Riprendiamo da qui
Come già evidenziato, quello che segue può sembrare materiale per addetti ai lavori, ma in realtà sono matrici che alimentano le narrazioni di tv, radio, giornali e social network. Sono funzionali a obiettivi precisi, e vale la pena farne l’anatomia: è un linguaggio tecnico che, una volta uscito dal circuito degli specialisti, impatta in modi diversi su ciascuno di noi. Distrazione, propaganda, pubblicità? Il percorso continua.
Nella prima parte abbiamo seguito il capitale e la materia, i quasi 700 miliardi di capex degli hyperscaler proiettati per il 2026, la circolarità finanziaria di cui Oracle è diventata il caso di scuola, capitale che gira tra otto soggetti che si finanziano a vicenda, il trilione di litri d’acqua drenato dai data center nordamericani nel 2025, le comunità locali che cominciano a bloccare i progetti e gli investitori istituzionali che chiedono conto del consumo idrico ed energetico, e non da ultimo la norma della regione Lombardia sui Data Center. Ora scendiamo di un piano, dentro le organizzazioni, là dove l’AI viene messa al lavoro, e dove spesso non funziona come promesso.
Gli agenti: promessa e realtà di un’onda che arriva
Il report BCG afferma che gli agenti AI, “di cui nel 2024 si parlava appena”, già rappresentano il 17% del valore AI nel 2025 e raggiungeranno il 29% entro il 2028. Sei mesi dopo la pubblicazione, il quadro è più articolato di quanto la proiezione suggerisca.
Il 40% dei progetti di agentic AI (l’AI degli “agenti” autonomi che eseguono compiti) è stato cancellato o sospeso entro febbraio 2026, secondo Gartner, che prevede che oltre il 40% dei progetti agentici sarà cancellato entro la fine del 2027 per costi eccessivi, valore commerciale incerto o controlli di rischio inadeguati. Solo l’11% delle organizzazioni usa l’AI agentica in produzione (Deloitte, 2025). Dei “migliaia di vendor agentici”, Gartner stima che solo 130 siano reali, il resto pratica ciò che la stessa Gartner chiama agent washing (letteralmente “lavaggio degli agenti”, cioè la pratica di etichettare come “agente intelligente” prodotti che non lo sono), riconfezionando come “agente” chatbot, script RPA (robotic process automation, l’automazione di compiti ripetitivi tramite script preimpostati) e motori di regole pre-esistenti.
Il caso Klarna è diventato il punto di riferimento per discussioni serie sulla questione. Tra il 2023 e il 2024, Klarna ha sostituito circa 700 addetti al servizio clienti con un assistente AI basato su OpenAI, dichiarando che gestiva il 75% delle chat e proiettando 40 milioni di dollari di risparmi. L’8 maggio 2025, parlando con Bloomberg, il CEO Sebastian Siemiatkowski ha ammesso che il costo era stato un fattore di valutazione troppo dominante, e che il risultato di quella scelta era stato una “lower quality”, una qualità inferiore: “Really investing in the quality of the human support is the way of the future for us”, “investire davvero nella qualità del supporto umano è la strada per il futuro per noi”. Klarna ha iniziato a riassumere agenti umani con un modello che Siemiatkowski stesso ha chiamato “stile Uber”. McDonald’s aveva chiuso il suo progetto di drive-through AI con IBM nel giugno 2024 dopo che il sistema aggiungeva 260 Chicken McNuggets agli ordini e confondeva accenti e rumore di fondo, il progetto è ora esposto al Museum of Failure (il Museo del Fallimento, di Helsingborg, in Svezia) come caso didattico.
Accanto agli insuccessi eclatanti c’è un dato meno visibile ma più importante: la probabilità composta. Lo studio Why Do Multi-Agent LLM Systems Fail? (Perché falliscono i sistemi LLM multi-agente? ) di Mert Cemri, Melissa Z. Pan, Shuyi Yang e altri (arXiv:2503.13657, marzo 2025, Berkeley AI Research) ha analizzato 1.642 tracce di esecuzione di sette framework (architetture software preconfigurate) multi-agente, documentando tassi di fallimento tra il 41% e l’86,7%. Il problema è matematico, non ingegneristico: con un’accuratezza del 95% per singolo passaggio, un flusso di lavoro a 20 passaggi ha solo il 36% di probabilità di successo complessivo.
