Gartner: entro il 2028 il 70% delle imprese abbandonerà l'agentic AI creata dai fornitori

Gartner prevede che entro il 2028 il 70% delle imprese abbandonerà i sistemi di agentic AI costruiti con l'assistenza dei fornitori, scrive The Register il 30 settembre. La società di consulenza indica un modello chiamato forward-deployed engineering (FDE): il vendor inserisce i propri ingegneri presso il cliente per costruire e deployare software su misura.

Questo approccio può portare a progressi rapidi nelle prime fasi. Tuttavia, può anche lasciare il cliente incapace di mantenere il sistema quando il fornitore se ne va, sostiene Gartner. "Il successo dell'FDE inizia dalla giusta struttura dell'incarico, dall'ambito agli incentivi, fino alla governance, alla proprietà e all'uscita", ha dichiarato Mukul Saha, senior director analyst di Gartner, secondo The Register. Gartner prevede inoltre che entro il 2028 meno del 20% degli incarichi FDE trasformerà i requisiti ricorrenti del cliente in funzionalità del prodotto core del fornitore. L'azienda mette in guardia dal "FDE washing", pratica in cui normali servizi di consulenza vengono spacciati per soluzioni specializzate. Il consiglio è usare l'FDE solo per problemi che richiedono profonda competenza di prodotto, adattamento rapido o stretta integrazione con l'ambiente operativo del cliente.

Il divario negli strumenti che i fornitori dicono di colmare

Lo stesso giorno in cui è arrivato l'avvertimento di Gartner, OpenClaw ha annunciato OpenClaw Enterprise, un control plane open source per gestire agenti persistenti in ambienti sensibili. Il progetto afferma che i reparti IT spesso vietano del tutto le piattaforme agentiche perché manca uno standard comune di sicurezza, safety e governance. OCE, attualmente in versione pre-1.0 e sviluppato in modo aperto, aggiunge multi-tenancy, confini di sicurezza rigidi e tracciabilità lungo l'intero ciclo di vita degli agenti. Secondo il progetto, è già in fase di pilotaggio presso Red Hat e OpenAI.

Un altro protocollo aperto pubblicato su GitHub lo stesso giorno, UAI, punta su identità e accountability più che sul deployment. Lega un agente a un proprietario responsabile, definisce cosa può fare, registra cosa ha fatto e permette a una terza parte di verificare le prove senza fidarsi del registro che le ha generate. Il progetto dichiara esplicitamente di non affermare che un agente sia sicuro, ma solo che le sue azioni possono essere rese attribuibili. L'accesso alla rete è un altro punto di controllo. Il 30 settembre Tailscale ha pubblicato una guida su come l'agente Muse di Meta entra nella tailnet di un utente come nodo autonomo, con grant, tag e conferme una tantum che regolano ciò che può raggiungere. Tailscale descrive la configurazione come uno strato aggiuntivo rispetto alle tutele di Meta contro prompt injection ed esfiltrazione dei dati.

I costruttori rispondono con velocità e costi

Nel frattempo, i fornitori di strumenti competono sulla throughput. Magnitude, motore di inferenza open source sostenuto da YC, afferma di ottimizzare i kernel sull'hardware dell'utente, permettendo ai modelli aperti di girare fino a 2 volte più veloci di llama.cpp, con un decode più rapido del 92% su Metal e del 19% su CUDA. git-dedup, sostituto drop-in di git per flotte di agenti, dichiara che i checkout di grandi dimensioni girano 6 volte più veloci e che lo spazio git di uno sviluppatore è sceso da 35,5 GB a 11,1 GB.

Il report State of agent skills di Vercel, datato 25 settembre, riporta che skills.sh ha superato un milione di voci e quasi 280 milioni di installazioni registrate in sette mesi, con le competenze trasversali ai settori che rappresentano l'87,5% delle installazioni nel campione classificato. Si tratta di cifre di attività del registro, non di prova di valore per il business. DevNavigator, che ha trattato il report il 30 settembre, osserva che le istruzioni possono codificare assunzioni superate o pregiudizi individuali, quindi la revisione da parte di esperti di dominio resta necessaria.