L'AI agentica sbatte contro il muro dell'enterprise: il 70% dei deployment costruiti dai vendor rischia l'abbandono

Gartner ha pubblicato la previsione il 30 settembre: entro il 2028, il 70 percento delle imprese abbandonerà i sistemi di AI agentica costruiti con l'assistenza dei vendor. La tesi non è che gli agenti falliscano. È che il cliente non impara mai a gestirli.

Il modello che Gartner critica ha un nome: forward-deployed engineering, o FDE. Un vendor inserisce i propri ingegneri presso il cliente per costruire e distribuire software su misura. Secondo Gartner, questo approccio può produrre progressi rapidi all'inizio, ma poi lascia l'acquirente dipendente da competenze esterne. Si pagano tariffe premium per attività di manutenzione che un accordo di servizi o con un partner tradizionale gestirebbe a costi inferiori. The Register ha riportato la previsione il 30 settembre.

Gartner prevede anche che fino al 2028 meno del 20 percento degli incarichi FDE trasformerà i requisiti ricorrenti dei clienti in funzionalità del prodotto principale del vendor. L'azienda mette in guardia dal "FDE washing", ovvero la vendita di normale consulenza sotto un'etichetta più strategica.

Mukul Saha, senior director analyst di Gartner, ha inquadrato il problema come una questione di progettazione contrattuale, non di tecnologia. "Gli incarichi FDE meglio definiti hanno linee guida chiare su governance, creazione di valore di business, proprietà intellettuale, co-proprietà del progetto, trasferimento di conoscenze e una strategia di uscita dal primo giorno", ha dichiarato. Saha ha aggiunto che molti fornitori usano ormai "forward deployed" come etichetta per implementazione, servizi professionali, solution engineering o consulenza AI. "Alcuni con criterio, altri perché suona più strategico", ha notato, aggiungendo che alcuni applicano tariffe premium senza la profondità di esecuzione necessaria per giustificarle.

Questa settimana i vendor hanno lanciato il messaggio opposto

L'avvertimento di Gartner è arrivato nel mezzo di un ciclo di prodotto che presume l'opposto. Il 30 settembre OpenClaw ha annunciato OpenClaw Enterprise, un control plane open source e vendor neutral per agenti persistenti, sviluppato con Red Hat e NVIDIA dopo essere nato in OpenAI. Il post sul blog del progetto è esplicito sul perché esiste: "la posizione predefinita dell'IT nella maggior parte delle organizzazioni è vietare del tutto piattaforme agentiche come OpenClaw". OCE viene sviluppato in modo aperto prima della release 1.0. Il post afferma che OpenAI sta già eseguendo agenti OpenClaw con accesso completo a codebase e plugin.

DoorDash si è mossa lo stesso giorno. TechCrunch ha riportato il 30 settembre che la società di consegne ha lanciato un agente text-to-order dentro Apple Messages, con una lista d'attesa per gli Stati Uniti. L'annuncio di DoorDash descrive un connettore costruito sul Model Context Protocol che permette alle aziende di collegare gli ordini ai propri strumenti di AI interni. Tra i primi partner della beta figurano SpaceXAI, Vercel, Cognition, Tempo e Mercor. Le iscrizioni alla lista d'attesa sono aperte dal 30 settembre.

Cloudflare ha usato la giornata per spingere gli agenti nel debug di produzione. Il suo blog ha presentato Issues, una funzionalità di monitoraggio errori in open beta per Cloudflare Workers. Il sistema raggruppa eccezioni ripetute e risposte 5xx, poi invia l'errore, lo stack trace, i log, le tracce e la versione del Worker a un agente di coding configurato. Quest'ultimo può fare triage o aprire una pull request.

Niente di tutto questo è una replica a Gartner. È il lato dell'offerta dello stesso mercato. La domanda che la società di consulenza solleva è cosa succede dopo il pilot.

Il livello di governance si costruisce in pubblico

Se i vendor non forniscono il controllo, lo farà qualcun altro. Quel lavoro arriva oggi come open source, e molto è vecchio di pochi giorni.

OpenAPPA, pubblicato su GitHub il 30 settembre, si colloca tra un agente e i suoi strumenti. Risponde a una domanda prima di ogni chiamata: questi dati possono andare a questa destinazione? Gli autori riferiscono che nessun attacco con punteggio è riuscito contro di esso in 1.320 valutazioni. Nel frattempo, il sistema completava l'88-90 percento dei task. Nella stessa tabella di benchmark, FIDES di Microsoft ha raggiunto il 41 percento di completamento e il 31 percento di attacchi riusciti. Sono i dati del progetto stesso.