Per raggiungere l’80% di successo su un flusso a 10 passaggi, l’accuratezza per passaggio deve superare il 98%. È un vincolo strutturale che non si supera con più budget o più “ambizione” , si supera solo con tecnologie radicalmente più affidabili di quelle attualmente disponibili.
Nel luglio 2025, l’agente di codifica AI di Replit ha cancellato l’intero database di produzione del fondatore SaaS (software as a service, il modello di software erogato come servizio in abbonamento) Jason Lemkin durante un freeze del codice (un periodo di blocco in cui nessuna modifica dovrebbe essere apportata), eliminando i dati di 1.206 dirigenti e 1.196 aziende. L’agente ha poi dichiarato che un rollback (ripristino della versione precedente) era impossibile, il che era falso. In precedenza, aveva fabbricato un database di 4.000 record di persone interamente fittizie, nonostante istruzioni esplicite ripetute undici volte in maiuscolo di non creare dati falsi.
Nulla di questo significa che gli agenti non arriveranno, o che le aziende che li stanno sviluppando falliranno tutte. Significa che la proiezione al 29% entro il 2028 poggia su un’ipotesi ottimistica di risoluzione dei problemi strutturali, un’ipotesi che è parte di ciò che il report sta vendendo, non un’osservazione esterna che lo valida. Il lettore che usa il report come guida pianificatoria deve essere consapevole della distanza tra la proiezione e le condizioni di possibilità della proiezione stessa.
Se vogliamo fare una pausa e guardare il tema degli Agenti da un altra prospettiva rileggiamo Agenti AI: la soluzione di Adriano Olivetti, colui che aveva non solo previsto la disoccupazione tecnologica, ma costruito un modello concreto per impedirla, è possibile ancora realizzare quanto aveva proposto e fatto lui?
La shadow AI: il terreno reale dell’adozione
Accanto agli agenti ufficiali cresce una realtà che i report istituzionali registrano solo marginalmente: l’88% delle organizzazioni ha subito incidenti di sicurezza legati ad agenti AI nel 2025. Il 78% dei dipendenti ammette di usare strumenti AI non approvati dall’azienda, la cosiddetta shadow AI (l’AI “ombra”, non sanzionata e non monitorata, che si diffonde nei perimetri aziendali al di fuori delle politiche IT ufficiali), e le imprese contengono in media circa 1.200 applicazioni AI non ufficiali all’interno dei propri perimetri. Il 52,9% degli agenti effettivamente in uso (deployed, cioè distribuiti e attivi nei sistemi aziendali) opera senza monitoraggio o supervisione di sicurezza coerente. Gli incidenti legati alla shadow AI costano in media 670.000 dollari in più rispetto agli incidenti di sicurezza standard (dati IBM Security, Cost of a Data Breach Report 2025).
Certo il problema va ben oltre, perchè è indicativo il fatto che, invece di chiedere a un collega, io mi rivolga a un presunto “assistente personale”. In pratica lo uso come supporto in attività lavorative e decisionali, un aiutante ombra a cui affido problemi e temi da affrontare. Il punto, dunque, non è la tecnologia disponibile in sé, ma l’impresa, il senso e il significato dell’organizzazione, il modo in cui distribuisce competenze, fiducia e responsabilità, ma sopratutto per quali scopi e fini. E da qui tecniche di sopravvivenza che generano il fenomeno della shadow AI, riflettiamoci sopra.
Questi numeri raccontano una storia diversa da quella del governance framework (l’architettura di regole e controlli) che i report di consulenza descrivono. L’adozione reale dell’AI nelle aziende avviene prevalentemente attraverso canali non ufficiali, con i dipendenti che importano strumenti nel perimetro aziendale più velocemente di quanto l’IT possa tracciarli. I consigli di amministrazione firmano piani pluriennali di trasformazione AI-first (con l’AI come priorità strategica trasversale) mentre l’organizzazione reale opera già in modalità ombra, spesso in modi che i piani non prevedono. È una discrepanza interessante non perché dimostri che qualcosa “non funziona”, ma perché suggerisce che il processo di adozione è più disordinato, decentralizzato e guidato dal basso di quanto il registro top-down (calato dall’alto) dei report consulenziali lasci intendere. La trasformazione sta accadendo, ma segue traiettorie che non coincidono con i playbook. È anche il punto in cui il “placebo” di cui parlavamo nell’articolo sul bugiardino di Amodei, la versione attenuata dell’AI “potente” che è già nelle nostre mani quotidiane, si è installato in profondità nelle organizzazioni senza che nessuno prendesse una decisione formale al riguardo.
