Gli strumenti per agenti AI aziendali si dividono tra orchestrazione e sicurezza

Il mercato degli agenti AI aziendali nel 2026 presenta due aspetti distinti. Le piattaforme maturano rapidamente, mentre lo strato di sicurezza sottostante no. Questa distanza condiziona oggi la maggior parte delle decisioni di acquisto.

Partiamo dalle piattaforme. La recensione di Bardeen, pubblicata il 10 agosto 2026, inquadra la scelta in base allo stack già presente in azienda: Salesforce Agentforce 360 per le operazioni Salesforce, Microsoft Copilot Studio per chi usa Microsoft 365, Google Gemini Enterprise per Google Cloud e ServiceNow per i flussi IT e HR già gestiti. La recensione indica WIQ come successore nativo AI del task mining: osserva il lavoro e classifica ciò che vale la pena automatizzare. Descrive poi una struttura comune: un builder, uno strato di orchestrazione e una governance che copre identità, osservabilità e controlli su ciò che gli agenti possono toccare.

Gartner segue la categoria come piattaforme di sviluppo di agenti AI.

Sul prezzo il marketing si assottiglia. Secondo Bardeen, Salesforce pubblica i Flex Credits a 500 dollari per 100.000, con un'azione standard che ne consuma 20, circa 0,10 dollari. Si aggiungono 2 dollari per conversazione con il cliente e componenti aggiuntivi a 125 dollari per utente al mese. Il confronto di Manus, del 24 luglio 2026, riporta le stesse cifre: 0,10 dollari per azione e 2 dollari per conversazione. Nota però che il costo totale può superare il prezzo d'ingresso, perché le implementazioni serie richiedono anche Data Cloud, servizi di implementazione e pulizia dei dati. La guida di Manus specifica che Microsoft Copilot Studio è incluso con M365 Copilot a 30 dollari per utente al mese. Per ServiceNow è indicato un preventivo personalizzato.

Le dichiarazioni di adozione vanno lette con cautela. Bardeen riporta che il 90% delle Fortune 500 usa già Copilot Studio e che Salesforce dichiara 12.000 clienti su Agentforce 360. Sono numeri forniti dai vendor. La stessa recensione cita Salesforce: Reddit ha deviato il 46% dei casi di assistenza e OpenTable ha risolto il 70% delle richieste in autonomia. Anche questi dati sono dichiarati dai fornitori.

Cosa dice la ricerca sulla sicurezza

Il rapporto di n8n è diretto sullo strato che gli acquirenti tendono a ignorare. L'autenticazione e l'identità degli agenti sono quasi universalmente assenti. Gran parte del marketing confonde un agente che usa una chiave API per chiamare un modello con uno che presenta le proprie credenziali a un servizio di terze parti. Solo Google, Langflow, Workato, CrewAI, Sim.ai e Gumloop hanno ottenuto 2 su quella misura. La lineage, la capacità di risalire da un agente a un'identità umana, è praticamente inesistente: solo Google, Workato e Gumloop hanno ottenuto un punteggio. La gestione dei segreti è altrettanto scarsa: solo Google, Sim.ai e Gumloop hanno ottenuto 2, con Make e Retool a 1.

Il sandboxing per codice non attendibile generato da LLM è raro. Solo una manciata di fornitori offre un sandbox come confine di sicurezza, e la maggior parte si affida a servizi di terze parti, più comunemente E2B. CrewAI ha dismesso il proprio servizio nativo di esecuzione del codice e ha suggerito ai clienti di usare E2B. Il rapporto osserva che nessuna piattaforma gestisce bene sia l'esecuzione del codice degli agenti sia quella del codice scritto da persone, nemmeno Google.

Scrivere un prompt che chiede all'LLM di non allucinare o di non divulgare dati sensibili non equivale a una funzione di sicurezza.

Questa frase, dal rapporto n8n, è la sintesi più netta del problema. Le valutazioni vengono a volte usate come guardrail, per esempio un LLM-as-judge che controlla se una risposta contiene dati personali. Il rapporto distingue però questo approccio da una regola regex deterministica che rileva un codice fiscale e lo sostituisce.

Il quadro dell'adozione è più disordinato dei pitch delle piattaforme

Manus cita una ricerca IDC del 2025: l'88% delle prove di concetto di AI aziendale non arriva in produzione. A decidere sono di solito integrazione, governance e pianificazione dei costi, più dell'AI stessa. La guida di Liqteq cita l'avvertimento di Gartner del giugno 2025: oltre il 40% dei progetti di AI agentica sarà cancellato entro la fine del 2027 per costi in escalation, ROI poco chiaro e governance inadeguata. Descrive l'agent washing, cioè i fornitori che rimarchiano chatbot e strumenti RPA come agenti, come dilagante. Secondo la guida, solo circa 130 fornitori su migliaia stanno costruendo veri sistemi agentici.

Mettendo insieme le due metà, la domanda d'acquisto cambia. La rosa delle piattaforme è ormai prevedibile e corrisponde allo stack già in uso. La domanda più difficile è se lo strumento scelto possa dimostrare quale agente ha agito, sotto quale autorità e dentro quale confine. Alla luce delle prove pubblicate finora, questa resta la parte che la maggior parte dei fornitori non ha costruito.