AnswersPublished14 sources
Dell e l’AI agentica: come gli agenti passano dai progetti pilota alla produzione
Secondo Dell, il passaggio decisivo è quello dagli assistenti generativi che rispondono alle domande agli agenti capaci di eseguire autonomamente attività definite. Tra i casi d’uso citati figurano la pulizia dei dati CRM, lo sviluppo software, il supporto ai prezzi, le prenotazioni di viaggio e la sintesi dei docum...
Pubblicato daModificato con GPT-5.6 LunaImmagini generate con GPT Image 1.5
Research answer
Key takeaways
- Secondo Dell, il passaggio decisivo è quello dagli assistenti generativi che rispondono alle domande agli agenti capaci di eseguire autonomamente attività definite.
- Tra i casi d’uso citati figurano la pulizia dei dati CRM, lo sviluppo software, il supporto ai prezzi, le prenotazioni di viaggio e la sintesi dei documenti.
- L’azienda sostiene che gli agenti in produzione richiedano più memoria e banda, una maggiore capacità di orchestrazione, identità digitali dedicate e un’economia dei modelli calibrata sul singolo compito.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What did Dell Technologies argue at The Six Five Summit: AI Unleashed 2026 about agentic AI’s transition from pilots to production, how it d. Article summary: Dell’s core argument was that agentic AI is becoming a production operating model: not chatbots that help people find or summarize information, but governed systems that autonomously execute defined work. The detailed nu. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fa
Il messaggio centrale lanciato da Dell al The Six Five Summit: AI Unleashed 2026 è netto: l’AI agentica non dovrebbe essere trattata come una semplice nuova etichetta per i chatbot, ma come un modello operativo destinato alla produzione. Nella definizione dell’azienda, la differenza sta nella capacità di perseguire un obiettivo, utilizzare strumenti e completare un’attività con un intervento umano limitato. Gli esempi di produttività, risparmio e impatto sul business citati da Dell restano tuttavia dichiarazioni dell’azienda e non costituiscono benchmark verificati in modo indipendente. 1
5
Dai chatbot all’esecuzione autonoma
La prima ondata di AI generativa nelle imprese si è concentrata soprattutto sulla ricerca, sulla sintesi e sull’interazione con le informazioni proprietarie. Dell sostiene che la fase successiva riguardi la digitalizzazione del lavoro vero e proprio: attività definite vengono trasferite dal livello umano a sistemi software in grado di ragionare su un flusso operativo e agire di conseguenza. 1
4
È anche in questo contesto che Dell parla di “agent washing”, cioè la tendenza a definire agenti autonomi normali bot, assistenti o automazioni basate su script. Un chatbot può generare una risposta; un agente, secondo la definizione di Dell, dovrebbe lavorare per raggiungere un obiettivo, interagire con strumenti e sistemi ed eseguire passaggi all’interno di un processo aziendale. 2
5
Dell ha dichiarato di aver iniziato a sviluppare agenti circa due anni prima del vertice e di aver portato i primi sistemi in produzione nell’anno precedente, utilizzando l’azienda come proprio “Customer Zero”, ovvero il primo ambiente reale di sperimentazione e adozione. 2
Perché Dell ha ridotto 900 idee a 13 progetti
Dell ha raccontato di essere partita da circa 900 possibili progetti di AI, poi ridotti a circa 13 iniziative mirate. Il processo di selezione ha dato priorità agli obiettivi di business e all’analisi dei processi, invece di lasciare che un numero elevato di sperimentazioni scollegate proseguisse senza una direzione precisa. 1
2
Tra i casi d’uso in produzione citati dall’azienda figurano:
- Pulizia dei dati CRM, con un agente incaricato delle attività ripetitive legate alla qualità dei dati.
- Sviluppo software, compreso il supporto a compiti di programmazione.
- Supporto alle attività di pricing, attraverso flussi di lavoro agentici dedicati ai prezzi.
- Prenotazioni di viaggio e sintesi di documenti, presentate come esempi di attività autonome relativamente semplici.
2
5
La lezione che Dell trae da questo percorso non è che ogni processo debba avere il proprio agente. Al contrario, le organizzazioni dovrebbero individuare un’attività specifica con un risultato misurabile e costruire intorno a quel risultato il sistema più piccolo e utile possibile. È un approccio che aiuta anche a distinguere una vera implementazione in produzione da un generico programma pilota sull’AI.
