Per decenni, il software aziendale ha aspettato. Ha aspettato che qualcuno effettuasse l'accesso, aprisse una schermata, inserisse dati, approvasse il passaggio successivo e chiudesse il ciclo. Ogni azione dipendeva dall'intervento umano e ogni informazione richiedeva una richiesta esplicita. Quel modello sta venendo smantellato ora — non gradualmente, ma a un ritmo che sta colpendo di sorpresa molte organizzazioni.

Gli agenti AI — sistemi in grado di interpretare obiettivi, monitorare condizioni, prendere decisioni ed eseguire operazioni sulle applicazioni aziendali senza dover essere sollecitati ogni volta — stanno passando dai progetti pilota alla produzione più velocemente di quanto gli analisti avessero previsto. Gartner aveva proiettato che il 40% delle applicazioni aziendali avrebbe integrato agenti AI specifici per attività entro la fine del 2026, rispetto a meno del 5% nel 2025. Quel numero si sta concretizzando secondo i tempi previsti. Per gli acquirenti, la differenza pratica rispetto all'automazione precedente è l'autonomia: i tradizionali strumenti di workflow seguono regole predefinite, mentre gli agenti scelgono quali passaggi compiere in base all'obiettivo e ai dati che hanno davanti — ed è anche per questo che la qualità di quei dati conta oggi più del software che li circonda.

Il servizio clienti è dove i dati sono più chiari

Il servizio clienti è stata la prima funzione aziendale a mostrare numeri reali sugli agenti AI, e i risultati sono difficili da contestare. Non è un caso: l'assistenza genera enormi volumi di interazioni ripetitive e testuali con risultati ben definiti — condizioni che favoriscono gli agenti rispetto all'automazione precedente e offrono ai fornitori la misurazione più pulita delle prestazioni prima e dopo.

La piattaforma Agentforce di Salesforce è il caso documentato più esteso. Marc Benioff, Presidente e CEO di Salesforce, ha descritto senza giri di parole il deployment interno dell'azienda nella chiamata sui risultati del primo trimestre fiscale 2027, a maggio 2026: gli agenti gestiscono ora "il doppio del volume di servizio dei rappresentanti umani" sui canali di supporto di Salesforce. In oltre 15 mesi, il sistema ha gestito autonomamente quattro milioni di richieste dei clienti. Non si tratta di un pilota.

PenFed Credit Union ha distribuito 76 agenti Agentforce tra operazioni, mutui, IT e risorse umane. Il suo strumento "Agent Wingman" ha ridotto del 10% il tempo di gestione delle chiamate e del 50% il lavoro post-chiamata, con risparmi annui previsti di 1,6 milioni di dollari da quel singolo agente. UCLA Health ha messo in piedi il suo primo deployment Agentforce in otto mesi; l'agente gestisce ora le richieste dei pazienti sulla ricerca di medici e sulle sperimentazioni cliniche che prima richiedevano telefonate.

Jim Roth, Presidente del Customer Success di Salesforce, ha inquadrato il cambiamento in termini che vanno oltre la riduzione dei costi: "Quando la nostra capacità è infinita, possiamo essere proattivi e creare esperienze clienti ancora più incredibili. Possiamo trattare ogni cliente come se fosse il nostro cliente più importante."

L'ARR di Agentforce ha superato gli 800 milioni di dollari, in crescita del 169% su base annua, con 29.000 contratti conclusi. Oltre il 60% di quelle prenotazioni proviene da clienti esistenti che ne ampliano l'uso — in genere un segnale più affidabile della crescita dei nuovi clienti.

Operazioni IT: dalle code di ticket alla risoluzione autonoma

I dipartimenti IT sono da sempre sepolti da attività ripetitive e dispendiose in termini di tempo: reset delle password, provisioning del software, richieste di accesso, triage degli incidenti. Il volume di questi ticket raramente giustifica il coinvolgimento di ingegneri senior, ma qualcuno deve pur farlo. Gli agenti AI stanno assorbendo quel carico più velocemente di quanto la maggior parte avesse previsto.

