ServiceNow e NVIDIA rafforzano la collaborazione sull’enterprise AI con un obiettivo preciso: portare gli agenti autonomi dentro gli ambienti aziendali reali, dove non basta generare testo o ragionare su un prompt, ma serve agire con contesto, controllo, sicurezza e responsabilità.
Il tema è emerso a ServiceNow Knowledge 2026, durante il keynote di apertura, dove Jensen Huang, fondatore e CEO di NVIDIA, è intervenuto insieme a Bill McDermott, chairman e CEO di ServiceNow, per discutere la prossima fase dell’intelligenza artificiale nelle imprese. Dopo la fase dell’AI generativa e quella dei modelli capaci di ragionare, la domanda per le aziende diventa più concreta: come deve agire l’intelligenza artificiale?
I primi sistemi agentici hanno mostrato la possibilità di superare il modello basato su semplici prompt, assumendo compiti più articolati e multistep. Ma il passaggio successivo è molto più difficile: inserire queste capacità nei contesti enterprise, dove gli agenti devono operare su workflow reali, rispettare regole, usare strumenti aziendali, mantenere tracciabilità e agire senza esporre dati o sistemi sensibili.
È su questo terreno che ServiceNow e NVIDIA stanno ampliando la collaborazione full stack, combinando accelerated computing, modelli aperti, competenze specifiche di dominio, software sicuro per l’esecuzione degli agenti, contesto dei workflow enterprise proveniente da ServiceNow Action Fabric e governance tramite ServiceNow AI Control Tower.
Project Arc porta gli agenti autonomi sul desktop aziendale
Il centro dell’annuncio è Project Arc, un agente desktop autonomo, long-running e self-evolving, progettato per knowledge worker, sviluppatori, team IT e amministratori. Non si tratta di un assistente isolato, né di un’automazione tradizionale. Project Arc è pensato per lavorare direttamente sul desktop, accedendo a file system locali, terminali e applicazioni installate su una macchina, così da completare attività complesse e articolate che le automazioni classiche non riescono a gestire.
La differenza rispetto agli agenti standalone è nell’integrazione nativa con la piattaforma AI di ServiceNow. Attraverso ServiceNow Action Fabric, Project Arc collega ogni azione al contesto dei workflow aziendali, aggiungendo governance, auditabilità e intelligenza operativa. Questo punto è decisivo perché nelle imprese non basta che un agente sappia svolgere un compito: deve essere possibile capire che cosa ha fatto, perché lo ha fatto, quali strumenti ha usato e dentro quali limiti.
Il progetto nasce attorno a tre requisiti che diventeranno centrali per ogni azienda interessata agli agenti autonomi di lunga durata. Il primo è l’uso di modelli aperti e competenze specifiche di dominio, così da poter adattare il comportamento degli agenti ai dati, ai processi e alle esigenze dell’organizzazione. Il secondo è la personalizzazione delle capacità operative. Il terzo è la sicurezza, indispensabile per consentire agli agenti di agire senza mettere a rischio informazioni, applicazioni o infrastrutture. Tutto questo deve poggiare su AI factory efficienti, capaci di sostenere il costo computazionale e la tokenomics di sistemi sempre attivi.
NVIDIA OpenShell come runtime sicuro per gli agenti autonomi
Portare autonomia negli ambienti enterprise significa introdurre controllo fin dall’inizio. Project Arc utilizza NVIDIA OpenShell, un runtime open source sicuro per sviluppare e distribuire agenti autonomi in ambienti sandboxed e governati da policy. ServiceNow sta costruendo su OpenShell e contribuendo al progetto, con l’obiettivo di farne una base comune per l’esecuzione sicura di agenti enterprise-grade.
OpenShell permette alle imprese di definire che cosa un agente può vedere, quali strumenti può usare e in che modo ogni azione viene contenuta. In pratica, non lascia l’autonomia dell’agente in uno spazio indeterminato, ma la inserisce dentro perimetri controllabili. Questo è il passaggio che distingue l’AI agentica sperimentale dall’AI agentica implementabile in produzione.
