4 progetti AI su 10 chiuderanno. Il tuo ha un freno?

Il 22 agosto VentureBeat ha messo vicine due misure: Gartner prevede che oltre il 40% dei progetti di AI agentica non arrivi al 2028, e McKinsey misura la maturità sui controlli a 2,3 su 4. Chi porta un agente in produzione ha fatto una cosa sola, e si scrive su un foglio.

Il 22 agosto 2026 VentureBeat ha pubblicato un intervento di Midhula Mariyam Jeevan che mette vicine due misure e le lascia parlare. La prima è di Gartner: oltre il 40% dei progetti di AI agentica in corso oggi non arriverà al 2028, e le ragioni dichiarate sono costi che salgono, valore per l'azienda che resta vago e controlli sul rischio insufficienti. La seconda arriva dall'indagine 2026 di McKinsey sulla fiducia nell'AI, dove la maturità media sull'uso responsabile sta a 2,3 su 4 e appena il 30% circa delle organizzazioni ha raggiunto il livello tre o superiore sui controlli degli agenti.

La notizia gira come l'ennesima delusione sugli agenti, e in parte lo è. Per chi manda avanti un'azienda la parte utile sta altrove, cioè in cosa hanno fatto di diverso quelli a cui il progetto è arrivato davvero in produzione.

Le due misure, messe vicine

L'articolo riassume il quadro con una frase asciutta, ovvero che la capacità sta correndo più veloce del controllo. Accanto c'è la cifra che racconta quanto sia affollato il mercato: fra le migliaia di prodotti venduti con l'etichetta «AI agentica», stando al conteggio di Gartner, soltanto centotrenta circa hanno davvero una capacità autonoma dietro. Il resto sono automazioni e chatbot riconfezionati per il momento buono.

Poi c'è il dettaglio che dovrebbe interessarti di più, poiché dice da dove arriva il freno. Quasi due terzi delle aziende oggi indica sicurezza e rischio come l'ostacolo maggiore alla crescita degli agenti, davanti all'incertezza sulle regole e davanti alle difficoltà tecniche. Tradotto per una PMI: il progetto si pianta sul tavolo di chi deve firmarlo, molto prima che su quello di chi lo costruisce.

Perché l'autonomia piena si inceppa

C'è una parte strutturale della faccenda che resta lì anche quando l'entusiasmo passa, e riguarda il fatto che autonomia e responsabilità si muovono in direzioni opposte. Un agente capace di pianificare ed eseguire da solo un lavoro in più passaggi è anche un agente le cui singole decisioni diventano difficili da ricostruire dopo.

Se qualcosa si rompe al terzo passaggio di una catena, capire perché ha deciso così e chi ne risponde diventa un'indagine invece che una consultazione. Su una riconciliazione contabile, su un controllo qualità in produzione o su un documento clinico, quella differenza separa un errore gestibile da una grana seria con chi vigila.

L'altra causa ricorrente di cancellazione è l'innesto sul processo che c'era già, che richiede molto più di un collegamento tecnico: punti di decisione, catene di approvazione e tracce di controllo vanno rifatti attorno a un sistema che adesso agisce senza aspettare nessuno. Chi lo tratta come un problema di ore di lavoro tecnico è quello che si pianta a metà.

Le quattro cose che fanno quelli che ce la fanno

Le aziende messe meglio hanno tenuto in piedi i loro piani e hanno ridistribuito l'autonomia dentro il sistema, in quattro modi che si somigliano fra loro. Costruiscono agenti a raggio stretto, con una responsabilità sola, perché un perimetro di lavoro più piccolo produce un perimetro di errore più piccolo, che poi è quello che si riesce a controllare. Mettono il controllo umano prima dell'azione che pesa, cioè prima che un dato sensibile si sposti, che una transazione venga registrata o che parta qualcosa verso l'esterno.

Trattano la tracciabilità come un requisito di progetto invece che come un recupero da fare sotto esame, e i regolatori spingono nella stessa direzione, visto che i requisiti di sorveglianza umana dell'AI Act per i sistemi ad alto rischio sono stati spostati a dicembre 2027 dall'accordo Digital Omnibus.

