Salesforce ha pubblicato l’Agentic Enterprise Index 2026, un’analisi dell’impiego della piattaforma Agentforce nelle aziende che hanno mantenuto agenti di intelligenza artificiale in produzione tra febbraio 2025 e aprile 2026. Il quadro descritto dal gruppo mostra un’adozione in rapida crescita e, soprattutto, un’evoluzione del ruolo degli agenti: non più soltanto sistemi capaci di rispondere a domande o generare testi, ma strumenti autorizzati a consultare dati, applicare regole aziendali e completare operazioni.
Secondo i dati aggregati da Salesforce, il numero medio di agenti attivati per azienda è quasi triplicato in un anno. È aumentata anche la frequenza con cui i dipendenti li utilizzano: durante il periodo esaminato, le interazioni settimanali sarebbero cresciute in media del 300%.
Il report fotografa però un campione specifico: comprende esclusivamente aziende che hanno mantenuto agenti attivi in produzione in ogni mese del periodo considerato. I risultati descrivono quindi le organizzazioni già impegnate con continuità nell’adozione di Agentforce, non l’intero mercato aziendale dell’intelligenza artificiale.
Due modelli di adozione per esigenze differenti
Salesforce individua due principali strategie di implementazione. La prima privilegia agenti task-specific, progettati per eseguire rapidamente un compito circoscritto e ripetitivo. È l’approccio più comune nei settori B2C, dove occorre gestire grandi quantità di richieste, soprattutto nell’assistenza clienti e durante i picchi stagionali.
La seconda strategia riguarda agenti multistep, capaci di completare processi articolati in più passaggi e di applicare logiche provenienti da diverse funzioni aziendali. Questo modello emerge soprattutto nel manifatturiero, nei servizi finanziari, nella sanità, nelle scienze della vita e nel settore pubblico, dove le operazioni sono più complesse e sottoposte a vincoli normativi più stringenti.
La distinzione non implica necessariamente che un modello sia più evoluto dell’altro. Un agente specializzato può produrre valore gestendo migliaia di richieste semplici, mentre un sistema multistep può essere impiegato meno frequentemente ma intervenire su attività più delicate. Volume e complessità rappresentano due forme differenti di automazione, destinate probabilmente a convivere all’interno della stessa organizzazione.
Il settore finanziario è indicato come un esempio di questa convergenza. Pur operando in un ambiente regolamentato, utilizza agenti sofisticati anche su processi rivolti ai consumatori e rappresenta, secondo Salesforce, circa il 10% della produzione mensile complessiva misurata dal report.
Dalla generazione di testo al lavoro completato
Per quantificare le attività eseguite, Salesforce ha introdotto la metrica Agentic Work Unit, o AWU. Ogni unità corrisponde a un’attività distinta portata a termine da un agente: non una semplice risposta prodotta, ma un’azione che trasforma l’elaborazione dell’intelligenza artificiale in lavoro operativo.
Un agente di assistenza, per esempio, può recuperare le informazioni relative a un cliente, verificare le condizioni applicabili, emettere un rimborso oppure riprogrammare un appuntamento. Il passaggio decisivo è quindi quello dalla conversazione all’esecuzione.
Ad aprile 2026, la produzione di AWU degli agenti Agentforce registrava, secondo Salesforce, un tasso di crescita mensile composto del 15%. I volumi più elevati provengono dai settori B2C, caratterizzati da un numero maggiore di interazioni con i clienti.
La nuova metrica aiuta a distinguere l’uso occasionale dell’AI dalla sua integrazione nei processi, ma presenta anche un limite: essendo stata definita dal fornitore della piattaforma, dovrà essere accompagnata da indicatori aziendali più tradizionali. Numero di operazioni completate, qualità del risultato, costi, errori, tempi di gestione e interventi umani restano indispensabili per determinare il ritorno effettivo dell’investimento.
Gli agenti acquistano competenze nei momenti di picco
L’aumento delle attività non riguarda soltanto la quantità. All’inizio del 2025, un agente utilizzava normalmente due competenze; nel periodo più recente analizzato dal report sarebbe arrivato a sei. Nel retail, durante i picchi stagionali dello shopping, la media ha raggiunto nove competenze, con un incremento del 350% rispetto al punto di partenza.