L'Autonomous Workforce di ServiceNow, presentato alla conferenza Knowledge 2026 a maggio, è il deployment più completo di questo modello. Lo Specialista AI del Service Desk L1 interno all'azienda risolve i casi IT assegnati il 99% più velocemente degli agenti umani che gestiscono gli stessi casi, e la piattaforma gestisce già autonomamente oltre il 90% delle richieste IT dei dipendenti di ServiceNow stessa.

Bill McDermott, Presidente e CEO di ServiceNow, ha descritto il posizionamento a Knowledge 2026 come un passaggio "oltre la piattaforma delle piattache, per diventare l'agente degli agenti AI, collegando qualsiasi modello, qualsiasi cloud e qualsiasi fonte di dati."

I deployment nel mondo reale lo confermano. Bell Canada, dopo aver distribuito ServiceNow AI Agents nel settore telecom, ha riportato un miglioramento del 25% nei tempi di risposta ai clienti e un feedback positivo del 90% sull'accuratezza dell'AI. L'assistente AI "Red" di Honeywell ha eliminato la maggior parte delle conversazioni del service desk, liberando il personale IT per attività di livello superiore.

L'Autonomous CRM di ServiceNow risolve ora oltre 100 milioni di casi clienti al mese, orchestra oltre 16 milioni di ordini e configura più di sette milioni di preventivi nella sua base clienti. I ricavi da abbonamento di ServiceNow hanno raggiunto 3,67 miliardi di dollari nel primo trimestre 2026, in crescita del 22% su base annua — una crescita ottenuta in un mercato in cui gli acquirenti non concedono facilmente i rinnovi.

Operazioni finanziarie: il lavoro noioso che conta davvero

I deployment di AI aziendale con il ROI più alto si sono rivelati costantemente quelli meno glamour: elaborazione documenti, riconciliazione delle fatture, corrispondenza dei dati — un lavoro che nessuno vuole fare ma che tutti hanno bisogno di vedere fatto con precisione.

Praveen Akkiraju, Managing Director di Insight Partners, lo ha sottolineato a CXOTalk a giugno 2026, usando Stampli come esempio. Stampli è una piattaforma AI-native per la contabilità fornitori che si integra sui sistemi ERP esistenti e applica logica agentica all'elaborazione delle fatture: cattura fatture in qualsiasi formato, codifica le transazioni, abbina le righe agli ordini di acquisto e instrada le approvazioni in base a schemi appresi dai dati storici dell'azienda stessa.

L'osservazione di Akkiraju: "Si dispone di una piattaforma dati solida sulla quale si può ora costruire un agente per sfruttare essenzialmente uno dei superpoteri degli LLM, che è distinguere il segnale dal rumore."

In altre parole, l'automazione della contabilità fornitori è interessante non perché elimina battiture, ma perché l'agente impara che aspetto ha la normalità e inizia a segnalare ciò che non è normale.

I dati confermano questa impostazione. I deployment di AI in finanza e operations sono documentati come capaci di accelerare i processi di chiusura del 30-50%, e gli agenti del servizio clienti fanno risparmiare ai piccoli team oltre 40 ore al mese. Si tratta di risultati riferiti da deployment attuali, non proiezioni. Il pattern tra i settori è coerente: i rendimenti più alti arrivano dagli agenti che gestiscono processi di coordinamento ad alto volume, ad alta componente di compliance e multi-fase — esattamente il lavoro che era più difficile giustificare assegnare a personale umano costoso.

Vendite e CRM: da archivi di record a generatori di ricavi

Il cambiamento nel software di vendita è più significativo di quanto la maggior parte degli acquirenti realizzi. I sistemi CRM sono sempre stati sistemi di registrazione: si annota ciò che è successo dopo che è successo, e qualcuno legge il report più tardi. Gli agenti AI stanno cambiando sia il ritardo sia la direzione di quel flusso.

Paul Fipps, Presidente delle Global Customer Operations di ServiceNow, ha descritto il pattern che la sua piattaforma osserva nei team di vendita: "Abbiamo visto in prima persona come gli agenti aiutano i team a dare priorità ai lead giusti, migliorare la conversione e ridurre i tempi di preparazione di quasi l'80%." Tale riduzione è importante perché la preparazione commerciale è spesso il collo di bottiglia tra un lead qualificato e una conversazione effettiva.

