Gli strumenti per gli agenti AI aziendali si dividono tra orchestrazione e sicurezza

Sugli strumenti per agenti AI aziendali nel 2026 valgono due cose. Il mercato delle piattaforme sta maturando in fretta. Lo strato di sicurezza che gli sta sotto no. È in questo scarto che si collocano oggi la maggior parte delle decisioni di acquisto.

Cominciamo dal lato piattaforme. La recensione di Bardeen sulle piattaforme per agenti AI aziendali, pubblicata il 10 agosto 2026, imposta la scelta come una questione di stack: quale usa già l'azienda. Salesforce Agentforce 360 per le operazioni su Salesforce, Microsoft Copilot Studio per chi lavora su Microsoft 365, Google Gemini Enterprise per Google Cloud, ServiceNow per i flussi di lavoro IT e HR che già gestisce. La stessa recensione indica WIQ come successore nativo AI del task mining: osserva come si svolge il lavoro e classifica ciò che vale la pena automatizzare. Descrive poi una forma comune delle piattaforme: un builder, uno strato di orchestrazione e una governance che copre identità, osservabilità e controlli su ciò che gli agenti possono toccare.

Gartner segue la categoria come piattaforme di sviluppo di agenti AI.

Sul prezzo il marketing si assottiglia. Secondo la recensione di Bardeen, Salesforce pubblica i Flex Credits a 500 dollari per 100.000, con un'azione standard che ne consuma 20, circa 0,10 dollari. A questi si aggiungono 2 dollari per conversazione con il cliente e componenti aggiuntivi per utente a 125 dollari al mese per utente. Il confronto di Manus, pubblicato il 24 luglio 2026, elenca le stesse cifre di 0,10 dollari per azione e 2 dollari per conversazione. Osserva però che il costo totale di proprietà può superare il prezzo d'ingresso pubblicizzato, perché le implementazioni serie richiedono anche Data Cloud, servizi di implementazione e un lavoro di pulizia dei dati. La guida di Manus dice che Microsoft Copilot Studio è incluso con M365 Copilot a 30 dollari per utente al mese. ServiceNow è indicato come preventivo personalizzato.

Le dichiarazioni di adozione vanno lette con attenzione. La recensione di Bardeen dice che il 90% delle Fortune 500 usa già Copilot Studio e che Salesforce afferma che 12.000 clienti utilizzano Agentforce 360. Sono numeri dichiarati dai fornitori. La stessa recensione cita Salesforce: Reddit ha deviato il 46% dei casi di assistenza e OpenTable ha risolto il 70% delle richieste in autonomia. Anche questi sono dichiarati dai fornitori.

Cosa dice la ricerca sulla sicurezza

Il rapporto di n8n sugli strumenti di sviluppo per agenti AI aziendali è diretto sullo strato che gli acquirenti tendono a saltare. L'autenticazione e l'identità degli agenti sono quasi universalmente assenti sul mercato, si legge, e gran parte del marketing confonde un agente che usa una chiave API per chiamare un modello con un agente che presenta le proprie credenziali a un servizio di terze parti. Solo Google, Langflow, Workato, CrewAI, Sim.ai e Gumloop hanno ottenuto 2 su quella misura nel rapporto. La lineage, la capacità di risalire da un agente a un'identità umana, è praticamente inesistente: solo Google, Workato e Gumloop hanno ottenuto un punteggio. La gestione dei segreti è altrettanto scarsa: solo Google, Sim.ai e Gumloop hanno ottenuto 2, con Make e Retool a 1.

Il sandboxing per codice non attendibile generato da LLM è raro. Solo una manciata di fornitori offre un sandbox come confine di sicurezza, dice il rapporto n8n, e la maggior parte di questi si affida a servizi di terze parti, più comunemente E2B. CrewAI ha dismesso il proprio servizio nativo di esecuzione del codice e ha suggerito ai clienti di usare E2B. Il rapporto osserva anche che nessuna piattaforma fa bene sia l'esecuzione del codice degli agenti sia quella del codice scritto da persone, nemmeno Google.

Scrivere un prompt che chiede all'LLM di non allucinare o di non divulgare dati sensibili non equivale a una funzione di sicurezza.

Questa frase, dal rapporto n8n, è la sintesi più netta del problema. Le valutazioni vengono a volte usate come guardrail, per esempio un LLM-as-judge che controlla se una risposta contiene dati personali. Il rapporto però la distingue da una regola regex deterministica che rileva un codice fiscale e lo sostituisce.

Il quadro dell'adozione è più disordinato dei pitch delle piattaforme

Manus cita una ricerca IDC pubblicata nel 2025: l'88% delle prove di concetto di AI aziendale non arriva in produzione. A decidere sono di solito integrazione, governance e pianificazione dei costi, più dell'AI stessa. La guida di Liqteq cita l'avvertimento di Gartner del giugno 2025: oltre il 40% dei progetti di AI agentica sarà cancellato entro la fine del 2027 per costi in escalation, ROI poco chiaro e governance inadeguata. Descrive poi come dilagante l'agent washing, cioè i fornitori che rimarchiano chatbot e strumenti RPA come agenti. Dice che solo circa 130 fornitori su migliaia stanno costruendo veri sistemi agentici.

Mettendo insieme le due metà, la domanda d'acquisto cambia. La rosa delle piattaforme è ormai abbastanza prevedibile e corrisponde allo stack che un'azienda già utilizza. La domanda più difficile è se lo strumento scelto possa dimostrare quale agente ha agito, sotto quale autorità e dentro quale confine. Alla luce delle prove pubblicate finora, questa resta la parte che la maggior parte dei fornitori non ha costruito.