Dai chatbot al lavoro autonomo: la strategia di Dell per l’IA agentica

Al Six Five Summit: AI Unleashed 2026, Dell Technologies ha sostenuto che l’intelligenza artificiale nelle aziende stia entrando in una nuova fase. Il punto non è più soltanto usare chatbot per cercare informazioni, riassumere documenti o generare contenuti: l’obiettivo è affidare agli agenti lo svolgimento di attività operative.

Dell ha dichiarato di aver ridotto circa 900 possibili progetti di IA a 13 iniziative con un valore aziendale chiaro, indicando miglioramenti iniziali della produttività nell’ordine del 20%-40%. 1

Si tratta di risultati riferiti da Dell, non di una misura valida per l’intero mercato. Ma il caso offre una chiave di lettura utile per capire cosa cambia quando l’IA passa dalla fase dei test all’esecuzione concreta dei processi.

L’IA agentica non si limita a rispondere

Dell ha distinto l’IA generativa della prima ondata dai sistemi agentici. Chatbot e assistenti aiutano le persone a trovare informazioni nei dati aziendali, sintetizzare documenti o produrre testi e altri contenuti. Un sistema agentico, invece, è progettato per digitalizzare un processo: può ragionare su un compito, utilizzare strumenti, coordinare più passaggi e portare a termine il lavoro con un intervento umano più limitato. 1

La differenza non riguarda solo il modello di IA. Secondo Dell, per portare gli agenti in produzione servono cambiamenti nello stack tecnologico, nell’infrastruttura, nella governance e nella struttura organizzativa. L’obiettivo strategico è ridurre il legame tra la quantità di lavoro che un’azienda riesce a completare e il numero di persone disponibili per svolgerlo. 1

I primi casi d’uso: CRM, codice e prezzi

Dell ha affermato di lavorare sugli agenti da circa due anni e di averli portati in produzione nel corso dell’anno precedente. Tra gli impieghi operativi indicati dall’azienda ci sono:

• Pulizia dei dati CRM: gli agenti possono gestire attività ripetitive legate alla qualità dei dati e alle anagrafiche dei clienti.
• Sviluppo software: possono assistere nella scrittura di codice ordinario, nelle annotazioni e in alcune fasi del coordinamento CI/CD, cioè integrazione e distribuzione continue.
• Prezzi speciali: possono supportare processi in cui contano la rapidità e l’applicazione coerente di regole e condizioni. 1

Sono casi più circoscritti rispetto all’idea di un’azienda completamente autonoma, ma mostrano perché la progettazione dei processi sia decisiva. Un’implementazione utile non consiste semplicemente nell’inserire un modello dentro un’applicazione già esistente: richiede un flusso automatizzato con input, strumenti, autorizzazioni e risultati definiti.

Perché passare da 900 progetti a 13

Dell ha dichiarato di aver ristretto circa 900 progetti candidati a circa 13 iniziative mirate, selezionate in base a un valore aziendale esplicito e gestite attraverso una definizione delle priorità a livello centrale. 1

La scelta riflette una lezione pratica per i programmi di IA aziendale: un lungo elenco di esperimenti non produce necessariamente un vantaggio operativo. La tesi di Dell è che le organizzazioni debbano concentrare risorse sui flussi di lavoro il cui risultato può essere misurato, costruendo poi controlli e infrastrutture per farli funzionare in modo affidabile.

Dell ha attribuito ai primi impieghi di assistenti mirati aumenti della produttività di circa il 20%-40% e ha affermato che i benefici potrebbero essere molto più ampi quando gli agenti prendono in carico intere categorie di attività. L’azienda ha inoltre sostenuto che il programma concentrato abbia contribuito a separare la crescita dei ricavi dalla struttura dei costi. Si tratta di risultati dichiarati da Dell, da considerare come esperienza dell’azienda e non come parametro garantito per ogni progetto. 1

Il rischio dell’“agent washing”

John Roese, dirigente di Dell, ha messo in guardia dall’uso indiscriminato del termine agente. Nella definizione dell’azienda, si parla di agent washing quando chatbot, assistenti con funzioni limitate e sistemi capaci di agire autonomamente vengono presentati come se fossero la stessa cosa. 1

Una distinzione utile è questa:

• Chatbot: risponde a una richiesta, producendo soprattutto informazioni o contenuti.
• Assistente mirato: migliora un’attività circoscritta, mantenendo la persona strettamente coinvolta.
• Agente autonomo: può pianificare, chiamare strumenti, coordinare azioni ed eseguire un processo con una supervisione diretta molto più ridotta. 1

La differenza è importante perché l’autonomia aumenta anche le conseguenze di un errore. Un riassunto sbagliato può essere corretto; un agente collegato ai sistemi aziendali potrebbe modificare record, attivare azioni a valle o esporre informazioni riservate.

