Previsioni 2026: gli agenti promuoveranno una strategia centralizzata e nuove modalità di lavoro

Dopo i costanti progressi nel 2025, il 2026 sarà l’anno in cui l’Agentic AI prenderà davvero piede nelle aziende.

All’inizio del 2025, il settore si aspettava un arrivo esplosivo e improvviso dell’Agentic AI. I progressi sono stati significativi e continuano ad accelerare, ma la vera novità è come quest’anno abbia ridefinito ciò che consideriamo possibile. Le organizzazioni sono andate oltre i semplici casi d’uso dei chatbot e hanno iniziato a sperimentare con sistemi in grado di pianificare, eseguire e iterare. Le funzionalità principali degli agenti si sono rafforzate, consentendo task multistep più complessi che erano irraggiungibili anche solo un anno fa. Con la rapida espansione del mercato, investimenti e innovazione continuano a pieno ritmo.

Insieme a più di una dozzina di leader Snowflake ho contribuito al nostro report annuale AI e dati: previsioni di Snowflake, in cui condividiamo le nostre prospettive per l’anno a venire, e il tema generale è che gli agenti faranno progressi in ambito aziendale. Ecco una selezione delle previsioni del report di quest’anno:

• Le finestre di contesto e la memoria saranno le chiavi per migliorare gli agenti AI: i principali miglioramenti alle finestre di contesto e alla memoria previsti per il prossimo anno abiliteranno una comprensione più ampia da parte degli agenti per affrontare sfide complesse in modo più autonomo. “È una capacità più umana, quella di ricordare il contesto più ampio di una situazione per risolvere un problema”, afferma Vivek Raghunathan, SVP of Engineering and Support di Snowflake. 

• I lavoratori dovranno padroneggiare la collaborazione e la comunicazione tra esseri umani e intelligenza artificiale: gli esseri umani rimarranno nel loop, in parte perché non tutti i dati che guidano una decisione sono necessariamente disponibili per l’AI. Chris Child, VP of Product di Snowflake, osserva che l’AI può andare in profondità con i dati in suo possesso, ma l’istinto gioca ancora un ruolo. “I modelli AI avranno una comprensione profonda dei dati”, dichiara. “Ma prima di agire dovremo ancora sapere quando mettere in dubbio le risposte e quando porre domande di approfondimento.”

• La strategia dati determinerà la preparazione all’AI e i risultati dell’AI: “Quando l’AI fornisce una risposta accurata, bisogna anche essere sicuri che non vengano esposti dati privati o proprietari”, afferma il CIO di Snowflake, Mike Blandina. “L’utente deve avere le autorizzazioni per visualizzare questa risposta? Il tuo chatbot di marketing divulga i numeri di previdenza sociale dei dipendenti e i numeri di carta di credito dei clienti? Questo non dipende dall’AI, ma dal modo in cui governi e proteggi i tuoi dati.”

Alla fine del 2026, il punto non sarà cosa può fare l’intelligenza artificiale, ma in che modo le persone e l’AI possono lavorare insieme. In altre parole, come evolvono i ruoli, come vengono condivise le decisioni e come i leader sviluppano fiducia e chiarezza in un ambiente in cui l’autonomia aumenta.

Dieci anni fa, il ruolo del Chief Data and Analytics Officer (CDO) era per lo più incentrato sull'igiene dei dati. Ma con l’arrivo dell’Agentic AI, il ruolo ora si espande fino a orchestrare come funziona l’AI in tutta l’azienda. I CDO sono responsabili della qualità e della governance dei dati su cui si basano gli agenti, della progettazione dei flussi di lavoro in cui sono integrati e del funzionamento di tali sistemi nel mondo reale. Questo avvicina il ruolo del CDO a quello di un COO dell’AI, che lavora con i team di ingegneria, governance, sicurezza, operations e prodotto, garantendo che il modello operativo di intelligenza artificiale sia stabile, affidabile e allineato agli obiettivi aziendali. 

Nel 2026, la sfida non sarà semplicemente portare gli agenti in produzione. I leader dovranno costruire la disciplina stessa attorno agli agenti. Ciò significa stabilire framework di verifica, definire dove inizia e finisce la supervisione umana e mantenere l’osservabilità in modo che ogni azione dell’agente possa essere controllata, spiegata e affidabile. Questo darà origine a una funzione formale di controllo qualità dell’AI, responsabile del monitoraggio e della valutazione continui per mantenere il comportamento degli agenti allineato agli intenti aziendali. È il naturale passo successivo per le aziende che prendono sul serio l’affidabilità.

Questo livello di supervisione dipende da piattaforme dati solide e centralizzate e dalla governance. I modelli federati che hanno funzionato durante le prime sperimentazioni hanno creato velocità, ma i sistemi ad agenti richiedono coerenza: una semantica condivisa, autorizzazioni unificate e guardrail che restano solidi anche quando gli agenti si espandono su più flussi di lavoro.

Man mano che le organizzazioni riprogettano i processi e i diritti decisionali, diventano essenziali cicli di feedback a livello aziendale. Aiutano i team a perfezionare i guardrail, migliorare il comportamento dei modelli e garantire che la responsabilità non sia mai ambigua. Nel breve termine, i sistemi ad agenti saranno più adatti a flussi di lavoro strutturati e a basso rischio, dove i confini sono chiari. Man mano che aumentano la maturità dei dati, la governance e la maturità organizzativa, gli agenti adotteranno percorsi decisionali più complessi, con maggiore autonomia e un impatto più strategico.

L’Agentic AI non eliminerà il lavoro. Lo riscriverà, aprendo nuove possibilità in termini di opportunità e di scala. Per i dettagli, leggi il report completo AI e dati: previsioni di Snowflake per il 2026.