La produttività secondo Dell: dal 20% al 40%
Dell sostiene che le prime implementazioni focalizzate su singole attività possano generare miglioramenti della produttività nell’ordine del 20%-40%. Secondo l’azienda, sistemi capaci di farsi carico di intere categorie di lavoro potrebbero invece produrre guadagni molto più ampi, potenzialmente di “ordini di grandezza”. 2
5
Queste cifre vanno interpretate come risultati ed aspettative riportati da Dell, non come una misura indipendente valida per tutte le imprese. L’azienda ha inoltre affermato che il proprio lavoro sull’AI avrebbe contribuito a separare la crescita dei ricavi dalla struttura dei costi. Le informazioni disponibili, però, non permettono di stabilire quanto di questo effetto sia attribuibile ai singoli agenti né dimostrano un rapporto causale. 2
Per chi deve acquistare o sviluppare queste tecnologie, la differenza è sostanziale: un business case credibile deve indicare quale attività viene automatizzata, quanto tempo umano viene eliminato o riallocato, quali sono i costi di inferenza e orchestrazione e quali controlli servono quando l’agente può agire senza supervisione continua.
L’AI agentica cambia l’equazione dell’infrastruttura
Secondo Dell, l’AI agentica in produzione non è semplicemente una versione più grande dell’inferenza usata dai chatbot. Il collo di bottiglia può spostarsi dalla potenza di calcolo alla capacità e alla banda della memoria, soprattutto nei flussi di lavoro di lunga durata che conservano lo stato nei cosiddetti key-value cache. In alcuni casi, la memoria può esaurirsi prima che la capacità di calcolo delle GPU venga utilizzata completamente. 2
4
I sistemi agentici generano inoltre modalità di accesso ai dati diverse da quelle tipiche dell’addestramento dei modelli. Invece di elaborare dataset ampi e relativamente statici, gli agenti in produzione possono effettuare richieste persistenti, intermittenti e molto mirate su più sistemi aziendali. Su scala elevata, la distribuzione dei dati e la latenza di coda diventano quindi importanti quanto il throughput del modello. 2
4
Anche i processori CPU assumono un ruolo più rilevante. Coordinano l’orchestrazione, la logica condizionale, il recupero delle informazioni, le chiamate agli strumenti e la comunicazione tra i diversi componenti, mentre le GPU gestiscono i carichi di modello più adatti alla loro architettura. Dell ha affermato che i rapporti CPU-GPU tipici delle implementazioni tradizionali, pari a circa 8:1-16:1, potrebbero avvicinarsi a 1:1 o 2:1 nei sistemi agentici. 2
Per le imprese, la risposta proposta da Dell consiste in infrastrutture di piattaforma riutilizzabili, invece di una serie di stack costruiti per un solo caso d’uso. L’azienda sostiene inoltre l’utilità di architetture ibride, capaci di distribuire i carichi tra sistemi on-premise, cloud privati, API pubbliche e modelli eseguiti sui dispositivi, in base a requisiti di conformità, prestazioni, controllo dei dati e costi. 4
5
Non esiste un prezzo unico per un agente AI
Una delle conseguenze dei flussi di lavoro autonomi è che l’economia dei modelli deve essere commisurata al valore dell’attività svolta. Dell ha proposto esempi molto diversi: un agente per il supporto alle decisioni di un dirigente potrebbe giustificare un costo di circa 100.000 dollari al mese, mentre un agente incaricato della pulizia dei dati CRM dovrebbe forse operare a meno di 0,50 dollari per record. 2
Il punto non è che queste cifre siano listini universali o benchmark di mercato. Il messaggio è che non conviene utilizzare il modello più potente e costoso per ogni compito. Un portafoglio aziendale può richiedere modelli piccoli per le attività routinarie ad alto volume, modelli più grandi per i problemi di ragionamento complesso e ambienti di esecuzione differenti per i carichi con esigenze specifiche di latenza, sovranità dei dati o conformità normativa. 2
5
La sicurezza parte dall’identità dell’agente
Dell ha dichiarato che ogni agente autonomo autorizzato ad accedere ai dati dell’azienda riceve una propria identità digitale Dell. Questa identità permette di applicare autorizzazioni granulari e revocare i permessi; la sua disattivazione può funzionare come un interruttore di emergenza per interrompere l’accesso dell’agente. 2
5
Il principio è particolarmente importante per gli agenti headless, cioè sistemi che operano senza un’interfaccia utente e senza la supervisione umana in tempo reale. Se un agente agisce direttamente attraverso gli strumenti aziendali, l’organizzazione deve poter sapere quale agente ha eseguito un’azione, a quali risorse era autorizzato ad accedere e come bloccarlo senza dipendere dalle credenziali di una persona.
