Nel 2026, l’intelligenza artificiale ha raggiunto un punto di svolta: i CEO devono ora definire confini operativi, responsabilità e criteri di valutazione per gli agenti AI. Questi strumenti non sono più semplici assistenti per la scrittura o la ricerca di informazioni, ma stanno iniziando a pianificare attività, interrogare sistemi aziendali e, in alcuni casi, eseguire azioni autonome entro regole prestabilite.
La pressione per l’adozione degli agenti AI arriva da tre fronti principali: tecnologico, economico e regolatorio. Secondo il Capgemini Research Institute solo il 2% delle organizzazioni ha completamente implementato gli agenti AI, mentre il 23% ha avviato piloti e il 61% sta esplorando l’adozione. Dal punto di vista economico, la Global Survey 2026 di McKinsey rivela che l’88% delle organizzazioni utilizza l’AI in almeno una funzione, ma solo il 39% dichiara un impatto significativo sull’ebit. Infine, dal 2 agosto 2026 sono entrate in vigore le regole di trasparenza dell’AI Act con ulteriori obblighi previsti per il 2 dicembre 2027.
L’adozione dell’AI in Italia: progressi e sfide
In Italia, il panorama dell’adozione dell’AI è migliorato, ma rimane disomogeneo. Secondo il report Istat del 15, il 16,4% delle imprese con almeno 10 addetti utilizza almeno una tecnologia di IA, quasi il doppio rispetto all’8,2% del 2026. Tuttavia, la distanza tra grandi imprese e PMI si è ampliata fino a 37 punti percentuali. La mancanza di competenze adeguate frena quasi il 60% delle aziende che hanno valutato investimenti in IA senza realizzarli.
Le cinque domande cruciali per i CEO
Per i CEO, l’adozione degli agenti AI solleva cinque domande fondamentali. La prima riguarda il perimetro della delega: gli agenti AI possono prendere decisioni operative quando queste sono frequenti, misurabili, reversibili e governate da regole esplicite. Ad esempio, possono aggiornare prezzi entro soglie approvate, prioritizzare ticket, allocare scorte, instradare consegne, fornire raccomandazioni commerciali, controllare anomalie e rispondere a incidenti IT di primo livello.
Il confine si sposta quando le decisioni producono effetti legali, reputazionali, etici o patrimoniali rilevanti. In questi casi, l’agente può preparare opzioni, raccogliere evidenze, simulare scenari e proporre una linea d’azione, ma la responsabilità deve restare assegnata a una persona o a un organo aziendale. Secondo il 2026 CEO Study di IBM Institute for Business Value realizzato con Oxford Economics su 2.000 CEO e senior leader in 33 geografie e 21 settori tra febbraio e aprile 2026, i CEO stimano che oggi il 25% delle decisioni operative sia già preso dall’AI senza intervento umano e prevedono che la quota salga al 48% entro il 2030.
Governance e ridisegno dei processi
La governance degli agenti AI non coincide con un comitato che approva ogni uso della tecnologia. È necessaria una mappa delle decisioni che specifichi quali possono essere eseguite dall’agente, quali devono essere solo raccomandate e quali sono escluse dall’automazione. Senza questa mappa, l’azienda accumula assistenti digitali; con questa mappa, comincia a costruire capacità operativa.
Un errore costoso è inserire agenti AI dentro processi pensati per persone, email, fogli di calcolo e approvazioni seriali. In questo caso, l’AI comprime qualche passaggio, ma lascia intatti colli di bottiglia, eccezioni opache e responsabilità distribuite male. La ricerca di McKinsey mostra che gli “AI high performer”, circa il 6% del campione che attribuisce all’AI almeno il 5% di impatto sull’EBIT, sono quasi tre volte più propensi degli altri a ridisegnare in modo sostanziale i workflow individuali.
I processi da ripensare per primi sono quelli ad alto volume, con dati accessibili, esiti misurabili e molte eccezioni ripetitive: customer service, supply chain, finance operations, procurement, gestione documentale, marketing operations, assistenza tecnica, sviluppo software e cybersecurity operations. L’obiettivo non è sostituire ogni passaggio umano, ma separare meglio attività, decisioni e responsabilità.
Misurare il valore dell’AI
La produttività generata dall’AI non si misura contando licenze attive, prompt inviati o ore dichiarate come risparmiate. Questi numeri servono al controllo dell’adozione, ma non provano valore aziendale. La misura deve partire dall’unità economica del processo: ticket risolti per ora, tempo di ciclo, costo per pratica, conversione commerciale, errori evitati, rilavorazioni, qualità percepita dal cliente e riduzione del tempo di inserimento per i nuovi assunti.
Lo studio accademico “Generative AI at Work” di Erik Brynjolfsson, Danielle Li e Lindsey Raymond, pubblicato su The Quarterly Journal of Economics nel, analizza l’introduzione progressiva di un assistente conversazionale basato su AI generativa presso 5.172 operatori di customer support. L’accesso allo strumento aumenta del 15% la produttività media, misurata come problemi risolti per ora, con benefici più forti per lavoratori meno esperti e più deboli per i profili già più performanti.
Competenze e leadership nell’era dell’AI
Nel secondo semestre 2026, la competenza scarsa non è saper usare una chat, ma saper trasformare un obiettivo aziendale in una catena di decisioni, dati, controlli e responsabilità che un sistema AI possa supportare senza generare rischio non governato. Il World Economic Forum nel “Future of Jobs Report 2026” stima che il 39% delle competenze chiave cambierà entro il 2030. AI e big data sono tra le competenze in più rapida crescita, ma il pensiero analitico resta la competenza core più richiesta.
La competenza strategica combina quattro piani: conoscenza del dominio, alfabetizzazione AI, capacità di ridisegnare processi e familiarità con rischi, privacy, sicurezza e compliance. IBM aggiunge un elemento di leadership: nel CEO Study 2026, l’85% dei CEO intervistati afferma che tutti i responsabili funzionali devono diventare esperti di tecnologia nel proprio dominio. Questo cambia la distribuzione della responsabilità. L’AI non può restare confinata in IT o nell’innovation team, perché le decisioni da automatizzare appartengono a vendite, operation, finanza, risorse umane, legale, prodotto e customer care.
Le competenze da presidiare al vertice sono quindi meno specialistiche di quanto spesso si pensi: formulare problemi, valutare qualità dei dati, definire criteri di accettazione, leggere metriche, riconoscere bias ed errori e decidere quando fermare un’automazione. La capacità tecnica pura resta importante, ma il vantaggio nasce quando manager e tecnologi condividono lo stesso linguaggio operativo.
La quinta domanda è la più scomoda: se l’innovazione resta un dipartimento, gli agenti AI produrranno dimostrazioni, prototipi e casi d’uso isolati. Se diventa modo di funzionare dell’azienda, cambia budget, governance, responsabilità manageriale e velocità di apprendimento. Gli agenti AI possono diventare una leva di crescita soltanto quando l’azienda sa dire dove devono agire, quali processi modificano, quale produttività generano, quali competenze richiedono e chi risponde delle loro decisioni. Per i CEO, il secondo semestre 2026 è il momento in cui l’AI smette di essere una promessa di efficienza e diventa una prova di management.