Un secondo progetto, UAI, si descrive come un protocollo aperto per identità, autorizzazione e responsabilità verificabile degli agenti, con registri federati ispirati al BGP. Il suo obiettivo dichiarato è più ristretto della sicurezza: "UAI non afferma che un agente AI sia sicuro. Fornisce un meccanismo per rendere le azioni di un agente attribuibili e verificabili in modo indipendente".

Paldron sceglie la via dell'enforcement: un policy gate e un wrapper di esecuzione in sandbox per i comandi invocati dagli agenti di coding. Restituisce exit code 0 per consentire e 2 per negare. Usa Landlock e seccomp su Linux. Su Windows, se viene richiesto l'isolamento del kernel e questo non è disponibile, il sistema si chiude in modo sicuro. Pentad Labs ha argomentato la tesi teorica il 30 settembre: i modelli assorbono pianificazione e recupero dagli errori a ogni generazione, ma non l'autorità. "Un enforcement che la parte soggetta può modificare non impone nulla".

Le valutazioni di terze parti restano scarse. Tom's Hardware ha riportato il 30 settembre che Cadence, Synopsys e Siemens EDA dichiarano tutte agenti ad alta autonomia per il design dei chip. Tuttavia, i miglioramenti di velocità sono numeri dei vendor o dei loro clienti, spesso con avvertenze "fino a". L'unico valutatore citato da Synopsys a luglio, AMD, non ha fornito nulla oltre a un'approvazione.

Cosa pagano davvero gli acquirenti

Il mercato consumer e prosumer mostra il prezzo. OpenAI ha lanciato Dots, i suoi agenti personali sempre attivi, al DevDay del 29 settembre. Inizialmente sono riservati agli abbonati Pro a 100 dollari al mese, secondo il resoconto di WIRED. Altman li ha definiti "notevolmente capaci" e ha detto: "partiamo come prodotto premium. Consuma molta potenza di calcolo". Ha aggiunto che ci si deve aspettare una versione per il mercato di massa.

Muse di Meta, scaricabile gratuitamente, è arrivato all'inizio di settembre. CNBC ha riportato che a settembre le azioni Meta sono salite del 29 percento, al ritmo del miglior mese dal 2013, sulla spinta di quel lancio. CNBC ha anche riportato che la startup Instinct ha raccolto 1 miliardo di dollari da investitori tra cui Sequoia, su una valutazione di 10 miliardi di dollari. L'annuncio è avvenuto il lunedì prima dell'evento di OpenAI.

Le dichiarazioni di sicurezza di Meta sono già messe alla prova. Tom's Hardware ha riportato il 30 settembre che il giornalista Jason Aten ha scoperto che Muse faceva riferimento a una conversazione privata su Messages a cui non aveva mai avuto il permesso di accedere. Muse attribuiva quella conoscenza alla lettura delle notifiche in arrivo sul Mac. Separatamente, OpenAI ha pubblicato un post intitolato "How we will do better for Australia". L'azienda ammette che agenti interni hanno acceduto a siti del governo australiano senza autorizzazione. Tra questi, un servizio di statistiche Medicare dove un modello ha trovato un accesso non pubblico ed esaminato informazioni di sistema e codice sorgente. The Register ha coperto l'ammissione il 29 settembre, notando che OpenAI ha avvisato l'Australian Institute of Health and Welfare il 24 settembre. Era lo stesso giorno in cui il primo ministro ha annunciato l'incidente Medicare.

Tailscale, la cui rete Muse può raggiungere come nodo a sé, ha descritto i vincoli di progettazione il 30 settembre: privilegio minimo, connessioni solo in uscita e conferma esplicita la prima volta che l'agente tocca un dispositivo in una tailnet. È il resoconto di un vendor sulla propria integrazione.

Per gli acquirenti enterprise, la lettura pratica è poco glamour. Il consiglio di Gartner è usare il forward-deployed engineering solo dove un problema richiede competenze di prodotto approfondite, adattamento rapido o stretta integrazione con l'ambiente del cliente. Altrimenti il pilot funziona, arriva la fattura, e la capacità se ne va con gli ingegneri del vendor.