Il numero che conta non è l’83% di aziende che devono modernizzare l’infrastruttura per gli agenti AI.
È quante, tra quelle che un chatbot l’hanno già messo in produzione, sanno dire dove è finito il lavoro che ha prodotto.
Nella maggior parte dei casi la risposta è: da nessuna parte.
Un modello attaccato sopra i processi esistenti risponde a domande. Non tocca i dati, non innesca un’orchestrazione, non lascia un artefatto controllabile. Dopo sei mesi non c’è ROI da misurare perché non c’è niente da misurare: l’output vive nella finestra di chat e sparisce quando si chiude la scheda.
Qui sta la differenza che l’espressione “modernizzare l’infrastruttura” nasconde. Dati puliti, sistemi connessi, orchestrazione non sono voci di una checklist per scalare. Sono la condizione perché quello che l’AI produce esista come qualcosa di diverso da un messaggio: un’azione dentro un flusso, un record che si può rileggere, un passaggio che qualcun altro (persona o altro agente) può riprendere.
Cambia anche cosa vuol dire affidabile. Un chatbot bolt-on non ha una metrica di accuratezza in produzione, perché il suo output non atterra mai in un punto dove si possa verificare se ha ragione. Un agente che opera dentro i processi lascia una traccia che si misura: ha fatto la cosa giusta oppure no, e lo si vede.
Il problema dell’adozione non è scegliere tra un modello e l’altro. È che una conversazione non è un processo, e finché l’AI resta una conversazione non lascia niente dietro di sé.
