L’intelligenza artificiale nelle aziende non è più soltanto una tecnologia con cui conversare. Sempre più spesso è chiamata a fare: consultare dati, applicare regole, aggiornare informazioni, rispondere ai clienti e avviare processi. È questa la fotografia scattata dal nuovo Salesforce Agentic Enterprise Index 2026, il report annuale che analizza l’utilizzo degli agenti AI sulla piattaforma Agentforce.
Il dato che più racconta la velocità di questa trasformazione riguarda la diffusione degli agenti: il numero medio di agenti attivati per azienda è quasi triplicato nell’ultimo anno. Anche il rapporto con i dipendenti sta cambiando rapidamente: l’interazione settimanale con gli agenti è cresciuta del 300%, segnale di una fiducia sempre maggiore verso questi strumenti.
Due modelli per portare l’AI agentica nelle aziende
Secondo l’analisi di Salesforce, non esiste un unico modo di implementare gli agenti AI. Emergono soprattutto due strategie. La prima è quella task-specific, basata su agenti progettati per svolgere attività precise e ripetitive ad alto volume. È particolarmente diffusa nei settori B2C, dove rapidità e capacità di rispondere a grandi quantità di richieste rappresentano una priorità.
La seconda è un approccio multistep, pensato per agenti più versatili, capaci di gestire processi articolati e attività che coinvolgono diverse funzioni aziendali. È più frequente in comparti come manifatturiero e settore pubblico, dove complessità operativa e regolamentazione richiedono una maggiore capacità di adattamento. Le due strategie, secondo Salesforce, non sono necessariamente alternative; la direzione sembra piuttosto quella di una loro coesistenza, con agenti specializzati per rispondere rapidamente ai volumi più elevati e sistemi più sofisticati per gestire processi complessi.
Dalla demolizione all’intelligenza artificiale: così cambia il riciclo degli inerti
Gli agenti AI stanno diventando più autonomi
Uno degli elementi più interessanti del report riguarda la capacità degli agenti di andare oltre la semplice generazione di testo. Per misurare quanto lavoro concreto venga effettivamente svolto, Salesforce ha introdotto la Agentic Work Unit (AWU), una metrica che identifica una singola attività completata da un agente AI. Ad aprile 2026, la produzione di AWU degli agenti Agentforce è cresciuta a un tasso mensile composto del 15%. I settori B2C, caratterizzati da un elevato numero di interazioni con i clienti, concentrano i volumi più alti.
Ma il dato forse più significativo è il rapporto tra output e azioni. Gli agenti stanno aumentando progressivamente la quantità di attività che svolgono rispetto alla semplice produzione di contenuti, con una crescita mensile composta del 15% nel rapporto tra azione e output. In concreto, un agente dedicato al customer service può non limitarsi a scrivere una risposta relativa a un ordine: può recuperare le informazioni del cliente, verificare le regole aziendali e arrivare a emettere un rimborso o riprogrammare un appuntamento.
È il passaggio dalla chatbot economy a una vera e propria agent economy, in cui l’AI diventa parte operativa dei processi aziendali.
Property manager e intelligenza artificiale: così l’AI cambia la gestione degli immobili
Dal compito semplice ai processi più complessi
Anche le competenze degli agenti stanno aumentando: all’inizio del 2025 un agente utilizzava mediamente due competenze, mentre oggi ne utilizza sei. Durante i periodi di maggiore domanda, la capacità cresce ulteriormente. Nel retail, durante i picchi stagionali legati allo shopping, l’agente medio arriva a utilizzare nove competenze, con un incremento del 350%.
Questo significa che gli agenti non vengono utilizzati soltanto per rispondere a domande semplici. Quando aumentano le richieste, possono essere chiamati a combinare più competenze e a gestire sequenze di attività più articolate. La stessa evoluzione emerge nella capacità di lavorare attraverso diversi ambienti cloud. Un agente di servizio, per esempio, può partire dalla richiesta di un cliente e arrivare a consultare informazioni di vendita e formulare suggerimenti personalizzati.
Una caratteristica che rende sempre più rilevante anche l’architettura headless, con la logica dell’agente separata dall’interfaccia tradizionale. L’obiettivo è permettere agli agenti di operare su sistemi diversi, avviare workflow e compiere azioni senza essere vincolati a una singola interfaccia.
