Microsoft ha appena lanciato una serie di agenti intelligenti che trasformeranno radicalmente la collaborazione aziendale. Non si tratta più di semplici assistenti virtuali, ma di veri e propri colleghi digitali che si integrano in Microsoft Teams, SharePoint e Viva Engage, portando l’automazione a un livello superiore. Questi agenti, disponibili per gli utenti di Microsoft 365 Copilot, sono progettati per ottimizzare ogni aspetto del lavoro quotidiano, dalla gestione delle riunioni alla creazione di contenuti, fino alla gestione della conoscenza aziendale.
Tag: AI agent
C’è qualcosa di ironico nel vedere il Paese che ha trasformato l’e-commerce in un culto di massa rimanere indietro proprio nella partita degli ai agents, il nuovo totem tecnologico che promette di trasformare le aziende in organismi semi-autonomi. È come se la Cina avesse costruito l’autostrada più grande del mondo e poi si fosse dimenticata di comprare le auto. La fotografia più crudele arriva dai numeri, sempre cinici e sempre impietosi: nel 2024 gli Stati Uniti contavano 100 milioni di utenti di ai agents, pari a un tasso di penetrazione del 40 per cento, mentre la Cina, con i suoi 250 milioni di utenti, arrancava a un modesto 17,7 per cento di adozione. Un controsenso apparente che in realtà è la prova della differenza strutturale tra hype e infrastruttura.
Il mito della segretaria/o virtuale onnisciente non è più fantascienza da film Marvel, è la nuova ossessione di Silicon Valley. OpenAI ha appena buttato il sasso nello stagno con ChatGPT Agent, l’ultimo gioiello del suo arsenale, presentato con la solita promessa di cambiare la nostra vita lavorativa e personale. La narrativa è impeccabile: un assistente che non si limita a chiacchierare, ma usa un “computer virtuale” per eseguire compiti complessi, orchestrando strumenti multipli come un direttore d’orchestra. Sembra la consacrazione definitiva del concetto di AI agent, quella buzzword che gli investitori pronunciano con la stessa devozione con cui un broker anni Ottanta diceva “Wall Street”.
Immagina un assistente digitale che non solo capisce, ma agisce. Non sono descrizioni vaghe di “AGI”. Parliamo di produzione, di valore e di flussi operativi reali. LangChain ha appena rilasciato una guida step‑by‑step su come costruire un AI agent pratico e pronto per la produzione. Quindi smettiamo di sognare: questa è la road map per chi vuole risultati, non pipponi filosofici.
Il segreto? Divisione netta tra macro‑futuro tech e micro‑azioni effettive. Ogni step – da job definition a deploy – rispecchia la struttura SOP industriale, cosa che garantisce precisione e scalabilità.
Il modello dominante degli agenti AI basati sul cosiddetto MCP (Memory, Computation, Perception) sembrava il Santo Graal. La promessa era seducente: una struttura modulare dove ogni componente è specializzato, orchestrato da un protocollo che coordina tutto con precisione svizzera. Una sinfonia di moduli che collaborano attraverso API pulite, endpoint ben documentati e logiche preconfezionate. Peccato che, nella realtà, sembri più un’orchestra di strumenti scordati che suona in una sala prove senza elettricità.
Doveva essere morta. O quantomeno irrilevante. Una dinosauro della Silicon Valley che, come tanti altri prima di lei, aveva dominato un’epoca per poi farsi mettere all’angolo dall’ondata cloud capitanata dai soliti tre: Amazon, Google e Microsoft. Ma Oracle, si sa, è un animale strano. Non muore mai davvero. Sta zitta, fa le sue mosse, e poi rispunta fuori con qualcosa di enorme. Questa volta si chiama 30 miliardi di dollari in cloud computing da qui al 2028, ed è il biglietto da visita con cui ha appena chiesto un posto nel club esclusivo degli hyperscaler globali.
Oracle’s Target Price Raised by Evercore ISI Group: Analyst Maintains “Outperform” Rating
Sì, perché adesso c’è un quarto nome da aggiungere all’elenco dei dominatori del cloud. Lo ha detto Evercore ISI, non esattamente l’ultimo dei broker, mettendo Oracle sullo stesso piano di AWS, Google Cloud e Microsoft Azure. Fino a ieri sembrava una battuta. Oggi è una scommessa che inizia a sembrare dannatamente fondata, almeno per chi ha capito che il vero gioco non è solo lo storage o la scalabilità, ma la capacità di servire workload AI, sovrani, verticali, e mission-critical con una struttura che ha poco da invidiare a chi c’era prima.
Nel 2023 ci siamo ubriacati con il concetto di prompt engineering, quella pratica un po’ feticista di incartare un modello LLM come se fosse una caramella magica, sperando che un prompt ben costruito potesse trasformare un pappagallo probabilistico in una creatura senziente e autonoma. Il 2024 ha visto i primi sobbalzi di coscienza. Ma è nel 2025 che si consuma il passaggio di fase: da artigiani della parola a veri AI system architects.
L’intelligenza agentica non è un’estensione del prompt, ma un cambio di paradigma. Un salto da una UI testuale a un runtime cognitivo. Chi continua a insistere sul wrapping dei prompt dimostra di non aver capito il punto. Un agente non è una sequenza di istruzioni ma un organismo computazionale capace di percepire, pianificare, agire e apprendere.
