con strumenti limitati alla sola lettura. Tra gli esempi, l’agente in grado di accorgersi di una fattura mai emessa, quindi di prepararla in autonomia ed inviarla dopo l’approvazione dell’utente. Facile intuirne il potenziale.
Per chi deve portare questi sistemi in azienda, la questione però è proprio il perimetro di azione: che cosa l’agente può fare da solo, con quale identità e sotto il controllo di chi. Su questo i grandi vendor danno risposte diverse, e le collocano su livelli diversi dello stack. Da qui parte anche la nostra analisi.
I numeri di una transizione che è già qui
Gli analisti concordano sulla direzione. Gartner ha previsto che entro la fine del 2026 il 40% delle applicazioni enterprise avrebbe integrato agenti dedicati a compiti specifici, contro meno del 5% del 2025, lungo un percorso in cinque passaggi che porta a ecosistemi multiagente e persistenti entro il 2029. Sul piano economico, la società stima che la spesa in software agentico raggiunga 985 miliardi di dollari nel 2030, con una crescita annua composta del 62,7% dal 2025, e che nello scenario più favorevole l’Agentic AI generi nel 2035 circa il 30% dei ricavi del software applicativo enterprise, oltre 450 miliardi di dollari. Idc sposta l’attenzione sull’organizzazione: entro il 2030 il 45% delle imprese orchestrerà agenti su larga scala, distribuendoli tra le funzioni aziendali. In Europa la stima più recente indica una spesa in AI di quasi 470 miliardi di dollari nel 2030, con una crescita del 35% annuo trainata soprattutto dall’Agentic AI; il segmento più dinamico è quello delle piattaforme per costruire e gestire modelli e agenti, che cresce del 61,1% l’anno. Il dato che misura meglio la portata del cambiamento riguarda però le decisioni: secondo Gartner, entro il 2028 almeno il 15% delle scelte operative quotidiane sarà affidato a sistemi agentici, a fronte di una percentuale pari a zero solo nel 2024.
Opportunità e rischi
Le stesse fonti invitano però anche alla prudenza. Gartner prevede che oltre il 40% dei progetti di Agentic AI venga cancellato entro la fine del 2027 per costi crescenti, valore incerto o controlli del rischio inadeguati, e segnala la diffusione dell’agent washing, la ridenominazione come agenti di assistenti, chatbot e strumenti di Rpa privi di reali capacità autonome: delle migliaia di aziende che si presentano come fornitori di Agentic AI, quelle che lo sono davvero sarebbero poco più di un centinaio. “Molti casi d’uso presentati oggi come agentici non richiedono implementazioni agentiche”, osserva per esempio Anushree Verma, senior director analyst di Gartner. Idc, dal canto suo, stima che entro la fine del 2026 metà dei casi d’uso AI mancherà le previsioni di Roi. Rischi però che non giustificano l’ipotesi di “fermarsi”, semplicemente perché al momento ci si sta muovendo ancora come farebbe un bambino quando dispone di un gioco nuovo ma non ha imparato a maneggiarlo.
Agentic AI, le scelte per non perdere il controllo
Dotare l’agente di un “ambiente di lavoro” proprio, in relazione al tema del controllo, è la scelta di OpenAI, ma non solo. Risponde a un’esigenza comune: tenere separato lo spazio in cui l’agente agisce da quello dell’utente, così da poterlo osservare, isolare e fermare. Microsoft ha tradotto il principio in Windows 365 for Agents, pensato per i carichi agentici e gestita con Intune. In parole più semplici è una piattaforma di calcolo basata su Cloud PC dedicati, progettata per consentire agli agenti di eseguire attività complesse e automatizzate su scala aziendale in cui l’agente opera con gli stessi controlli di identità e sicurezza applicati ai dipendenti.
Anthropic ha costruito Claude Managed Agents sull’idea di “disaccoppiare il cervello dalle mani” (che detto così potrebbe non essere la migliore delle ipotesi): il ciclo dell’agente resta sull’infrastruttura del vendor, mentre strumenti e codice girano in una sandbox gestita da Anthropic oppure ospitata dal cliente, con sessioni che durano ore e riprendono dopo un’interruzione. Lo stesso modello arriva agli sviluppatori. L’Agents Api di OpenAI supporta ora l’utilizzo quotidiano portando nelle applicazioni le capacità multiagente di Codex, con l’infrastruttura sottostante gestita da OpenAI. E ancora, Bedrock Managed Agents, realizzato con Amazon, consente invece di eseguire agenti OpenAI interamente su Aws. Google propone agenti per processi che si estendono per ore o giorni, nella Gemini Enterprise Agent Platform, evoluzione di Vertex AI.
