La realtà che emerge da una nuova ricerca condotta da Fixify racconta un modello di collaborazione sempre più stretto tra esseri umani e agenti AI, dove l’automazione si occupa delle attività ripetitive mentre le decisioni più delicate rimangono sotto il controllo degli analisti.

Lo studio ha analizzato quasi 150.000 azioni reali eseguite in ambienti enterprise, insieme a circa 18.000 piani operativi elaborati dagli agenti AI nell’arco di tre mesi e distribuiti su quaranta aziende. I risultati mostrano che oggi l’intelligenza artificiale è già responsabile di circa un terzo delle operazioni eseguite nei workflow IT, una percentuale destinata a crescere con il miglioramento dei modelli e dei processi di supervisione.

L’elemento più interessante riguarda il modo in cui questa automazione viene gestita. Gli agenti infatti non prendono decisioni in completa autonomia, ma propongono un piano, suggeriscono le azioni da intraprendere e attendono la validazione degli operatori umani prima di procedere quando l’attività presenta un certo livello di criticità. Questo approccio, definito “human in the loop”, rappresenta uno dei pilastri della diffusione dell’AI agentica nelle organizzazioni.

Secondo Matt Peters, cofondatore e CEO di Fixify, il percorso evolutivo dell’intelligenza artificiale non passa necessariamente attraverso la sostituzione degli help desk o dei team IT. L’obiettivo più realistico consiste invece nel trasformare il modo in cui il lavoro viene organizzato, lasciando alle macchine l’esecuzione delle operazioni standard e alle persone il controllo strategico dell’intero processo.

Per descrivere il funzionamento degli agenti AI, Fixify individua quattro fasi fondamentali. In primo luogo il sistema pianifica le possibili azioni da intraprendere, quindi formula una proposta operativa. Successivamente, un analista approva o respinge il piano e, soltanto dopo questa verifica, l’agente esegue le attività autorizzate. È una struttura che consente di mantenere elevati livelli di controllo senza rinunciare ai vantaggi dell’automazione.

L’ambito in cui gli agenti si dimostrano più efficaci comprende tutte quelle attività caratterizzate da procedure ben definite, facilmente ripetibili e con conseguenze limitate in caso di errore. Software, gestione delle applicazioni, collaborazione tra utenti e numerosi interventi di sicurezza rientrano in questa categoria, perché eventuali modifiche possono essere corrette rapidamente e senza impatti rilevanti sull’operatività aziendale.

download

Al contrario, le attività che coinvolgono l’identità digitale degli utenti continuano a richiedere un coinvolgimento molto più intenso del personale umano. La creazione e la rimozione degli account durante i processi di onboarding e offboarding, la gestione dei privilegi di accesso e le operazioni di Identity and Access Management (IAM) rappresentano ancora le aree nelle quali gli agenti AI commettono il maggior numero di errori.

Un dato evidenzia chiaramente questa differenza: le modifiche relative all’identità digitale falliscono da tre a nove volte più frequentemente rispetto agli interventi che riguardano hardware e connettività, anche se il problema non risiede necessariamente nell’intelligenza artificiale.

Analizzando i casi nei quali le valutazioni dell’AI differivano da quelle degli analisti, circa il 23% del totale, Fixify ha individuato una causa ricorrente. Quasi la metà degli errori deriva infatti dall’impossibilità dell’agente di trovare le informazioni necessarie per completare un’operazione, tra account rinominati, gruppi modificati, utenti trasferiti tra reparti o dati non aggiornati che compromettono la qualità delle decisioni automatiche. In altre parole, il limite principale non è il modello AI, bensì la qualità delle informazioni presenti nei sistemi aziendali.

Le altre cause di errore sono riconducibili soprattutto a input non validi, che rappresentano circa il 29% dei casi, oppure a problemi di integrazione, autorizzazioni insufficienti e configurazioni errate. Si tratta di criticità che spesso evidenziano anomalie preesistenti nell’infrastruttura IT piuttosto che difetti dell’intelligenza artificiale stessa.

Uno degli aspetti più interessanti dello studio riguarda la velocità con cui gli agenti migliorano grazie all’interazione continua con gli operatori. Durante i tre mesi dell’analisi il tasso di approvazione delle azioni proposte dall’AI è cresciuto sensibilmente passando dal 23% al 41%, mentre le proposte respinte dagli analisti sono diminuite dal 27% al 16%. È il risultato di un processo di apprendimento continuo nel quale ogni approvazione o rifiuto contribuisce ad affinare il comportamento futuro degli agenti.

Anche la modalità con cui l’intelligenza artificiale pianifica il lavoro evolve nel tempo. In una fase iniziale gli agenti tendono a elaborare numerosi scenari alternativi prima di scegliere quello più appropriato. Secondo Fixify, mediamente vengono pianificate quindici possibili azioni, ma soltanto due vengono poi realmente eseguite. Con l’aumentare dell’esperienza, però, gli algoritmi imparano a ridurre la complessità della pianificazione e a modificare il percorso direttamente durante l’esecuzione quando il contesto cambia, invece di prevedere preventivamente ogni possibile eventualità.

Questa capacità di adattamento dinamico viene considerata un indicatore di maturità dei sistemi agentici. Un agente che ricalcola il proprio piano sulla base delle informazioni raccolte durante il processo dimostra infatti un livello di sofisticazione superiore rispetto a uno che segue rigidamente uno schema prestabilito.

Le attività concretamente svolte dagli agenti mostrano inoltre come l’automazione non riguardi soltanto l’esecuzione tecnica delle operazioni. Circa il 39% delle azioni consiste nell’attivazione di competenze specifiche, mentre una quota significativa è dedicata al coordinamento del lavoro (invio di messaggi agli utenti, apertura di commenti, istruzioni agli analisti o gestione delle attese operative). Solo una piccolissima parte delle attività, pari a poco più dell’1%, riguarda invece l’esecuzione completa di workflow complessi.

Di fronte a questi risultati, Fixify sottolinea l’importanza di mantenere aggiornati i sistemi di gestione delle identità, costruire workflow di revisione efficaci, migliorare le integrazioni tra piattaforme e considerare i rifiuti degli analisti come un’opportunità di addestramento e non come un fallimento dell’automazione. Analisti che, come si legge in chiusura del report, dedicheranno meno tempo alle attività ripetitive e sempre più energie alla supervisione, alla definizione delle politiche operative e alla gestione delle eccezioni.