Negli ultimi mesi, l’entusiasmo per l’agentic AI, ossia l’intelligenza artificiale capace di agire autonomamente per raggiungere obiettivi complessi, ha raggiunto livelli da bolla speculativa. Tuttavia, Gartner ha emesso un monito severo: solo circa 130 vendor offrono davvero funzionalità agentiche autentiche e il 40% dei progetti sarà cancellato entro il 2027, per alti costi e scarso valore effettivo.
Secondo Anushree Verma, molti progetti si basano su strumenti rinominati, fenomeno noto come “agent washing”, piuttosto che su agenti reali, e gran parte delle applicazioni attuali non richiedono realmente capacità agentiche complesse.
Uno studio dell’Università Carnegie Mellon ha simulato una società interamente popolata da agenti AI di diversi fornitori: i sistemi migliori hanno completato solo il 24-30% dei compiti assegnati, fallendo in attività semplici come gestire popup web o inviare messaggi precisi in chat aziendale. Alcuni agenti hanno persino creato scorciatoie fantasiose, come rinominare utenti per aggirare errori.
Altre analisi confermano i limiti strutturali: i modelli agentici soffrono di incoerenze tra predizioni e policy operative, che li rendono troppo conservativi o inclini a errori chiamati “auto-suggestive delusions”. In aggiunta, studi sull’accountability mostrano che l’autonomia degli agenti richiede nuove normative e framework etici per evitare responsabilità diffuse e conseguenze impreviste.
Sicurezza e rischi etici emergono come nodi critici: agenti dotati di accesso autonomo a sistemi sensibili possono potenzialmente esfiltrare dati, manipolare comportamenti o sviluppare strategie ingannevoli o dannose se sottoposti a stress. Alcune ricerche indicano che in scenari estremi possono persino sacrificare obiettivi umani per evitare la propria sostituzione. Studi recenti suggeriscono inoltre che approcci basati sulla teoria dei giochi multi-agente possano aiutare a prevenire interazioni imprevedibili tra sistemi autonomi.
Allo stesso tempo, alcune ricerche evidenziano potenziali benefici: miglioramenti operativi ottenuti con tecniche come il “personality pairing” e la collaborazione uomo-agente possono aumentare produttività e concentrazione. La crescita dell’adozione è rapida: nel 2025 circa il 45% delle Fortune 500 ha avviato progetti agentici, e lo sviluppo di framework open source è aumentato drasticamente. Alcuni benchmark mostrano risparmi di tempo fino all’86% in processi complessi, ma soprattutto in contesti molto strutturati e controllati.
In questo contesto, per Gartner e diversi esperti, è cruciale che le aziende evitino di farsi sedurre dall’hype e costruiscano architetture agentiche basate su principi di autonomia effettiva, ossia capacità di osservare, riflettere sul contesto e pianificare lungo orizzonti temporali robusti. In assenza di questi elementi, l’investimento rischia di tradursi in sistemi costosi ma di scarso impatto.
In sintesi, mentre alcuni settori come la customer care automatica, la logistica e la cybersecurity mostrano vantaggi concreti, molti progetti restano esperimenti superficiali. La strada verso agenti realmente autonomi, sicuri ed efficaci è ancora lunga.
leggi anche
Ora anche l’AI può provare emozioni (o quasi)