Quando l’agente specializzato fa da sé
In occasione di DevDay, come accennato, OpenAI ha mostrato in anteprima i dots specialistici all’opera. L’azienda li configura con identità, credenziali e accessi propri per affidare loro responsabilità definite. Sono stati messi a punto a partire dai test interni su acquisti, fatture e assistenza clienti. È la stessa distinzione su cui Microsoft ha impostato Agent 365: da un lato gli agenti che agiscono per conto dell’utente con accesso delegato, dall’altro quelli che lavorano con permessi propri, come un agente che smista in autonomia i ticket di supporto. Ibm gestisce questo aspetto nel control plane di Watsonx Orchestrate, che monitora lo stato delle credenziali e mostra quali agenti accedono a quali integrazioni e fonti dati. Il segnale da cogliere è la collaborazione di OpenAI con Microsoft per amministrare i dots specialistici attraverso i controlli di governance e sicurezza di Agent 365. Chi sviluppa l’agente non è necessariamente chi lo governa, e la ripartizione tra i due ruoli entra a far parte dell’offerta.
La partita si gioca nei control plane
Se si parla di governance la convergenza lessicale sull’idea di un control plane la dice lunga. Per Microsoft il punto di partenza è la visibilità. Agent 365, disponibile come licenza stand-alone, raccoglie in un unico registro gli agenti Microsoft e quelli ospitati anche da terze parti (Amazon Bedrock e Google Cloud) tramite la sincronizzazione del registro e, con Defender e Intune, individua gli agenti locali non gestiti, a partire da OpenClaw, fino ad applicare policy di blocco. A giugno Ibm ha portato su Aws e Ibm Cloud l’Agentic Control Plane di Watsonx Orchestrate, che riunisce cruscotto operativo, policy applicate in fase di esecuzione, guardrail sui contenuti e un catalogo per riutilizzare gli agenti tra i team, aperto anche ad agenti costruiti con altri strumenti. Sempre Ibm poi, con DataPower Interact Gateway, applica lo stesso principio alle interazioni tra agenti, modelli, Api e dati aziendali. Google affida un ruolo analogo ad Agent Gateway, che instrada e governa il traffico tra agenti.
Dati, sovranità e costi
Il confronto si estende al trattamento dei dati. Con Private Intelligence, OpenAI propone zero data retention abbinata a controlli di sicurezza automatici che non richiedono l’accesso del proprio personale ai contenuti, e annuncia un’anteprima di inferenza privata basata sul confidential computing. Anthropic dichiara un compromesso esplicito: poiché è conservata lato server cronologia, stato della sandbox e risultati, le sessioni di Managed Agents oggi non rientrano nella zero data retention, anche se il cliente può cancellarle in qualsiasi momento. Ibm, con Sovereign Core, affida al cliente un piano di controllo AI gestito in proprio, con evidenze di conformità continue e un ecosistema di partner che comprende anche Mistral. Sul fronte dei costi, ci limitiamo ad un rilievo veloce su OpenAI. Promette con Gpt-6.1 Sol prestazioni vicine a quelle di Astra a un quinto del prezzo standard per token. Per i dots ha già tracciato una scala: un agente incluso nell’abbonamento, con la possibilità futura di aggiungerne altri e di acquistare più velocità o capacità mensile. Sono elementi da leggere accanto all’avvertimento di Gartner sui costi crescenti.
Il layer comune dei protocolli
Sotto le differenze, i vendor condividono un’infrastruttura di standard. Da dicembre 2025 l’Agentic AI Foundation della Linux Foundation riunisce il Model Context Protocol (Mcp) di Anthropic, Agents.md di OpenAI e goose di Block, con Aws, Google e Microsoft tra i membri principali. Mcp regola il collegamento tra agenti, strumenti e dati; il protocollo A2A, promosso da Google e supportato anche da Watsonx Orchestrate, disciplina il dialogo tra agenti di piattaforme diverse. OpenAI ha inoltre aggiunto ai propri plugin il supporto alla specifica Mcp Events, ancora in fase di proposta, con cui un’automazione parte quando accade qualcosa in un’applicazione collegata.
Il perimetro dell’autonomia
Per le imprese europee la scelta passa anche da vincoli concreti. Il lancio dei dots Pro esclude per ora lo spazio economico europeo, la Svizzera e il Regno Unito, mentre Business Premium è disponibile in tutte le regioni supportate; dal 2 agosto 2026, inoltre, sono in vigore gli obblighi di trasparenza e la maggior parte di quelli sui sistemi ad alto rischio previsti dall’AI Act. Identità e permessi degli agenti, modello di costo e conformità diventano così criteri di valutazione al pari della qualità del modello. La stessa OpenAI avverte che “i dots possono ancora commettere errori, quindi rivedete sempre il lavoro con conseguenze rilevanti”. Nulla di nuovo sotto il cielo.
© RIPRODUZIONE RISERVATA
