Cos'è la maturità agentica di un'azienda?

La maturità agentica è lo stadio di un percorso di trasformazione tecnologica in cui i sistemi informativi di un'azienda non si limitano a mostrare dati ma agiscono dentro i processi: avviano un'azione, la portano a termine e lasciano una traccia verificabile di quello che hanno fatto. Non è una tecnologia da acquistare ma il punto di arrivo di una traiettoria che parte molto più a monte, dai dati accessibili e affidabili, passa dalla loro lettura in un cruscotto, poi dalla previsione, e solo alla fine arriva all'esecuzione automatica. L'orizzonte realistico di un progetto dipende quindi dallo stadio in cui l'azienda si trova davvero al momento di iniziare: promettere agenti autonomi a chi ancora riconcilia i dati a mano significa saltare due gradini e produrre un pilota che nessuno userà. La maturità agentica descrive la destinazione e l'ordine dei passi, non un obiettivo che ogni organizzazione deve porsi.

Gli stadi del percorso

Un percorso utile non ha cinque livelli generici ma quattro passaggi verificabili, ciascuno con una prova concreta. Il primo è il dato disponibile: esiste una fonte aggiornata e leggibile senza estrazioni manuali. Il secondo è il dato letto: qualcuno guarda quella fonte e prende decisioni ricorrenti a partire da lì. Il terzo è il dato che anticipa: esistono stime su cosa succederà e il loro errore viene misurato. Il quarto è il dato che agisce: un sistema esegue un passo del processo entro limiti definiti, con un intervento umano previsto sui casi fuori soglia. La differenza tra queste famiglie di sistemi è trattata nella voce su AI predittiva, generativa e agentica. Il Digital Maturity Assessment sviluppato dal Centro comune di ricerca della Commissione europea segue la stessa logica per le PMI: sei dimensioni, tra cui gestione dei dati e automazione con AI, e un punteggio per ciascuna anziché un voto unico (Commissione europea, DMA Tool).

Un esempio enterprise

Un distributore di ricambi industriali vuole agenti che riordinino la merce da soli. All'inizio del percorso le giacenze vivono in tre gestionali diversi e il dato consolidato nasce ogni lunedì da un foglio di calcolo compilato a mano: nessun agente può agire su una base che nessuno considera affidabile. Il progetto parte quindi dalla riconciliazione delle anagrafiche, prosegue con un modello di riordino che per sei mesi propone soltanto, mentre un buyer approva o corregge, e solo dopo il sistema esegue in autonomia gli ordini sotto una soglia di valore. L'automazione arriva ultima perché il suo prerequisito, un dato che tutti riconoscono come vero, è stato costruito prima.

Quando l'intelligenza agentica non serve

Nella maggior parte delle PMI il vincolo reale sta molto più a monte: dati sparsi, processi non scritti, nessun responsabile interno del progetto. Lì un agente non risolve niente e moltiplica i punti in cui il processo, già fragile, può rompersi. Un'attività che si svolge dieci volte l'anno non giustifica il costo di manutenzione di un sistema autonomo, e un processo il cui esito ha conseguenze legali o economiche irreversibili va tenuto sotto approvazione esplicita anche quando la tecnologia sarebbe pronta. Le cause ricorrenti di fallimento sono raccolte nella voce sui motivi per cui i progetti AI falliscono, e quasi nessuna è tecnologica.

Cosa cambia per una direzione

Per una direzione, il valore di questa lettura è trasformare una domanda ideologica, quanto è avanti l'azienda, in una domanda operativa: qual è il prossimo gradino e quale prova ne dimostra il superamento. La fotografia dello stato attuale è compito dell'AI maturity assessment, la maturità agentica descrive invece la traiettoria e il punto di arrivo. Quando quel punto viene raggiunto, il tema si sposta sulla responsabilità: il framework di gestione del rischio AI pubblicato dal NIST il 26 gennaio 2023 organizza il presidio in quattro funzioni, Govern, Map, Measure e Manage (NIST AI RMF 1.0). Un sistema che agisce senza qualcuno che risponda dei suoi errori non è maturo, è solo veloce.