Jon Sigler, executive vice president e general manager di AI Platform at ServiceNow, sintetizza così il ruolo di Project Arc nella collaborazione con NVIDIA: “Project Arc rappresenta il prossimo passo della nostra collaborazione continua con NVIDIA, portando l’esecuzione autonoma sul desktop. Combinando il livello runtime di OpenShell con ServiceNow AI Control Tower, e grazie a ServiceNow Action Fabric, stiamo offrendo la governance e la sicurezza richieste dall’AI enterprise.”
Il messaggio è netto: l’autonomia degli agenti non può essere separata dalla governance. L’impresa non ha bisogno soltanto di agenti più capaci, ma di agenti verificabili, controllabili e inseriti nei sistemi di gestione già esistenti.
Modelli aperti e skill agentiche per scalare l’enterprise AI
Per funzionare davvero in azienda, un sistema di enterprise AI deve essere adattabile. NVIDIA e ServiceNow stanno lavorando su un ecosistema aperto che consenta alle organizzazioni di personalizzare modelli e applicazioni rispetto ai propri domini e ai propri dati.
In questo schema, le NVIDIA agent skills permettono di costruire agenti specializzati, come i ServiceNow AI Specialists, con capacità mirate sui workflow aziendali. Un esempio è NVIDIA AI-Q Blueprint, pensato per costruire agenti specializzati di deep research. Questi agenti possono aiutare i ServiceNow AI Specialists a raccogliere contesto, sintetizzare informazioni e supportare processi decisionali più complessi in diverse funzioni aziendali.
La logica è quella di superare l’agente generico. Nei contesti enterprise, l’AI deve conoscere processi, strumenti, vincoli, dati e linguaggi di dominio. Un agente utile per l’IT operations non è necessariamente identico a uno pensato per il procurement, la compliance, lo sviluppo software o la gestione amministrativa. Per questo, modelli aperti e skill specializzate diventano componenti fondamentali per costruire agenti realmente utilizzabili.
A questo si aggiunge NVIDIA Agent Toolkit, che include i modelli aperti NVIDIA Nemotron e offre building block flessibili per sviluppare applicazioni AI personalizzate. Il punto non è solo mettere a disposizione modelli, ma fornire un insieme di capacità e strumenti che le imprese possano adattare ai propri workflow, senza dipendere esclusivamente da sistemi chiusi o da applicazioni rigide.
NOWAI-Bench misura gli agenti sui workflow multistep
ServiceNow e NVIDIA stanno anche lavorando su NOWAI-Bench, una suite aperta di benchmarking per agenti AI enterprise, integrata con la libreria NVIDIA NeMo Gym. L’obiettivo è valutare le prestazioni degli agenti su compiti più vicini ai problemi reali delle aziende, non soltanto su test generali di ragionamento o conoscenza.
NOWAI-Bench include EnterpriseOps-Gym, presentato come uno dei benchmark più difficili per agenti enterprise. In questo contesto, Nemotron 3 Super risulta attualmente al primo posto tra i modelli open source.
La differenza rispetto ai benchmark generici è sostanziale. Le valutazioni si concentrano su workflow multistep, cioè proprio sulle situazioni in cui i sistemi AI aziendali incontrano le difficoltà più concrete: mantenere il contesto, usare strumenti diversi, concatenare decisioni, rispettare vincoli, recuperare errori, agire in modo coerente e produrre risultati affidabili in ambienti di produzione.
È un passaggio importante perché la maturità degli agenti enterprise non si misura solo sulla capacità di rispondere correttamente a una domanda, ma sulla capacità di completare processi complessi. In altre parole, il benchmark deve somigliare meno a un esame teorico e più a una simulazione del lavoro reale.
