Savarese (Salesforce): AI, passa dai Lab alle aziende

L’innovazione in Salesforce passa da Silvio Savarese, executive vice president e chief scientist di Salesforce AI Research, con un’esperienza maturata sul campo: dalla Federico II di Napoli alla Silicon Valley, dove è arrivato più di vent’anni fa e dove attualmente ricopre la cattedra di Computer Science alla Stanford University.

 

Oggi è l’intelligenza artificiale, nello specifico l’Agentic Enterprise, il campo di studio, dove la ricerca di una agilità nello sviluppo applicativo ha portato Salesforce al lancio di Agentforce, al concetto di Headless 360, alla nuova interfaccia AIforce, a un layer agentico di applicazioni create in modo agevole.  

 

“In questi ultimi dieci anni il mio gruppo di lavoro ha contribuito alla innovazione AI attraverso l’introduzione di vari modelli di linguaggio, focalizzandosi negli ultimi tre anni sull’introduzione dell’Atlas Reasoning Engine, un motore di ragionamento che dopo una fase di incubazione è stato successivamente inserito nella piattaforma. Ma oggi abbiamo fatto un ulteriore salto grazie alle partnership con Nvidia. Parlo di Koa, il primo modello di ragionamento Crm integrato su Nvidia Nemotron, che utilizza decenni di contesti di business e flussi di lavoro Crm, senza toccare i dati privati dei clienti, per capire in profondità come l’AI possa risolvere un problema, un caso, qualificare un lead”, precisa Savarese, incontrato di recente a San Francisco.

Doppio impegno: Koa e AIforce 

 

Koa si distingue dai modelli generalisti grazie alla profonda conoscenza dei flussi di lavoro aziendali e dei contesti reali, riuscendo a raggiungere una precisione superiore dell’11% nell’esecuzione dei comandi riducendo gli errori degli agenti autonomi, mantenendo il contesto nelle conversazioni complesse (+14%), fornendo risposte più rilevanti agli utenti finali con un incremento del 15%. Precisa Savarese: “Salesforce utilizza una politica agnostica sul tipo di modello alla base utilizzato dalle aziende. Però l’introduzione di Koa è i un traguardo importante perché è la prima volta che introduciamo un modello di linguaggio proprietario per lo sviluppo del supporto di Agentforce. Un modello che consente di fornire soluzioni molto accurate e meno costose per i nostri clienti. Gestiamo un buon compromesso costo-qualità che ci consente di sviluppare nuove soluzioni nel futuro”.

Non da meno il lavoro scientifico per il debutto di AIforce, la nuova interfaccia composable, interamente conversazionale presentata da Marc Benioff durante il keynote di Dreamforce 2026. “Il suo sviluppo è stato guidato dalla necessità di unire l’intelligenza probabilistica dei modelli generativi con l’architettura deterministica dei dati aziendali. In questo modo AIforce trasforma l’interfaccia utente in un vero e proprio collaboratore autonomo e potenzia le capacità di ragionamento dell’utente”. 

Ma, anche da scienziato, Savarese osserva l’ostacolo maggiore per l’introduzione dei prodotti AI nelle aziende. “C’è un lavoro di preparazione all’utilizzo degli agenti AI che le aziende devono voler fare. La sfida iniziale è quella di inserire gli strumenti AI all’interno dei flussi di lavoro, cosa non banale, preparando i dati in maniera tale che possano essere consumati dall’AI. Solo a questo punto si propone l’inserimento degli agenti in maniera tale che possano essere connessi con i flussi di lavoro e con le varie esigenze e casi d’uso. Dopodiché, si avvia la fase successiva di automazione che consentirà di utilizzare queste risorse AI in maniera molto più efficace”.

Ribadisce che l’AI non può essere utilizzata in modo indistinto nei vari processi ma va calata nei singoli casi d’uso, ognuno diverso dell’altro, che richiedono tipi di automazione differenti. “Se  consideriamo le AI utilizzate dalla pubblica amministrazione rispetto a quelle usate dalle aziende, è evidente che i casi d’uso sono molto diversi e i  vari processi non possano essere automatizzati alla stessa maniera. Quindi serve innanzitutto avere un’alta consapevolezza di quello che l’AI può fare e di quello che non può fare rispetto al contesto, e quali sono le sue limitazioni. A valle, poi, occorre connettere le potenzialità con i vari processi di automazione, consapevoli che non tutti i processi  richiedono di essere automatizzati: alcuni necessitano dell’intervento umano per supervisionare la qualità di quello che l’AI produce con una approvazione da parte degli addetti ai lavori, degli esperti”. 

Ma prima di arrivare alle aziende enterprise, il tema dell’AI richiede governance, regole, attenzione da parte della pubblica amministrazione e dei vari Paesi. Una sensibilità che Savarese porta, da inizio 2026, nel panel scientifico internazionale e indipendente sull’intelligenza artificiale delle Nazioni Unite, come unico membro italiano, voluto dal segretario generale dell’Onu, António Guterres.

 

Lo scorso luglio, la presentazione del rapporto preliminare sull’intelligenza artificiale al Palazzo di Vetro di New York, ha messo in evidenza come l’umanità si trovi davanti a un esperimento sociale globale con alti rischi correlati, che necessita una governance urgente e condivisa. “Richiede di inserire le AI nei contesti, sensibilizzare e creare conoscenza e consapevolezza di cosa possano fare le AI, ma anche assicurarsi che l’AI sia adotta in maniera sicura e trasparente, spingendo il tema della fiducia. Una questione condivisa tra i membri del gruppo di lavoro dell’Onu,  ognuno con la propria sensibilità sull’uso delle nuove tecnologie, utili per il bene comune, la medicina, la ricerca, lo studio del Dna, la sostenibilità ambientale…  Il problema è che c’è anche molta disinformazione e serve un dibattito pubblico più responsabile su queste tematiche, dando indicazioni e linee guida chiare che possano essere abbracciate dai vari enti, governi, fissando paletti di sicurezza”.

La responsabilità per Savarese rimane anche un dovere delle singole aziende che rimangono sempre responsabili della qualità del prodotto, sel servizio “agentico” offerto, della sua sicurezza e accuratezza. “Chiaramente la sicurezza e l’efficacia devono essere allineate”, conclude Savarese, un’attenzione che riguarda i fornitori ma anche gli utenti che valutano l’efficacia dell’AI in termini di ritorno di business, tempo, produttività. Sia privati, sia pubbliche amministrazioni.