Salesforce ha pubblicato il suo Agentic Enterprise Index 2026, il report annuale che analizza dati sull’utilizzo dell’AI sulla piattaforma Agentforce di Salesforce per scoprire come le aziende implementano e utilizzano gli agenti AI.
I risultati di quest’anno riportano due modelli di implementazione: task-specific e multistep, una divisione in cui l’approccio operativo e le esigenze di business determinano il modo in cui viene impiegata la propria forza lavoro digitale:
- Implementazioni ad alto volume e task-specific: più diffuso nei settori B2C, questo approccio punta su volume e rapidità nel rispondere alle esigenze immediate dei clienti.
- Implementazioni versatili e multistep: tipica di settori operativamente più complessi e fortemente regolamentati come il manifatturiero e il settore pubblico. Questa strategia privilegia la costruzione di agenti in grado di gestire un’ampia varietà di attività che richiedono logiche di business cross-funzionali.
Ciascun modello consolida la fiducia e genera ROI, ma il futuro dell’AI agentica si basa sulla coesistenza di entrambi i modelli, che mira a garantire un impatto rapido e su larga scala.
Il settore finanziario coniuga velocità e regolamentazione, prediligendo alcuni tra gli agenti più sofisticati ma distribuendoli nei settori consumer, dimostrando che complessità e automazione possono coesistere, in particolare durante i picchi come la stagione fiscale.
Il retail aumenta la complessità in base alla domanda: gli agenti nei settori consumer tendono a concentrarsi su attività più semplici, ma ampliano la propria gamma di competenze e il numero di azioni eseguite durante i picchi intensi, come possono esserlo i periodi natalizi.
Le aziende, in particolare quelle del settore dei beni di consumo, stanno implementando un numero crescente di agenti a un ritmo sempre più rapido. Il numero medio di agenti attivati per ciascuna azienda è aumentato di quasi 3 volte nell’ultimo anno. Una volta completata la configurazione, le aziende iniziano a creare gli agenti nel giro di circa un paio di giorni.
Come capire se questi agenti stiano effettivamente intraprendendo azioni significative? Per valutarlo, Salesforce ha sviluppato una metrica chiamata Agentic Work Unit (AWU). Un’AWU è un’attività distinta portata a termine da un agente AI, ovvero il momento in cui l’intelligenza grezza viene convertita in lavoro concreto.
Ad aprile 2026, la produzione di AWU degli agenti Agentforce è aumentata del 15% in termini di CMGR (tasso di crescita mensile composto).
I settori B2C, in particolare quelli caratterizzati da elevati volumi di interazione con i clienti, stanno registrando la produzione di AWU più elevata. Nonostante ciò, gli agenti AI nel retail restano tipicamente focalizzati su compiti circoscritti, con una media di una o due azioni per agente per la maggior parte dell’anno, il che suggerisce elevati volumi di lavoro di routine e specifico per determinate attività.
Gli agenti AI diventano più versatili, soprattutto nei momenti di picco della domanda
La maggior parte del lavoro di ordinaria amministrazione richiede agli agenti di mettere in pratica una o due competenze semplici, come consultare i dettagli di un record o rispondere a una domanda del cliente. Ma gli agenti stanno affrontando compiti sempre più complessi. Oggi, un agente è in grado di mettere in pratica sei competenze, rispetto alle due dell’inizio del 2025.
Gli agenti diventano ancora più capaci nei momenti di forte domanda. Durante i picchi stagionali dello shopping, l’agente retail medio è stato in grado di eseguire nove competenze, un aumento del 350% che suggerisce come venga impiegato per gestire esigenze dei clienti più complesse e articolate in più fasi, man mano che la domanda festiva aumenta.
I dati mostrano inoltre che gli agenti agiscono sempre più spesso in diversi domini cloud. Ad esempio, invece di limitarsi a rispondere alle domande dei clienti, gli agenti di servizio individuano anche record di vendita e forniscono consigli personalizzati, ampliando la versatilità di ciò che possono fare per clienti e aziende.
