Il mercato dell’intelligenza artificiale sta vivendo una fase di trasformazione accelerata, con una previsione di crescita del CAGR al 45% tra il 2024 e il 2030. L’elemento cruciale non è più solo la capacità di costruire sistemi avanzati, ma soprattutto la possibilità di integrare le soluzioni di Agentic AI nei processi aziendali in modo scalabile, governato e conforme alle normative emergenti. Questo tema è stato al centro dell’intervento di Vahid Sadr, Artificial Intelligence & Advanced Analytics Lead di EY, durante l’Artificial Intelligence Talk organizzato dall’Osservatorio Artificial Intelligence del Politecnico di Milano.
Indice degli argomenti
Dal reattivo al proattivo: la trasformazione con l’Agentic AI
Secondo Sadr, la vera tendenza riguarda la transizione da sistemi reattivi a sistemi proattivi. Le soluzioni basate su Agentic AI mirano a offrire non solo automazione, ma anche capacità di reasoning e personalizzazione nell’interazione con utenti e clienti. Ciò consente di passare da un modello in cui il sistema risponde a input specifici a un modello che anticipa esigenze e scenari.
Un esempio citato riguarda la Pubblica Amministrazione, dove l’adozione di agenti intelligenti può rendere più accessibili i servizi e migliorare l’esperienza del cittadino. In ambito infrastrutturale, in particolare nel settore autostradale, gli agenti vengono già utilizzati per potenziare la sicurezza stradale, grazie all’integrazione con modelli di fisica avanzata, considerati un trend emergente nel panorama tecnologico.
Le sfide dell’adozione: oltre il Proof of Concept
Nonostante le prospettive di crescita, gran parte delle soluzioni di intelligenza artificiale generativa e agentica resta bloccata nella fase di Proof of Concept. Ricerche condotte da Gartner e successivamente confermate dal MIT hanno evidenziato come molte sperimentazioni non riescano a raggiungere la produzione effettiva.
Sadr sottolinea che il problema non risiede più nello sviluppo tecnico dei sistemi, quanto nell’adozione: «Non è più la domanda di come costruire un sistema agentico, ma di come devo interagire con un sistema agentico, come integrarlo nei miei processi in maniera governata».
Questa fase critica richiede un approccio strutturato che includa programmi di formazione e consapevolezza. EY, ad esempio, ha introdotto workshop progressivi, dai più basilari a quelli rivolti ai vertici aziendali, con l’obiettivo di educare all’uso corretto delle soluzioni e permettere un’adozione effettiva nei processi.
I tre pillar ispirati al cervello umano
Uno degli elementi distintivi dell’approccio presentato da Sadr è la costruzione di un ecosistema modulare di agenti, basato su tre pillar che richiamano le funzioni fondamentali del cervello umano.
- Il primo è quello del reasoning, che risponde anche a molte delle esigenze di trasparenza richieste dalle normative come l’AI Act. Qui entrano in gioco framework di causalità che permettono di comprendere come viene prodotta una determinata risposta.
- Il secondo pillar riguarda la conoscenza e gli skillset, che costituiscono la base per lo sviluppo di agenti verticali e specializzati. È attraverso una solida knowledge base che diventa possibile superare il limite dei progetti isolati e costruire soluzioni scalabili.
- Il terzo pillar è la memoria e l’istinto, reso possibile dai modelli di linguaggio di diverse dimensioni, dai Large Language Models (LLM) ai Small Language Models (SLM). Questo livello consente di accumulare esperienze e adattare le interazioni in modo più naturale.
Secondo Sadr, solo unendo questi tre livelli in un ecosistema orchestrato è possibile passare davvero da sistemi frammentati a una struttura integrata capace di operare in maniera efficiente nei processi aziendali.
Ecosistemi modulari per la scalabilità
Il tema della scalabilità emerge come cruciale. Sadr evidenzia che costruire ogni volta soluzioni da zero porta inevitabilmente a rallentamenti e inefficienze. L’adozione di un ecosistema modulare, invece, consente di riutilizzare capability esistenti e accelerare l’integrazione in diversi contesti.
Questa architettura non si limita a fornire agenti verticali, ma include anche un livello di orchestrazione che garantisce la coerenza e la trasformazione verso un modello proattivo. «Abbiamo costruito un ecosistema che non ha soltanto un selector di agenti, ma anche un livello di orchestrazione per garantire la trasformazione da reattivo a proattivo» ha spiegato Sadr.
Casi d’uso concreti nei settori industriali
Gli esempi pratici citati dimostrano come l’Agentic AI non sia più confinata alla sperimentazione, ma trovi applicazione in settori molto diversi. Nel customer service, agenti verticali sono stati progettati per gestire knowledge base, ricerche complesse e comunicazioni, migliorando i tempi di risposta e garantendo al contempo conformità normativa.
Un caso particolarmente significativo riguarda il settore Energy. Qui, EY ha sviluppato un sistema agentico per la gestione della comunicazione con i clienti e la classificazione delle richieste. Inizialmente, però, la soluzione veniva sfruttata solo parzialmente, con operatori che continuavano a seguire procedure manuali. Attraverso un programma di adoption che ha coinvolto tutti gli stakeholder, il processo è stato ridisegnato per sfruttare appieno le potenzialità del sistema. Dopo alcuni mesi, l’efficienza nella gestione delle richieste è aumentata in modo significativo.
Regolazione e trasparenza come prerequisiti
L’adozione di sistemi di Agentic AI non può prescindere dal rispetto delle nuove normative. L’AI Act europeo, sottolinea Sadr, impone standard di trasparenza e responsabilità che richiedono di progettare soluzioni etiche e conformi sin dalla fase iniziale. La combinazione di capacità tecniche e governance diventa quindi essenziale per garantire non solo innovazione, ma anche fiducia e sicurezza.