Nel panorama odierno delle soluzioni enterprise, Oracle ha deciso di alzare l’asticella con l’introduzione dell’AI Agent Studio per le applicazioni Fusion Cloud. Questo strumento promette di trasformare il modo in cui le aziende gestiscono l’automazione, offrendo una piattaforma completa per la creazione, l’estensione, la distribuzione e la gestione di agenti AI su larga scala e va ad aggiungersi alla già lunga lista di Agenti AI pre-configurati (più di 50) e agli oltre 100 casi d’uso di AI generativa (GenAI), già disponibili nella suite Oracle di applicazioni aziendali, senza costi aggiuntivi per i clienti, perchè tutto è già ricompreso nel canone di “abbonamento” SaaS, che prevede aggiornamenti trimestrali su tutte le suite (ERP, HCM, SCM, CX..).
Gli agenti AI non sono una novità nel mondo tecnologico, ma la loro integrazione efficace nelle applicazioni aziendali ha sempre rappresentato una sfida. Oracle, con il suo AI Agent Studio, mira a superare queste difficoltà, offrendo agli utenti strumenti intuitivi per sviluppare agenti personalizzati che rispondano alle esigenze specifiche del business. Questo non solo aumenta la produttività, ma consente anche una maggiore flessibilità nell’adattarsi alle dinamiche di mercato in continua evoluzione.
Quella che sembrava l’eterna promessa non mantenuta è diventata, quasi all’improvviso, un ritorno in grande stile. Oracle, l’anziano monolite del database aziendale, sta vivendo il suo periodo migliore dal 2001 grazie a una crescita inarrestabile nel cloud e nella domanda di intelligenza artificiale. I risultati finanziari del Q4 2025 parlano chiaro: +11% di ricavi, 15,9 miliardi di dollari, previsioni ottimistiche e un’impennata del titolo del 24% che ha fatto sobbalzare più di un hedge fund manager.
Per gli investitori, l’euforia è contagiosa. Ma stavolta, sotto il velo delle slide patinate, c’è qualcosa di sostanziale: il ritorno dell’egemonia del dato proprietario come leva strategica. Ed è qui che Oracle ha giocato d’anticipo. O forse ha semplicemente aspettato che il mondo tornasse verso di lei.
Gli agenti IA, sono sistemi progettati per eseguire compiti specifici in modo autonomo o semi-autonomo. Questi compiti possono variare da semplici operazioni, come la ricerca di informazioni, a compiti più complessi che richiedono la pianificazione e l’implementazione di strategie multi-fase.
Volendoli riassumer in MACRO GATEGORIE :
Pianificazione: Gli agenti IA utilizzano i Large Language Models (LLM) per elaborare e implementare strategie in più fasi per raggiungere un obiettivo. Questo processo può includere la definizione di obiettivi, la generazione di piani d’azione, la valutazione delle opzioni disponibili e l’adattamento dei piani in base ai cambiamenti nel contesto o nell’ambiente.
Un esempio di agente IA che utilizza la pianificazione è un sistema di navigazione GPS. Questo sistema elabora e implementa una strategia in più fasi per guidare un utente da un punto A a un punto B, tenendo conto di vari fattori come il traffico, la distanza e il tempo previsto di viaggio.
Utilizzo degli strumenti: Gli agenti IA sono dotati di vari strumenti che facilitano la raccolta di informazioni, il processo decisionale e l’elaborazione dei dati. Questi strumenti possono includere la ricerca sul web, l’esecuzione di codice, l’analisi dei dati e altri.
Un esempio di agente IA che utilizza gli strumenti è un assistente virtuale come Siri o Alexa. Questi agenti utilizzano strumenti come la ricerca sul web e l’esecuzione di codice per rispondere alle domande degli utenti, controllare i dispositivi smart home, riprodurre musica, inviare messaggi e molto altro.
Comprensione dei dati o del contesto: Gli agenti IA utilizzano spesso funzionalità come la Retrieval-Augmented Generation (RAG) o digeriscono set di dati specifici per migliorare il completamento delle attività. Questo può includere l’interpretazione di dati non strutturati, l’identificazione di pattern nei dati, la comprensione del contesto in cui l’agente opera e l’adattamento delle azioni dell’agente in base a queste informazioni.
Un esempio di agente IA che comprende i dati o il contesto è un sistema di raccomandazione personalizzato come quello utilizzato da Netflix o Amazon. Questi sistemi utilizzano algoritmi di apprendimento automatico per analizzare i dati degli utenti e fornire raccomandazioni personalizzate basate sui loro gusti e comportamenti passati
Riflessione: Utilizzando un LLM, l’agente IA può valutare le proprie prestazioni per identificare i miglioramenti. Questo può includere l’analisi delle azioni passate, l’identificazione di errori o inefficienze, la generazione di idee per migliorare le prestazioni future e l’implementazione di queste idee.
Un esempio di agente IA che utilizza la riflessione è un sistema di apprendimento automatico che utilizza il feedback per migliorare le sue prestazioni. Ad esempio, un algoritmo di apprendimento rinforzato può “riflettere” sulle azioni passate per determinare quali azioni hanno portato a risultati positivi e quali azioni hanno portato a risultati negativi, e quindi adattare le sue future decisioni di conseguenza.
Collaborazione multi-agente: In alcuni casi, più agenti IA possono collaborare per eseguire compiti. Questo può includere la distribuzione di compiti tra gli agenti, lo scambio di idee e informazioni, la collaborazione per risolvere problemi complessi e la creazione di soluzioni superiori attraverso la collaborazione
Un esempio di collaborazione multi-agente è un sistema di veicoli autonomi che collaborano per coordinare i loro movimenti e evitare collisioni. Ad esempio, i droni possono utilizzare la comunicazione multi-agente per coordinare i loro voli, evitare ostacoli e completare compiti in modo efficiente.