Per competenza si intende, in questo contesto, la capacità di svolgere una determinata operazione: consultare un record, rispondere a una domanda, recuperare informazioni commerciali, formulare un suggerimento oppure avviare un flusso di lavoro. L’ampliamento del repertorio indica che gli agenti vengono progressivamente coinvolti in richieste che richiedono più passaggi.
Il retail mostra bene la natura dinamica di questa adozione. Per gran parte dell’anno, gli agenti rimangono concentrati su una o due azioni ripetitive. Nei periodi natalizi o in altre fasi di forte domanda, lo stesso sistema viene configurato per affrontare esigenze più articolate. L’agente diventa così una capacità operativa modulabile, che l’azienda può espandere quando il personale e i canali di assistenza sono sottoposti a maggiore pressione.
Questa elasticità può avere conseguenze organizzative rilevanti. Permette di assorbire parte dei picchi senza dimensionare l’intera struttura sui periodi di massima attività, ma richiede processi ben definiti, dati accessibili e controlli adeguati. Aumentare il numero delle azioni autorizzate significa infatti ampliare anche la superficie degli eventuali errori.
L’architettura headless estende il raggio d’azione
Gli agenti analizzati da Salesforce operano sempre più spesso attraverso domini cloud differenti. Un agente nato per il servizio clienti può, per esempio, recuperare dati commerciali e usarli per proporre indicazioni personalizzate. Per rendere possibile questo comportamento, il report sottolinea l’importanza di un’architettura headless, nella quale la logica operativa viene separata dalla tradizionale interfaccia grafica.
In termini pratici, l’agente non deve simulare il comportamento di una persona che apre schermate e preme pulsanti. Può collegarsi direttamente ai sistemi autorizzati, elaborare informazioni e attivare flussi di lavoro attraverso servizi e applicazioni differenti.
Questa impostazione rende l’automazione più flessibile, ma accresce l’importanza dell’integrazione. Un agente è realmente utile soltanto se può accedere a dati affidabili e aggiornati, comprendere le regole del processo e operare entro autorizzazioni precise. Identità, tracciabilità delle azioni, protezione delle informazioni e possibilità di intervento umano diventano quindi componenti centrali, soprattutto quando l’AI può modificare record o completare transazioni.
La capacità di attraversare più applicazioni può inoltre rafforzare la dipendenza dall’ecosistema del fornitore che controlla dati, CRM, strumenti di collaborazione e piattaforma agentica. Per le aziende, la velocità di integrazione dovrà essere valutata insieme a portabilità, interoperabilità e costi di lungo periodo.
La complessità cresce nei settori regolamentati
Per confrontare la sofisticazione degli agenti, Salesforce ha costruito un secondo indicatore articolato su cinque livelli. I primi tre comprendono attività considerate a rischio relativamente basso, come leggere informazioni, coordinare passaggi e sintetizzare documenti. Gli ultimi due riguardano operazioni più complesse: scrivere o aggiornare dati, effettuare analisi e adattare il comportamento a input non strutturati.
Il manifatturiero, i servizi finanziari, la sanità e le scienze della vita mostrano, secondo il report, reti di agenti più articolate di quelle presenti in comparti considerati pionieri dell’AI, come tecnologia e retail. I loro volumi assoluti sono inferiori, ma la crescita risulta particolarmente sostenuta: le AWU del settore pubblico sarebbero aumentate di 227 volte e quelle di sanità e scienze della vita di 19 volte rispetto all’anno precedente.
Percentuali di questa entità devono essere lette con cautela, perché possono dipendere da basi di partenza molto ridotte. Indicano comunque che la sperimentazione si sta spostando dai casi d’uso più immediati verso processi interni complessi, nei quali l’agente non deve soltanto comunicare, ma interpretare informazioni, coordinare sistemi e aggiornare documenti o database.
Proprio nei settori regolamentati, tuttavia, la complessità tecnica non è l’unico ostacolo. Servono controlli sulle decisioni, registri delle operazioni, gestione delle responsabilità e procedure per correggere rapidamente risultati errati. La capacità di eseguire un processo non coincide automaticamente con l’autorizzazione a farlo senza supervisione.