Le AI factory diventano decisive per la tokenomics degli agenti
Con gli agenti AI long-running e always-on, la scalabilità non dipende soltanto dalla qualità dei modelli. Dipende anche dall’efficienza economica dell’infrastruttura. Se un’impresa vuole distribuire agenti su milioni di workflow, la tokenomics diventa un fattore centrale: il costo di generazione, ragionamento e azione può determinare la velocità con cui l’AI passa dai progetti pilota alla produzione su larga scala.
NVIDIA posiziona le proprie AI factory come infrastrutture pensate per offrire tokenomics efficienti nella produzione AI. La piattaforma NVIDIA Blackwell viene indicata come capace di fornire oltre 50 volte più output di token per watt rispetto a NVIDIA Hopper, con un costo per milione di token inferiore di quasi 35 volte.
Questo dato chiarisce perché il tema infrastrutturale sia diventato strategico. Gli agenti autonomi consumano risorse in modo diverso rispetto ai chatbot tradizionali: restano attivi più a lungo, gestiscono più passaggi, usano strumenti, mantengono contesto, osservano l’ambiente, valutano alternative e possono operare su processi continuativi. Senza efficienza, il modello operativo rischia di non reggere economicamente.
ServiceNow AI Control Tower si integra con il validated design NVIDIA Enterprise AI Factory, estendendo governance e osservabilità ai workload AI su larga scala. Con le capacità aggiuntive di agent observability, le organizzazioni possono monitorare il comportamento degli agenti in tempo reale e gestire i sistemi AI lungo l’intero ciclo di vita: dal deployment all’ottimizzazione.
Dall’AI che risponde all’AI che lavora
Il quadro che emerge dalla collaborazione tra ServiceNow e NVIDIA è quello di un’AI sempre più vicina al modo in cui il lavoro viene effettivamente svolto. Non più soltanto sistemi che producono contenuti, generano codice o aiutano a ragionare, ma agenti capaci di compiere azioni dentro processi aziendali regolati.
Il punto non è l’autonomia in sé, ma l’autonomia governata. Gli agenti devono poter agire, ma dentro confini definiti. Devono avere accesso al contesto, ma senza esporre dati sensibili. Devono usare strumenti reali, ma con controllo, audit e osservabilità. Devono essere specializzati, ma adattabili. Devono essere potenti, ma sostenibili dal punto di vista economico.
Per questo la collaborazione tra ServiceNow e NVIDIA si muove su più livelli: infrastruttura accelerata, runtime sicuro, modelli aperti, skill agentiche, benchmark specifici, workflow context, governance e observability. È una visione full stack dell’enterprise AI, in cui ogni componente è necessaria perché l’agente non resti una demo, ma possa entrare in produzione.
Governance, contesto e infrastruttura saranno il vero vantaggio competitivo
La fase che si apre per l’enterprise AI non sarà decisa solo da chi avrà i modelli più capaci. Le aziende che si muoveranno più rapidamente saranno quelle in grado di dare agli agenti tre elementi: infrastruttura per agire, contesto per decidere e governance per rendere ogni azione responsabile.
ServiceNow porta il contesto dei workflow, la governance tramite AI Control Tower e il collegamento con la propria piattaforma enterprise. NVIDIA porta accelerated computing, AI factory, OpenShell, modelli Nemotron, Agent Toolkit, skill specializzate e benchmark per misurare la qualità degli agenti nei processi multistep.
La convergenza tra questi elementi indica dove si sta spostando il mercato. L’AI enterprise non sarà più valutata solo sulla qualità della risposta, ma sulla capacità di integrarsi con il lavoro reale, ridurre complessità operative, mantenere controllo e produrre risultati verificabili.
È il passaggio dall’AI come assistente all’AI come livello operativo dell’impresa. Una trasformazione promettente, ma anche più esigente: perché quando l’intelligenza artificiale smette di limitarsi a suggerire e inizia ad agire, la governance non è più un’opzione.