Il paradosso regolamentare rende la questione più acuta.
La Legge 132/2025 italiana, entrata in vigore il 10 ottobre 2025 come primo quadro normativo nazionale sull’AI in un paese UE, impone supervisione umana sulle decisioni automatizzate. L’AI Act europeo stabilisce obblighi di registrazione e tracciabilità per i sistemi ad alto rischio. Ma se il 52,9% degli agenti in uso non è nemmeno monitorato dalle aziende che li distribuiscono, su cosa dovrebbe esercitarsi la supervisione? Proprio in questo momento il Digital Omnibus (il pacchetto di semplificazione normativa proposto dalla Commissione europea il 19 novembre 2025) propone di differire gli obblighi per i sistemi ad alto rischio di 16-24 mesi, di ridurre gli obblighi di registrazione, e di modificare il GDPR per riconoscere lo sviluppo AI come “interesse legittimo”. Il lobbying tecnologico (l’attività di pressione politica organizzata sulle istituzioni) a Bruxelles ha raggiunto i 151 milioni di euro annui nel 2025 (Corporate Europe Observatory e LobbyControl, sul registro per la trasparenza UE). Amnesty International, nell’aprile 2026, ha denunciato che il pacchetto Omnibus rischia di indebolire il GDPR e l’AI Act “sotto la pressione delle Big Tech”. La regolamentazione arriva a un terreno già compromesso, e mentre prova ad arrivarci viene smantellata a monte.
(continua)
Nella prossima puntata il piano più concreto e il più opaco, il lavoro. Le 30.000 persone licenziate da Oracle alle sei del mattino del 31 marzo 2026, con un algoritmo che ha scelto chi eliminare, e i 156 miliardi di capex AI che quei salari andranno a finanziare. I 1.600 di Atlassian, e il ruolo CTO spaccato in due per governare l’era degli agenti. L’ammissione di Sam Altman che meno dell’1% dei tagli è attribuibile direttamente all’AI. E poi un passo indietro di duecento anni, fino a Saint-Simon, per chiederci se questo che stiamo vivendo è davvero senza precedenti, o se è la fase accelerata di una rivoluzione industriale che un conte francese morto in miseria nel 1825 aveva già visto nelle sue linee essenziali.
Articoli precedenti : AI: lasciamo attendere il paradiso. Prologo AI: lasciamo attendere il paradiso #1
AI: lasciamo attendere il paradiso #2 AI: lasciamo attendere il paradiso #3
Fonti e approfondimenti (Parte II)
Sugli agenti AI e il fallimento strutturale
Mert Cemri, Melissa Z. Pan, Shuyi Yang et al., Why Do Multi-Agent LLM Systems Fail?, arXiv:2503.13657, marzo 2025 (revisione ottobre 2025): arxiv.org/abs/2503.13657. Analisi di 1.642 tracce di esecuzione su sette framework multi-agente, con tassi di fallimento tra il 41% e l’86,7%. Berkeley AI Research e MIT.
Gartner, Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027, comunicato stampa del 25 giugno 2025: gartner.com/…/2025-06-25-gartner-predicts-over-40-percent…. Contiene sia la previsione del 40% di cancellazioni entro fine 2027, sia la stima dei circa 130 vendor “reali” su migliaia e la definizione di agent washing(parole di Anushree Verma, Senior Director Analyst).
Deloitte, State of Generative AI in the Enterprise 2025, rapporti trimestrali: deloitte.com/us/en/insights/topics/digital-transformation/state-of-generative-ai-in-enterprise.html. Solo l’11% delle organizzazioni usa l’AI agentica in produzione.
Sul caso Klarna
Sebastian Siemiatkowski, Klarna Turns From AI to Real Person Customer Service, intervista a Bloomberg dell’8 maggio 2025: bloomberg.com/news/articles/2025-05-08/klarna-turns-from-ai-to-real-person-customer-service. Ripresa da Fortune del 9 maggio: fortune.com/2025/05/09/klarna-ai-humans-return-on-investment/. Citazione testuale verificata: “As cost unfortunately seems to have been a too predominant evaluation factor when organizing this, what you end up having is lower quality. Really investing in the quality of the human support is the way of the future for us.”
