Le aziende dispongono di sistemi di intelligence. Ora dovrebbero passare ai sistemi di azione

L'agentic AI sta entrando in azione. Questi sistemi autonomi promettono di gestire workflow complessi end-to-end, e le aziende sono desiderose di utilizzare al meglio questo potenziale. Ma ecco il problema: nella fretta di distribuire questa tecnologia, le aziende rischiano di rompere ciò che già funziona. 

Bruno Aziza, Vice President of Data, AI & Analytics Strategy di IBM, collabora con le organizzazioni per aiutarle a crescere con le tecnologie emergenti e a diventare leader nei rispettivi settori. Secondo Aziza, spesso le aziende trascurano la realtà di avere già AI e automazione integrate nei loro workflow.

Invece di ricostruire tutto attorno agli agenti, Aziza ritiene che le organizzazioni dovrebbero utilizzarli per costruire su ciò che già funziona. "La strada del successo in questo caso non è sostituire o eliminare i processi che hanno funzionato bene", ha dichiarato a IBM Think in un'intervista. "Si tratta di potenziare i processi esistenti."

Questo approccio di aumento diventa più chiaro se confrontato con l'evoluzione più ampia della tecnologia aziendale. Per comprendere come le organizzazioni possano integrare efficacemente l'AI agentica nei workflow esistenti, è essenziale esaminare la progressione dai sistemi che analizzano e raccomandano a sistemi in grado di agire autonomamente e offrire valore tangibile al business.

I leader tecnologici enterprise hanno seguito un percorso familiare: prima hanno creato sistemi di registrazione, poi sistemi di coinvolgimento e infine sistemi di intelligence. Ora, con l'agentic AI, inizia una nuova fase: i sistemi d'azione.

"Quello che stiamo scoprendo è che, sebbene i sistemi di intelligence siano utili, non sono sufficienti", ha affermato Aziza. "Grazie alla gen AI, grazie a un calcolo quasi infinito e a uno storage limitato e a un ottimo networking, ora siamo in una fase in cui possiamo iniziare a pensare a come accelerare le azioni, che sono in realtà i componenti legati al raggiungimento dei risultati economici dell'organizzazione. Abbiamo sempre cercato di farlo, ma ora siamo in una fase storica in cui possiamo davvero passare all'azione".

Ma costruire sistemi d'azione non è un percorso semplice e lineare. Per molti leader tecnologici, le questioni su autonomia, responsabilità e automazione restano ancora molto rilevanti. E anche se il ciclo di entusiasmo per l'AI è sulle prime pagine dei giornali da diversi anni, il vero lavoro inizia quando i riflettori si spengono.

"Mi sembra qualcosa che le aziende mature devono prendere con le pinze: tutti ti dicono che sarà facile, giusto?" Ha affermato Aziza. "Ci si concentra su grandi dati, poi si selezionano i casi d'uso, si fanno delle sperimentazioni e infine si rendono operativi i casi d'uso che hanno successo. Ma non è proprio questo che sta succedendo."

Un equivoco comune, osservato da Aziza, è la convinzione che creare un agente e implementarlo in azienda sia la soluzione ideale. "In azienda, la posta in gioco è molto più alta".

Man mano che la sperimentazione si sposta verso la produzione, i leader aziendali si pongono domande diverse su compromessi, scalabilità e prestazioni.

"Ci troviamo a uno stadio di maturità e ci sono abbastanza esempi nel settore per arrivare a un livello in cui possiamo accelerare il vero lavoro di produzione svolto in quella sede", ha detto Aziza.

Uno dei maggiori cambiamenti di quest'anno è stata la spinta a costruire nuovi agenti AI. Ma secondo Aziza, questa fretta potrebbe essere sbagliata. Le aziende spesso hanno già AI e automazione integrate nei workflow. Piuttosto che ricostruire tutto attorno agli agenti, Aziza ha detto che l'approccio migliore è potenziare ciò che già funziona.

Offre un esempio chiaro: le approvazioni dei prestiti nel settore bancario. Si tratta di processi deterministici: aggiungere agenti probabilistici potrebbe introdurre più incertezza, non meno.

"La capacità di unire queste due cose è davvero importante", ha affermato. Questo, ha spiegato, è un agente meno: un agente che sostituisce i sistemi funzionanti ma produce risultati peggiori.

"Non se ne parla abbastanza e le organizzazioni devono esserne consapevoli", ha affermato. "Non si tratterà di eliminare l'automazione e sostituirla con un mucchio di lavoro agentico. In realtà è un matrimonio tra i due."

Il prossimo passo sarà quello di unire i sistemi e gli agenti. "Arriveremo a un punto in cui sempre più dipendenti creeranno i propri agenti, sia perché utilizzano un agente precostituito e lo personalizzano, sia perché la base dei dipendenti è molto matura", ha affermato. "Vedremo più agenti." La domanda è: come si orchestrano questi agenti? Quindi, per fare tutto questo nel modo giusto, è necessario sviluppare una serie di capacità."

Questa orchestrazione non avviene per caso. Secondo Aziza, le organizzazioni che entrano in produzione con gli agenti devono costruire cinque funzionalità per avere successo: collaborazione multi-agente, integrazione tra ecosistemi, allineamento con strumenti e regole esistenti, supervisione e controllo, e un livello operativo dedicato noto come agents ops. "Queste cinque funzionalità sono i pilastri chiave della strategia agentica per il futuro", ha affermato.

All'inizio di quest'anno, il Model Communication Protocol (MCP) e altri standard sviluppati da Google (Agent2Agent Protocol),IBM (ACP) e altri attori hanno sottolineato la necessità di scoperta e comunicazione degli agenti.

"Immaginate di svegliarvi domani in un ambiente in cui si aggirano numerosi agenti di analytics", ha affermato Aziza. "Chi sta facendo cosa? Chi ottiene i dati? Chi sta costruendo l'insight? Chi supervisiona il processo? Chi verifica che i dati siano effettivamente corretti e che gli insight siano fruibili? Le domande sono molte e se non si ha uno standard, è davvero difficile renderle operative."

Molti paragonano lo stato attuale degli agenti a quello di internet prima dell'HTTP. Tuttavia, Aziza ritiene che l'agentic AI apporti qualcosa di completamente diverso alla conversazione. Per lui, l'evoluzione attuale dell'AI può essere paragonata all'invenzione dell'auto: sì, le auto hanno infine sostituito i cavalli, ma hanno anche guidato l'innovazione.

"Si sta verificando un'incredibile accelerazione dell'innovazione", ha detto. "E anche questa incredibile opportunità di trasformarci al livello successivo. È solo difficile trovare un blueprint, ma sappiamo con certezza che l'unificazione degli standard di comunicazione sarà necessaria se vogliamo moltiplicare l'impatto di questi singoli agenti.