Per oltre vent’anni, il software è stato progettato secondo una logica API Centric. Le applicazioni espongono funzionalità, i sistemi dialogano attraverso interfacce standardizzate e gli sviluppatori costruiscono servizi integrando componenti sempre più specializzati.
È un modello efficace, che ha reso possibile l’evoluzione verso il cloud, il SaaS e gli ecosistemi digitali aperti che conosciamo oggi, incluso quello dell’open banking nel settore del credito.
L’esplosione dell’AI generativa ha inizialmente arricchito questo modello, introducendo nuove modalità di accesso alle informazioni e di interazione con le applicazioni.
Le cose stanno però cambiando profondamente con la rapida diffusione dell’agentic AI. Gli agenti non aggiungono semplicemente nuove funzionalità ai software esistenti, ma possono comprendere obiettivi, interpretare il contesto, individuare le azioni necessarie e interagire autonomamente con sistemi differenti, entro confini e livelli autorizzativi definiti.
Non si tratta di una semplice evoluzione tecnologica, bensì di un cambio di paradigma che favorisce l’emergere di un nuovo tipo di piattaforma: quella AI Centric.
Una piattaforma AI Centric non è un’applicazione tradizionale alla quale vengono aggiunte funzionalità di intelligenza artificiale. È un ecosistema progettato fin dall’origine affinché persone e agenti intelligenti possano comprendere e utilizzare dati, processi, regole e servizi come componenti native dell’architettura.
Nelle piattaforme tradizionali l’AI è una funzionalità; nelle piattaforme AI Centric diventa progressivamente un livello di orchestrazione tra utenti, processi, dati e sistemi.
Indice degli argomenti
Quando le API non bastano più
Le API continueranno a svolgere un ruolo fondamentale nell’architettura digitale, ma non possono più rappresentare l’unico modello di interazione tra sistemi. Nel paradigma tradizionale, un’applicazione deve sapere in anticipo quale funzione chiamare, in quale ordine e con quali parametri: è un approccio deterministico, che richiede una progettazione accurata a monte.
Gli agenti AI introducono, invece, una logica completamente diversa: non ricevono soltanto istruzioni, ma analizzano il contesto, orchestrano le interazioni e adattano il proprio comportamento in funzione del risultato da raggiungere. In altre parole, il focus si sposta dall’esecuzione di funzioni all’esecuzione di intenti.
Per decenni il software è stato progettato per eseguire istruzioni. Le piattaforme AI Centric introducono una capacità nuova: comprendere il contesto e collaborare con persone e sistemi per raggiungere un obiettivo. Il software non si limita più ad automatizzare singole attività, ma può partecipare attivamente all’orchestrazione dei processi e al supporto delle decisioni.
Questo non determina il superamento delle API. Al contrario, gli agenti continueranno a utilizzarle per accedere ai sistemi aziendali. A cambiare è il livello superiore dell’architettura: l’agente può individuare quali capacità utilizzare, come combinarle e in quale sequenza attivarle, nel rispetto delle regole definite dall’organizzazione.
Molte organizzazioni stanno oggi introducendo strumenti di AI sopra applicazioni progettate anni addietro. È una strategia comprensibile e spesso utile, ma raramente sufficiente per sfruttare appieno il potenziale degli agenti intelligenti. Per questo stanno emergendo piattaforme progettate fin dal principio per interagire con sistemi autonomi e non soltanto con applicazioni tradizionali.
L’avvento dei protocolli agentici
Così come le API hanno rappresentato la grammatica dell’interoperabilità nell’era del cloud, i protocolli agentici stanno diventando il linguaggio con cui gli ecosistemi digitali del futuro potranno scoprire capacità, condividere contesto e coordinare attività.
Un agente intelligente è in grado di comprendere le capacità disponibili, i vincoli operativi, i livelli autorizzativi e gli obiettivi di business. Per questo stanno emergendo nuovi modelli di interazione che consentono agli agenti di negoziare, collaborare e coordinarsi autonomamente.
Anche in questo caso, i protocolli agentici non sostituiscono necessariamente le API, ma possono costruire un livello di interoperabilità superiore, capace di rendere servizi, dati e strumenti comprensibili e utilizzabili dai sistemi intelligenti.
Nel settore finanziario questa evoluzione si sta già manifestando lungo due direttrici principali. Da un lato l’efficientamento operativo, attraverso agenti che affiancano gli operatori nelle attività quotidiane riducendo tempi e complessità. Dall’altro il supporto alle decisioni, dove l’intelligenza artificiale aiuta a interpretare dati, costruire scenari e formulare raccomandazioni.
In questo secondo ambito è fondamentale distinguere tra assistenza alla decisione e delega della decisione, soprattutto quando sono coinvolti i diritti delle persone, le valutazioni creditizie o specifici obblighi regolamentari.
Dal software centrato sulle applicazioni al software centrato sui dati
Il passaggio verso piattaforme AI Centric richiede anche un cambiamento nel modo in cui le organizzazioni considerano il proprio patrimonio informativo. Per molti anni le imprese hanno progettato sistemi e processi attorno alle singole applicazioni, organizzando spesso i dati secondo i confini dei prodotti, delle unità operative o delle piattaforme tecnologiche.
Gli agenti AI devono invece poter operare su informazioni affidabili, aggiornate, contestualizzate e semanticamente comprensibili. Non è sufficiente che un dato sia tecnicamente accessibile: devono esserne chiari il significato, la provenienza, il livello di qualità, le condizioni di utilizzo e il contesto nel quale è stato prodotto.
Nel settore del credito ciò può richiedere una visione coerente delle informazioni provenienti da rapporti finanziari, dati transazionali autorizzati, documentazione delle pratiche, sistemi antifrode e interazioni sui diversi canali. Il futuro del software non sarà quindi soltanto AI Centric, ma anche Data Centric: gli agenti saranno efficaci quanto la qualità, la comprensibilità e la governance dei dati ai quali potranno accedere.
Dal software legacy alle piattaforme comprensibili dagli agenti
La transizione verso modelli AI Centric non riguarda soltanto l’introduzione di nuovi strumenti. Richiede, in molti casi, una profonda modernizzazione delle applicazioni e del patrimonio informativo aziendale.
Molte piattaforme legacy non sono state progettate per essere comprese e utilizzate da agenti autonomi. Regole di business, controlli e conoscenze operative sono spesso distribuiti tra codice applicativo, procedure manuali, documentazione non sempre aggiornata e competenze detenute dalle persone. In questi contesti, aggiungere un’interfaccia conversazionale sopra i sistemi esistenti può migliorare l’esperienza utente, ma non modifica necessariamente la struttura profonda dei processi.
Per diventare realmente AI Centric, un’organizzazione deve rendere dati, regole, processi e capacità applicative più espliciti, osservabili e interpretabili. La modernizzazione non consiste quindi soltanto nel trasferire applicazioni verso il cloud, sostituire linguaggi legacy o adottare architetture a microservizi. Significa progettare sistemi che possano essere utilizzati dagli agenti intelligenti in modo sicuro, controllato e tracciabile.
La stessa intelligenza artificiale può contribuire a questa trasformazione, aiutando ad analizzare codice e documentazione, ricostruire regole di business e individuare dipendenze. La modernizzazione diventa così non soltanto una condizione per adottare l’Agentic AI, ma uno dei primi ambiti nei quali l’AI può generare valore concreto.
Partecipa alla community