Efficienza, vendite e fiducia: le misure ancora da consolidare
Salesforce collega l’espansione degli agenti a una maggiore efficienza operativa e a opportunità di crescita commerciale. Joe Inzerillo, President Enterprise AI and Technology dell’azienda, sintetizza così la tesi del report: “Che si tratti di attivare agenti per operare su larga scala o di gestirli attraverso approcci multistep, il risultato è che generano valore reale”. E aggiunge: “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.”
Un caso presentato a sostegno di questa tesi è quello di Slackbot, utilizzato internamente da Salesforce. L’agente viene adoperato regolarmente dall’83% dei dipendenti e consentirebbe di risparmiare in media fino a cinque ore di lavoro alla settimana. Le applicazioni comprendono la sintesi delle conversazioni non lette, la preparazione di contenuti e la creazione di report tramite l’aggregazione di metriche e file provenienti da canali e applicazioni differenti.
Trattandosi dell’esperienza interna del produttore, il dato costituisce un caso d’uso significativo ma non una misura automaticamente trasferibile ad altre aziende. Il risparmio dipende dalla qualità delle integrazioni, dal tipo di mansioni, dalle modalità di calcolo del tempo recuperato e dall’effettivo impiego di quel tempo in attività produttive.
Sul fronte dei clienti, Salesforce afferma che negli ultimi cinque trimestri gli agenti hanno gestito un numero di chat di assistenza 170 volte superiore rispetto agli anni precedenti, risolvendone stabilmente sette su dieci. Il documento cita inoltre uno studio secondo cui il 77% dei consumatori che hanno interagito con agenti AI si sarebbe sentito più sicuro del proprio acquisto. Non vengono però forniti, nel materiale diffuso, dettagli sufficienti sul campione e sulla metodologia di quest’ultima rilevazione: il risultato va quindi considerato un’indicazione, non una prova conclusiva della fiducia dei consumatori.
Il mercato si sposta verso l’orchestrazione dei processi
Il significato industriale dell’Agentic Enterprise Index non risiede soltanto nella crescita numerica degli agenti. Il cambiamento più importante è il passaggio verso piattaforme capaci di orchestrare interi processi aziendali, collegando dati, regole, applicazioni e persone.
In questo scenario, la competizione tra fornitori non si giocherà esclusivamente sulla qualità dei modelli linguistici. Diventeranno determinanti la profondità delle integrazioni, la governance degli accessi, l’affidabilità delle azioni e la capacità di dimostrare risultati economici verificabili. I produttori già presenti nei sistemi gestionali e nei flussi di lavoro partono con un vantaggio: possiedono il contesto operativo necessario per trasformare una risposta generata dall’AI in un’azione concretamente eseguibile.
Per le aziende clienti, tuttavia, l’adozione richiede qualcosa di più dell’attivazione di una piattaforma. I processi devono essere descritti con precisione, i dati ripuliti e resi accessibili, le eccezioni previste e le responsabilità assegnate. Dove queste condizioni mancano, un agente rischia di automatizzare inefficienze esistenti o di produrre errori più velocemente.
Tra espansione rapida e controllo della complessità
I dati di Salesforce suggeriscono che gli agenti AI stanno entrando in una fase più operativa. Crescono il numero delle implementazioni, le competenze utilizzate e le attività completate; parallelamente, l’adozione si estende dai processi semplici e ad alto volume verso flussi di lavoro trasversali.
Resta però da verificare quanto questi risultati siano replicabili al di fuori del campione analizzato e dell’ecosistema Agentforce. Il report non indica il numero complessivo delle aziende considerate e include soltanto organizzazioni che hanno mantenuto agenti in produzione per l’intero periodo. Salesforce precisa inoltre che i risultati non rappresentano le performance aziendali del gruppo.
La prospettiva più credibile non è dunque quella di una sostituzione indiscriminata del lavoro umano, ma di una redistribuzione delle attività. Gli agenti possono assorbire consultazioni, coordinamento e operazioni ripetitive, mentre alle persone rimangono la gestione delle eccezioni, il controllo, la responsabilità e le decisioni che richiedono giudizio.
La vera misura della maturità dell’AI agentica sarà la capacità di combinare velocità, complessità e controllo. Il numero degli agenti attivati conta, ma conteranno ancora di più la qualità delle azioni, la trasparenza dei risultati e il valore dimostrabile prodotto nei processi reali.
