Tre anni fa, quando i primi agenti BotmasterAI sono entrati nei processi dei nostri clienti, la domanda che sentivamo più spesso era se l’AI agentica fosse davvero pronta per l’azienda. Oggi quasi nessuno la pone più. Al suo posto ne sono arrivate altre, più mature e decisamente più scomode: dove finiscono i dati, chi sceglie quale modello usare, cosa succede se domani il fornitore cambia le regole del gioco.
Sono domande che non nascono in laboratorio, ma nelle sale riunioni, durante le analisi di rischio, nei confronti con gli uffici legali e con i responsabili IT. Negli ultimi mesi le abbiamo affrontate da diverse angolazioni anche qui sul blog, parlando di AI locale e di dove devono vivere i dati e di cosa sapere prima di portare l’AI agentica in azienda. Questa volta vogliamo fare un passo indietro e raccontare che cosa abbiamo imparato noi, lavorando sul campo, e come queste lezioni stanno dando forma alla prossima versione della nostra piattaforma.
Perché fare il punto adesso
Tre anni, nel mondo dell’AI, sono un’era geologica. In questo periodo sono cambiati i modelli, i prezzi, le regole e soprattutto le aspettative delle aziende. Lavorare ogni giorno con imprese europee in settori regolamentati, dall’energia alle assicurazioni, ci ha dato un punto di osservazione che nessun report può sostituire: abbiamo visto quali progetti arrivano in produzione e quali si fermano a metà strada, quali dubbi rallentano le decisioni e quali requisiti, nel giro di pochi mesi, sono passati da desiderabili a irrinunciabili.
C’è un’idea che attraversa tutte queste esperienze: una piattaforma di AI agentica non può crescere seguendo soltanto la propria roadmap. Deve evolvere insieme al mercato che serve, ascoltare chi la usa e trasformare le nuove esigenze in scelte di architettura. È un approccio più impegnativo, perché obbliga a rimettere in discussione decisioni già prese. Ma è l’unico che permette di restare rilevanti in un settore che si muove così in fretta.
Lezione 1: il problema non è il modello ma il controllo
Come abbiamo raccontato analizzando lo Stanford AI Index 2026, ad oggi il freno principale all’adozione degli agenti non è la tecnologia ma la sicurezza e la gestione del rischio. I numeri confermano quello che vediamo ogni giorno nei nostri progetti: al momento di passare in produzione, la domanda decisiva raramente è se l’agente funzioni, ma se l’azienda possa dimostrare come sono protetti i dati e come vengono ricostruite le decisioni, davanti a un auditor, a un regolatore o semplicemente al proprio consiglio di amministrazione.
È una consapevolezza che sta cambiando il nostro modo di progettare. Fino a poco tempo fa, come quasi tutti nel settore, ragionavamo soprattutto in termini di funzionalità: cosa sa fare l’agente, quanti documenti elabora, quanto tempo fa risparmiare. Oggi ragioniamo prima di tutto in termini di presidi: come si traccia una decisione, quando l’agente deve astenersi, in quale punto del processo serve l’approvazione di una persona. La governance non è un accessorio da aggiungere alla fine, è la condizione per arrivare in produzione.
Lezione 2: la parte che conta di più è la più piccola
Un agente in produzione è fatto di tre strati. C’è la logica di business, cioè il processo, le regole e i criteri di controllo. C’è lo schema di esecuzione comune a qualunque agente, con la gestione della memoria, del contesto e delle approvazioni umane. E c’è l’infrastruttura che garantisce persistenza, isolamento, ripresa dopo un errore e scalabilità.
Il rapporto fra questi strati è controintuitivo. Solo il primo distingue un’azienda dai suoi concorrenti, ed è anche quello che richiede meno lavoro. Gli altri due assorbono la maggior parte dello sforzo, non differenziano nessuno e vanno mantenuti per tutta la vita del sistema. È il motivo per cui tanti progetti costruiti interamente su misura si arenano: le energie finiscono nell’impalcatura, e al processo resta poco.
Nel tempo abbiamo visto crescere nei nostri clienti un desiderio molto preciso: possedere e far evolvere in autonomia proprio quel primo strato. Chi conosce meglio un processo è chi lo gestisce ogni giorno, e le aziende vogliono che i propri team, o i partner di fiducia, possano costruire e modificare gli agenti senza passare ogni volta da chi ha fornito la piattaforma. La lezione è che una piattaforma deve farsi carico della parte che non differenzia e lasciare al cliente quella che conta davvero.
