Vai al contenuto
Ora nel mondoEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portale su IA e tecnologiaeventi · analisi · interviste · approfondimenti tecnici

Cerca
LIVE
›

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

Le piattaforme per agenti AI aziendali si stanno consolidando attorno agli stack già in uso, mentre i ricercatori di sicurezza avvertono che l'identità degli agenti e il sandboxing del codice restano in gran parte irrisolti, secondo materiale di fornitori e analisti pubblicato fino al 2026.

IA e modelliAnalisiGiulia FerrariPubblicato: 27 settembre 20264 min di letturaFonti 4
Gli strumenti per agenti AI aziendali si dividono tra orchestrazione e sicurezza

Nel 2026 due cose sono vere sugli strumenti per agenti AI aziendali. Il mercato delle piattaforme matura in fretta. Lo strato di sicurezza che sta sotto no. La maggior parte delle decisioni d'acquisto cade proprio tra questi due fatti.

Partiamo dalle piattaforme. Una recensione di Bardeen sulle piattaforme per agenti AI aziendali, pubblicata il 10 agosto 2026, riduce la scelta a una domanda: quale stack l'azienda usa già. Salesforce Agentforce 360 va bene per le operazioni su Salesforce. Microsoft Copilot Studio per chi lavora su Microsoft 365. Google Gemini Enterprise per Google Cloud. ServiceNow per i flussi IT e HR che già gestisce. La recensione indica WIQ come successore nativo AI del task mining. WIQ osserva come si svolge il lavoro e mette in ordine di priorità ciò che vale la pena automatizzare. La recensione descrive anche una forma comune a tutte le 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 per agenti AI.

I prezzi sono il punto in cui il marketing si assottiglia. Salesforce pubblica i Flex Credits a 500 dollari per 100.000, con un'azione standard che ne consuma 20, circa 0,10 dollari, secondo la recensione di Bardeen. Applica inoltre 2 dollari per conversazione con il cliente e add-on utente a 125 dollari per utente al mese. Un confronto di Manus, pubblicato il 24 luglio 2026, riporta le stesse cifre: 0,10 dollari per azione e 2 dollari per conversazione. Nota che il costo totale di proprietà può superare il prezzo d'ingresso pubblicizzato. La maggior parte dei progetti seri richiede anche Data Cloud, servizi di implementazione e lavoro sui dati puliti. Microsoft Copilot Studio è incluso in M365 Copilot a 30 dollari per utente al mese, dice la guida di Manus. ServiceNow compare come preventivo su misura.

Le cifre sull'adozione vanno lette con attenzione. La recensione di Bardeen dice che il 90% delle Fortune 500 usa già Copilot Studio. Dice anche che Salesforce dichiara 12.000 clienti che usano Agentforce 360. Sono numeri riferiti dai fornitori. La stessa recensione cita Salesforce, secondo cui Reddit ha deviato il 46% delle richieste di assistenza. Cita Salesforce, secondo cui OpenTable ha risolto il 70% delle richieste in autonomia, sempre dati dei fornitori.

Cosa dice la ricerca sulla sicurezza

Il rapporto n8n sugli strumenti per lo sviluppo di agenti AI aziendali è diretto sullo strato che gli acquirenti tendono a saltare. L'autenticazione e l'identità degli agenti mancano quasi ovunque sul mercato, si legge. Anche il marketing confonde due cose. Una è un agente che usa una chiave API per chiamare un modello. L'altra è 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 questo punto nel rapporto. La lineage è praticamente assente. È la capacità di risalire da un agente a un'identità umana. Solo Google, Workato e Gumloop hanno 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 una sandbox come confine di sicurezza, dice il rapporto n8n. La maggior parte si appoggia a servizi di terze parti, il più delle volte E2B. CrewAI ha dismesso il proprio servizio nativo di esecuzione del codice e ha suggerito ai clienti di usare E2B. Il rapporto nota anche che nessuna piattaforma gestisce bene sia l'esecuzione del codice degli agenti sia quella del codice scritto da persone, nemmeno Google.

Scrivere un prompt che chiede al LLM di non allucinare o di non rivelare dati sensibili non equivale a una funzionalità di sicurezza.

Questa frase, dal rapporto n8n, è il riassunto più netto del problema. A volte le valutazioni vengono usate come barriere. Un esempio è un LLM-as-judge che controlla se una risposta contiene dati personali. Il rapporto distingue questo caso da una regola regex deterministica che individua un codice fiscale e lo sostituisce.

L'adozione è più disordinata di quanto raccontino le piattaforme

Manus cita una ricerca IDC pubblicata nel 2025. Risultava che l'88% delle prove di concetto di AI aziendali non arriva in produzione. Di solito a decidere l'esito sono integrazione, governance e pianificazione dei costi, non l'AI in sé. La guida di Liqteq cita l'avvertimento di Gartner di giugno 2025: oltre il 40% dei progetti di AI agentica sarà cancellato entro la fine del 2027. La causa sono costi in aumento, ROI poco chiaro e governance inadeguata. Descrive l'agent washing come dilagante, cioè fornitori che ribattezzano 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 prevedibile. Corrisponde allo stack che l'azienda usa già. La domanda più difficile è se lo strumento scelto riesce a dimostrare quale agente ha agito, con l'autorità di chi e dentro quale confine. Alla luce delle prove pubblicate finora, è ancora la parte che la maggior parte dei fornitori non ha costruito.

Commenti 0

Fonti

4
  1. 0110 Best Enterprise AI Agent Platforms (2026)EN
  2. 0210 Best AI Agents for Enterprise in 2026, Reviewed and ComparedEN
  3. 03Enterprise AI agent development tools 2026EN
  4. 04Enterprise AI Agents: Real Use Cases, Costs & ROI Guide 2026EN

Tutti i numeri e le citazioni di questo testo provengono dalle fonti elencate sotto.

I contenuti sono stati preparati dalla redazione con il supporto dell'IA.

Giulia Ferrari

Giulia Ferrari

IA, modelli e tecnologie

Giulia Ferrari scrive di tecnologia, IA e modelli e media e internet per FLASH24, partendo da dataset pubblici, preprint e registri di versioni dei modelli. Controlla ogni numero confrontando benchmark dichiarati e risultati riproducibili, e scarta le stime senza fonte. Segue le audizioni in calendario, parla con ricercatori e ingegneri, e mette a confronto release e changelog prima di pubblicare. Fuori dalla redazione smonta stampanti 3D, recupera vecchi computer e studia come i modelli imparano dai rifiuti del web. Non pubblica un dato se non può ricostruirne il percorso.

Redazione →

Commenti

0
  1. Nessun commento — sii il primo.

Scrivi un commento

I commenti sono pubblici. Non pubblichiamo insulti, spam né pubblicità.