Questa capacità di agire su sistemi cloud differenti sottolinea la necessità pratica di un’architettura headless, ovvero separando la logica dell’operatore dalle tradizionali interfacce utente front-end, gli agenti possono elaborare attività, eseguire azioni e avviare flussi di lavoro ovunque.
I settori regolamentati tendono a privilegiare costantemente la complessità degli agenti
Per misurare la complessità dell’utilizzo degli agenti nei diversi settori, è stato creato un Sophistication Index per mappare tutte le azioni degli agenti in cinque livelli progressivi di complessità cognitiva:
- Livelli 1-3 (Lettura, Coordinamento, Sintesi): funzionalità standard e a basso rischio come la consultazione di documenti, la stesura di email e la sintesi di documenti.
- Livelli 4-5 (Scrittura, Analisi, Adattamento): funzionalità ad alta complessità come l’aggiornamento di campi nei database o l’estrazione programmatica di parametri annidati da input grezzi forniti dagli utenti.
Valutando quanti di questi livelli di complessità vengono effettivamente utilizzati dagli agenti in ciascun settore, il Sophistication Index evidenzia chi sta sfruttando gli agenti per gestire una varietà di attività complesse, anziché limitarsi ad automatizzare compiti ad alto volume.
I settori manifatturiero, dei servizi finanziari ed HLS (Healthcare and Life Sciences) realizzano reti di agenti più avanzate rispetto ai tradizionali settori pionieri dell’AI (ad esempio quello tecnologico e retail). Questi ultimi stanno implementando agenti in tutto lo spettro delle attività lavorative, dal recupero e dalla sintesi dei dati fino alla stesura di comunicazioni e all’aggiornamento diretto dei documenti.
Questi settori registrano volumi di AWU più contenuti, ma in forte crescita. La produzione di AWU del settore pubblico e dell’HLS è cresciuta rispettivamente di 227 e 19 volte rispetto all’anno precedente.
Il settore dei servizi finanziari è un esempio di ambito regolamentato e operativamente complesso che implementa agenti AI su larga scala, rappresentando una quota simile (10%) della produzione mensile totale di AWU.
L’implementazione degli agenti genera maggiori efficienza e crescita delle vendite
In tutti i settori, gli agenti AI stanno passando dalla semplice conversazione all’esecuzione. Questi compiono sempre più azioni rispetto alla mera generazione di testo. Questo rapporto azione-output cresce con un tasso di crescita mensile composto del 15%. Ad esempio, un agente che opera nel servizio di assistenza clienti non si limita a redigere una risposta sull’ordine di un cliente: consulta le informazioni di quel cliente, applica le regole di business ed emette il rimborso o riprogramma l’appuntamento.
“Che si tratti di attivare agenti per operare su larga scala o di gestirli attraverso approcci multistep, il risultato è che generano valore reale”, ha dichiarato Joe Inzerillo, President Enterprise AI and Technology di Salesforce. “Il ROI non si riflette solo nella vendita, ma anche nell’efficienza. Stiamo passando da chatbot passivi e modelli predittivi ad agenti orientati all’azione.”
La fiducia si sta rafforzando: i dipendenti ricorrono sempre più spesso agli agenti e i clienti intrattengono un numero maggiore di conversazioni con gli agenti AI: durante il periodo di analisi emerge infatti che i dipendenti hanno interagito con un agente in media il 300% in più ogni settimana.
Uno sguardo al futuro
Man mano che la forza lavoro digitale in azienda maturerà, le imprese non dovranno più scegliere tra agenti in grado di essere implementati rapidamente e agenti in grado di affrontare compiti complessi. Riusciranno infatti a eliminare del tutto questo compromesso, aumentando rapidamente la produttività per far fronte ai picchi di domanda, pur mantenendo la logica approfondita e interfunzionale necessaria per gestire flussi di lavoro complessi.