I settori regolamentati puntano sugli agenti più sofisticati
La diffusione dell’AI agentica non coincide necessariamente con la complessità degli agenti utilizzati. Per misurare quest’ultima, Salesforce ha sviluppato un Sophistication Index, che classifica le azioni degli agenti in cinque livelli di complessità cognitiva. Si parte da attività come lettura, coordinamento e sintesi, fino ad arrivare a scrittura, analisi e adattamento.
I settori manifatturiero, finanziario e Healthcare & Life Sciences (HLS) mostrano reti di agenti più sofisticate rispetto ad alcuni dei comparti considerati tradizionalmente pionieri dell’AI, come tecnologia e retail. Il settore finanziario rappresenta un caso particolarmente interessante: combina elevati requisiti di regolamentazione con processi operativi complessi e rappresenta circa il 10% della produzione mensile complessiva di AWU.
Anche comparti con volumi assoluti più contenuti mostrano però una forte accelerazione. La produzione di AWU nel settore pubblico è cresciuta di 227 volte rispetto all’anno precedente, mentre quella dell’HLS è aumentata di 19 volte.
Budda Law compie un anno: 2.500 iscritti per la piattaforma AI dedicata al legal tech
La fiducia dei dipendenti cresce insieme all’utilizzo
La crescita degli agenti non riguarda soltanto le infrastrutture aziendali: a cambiare è anche il modo in cui le persone li utilizzano. Durante il periodo analizzato, i dipendenti hanno interagito con un agente AI mediamente il 300% in più ogni settimana rispetto al periodo precedente. Salesforce cita come esempio il proprio utilizzo interno di Slackbot, l’agente AI integrato in Slack. L’83% dei dipendenti lo utilizza regolarmente, con un risparmio medio dichiarato fino a cinque ore di lavoro alla settimana.
Le applicazioni spaziano dalla sintesi delle conversazioni alla creazione di contenuti e report, attraverso l’aggregazione di informazioni provenienti da diversi canali e applicazioni. Anche sul fronte customer service la fiducia sembra consolidarsi: negli ultimi cinque trimestri, gli agenti hanno gestito un volume di chat di assistenza 170 volte superiore rispetto agli anni precedenti, risolvendone in modo costante circa 7 su 10.
LG ConnectedCare, la gestione cloud dei display professionali
Il vero salto: dall’AI che risponde all’AI che agisce
Il quadro restituito dall’Agentic Enterprise Index 2026 suggerisce quindi un cambio di paradigma. La prima fase dell’AI aziendale era dominata da chatbot, assistenti e modelli predittivi. Ora l’attenzione si sposta sulla capacità di trasformare un input in un’azione concreta.
«Stiamo passando da chatbot passivi e modelli predittivi ad agenti orientati all’azione», ha dichiarato Joe Inzerillo, President Enterprise AI and Technology di Salesforce, sottolineando come il valore dell’AI agentica si misuri non soltanto attraverso le vendite, ma anche attraverso l’efficienza. Per le imprese, la sfida dei prossimi anni potrebbe quindi non essere più scegliere tra velocità e sofisticazione. Gli agenti specializzati potranno gestire rapidamente grandi volumi di attività, mentre quelli più avanzati potranno occuparsi di processi interfunzionali e decisioni operative più complesse.
La vera evoluzione dell’AI agentica passa proprio da qui: non soltanto generare una risposta, ma capire quale azione compiere, eseguirla e inserirla all’interno del lavoro quotidiano dell’azienda.
Consigliati per te
Arte e AI: quando l’immaginazione entra in una nuova era 
Monitoraggio cantieri da remoto: l’intelligenza artificiale aiuta a seguire i lavori anche in vacanza 
AI nelle telecomunicazioni: perché la resilienza delle reti sarà la vera sfida del futuro 
Digitouch diventa una Tech Company: nasce la piattaforma di Growth Orchestration 
PlanRadar lancia gli AI Agents: l’intelligenza artificiale automatizza il lavoro nei progetti edilizi 
Snowflake punta sull’impresa agentica: più controllo su AI, sicurezza e costi