Sul fronte Salesforce, Benioff ha citato il deployment di Dell come un risultato che va oltre l'efficienza: gli agenti Agentforce hanno automatizzato parti della supply chain di Dell, incluso l'onboarding dei nuovi fornitori, riducendo il tempo medio di onboarding da mesi a giorni.

Reddit ha deviato il 46% dei casi di supporto e ridotto i tempi di risoluzione dell'84%, abbassando il tempo medio di risposta da 8,9 minuti a 1,4 minuti. Adecco ha gestito il 51% delle conversazioni con i candidati al di fuori dell'orario lavorativo standard interamente tramite agenti. Non sono casi limite: stanno diventando il pattern di deployment predefinito per i grandi clienti enterprise.

Il problema di integrazione che nessuno ha ancora risolto

Il pattern che emerge da tutto questo è reale, ma comporta un asterisco serio. Gli agenti funzionano quando i dati sottostanti sono puliti e connessi. Quando non lo sono, i risultati sono scadenti o imprevedibili.

Il 2026 Connectivity Benchmark Report, che ha intervistato 1.050 leader IT aziendali a livello globale, ha rilevato che solo il 27% delle applicazioni aziendali è attualmente connesso. L'impresa media gestisce 12 agenti AI, metà dei quali opera in silos isolati anziché all'interno di sistemi coordinati. E l'86% dei leader IT ritiene che gli agenti creeranno più complessità che valore quando manca l'integrazione. Gartner è andata oltre, prevedendo che più del 40% dei progetti di AI agentica potrebbe essere annullato entro il 2027 a causa di costi crescenti, valore aziendale poco chiaro e controlli dei rischi inadeguati.

Boomi è la piattaforma che affronta più direttamente questo problema. Il livello di integrazione enterprise — che collega le applicazioni, gestisce le API, sincronizza i dati master e ora governa anche i workflow degli agenti AI — conta attualmente oltre 75.000 agenti in produzione nella sua base clienti.

Joe Varghese, Senior Manager di IT Enterprise Data, Integrations and Analytics presso Amneal Pharmaceuticals, ha descritto il risultato della combinazione di Boomi con Claude per costruire un agente autonomo di risposta agli incidenti attivo 24/7: "Abbiamo portato l'aderenza agli SLA dall'85% al 98%, e i nostri team possono ora concentrarsi sull'innovazione invece che sulla gestione degli incidenti." L'agente rileva, diagnostica e guida la risoluzione senza attendere che un umano apra un ticket.

Boomi è stata nominata Pioneer nel Gartner Emerging Market Quadrant di giugno 2026 per i No-Code Agent Builders, una categoria di riconoscimento più recente che traccia specificamente le piattaforme che rendono accessibile il deployment agentico senza risorse di ingegneria specializzate.

McDermott di ServiceNow ha riconosciuto il problema più ampio a Knowledge 2026: "Le imprese hanno investito miliardi in capacità di AI, eppure la grande maggioranza non riesce a collegare quell'investimento a risultati aziendali misurabili."

La sfida dell'integrazione non si risolve con un annuncio di prodotto. Richiede di trattare l'architettura dei dati come precondizione per il deployment degli agenti, non come ripensamento successivo. Le imprese che oggi ottengono di più dagli agenti AI sono quelle che l'hanno affrontata così fin dall'inizio: dati puliti, permessi definiti, audit trail e supervisione umana per le decisioni rilevanti. Quel lavoro avviene in parallelo al deployment degli agenti, non in sequenza — più complicato di quanto sembri, ma più onesto su come si sviluppa davvero la trasformazione aziendale reale. Per le organizzazioni che osservano questo settore, il segnale da monitorare non sono gli annunci dei fornitori, ma se i deployment degli agenti reggeranno rispetto al parametro di annullamento del 2027 — che, sulla base degli attuali numeri sull'integrazione dei dati, la maggior parte delle imprese non ha ancora il diritto di dare per scontato.