Lezione 3: uno strumento aziendale non può dipendere dalle decisioni di altri
Molti strumenti di AI entrano in azienda come esperimenti e, quasi senza che nessuno se ne accorga, diventano infrastruttura. Un assistente usato da un team per qualche settimana finisce per sostenere un processo da cui dipendono clienti, fornitori e scadenze. È in quel momento che la questione del controllo smette di essere teorica.
Nel vademecum abbiamo ricordato le settimane in cui, quest’estate, l’accesso a un modello di frontiera è stato sospeso per controlli all’export. È l’esempio più evidente, ma non l’unico. Un fornitore può cambiare condizioni e prezzi, ritirare la versione del modello su cui sono stati costruiti gli agenti, oppure restare soggetto a una legislazione extraterritoriale che si applica anche quando i dati risiedono fisicamente in Europa. In ognuno di questi casi, le decisioni su un processo critico passano nelle mani di qualcun altro.
Il lock-in si vede solo quando si prova a uscire
C’è poi un rischio meno visibile, che emerge solo quando si prova a cambiare strada. Va fatta una distinzione importante: usare un grande cloud come infrastruttura è una cosa, costruire gli agenti dentro i suoi servizi gestiti è un’altra. Nel primo caso si affitta capacità di calcolo, che resta sostituibile. Nel secondo si affida al fornitore anche la forma in cui è scritta la logica di business, la memoria degli agenti, la base di conoscenza e spesso la famiglia di modelli. Il giorno in cui si vuole cambiare, gli agenti non si migrano: si riscrivono.
Il legislatore europeo ha riconosciuto il problema: con il Data Act, dal 12 gennaio 2027 non sarà più possibile addebitare costi per il passaggio a un altro fornitore cloud. È un passo importante, ma interviene sul trasferimento dei dati, non sul lavoro necessario per riscrivere gli agenti e rifare le integrazioni. Quella parte dipende solo da come è stata progettata la piattaforma.
Che cosa intendiamo per AI sovrana
Per noi l’AI sovrana nasce da qui: non è una bandiera ideologica né una preferenza geografica, ma la possibilità concreta di decidere dove vivono i propri dati, quali modelli li elaborano e come cambiare strada senza ricominciare da capo. È una proprietà dell’architettura, non una semplice clausola contrattuale. E vale anche nei confronti di chi fornisce la piattaforma: un cliente dovrebbe poter conservare dati, configurazioni e processi in formati aperti e leggibili, qualunque cosa accada al fornitore.
Lezione 4: nessun modello è per sempre
Nell’articolo sull’AI locale abbiamo visto come i modelli di punta siano ormai vicinissimi in capacità, mentre i prezzi restano lontanissimi. Sul campo, questo si traduce in una lezione molto pratica: il modello migliore di oggi non sarà quello di domani, e costruire tutto attorno a un’unica scelta significa legarsi a una decisione che invecchia in fretta.
I fornitori ritirano periodicamente le versioni più vecchie dei loro modelli, anche quando su quelle versioni sono stati costruiti processi interi. E alcune organizzazioni, soprattutto nel settore pubblico e nei comparti più sensibili, applicano restrizioni di policy sull’origine dei modelli indipendentemente dalla licenza. In entrambi i casi la soluzione è la stessa: poter sostituire il modello senza toccare gli agenti né le integrazioni.
A questo si aggiunge l’efficienza. Non tutti i compiti meritano il modello più potente: smistare documenti o estrarre dati da una fattura richiede velocità e costi contenuti, interpretare un contratto complesso richiede ragionamento, trattare dati sanitari o giudiziari richiede che il modello giri dentro il perimetro aziendale. Assegnare a ogni compito il modello giusto non è un vezzo tecnico, ma il modo più concreto per governare costi, qualità e riservatezza insieme.
Lezione 5: la conformità non è un interruttore
Sull’AI Act abbiamo scritto molto, dalle novità entrate in vigore il 2 agosto al rinvio degli obblighi sull’alto rischio. Quello che i progetti ci hanno insegnato, però, va oltre il calendario: la conformità non si accende e si spegne, si dosa.
Più garanzie non significano sempre risultati migliori. Diversi studi ripresi dallo stesso AI Index mostrano che rafforzare una dimensione della responsible AI può degradarne altre: alcune tecniche di protezione della privacy, per esempio, riducono sensibilmente l’accuratezza dei modelli. Non esiste una configurazione ottimale valida per tutto. Un agente che risponde alle domande frequenti e uno che contribuisce a valutare una pratica di credito non devono avere gli stessi presidi, né gli stessi costi.
Per questo consideriamo il livello di controllo una decisione di rischio che spetta al cliente, da prendere processo per processo, documentata e reversibile, invece di un’impostazione unica imposta dal fornitore. È anche l’approccio più coerente con lo spirito dell’AI Act, che ragiona sul contesto d’uso più che sullo strumento.