Sul caso Replit — cancellazione database e fabbricazione di dati
Cybernews, Replit’s AI coder deletes user’s database and lies, 21-23 luglio 2025: cybernews.com/ai-news/replit-ai-vive-code-rogue/. Ricostruzione completa con thread Twitter di Jason Lemkin, risposta del CEO Replit Amjad Masad, e dettaglio dei 1.206 dirigenti, 1.196 aziende, 4.000 record fittizi, istruzioni ignorate undici volte in maiuscolo. Coperture parallele su Fortune, Fast Company, Tom’s Hardware, Business Insider.
Sul caso McDonald’s / IBM
Kate Rogers, McDonald’s to end AI drive-thru test with IBM, CNBC, 17 giugno 2024: cnbc.com/2024/06/17/mcdonalds-to-end-ibm-ai-drive-thru-test.html. Chiusura del progetto Automated Order Taker(oltre 100 ristoranti, attivo dal 2021), spento entro il 26 luglio 2024. Il caso è ora esposto al Museum of Failure di Helsingborg (Svezia): museumoffailure.com.
Sulla shadow AI e la sicurezza degli agenti
IBM Security, Cost of a Data Breach Report 2025: ibm.com/reports/data-breach. Cifra degli incidenti shadow AI (+670.000 dollari in media) ricavata dal segmento specifico dedicato all’AI non sanzionata nel report IBM 2025.
Dati aggregati su shadow AI dal Ponemon Institute e da Palo Alto Networks Unit 42, 2025 Unit 42 Global Incident Response Report: paloaltonetworks.com/…/unit-42-incident-response-report-2025, e dalle ricerche di settore citate nel rapporto IBM. Nota: le percentuali puntuali sulla shadow AI (88% di organizzazioni con incidenti, ~1.200 app non ufficiali, 52,9% di agenti non monitorati) provengono da survey di settore diverse; conviene agganciare ciascuna al rispettivo report primario in fase di pubblicazione.
Sul contesto normativo europeo e italiano
Legge 28 agosto 2025, n. 132 (“Disposizioni e deleghe al Governo in materia di intelligenza artificiale”), pubblicata in Gazzetta Ufficiale n. 223 del 25 settembre 2025, in vigore dal 10 ottobre 2025. Testo integrale: gazzettaufficiale.it/eli/id/2025/09/25/25G00138/sg. Primo quadro normativo nazionale sull’AI in un paese dell’Unione Europea.
Commissione Europea, Digital Omnibus on AI Regulation Proposal — COM(2025) 836 final, pubblicata il 19 novembre 2025. Pagina ufficiale (con proposta e allegati): digital-strategy.ec.europa.eu/en/library/digital-omnibus-ai-regulation-proposal. Comunicato della Commissione (IP/25/2718): ec.europa.eu/commission/presscorner/detail/en/ip_25_2718. Prevede il differimento dell’applicazione degli obblighi per i sistemi ad alto rischio (dal 2 agosto 2026 al 2 dicembre 2027, oltre un anno).
Amnesty International, How EU proposals to “simplify” tech laws will roll back our rights, 10 aprile 2026: amnesty.org/en/latest/campaigns/2026/04/eu-simplification-laws/. Denuncia che il pacchetto Omnibus rischia di indebolire GDPR e AI Act sotto la pressione delle Big Tech. Si veda anche il primo comunicato del 20 novembre 2025: amnesty.org/…/eu-digital-omnibus-proposals-will-tear-apart-accountability….
Corporate Europe Observatory e LobbyControl, Revealed: Tech industry now spending record €151 million on lobbying the EU, 29 ottobre 2025: corporateeurope.org/…/revealed-tech-industry-now-spending-record-eu151-million-lobbying-eu. Fonte della cifra di 151 milioni di euro annui di lobbying del settore digitale (sulla base del registro per la trasparenza UE), +33,6% dal 2023. Sull’allineamento tra testo dell’Omnibus e richieste delle Big Tech si veda anche l’analisi articolo per articolo di CEO/LobbyControl del gennaio 2026: corporateeurope.org/en/2026/01/article-article-how-big-tech-shaped-eus-roll-back-digital-rights.
Scopri di più da Franti Magazine
Abbonati per ricevere gli ultimi articoli inviati alla tua e-mail.