Con gli agenti cambia l’infrastruttura necessaria

Matt Murphy, amministratore delegato di Marvell, ha osservato che l’inferenza agentica in produzione crea pressioni infrastrutturali diverse da quelle tipiche dell’addestramento dei modelli. Gli agenti possono dover conservare lo stato di un flusso di lavoro tramite cache key-value durante chiamate ripetute al modello, contesti estesi e interazioni lunghe tra più agenti. In questi scenari, capacità e velocità della memoria possono diventare un limite prima della potenza di calcolo pura. 1

Murphy ha sottolineato anche il ruolo crescente delle CPU, necessarie per l’orchestrazione: diramazioni, recupero delle informazioni, chiamate agli strumenti, esecuzione in ambienti isolati e coordinamento tra agenti. Durante la discussione, il rapporto CPU-GPU è stato descritto come in evoluzione da circa 8-16:1 nell’IA tradizionale verso circa 1-2:1 nei carichi agentici. 1

Per chi acquista o progetta queste soluzioni, la conseguenza è chiara: una piattaforma per agenti non può essere valutata solo in base alla qualità del modello o alla disponibilità di GPU. Memoria, rete, orchestrazione CPU, osservabilità e costo delle inferenze ripetute influenzano tutti la sostenibilità del progetto in produzione.

Non esiste un’unica architettura per tutti gli agenti

Dell ha respinto l’idea di una “monocultura” basata su un solo modello o su un’unica posizione di esecuzione. L’approccio proposto combina opzioni come modelli aperti on-premise, modelli avanzati ospitati da Dell, cloud privati virtuali controllati, API esterne e modelli eseguiti sui dispositivi. La scelta dipende da prestazioni, conformità normativa, funzionalità e costi. 1

Anche l’economia del progetto varia in base al compito. Un agente destinato al supporto decisionale di un dirigente può giustificare una spesa mensile elevata; al contrario, un flusso ad alto volume per la pulizia dei dati CRM richiede un costo per record molto basso, indicato nella discussione come inferiore a circa 0,50 dollari. 1

La domanda più utile per le aziende, quindi, non è «Qual è il modello migliore?», ma «Quale modello, in quale ambiente e con quale grado di autonomia può raggiungere il risultato richiesto a un costo e con un livello di rischio accettabili?».

L’identità digitale diventa il livello di controllo

Dell ha dichiarato che ogni agente autonomo capace di accedere ai suoi dati, interno o esterno, dovrebbe ricevere un’identità digitale emessa da Dell. Questa identità permetterebbe di applicare autorizzazioni granulari e di revocare l’accesso, funzionando di fatto come un interruttore di emergenza. 1

La sicurezza è più complessa quando un agente non eredita semplicemente l’identità dell’utente. Un agente che eredita l’identità agisce con le credenziali di un dipendente identificabile. Un agente headless, invece, opera in modo più indipendente, rendendo più difficili attribuzione, gestione dei permessi e controllo del ciclo di vita. Secondo la discussione, Dell prevede che gli agenti headless rappresentino circa il 70% delle implementazioni future. 2

Dell ha indicato inoltre i protocolli per la comunicazione tra agenti e tra agenti e strumenti, insieme alla preparazione alla sicurezza post-quantistica, come elementi del modello di sicurezza necessario per l’autonomia in produzione. 1 La lezione più ampia è che un agente deve essere trattato come un’identità software con un responsabile, un perimetro di autorizzazioni, una traccia di audit e una procedura di revoca: non come un’estensione invisibile di un chatbot.

I lavori saranno scomposti in attività

Dell ha affermato di aver analizzato 6.800 mansioni scomponendole in categorie come produttività, attività di manutenzione e controllo, coordinamento, competenze specialistiche e lavoro a contatto con le persone. La conclusione dell’azienda è che gli agenti tenderanno a eliminare porzioni di un ruolo più che intere posizioni in automatico. 1

Nel software, per esempio, gli agenti possono occuparsi di codice ordinario, annotazioni e parte del coordinamento della distribuzione, mentre le persone dedicano più tempo ad architettura, requisiti, giudizio professionale e rapporto con il cliente. 1

Questo non significa che i ruoli resteranno invariati. La tesi di Dell è che ogni lavoro verrà trasformato man mano che le attività automatizzabili saranno estratte e i lavoratori si sposteranno verso responsabilità che richiedono competenza, contesto, capacità di giudizio e relazioni umane.

Il vero test per l’IA agentica

La posizione di Dell può essere sintetizzata in un test esigente: un progetto di IA agentica è pronto per la produzione solo quando ha un risultato aziendale misurabile, un flusso di lavoro chiaramente delimitato, un’economia sostenibile e controlli adeguati su identità, accessi e recupero dagli errori.

Il passaggio da 900 possibilità a 13 iniziative riassume la strategia. L’IA agentica non è semplicemente un’interfaccia più conversazionale: è un modello operativo in cui il software svolge attività reali. E, insieme ai modelli, devono evolvere infrastrutture, sicurezza e organizzazione del lavoro.