Cosa abbiamo capito del mercato europeo
Mettendo insieme queste lezioni, emerge una visione del mercato che vale la pena dire chiaramente.
L’Europa non è il continente che frena l’AI: è l’area con la domanda più matura al mondo, e le sue aziende chiedono di usare l’AI agentica bene, non di usarla di meno. Il quadro normativo europeo, con il GDPR, l’AI Act e il Data Act, non è un ostacolo da aggirare: è un assetto che si sta consolidando e che premia chi progetta pensando a trasparenza, controllo e portabilità fin dall’inizio.
Il valore sta negli agenti verticali, non negli assistenti generalisti. Le evidenze sui guadagni di produttività dell’AI non sono uniformi: sono massime quando il lavoro può essere scomposto in compiti definiti, ripetibili e con controlli di qualità espliciti. È esattamente il terreno degli agenti costruiti su processi delimitati, ed è il motivo per cui la definizione del processo e la formazione delle persone che lo presidiano contano quanto la scelta della tecnologia.
Infine, le aziende vogliono restare padrone delle proprie scelte. Dove far girare i dati, quale modello usare, chi costruisce gli agenti, quanto controllo applicare: sono decisioni che il mercato europeo non è più disposto a delegare.
Dalle lezioni imparate alla prossima versione: Botmaster V4
Queste lezioni non sono rimaste un esercizio di riflessione, tutt’altro: sono diventate i requisiti di Botmaster V4, la prossima versione della nostra piattaforma, che nasce proprio dall’ascolto delle aziende europee e dall’evoluzione del mercato in questi tre anni. Ecco cosa includeremo:
Libertà di scelta sul deployment
V4 è pensata per funzionare dove serve al cliente: in SaaS, su cloud europeo sovrano o direttamente nel suo data center, con lo stesso stack in tutte le modalità. La scelta segue i requisiti di sicurezza e conformità di ciascuna azienda, non i vincoli del fornitore.
Multimodello per costruzione
Ogni compito può essere affidato al modello più adatto per qualità, costo e riservatezza. E quando arriva un modello migliore, o quando un modello non è più disponibile, cambiarlo diventa una modifica di configurazione, non una migrazione.
Controllo e conformità su misura
Le decisioni degli agenti sono tracciabili e ricostruibili, con livelli di controllo configurabili processo per processo, fino ai requisiti dell’AI Act per i sistemi ad alto rischio.
Agenti costruibili anche dal cliente
Grazie al designer integrato nella piattaforma, i team interni e i partner di fiducia potranno creare nuovi agenti da zero, mantenendo la proprietà della logica dei propri processi.
V4 è quindi la prossima versione di Botmaster, ma prima ancora è la conseguenza diretta di quello che le aziende europee ci hanno chiesto: più controllo, più libertà di scelta, più garanzie. Nei prossimi mesi la racconteremo più nel dettaglio.
Cosa non cambia
C’è anche qualcosa che, in questi tre anni, non abbiamo mai messo in discussione. Gli agenti servono a potenziare le persone, non a sostituirle: il modello human-in-the-loop resta al centro di ogni progetto, perché sono le persone che conoscono i processi a renderli davvero efficaci. E resta invariato il nostro perimetro: l’impresa europea, con le sue regole, le sue esigenze e la sua idea di tecnologia al servizio del lavoro.
Tre anni fa ci chiedevamo se l’AI agentica fosse pronta per le aziende. Oggi sappiamo che la domanda giusta era un’altra: le piattaforme sono pronte per le esigenze delle aziende? Una piattaforma di AI agentica non esiste nel vuoto. Cresce ascoltando chi la usa, osservando come cambia il mercato e trasformando ogni nuova esigenza in una scelta di architettura. È quello che abbiamo fatto finora, ed è quello che continueremo a fare con Botmaster V4.
Ne parliamo in diretta su LinkedIn
Di queste lezioni, del mercato europeo e di come stanno dando forma a Botmaster V4 parleremo anche nella nostra diretta LinkedIn di giovedì 29 ottobre, dalle 11:00 alle 12:00, dal titolo “AI agentica in Europa: che cosa serve davvero alle aziende oggi? Tre anni sul campo, la risposta Botmaster”. Fabio Asselle, Co-founder e CEO di Dazerolab, e Agostino Semeria, CTO di Snoots e di Botmaster, racconteranno dall’interno le scelte alla base della nuova versione.
Vi aspettiamo sulla nostra pagina LinkedIn: seguiteci per non perdere la diretta e i prossimi appuntamenti.