Permessi basati sul principio del minimo privilegio e identità indipendenti per ogni agente diventano quindi livelli fondamentali di controllo, non semplici funzioni di sicurezza opzionali. Dell ha citato anche protocolli di comunicazione e controllo come A2A e MCP, oltre alla pianificazione della crittografia post-quantistica, tra gli elementi del nuovo quadro di governance. 2
Le informazioni disponibili non permettono però di indicare in modo affidabile quale percentuale delle future implementazioni sarà costituita da agenti headless. Qualsiasi previsione numerica precisa andrebbe oltre quanto dimostrato dalle fonti fornite.
Il lavoro cambia per attività, non necessariamente per interi ruoli
Dell ha affermato di aver analizzato 6.800 mansioni per capire quali parti dei diversi ruoli potrebbero essere svolte dagli agenti e quali richiederebbero ancora giudizio umano. 2
La conclusione dell’azienda è che gli agenti trasformeranno il lavoro più spesso sottraendo singole attività ai ruoli, anziché eliminare intere professioni. In questo modello, gli agenti assorbono compiti di produttività, attività amministrative di “igiene” e coordinamento, mentre le persone dedicano più tempo al giudizio esperto e alle attività in cui contano le relazioni umane. 2
5
Si tratta però di una tesi sulla riorganizzazione della forza lavoro, non della garanzia che nessun posto venga eliminato. Anche quando una posizione rimane, possono cambiare responsabilità, organico, competenze richieste e forme di accountability. La sfida concreta per le imprese diventa quindi organizzativa: decidere quali attività delegare, quali decisioni debbano restare sotto responsabilità umana e come misurare le prestazioni dopo la modifica del processo.
Cosa significa per chi compra AI aziendale
La presentazione di Dell riduce il passaggio dai progetti pilota alla produzione a quattro domande fondamentali:
- Il sistema è davvero autonomo? Chiamare un chatbot “agente” non lo rende automaticamente tale.
- Svolge un’attività definita e di valore? Il passaggio da 900 a 13 progetti mostra l’importanza di stabilire delle priorità.
- L’infrastruttura è pronta per stato, latenza, orchestrazione ed economia specifica del carico? L’inferenza agentica può mettere sotto pressione memoria e distribuzione dei dati in modo diverso dall’addestramento o dai chatbot tradizionali.
- L’organizzazione è in grado di governare l’agente? Identità, autorizzazioni, registri delle attività, revoca dei permessi e responsabilità umana devono essere progettati prima di estendere l’accesso autonomo.
L’argomento più ampio di Dell è che l’AI agentica diventa realmente significativa quando viene collegata al lavoro concreto e valutata sulla base di risultati concreti. La cautela è altrettanto importante: gli esempi e i miglioramenti descritti rappresentano la posizione e l’esperienza riportata da Dell, non una garanzia universale che ogni implementazione agentica produca gli stessi risultati.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Dell e l’AI agentica: come gli agenti passano dai progetti pilota alla produzione"?
Secondo Dell, il passaggio decisivo è quello dagli assistenti generativi che rispondono alle domande agli agenti capaci di eseguire autonomamente attività definite.
What are the key points to validate first?
Secondo Dell, il passaggio decisivo è quello dagli assistenti generativi che rispondono alle domande agli agenti capaci di eseguire autonomamente attività definite. Tra i casi d’uso citati figurano la pulizia dei dati CRM, lo sviluppo software, il supporto ai prezzi, le prenotazioni di viaggio e la sintesi dei documenti.
What should I do next in practice?
L’azienda sostiene che gli agenti in produzione richiedano più memoria e banda, una maggiore capacità di orchestrazione, identità digitali dedicate e un’economia dei modelli calibrata sul singolo compito.