Il panel moderato da Luca Bianchi, con la partecipazione di Giovanni Germani (Fastweb Vodafone), Matteo Mille (Microsoft) e Alessandro Vitale (Conversate), ha offerto una visione ad ampio raggio dell’evoluzione in corso nell’intelligenza artificiale, vista attraverso le lenti di dirigenti tecnologici e architetti IT.
Da assistenti passivi ad agenti autonomi
Giovanni Germani ha evidenziato un futuro ormai imminente in cui i modelli linguistici di grandi dimensioni non si limiteranno a fornire risposte, ma saranno integrati nei flussi di lavoro aziendali come attori capaci di eseguire processi complessi, spezzettandoli in task elementari e agendo in modo quasi indipendente. Ciò implica un’infrastruttura aziendale capace di garantire accesso sicuro ai dati, orchestrazione dei processi, tracciabilità e una nuova forma di governance.
Matteo Mille ha confermato la traiettoria, sottolineando due cambiamenti fondamentali: l’interfaccia, che diventa linguaggio naturale, e il motore di ragionamento, ora alimentato da LLM. Lo scenario comporta la necessità di progettare architetture IT dove gli agenti operino con un certo grado di autonomia, richiedendo nuovi meccanismi di monitoraggio, osservabilità e gestione delle versioni, analogamente a quanto già avviene con i microservizi.
Alessandro Vitale ha spinto la riflessione più avanti, parlando di un passaggio da modelli «human-in-the-loop» a «human-on-the-loop». Con l’emergere di agenti asincroni capaci di portare avanti compiti ad alta intensità cognitiva, il ruolo dell’umano sarà sempre meno operativo e sempre più orientato alla supervisione strategica.
Le due barriere all’adozione
Il primo ostacolo riguarda il divario di competenze, in particolare nella capacità di costruire prompt efficaci. Germani ha sottolineato come molte iniziative falliscano non per limiti tecnologici, ma per scarsa alfabetizzazione nell’interazione con i modelli. Serve un programma sistemico di formazione per utenti non tecnici e, idealmente, interfacce agentiche che astraggano del tutto la costruzione del prompt.
Il secondo è di natura regolatoria. L’AI Act europeo introduce nuovi requisiti e processi per la gestione dei sistemi ad alto rischio: entrano in vigore il 2 agosto 2026, ma le linee guida operative non saranno comunicate fino al 2 febbraio 2026, ben diciotto mesi dopo l’approvazione. Ne deriva una finestra di incertezza che mette in difficoltà le aziende che vorrebbero muoversi per tempo. In parallelo, il quadro normativo su copyright e training dei modelli con dati protetti crea una frizione strategica tra approccio europeo e statunitense.
Su questo tema Germani ha evidenziato l’importanza per l’Italia di dotarsi di infrastrutture AI sovrane: in ambiti come sanità e difesa, dove i dati sono estremamente sensibili, affidarsi a modelli gestiti da attori extraeuropei può risultare problematico. Mille ha ribadito l’impegno di Microsoft nel rispetto delle normative europee, con dati residenti in Europa e accessibili solo da personale localizzato.
L’asimmetria fra grandi imprese e PMI
Secondo Vitale, le realtà più agili spesso adottano l’AI più velocemente proprio perché meno vincolate da processi decisionali complessi. Si apre così una finestra competitiva per le PMI più innovative. I settori più attivi risultano il manifatturiero, la finanza, la pubblica amministrazione e, sempre più, il legal tech.
La verticalizzazione come risposta
Lidia rappresenta un caso di verticalizzazione dell’AI nel settore legale: non un assistente generico, ma un ecosistema di intelligenza legale adattiva. Fra gli elementi distintivi, l’indicizzazione semantica della conoscenza interna, una libreria di use case legali e la capacità di suggerire flussi di lavoro basati sul contesto e sulla storia dell’utente. Non un modello addestrato internamente, ma una piattaforma che collega modelli esterni a un grafo di conoscenza legale strutturata.
L’evoluzione verso gli agenti richiede una revisione dei modelli operativi, l’adozione di strumenti di audit e trasparenza avanzata, e una stretta integrazione fra tecnologie, processi e compliance. L’esigenza di sovranità digitale e la gestione del rischio normativo impongono una riflessione sulla localizzazione dei dati e sulla governance degli algoritmi.