L'ultima riguarda dove stanno i dati e chi li tocca, poiché è quello che decide quanto resta contenuto un guasto, come si vede bene quando un modello esce dal recinto in cui lo stavano provando.

Il rischio corre anche nell'altra direzione, e l'articolo ha l'onestà di dirlo. Un agente che ha bisogno di un timbro su ogni sciocchezza non ha tolto attrito a nessuno, si è solo messo addosso il vecchio processo manuale come un costume, e questo è esattamente il modo in cui un controllo diventa una formalità. Quello che serve è un controllo calibrato, concentrato dove sbagliare costa davvero.

«Gli sembrava la cosa migliore»

In una sala piena di soci di una banca di credito cooperativo, a fine giugno, le due cose che hanno lasciato più segno sono state raccontate di sfuggita fra una dimostrazione e l'altra: un agente che cancella un database da 2,5 milioni di record perché gli sembrava la cosa migliore, e un progetto pilota che si mette a ordinare quintali di latte per una catena di caffetterie. Da lì è uscita la regola che ripeto in aula, settanta per cento di analisi e progettazione e trenta di realizzazione, con la coda che nessuno vuole sentire: i progetti agentici si misurano in mesi, non in pomeriggi.

In un'azienda romagnola che costruisce macchinari industriali e li spedisce in mezzo mondo, quella regola ha preso la forma di una pagina sola da riempire a penna. Prima di dare a un agente un accesso qualunque su un processo vero, si scrivono quattro confini: cosa vede, cosa può fare, cosa non può fare, quando si ferma. Dentro c'è una tabella a tre colonne, legge / propone / esegue, e la terza all'inizio resta vuota per scelta.

Sul caso su cui abbiamo lavorato davvero, la preparazione dei documenti di trasporto per l'export, la regola sta in cinque parole: l'AI prepara, la persona firma. Il controllo cade prima che il documento esca dall'azienda, invece che dopo che il camion è partito. E se quei confini non stanno in una pagina, quell'agente non è pronto per entrare nel processo, poiché quasi sempre a non essere chiaro è il processo, che non lo era nemmeno prima.

L'onestà su questa storia

Va detto com'è fatto il pezzo che ho letto. Esce nel programma di interventi ospiti di VentureBeat, quindi non porta la firma della redazione, e l'autrice è una content writer che si occupa di AI, tecnologia per le imprese e ottimizzazione per i motori di ricerca. Le due misure su cui regge tutto vengono da un comunicato di Gartner e da un'indagine di McKinsey, e chi scrive le ha accostate.

Sul merito, due cautele. Il grafico che mostra il divario, con gli agenti che crescono all'incirca otto volte più in fretta della maturità sui controlli, è un'immagine fornita dall'autrice e dall'esterno non è verificabile.

La seconda riguarda me. Quelle che l'articolo descrive sono architetture di aziende con reparti legali e di rischio che fanno quel mestiere a tempo pieno, mentre dalle tue parti la stessa domanda si riduce a chi guarda la mail prima che parta. Il ponte fra le due cose lo costruisco io e preferisco dirlo.

Cosa farei domattina

Prendi il processo dove hai già messo l'AI e disegna tre colonne su un foglio: cosa legge, cosa propone, cosa esegue da sola. Riempi le prime due e lascia la terza vuota per trenta giorni, anche se lo strumento saprebbe fare di più. Nel frattempo tieni una riga ogni volta che correggi una proposta, con la data e cosa hai cambiato. Al trentesimo giorno guarda quelle righe: se hai corretto due volte su venti, la terza colonna puoi cominciare a riempirla; se hai corretto una volta su tre, il problema sta nel processo e l'agente lo avrebbe solo fatto correre più in fretta. La colonna che lasci vuota è quella che ti tiene in piedi il progetto.

(Fonte: Midhula Mariyam Jeevan, «Enterprises winning with AI agents are limiting how much the agents can do alone», VentureBeat, 22 agosto 2026, programma di guest post DataDecisionMakers. I dati vengono da un comunicato Gartner e dall'indagine McKinsey sulla fiducia nell'AI 2026.)