IA agentica: il valore reale sta nel ridisegnare i processi, non nell'aggiungere bot

Un anno dopo l'esplosione commerciale dell'IA agentica, sistemi che non solo rispondono a domande, ma eseguono compiti in sequenza, prendono decisioni intermedie e operano con supervisione minima, McKinsey ha pubblicato una conclusione scomoda per chi ha seguito la strada più facile: la tecnologia da sola non produce valore. Ciò che genera valore è il ridisegno del lavoro che la tecnologia andrà a svolgere.

La società di consulenza ha analizzato implementazioni in diversi settori e ha formulato una diagnosi chiara: le aziende che hanno ottenuto i maggiori ritorni non sono quelle che hanno aggiunto agenti di IA su processi esistenti. Sono quelle che hanno mappato le loro operazioni end to end, identificato i veri colli di bottiglia e costruito monitoraggio in ogni fase prima di attivare qualsiasi automazione. Chi ha fatto il contrario, ha collegato un bot a un flusso disfunzionale, accelerando il problema invece della soluzione.

Cosa è, di fatto, l'IA agentica

Prima di entrare nella strategia, conviene definire l'oggetto. L'IA agentica non è un chatbot sofisticato. È un'architettura in cui modelli di linguaggio (come GPT-4o, Claude 3.5 o Gemini 1.5) sono combinati con strumenti esterni, API, basi di dati, sistemi CRM, ERP, e ricevono un obiettivo, non solo una domanda. L'agente pianifica i passi, esegue azioni, verifica i risultati e itera fino al completamento del compito.

Piattaforme come LangChain, AutoGen di Microsoft e Vertex AI Agent Builder di Google sono oggi le principali infrastrutture per costruire questi sistemi. Aziende come Salesforce e ServiceNow hanno già integrato agenti nativamente nei loro prodotti , Agentforce, lanciato da Salesforce nel 2024, è un esempio concreto di come questo approda al mercato B2B: un agente che gestisce ticket di supporto, consulta lo storico del cliente, crea casi, scala a persone quando necessario e registra tutto nel CRM, senza intervento manuale nella maggior parte dei flussi.

L'errore più comune: automazione senza ridisegno

La trappola documentata da McKinsey è nota a qualsiasi consulente operativo: l'azienda individua un compito ripetitivo, automatizza quel compito specifico con un agente e festeggia. Ma il processo circostante rimane pieno di approvazioni ridondanti, campi obbligatori senza scopo e passaggi tra reparti che esistono per inerzia storica.

Il risultato è un agente veloce che opera all'interno di un sistema lento. Il guadagno di efficienza è marginale e, peggio, crea una falsa sensazione di modernizzazione.

Quello che funziona, secondo l'analisi, è l'opposto: prima mappare l'intero flusso, poi decidere dove inserire l'agente. Questo richiede di rispondere a domande che le aziende spesso evitano, per esempio: perché esiste questa approvazione? Chi usa davvero questa informazione? Cosa accade quando questa fase fallisce?

Il monitoraggio non è opzionale

Un altro punto critico sollevato da McKinsey: gli agenti di IA in produzione necessitano di livelli di monitoraggio costruiti fin dall'inizio, non aggiunti in un secondo momento. Questo include log di ogni decisione presa dall'agente, alert per deviazioni di comportamento, soglie per l'escalation a supporto umano e audit periodici di qualità.

Senza questi strumenti, il rischio operativo cresce in modo silenzioso. Un agente che approva richieste di acquisto basandosi su regole mal calibrate può generare perdite per settimane prima che qualcuno se ne accorga. Non perché la tecnologia sia fallita, ma perché nessuno ha definito cosa significhi "corretto" in quel contesto.

Cosa cambia per le PMI in Brasile

Per le piccole e medie imprese, che rappresentano oltre il 99% degli esercizi in Brasile e coprono circa il 70% dell'occupazione formale, secondo il Sebrae, il messaggio di McKinsey ha un lato liberatore e uno sfidante.

Il lato liberatore: le maggiori opportunità si trovano proprio dove le PMI concentrano il lavoro più ripetitivo. Supporto clienti, triage delle richieste interne, approvazioni di credito, onboarding dei fornitori, help desk HR, sono tutti processi con struttura sufficiente perché un agente operi efficacemente, a condizione che il flusso sia pulito.

Il lato sfidante: ridisegnare processi richiede tempo e comporta la necessità che qualcuno all'interno dell'azienda conosca il business a fondo per mettere in discussione lo status quo. Per molte PMI questa risorsa è scarsa.

La soluzione pratica che ho visto funzionare con clienti in FM Solutions è partire dal processo più lamentato, quello che genera più ticket, più rifacimenti o più insoddisfazione interna. Non il più semplice. Il più doloroso. Perché è lì che il ridisegno ha urgenza reale e dove i risultati emergono abbastanza in fretta da sostenere il progetto politicamente all'interno dell'organizzazione.

Collaborazione umano-agente, non sostituzione

Un dato spesso ignorato nelle discussioni sull'IA agentica: i migliori risultati documentati non derivano dall'automazione totale, ma da una collaborazione strutturata tra persone e agenti. L'agente svolge il lavoro di routine, raccoglie dati, formatta, verifica, registra. La persona decide nei casi limite e valida le eccezioni.

Questo modello riduce il volume di lavoro operativo senza eliminare il giudizio umano nei momenti in cui è veramente necessario. Per PMI con team snelli, significa che un gruppo di tre persone può operare con la capacità di sei, senza assumere e senza aumentare i costi fissi.

La domanda giusta da porsi oggi

McKinsey documenta ciò che la pratica già mostrava: l'IA agentica è una leva, non una scorciatoia. Le aziende che salteranno passaggi, che installeranno agenti senza ridisegnare ciò che gli agenti dovranno eseguire, spenderanno denaro per automatizzare il caos.

La domanda che conviene porsi oggi non è "quale agente devo acquistare?". È: "qual dei miei processi merita di esistere così come è?"

Chi risponderà onestamente a questa domanda prima di adottare la tecnologia sarà un passo avanti, indipendentemente dalle dimensioni dell'azienda o dal budget disponibile.