Artificial Intelligence

Gli Agenti AI Sono Ormai Infrastruttura: Come Si Costruisce Davvero con Loro nel 2026

By Anurag Verma•June 3, 2026

Gli agenti AI sono ora infrastruttura: come si costruisce con loro nel 2026

Il momento che ha cristallizzato il cambiamento per me è stato leggere la chiamata sugli utili di Salesforce per il Q4 FY2026 a febbraio. Agentforce ha raggiunto $800 milioni di ARR, con una crescita del 169% anno su anno, e il team esecutivo dell'azienda continuava a usare una frase che sarebbe suonata come marketing vuoto diciotto mesi fa: "unità di lavoro agentiche". Ne avevano registrate 2,4 miliardi. Non sono completamenti di chat. Sono attività completate: un caso di supporto risolto senza un essere umano, un record di vendita aggiornato dopo una telefonata, un flusso di onboarding avviato senza un ticket. A quel punto, il dibattito su se gli agenti AI contino nell'impresa è chiuso.

Quello che non è chiuso è capire come costruirli e gestirli in modo responsabile.

Dove si trova effettivamente il mercato

Il mercato globale degli agenti AI si attesta a circa 10,9 miliardi di dollari nel 2026, in crescita dai 7,6 miliardi del 2025, con un CAGR del 44%. Queste cifre mi interessano meno del tasso di adozione sottostante: il 40% delle applicazioni enterprise include ora capacità agentiche, rispetto a meno del 5% appena un anno fa. Qualcosa ha attraversato una soglia.

La storia dell'infrastruttura è ancora più eloquente. Il Model Context Protocol di Anthropic, lanciato a fine 2024, registra ora 97 milioni di download mensili dell'SDK e conta più di 10.000 server in produzione attivi. A dicembre 2025, Google ha adottato MCP nei propri servizi. Entro aprile 2026, le aziende Fortune 500 lo eseguivano in produzione. Sedici mesi da progetto di ricerca a infrastruttura enterprise. È veloce.

La Linux Foundation ha formalizzato tutto questo verso la fine del 2025 con l'Agentic AI Foundation (AAIF), raccogliendo sotto un unico ombrello di governance MCP, AGENTS.md di OpenAI e goose di Block. Tra i membri Platinum figurano Amazon, Anthropic, Google, Microsoft e OpenAI. Quando i tuoi concorrenti più agguerriti cofinanziano lo stesso ente di standardizzazione, il livello del protocollo è ormai definito.

Dove si Collocano gli Agenti per la Programmazione

L'ingegneria del software ha assorbito circa la metà dei primi deployment agentici, e ne capisco il motivo. Il ciclo di feedback è rapido e misurabile. Cursor avrebbe superato il miliardo di dollari di ARR raggiungendo una valutazione di 29,3 miliardi nell'ultimo anno, con una crescita da 100 milioni di ARR in soli dodici mesi. GitHub Copilot, Claude Code, Windsurf e Devin competono tutti in un mercato che due anni fa non esisteva nella forma attuale.

Il cambiamento architetturale è l'aspetto su cui vale la pena soffermarsi. Questi strumenti non sono più semplici wrapper per l'autocompletamento. Mantengono lo stato attraverso un'intera sessione su codebase, aprono pull request, eseguono test, leggono l'output degli errori e riprovano. L'Operator di OpenAI ottiene l'87% sui benchmark di attività browser complesse. AGENTS.md, rilasciato nell'agosto 2025, è già stato adottato da oltre 60.000 repository open source come metodo standard per descrivere il contesto di un repo agli agenti. La superficie della programmazione è il banco di prova più maturo che abbiamo al momento.

Uso Claude Code ogni giorno sulla codebase Next.js del blog e la differenza di produttività è reale, non solo hype. Ma so anche esattamente cosa non riesce a fare: mantenere un'intenzione coerente attraverso più chiamate agli strumenti quando qualcosa va storto, o ragionare sugli effetti collaterali a due passi di distanza. Questo divario è il vero problema ingegneristico.

La Parte di cui Nessuno Parla Abbastanza

Ecco la statistica scomoda: solo dall'11 al 14% dei pilot aziendali di agenti AI ha raggiunto la produzione su scala entro marzo 2026. Il fallimento quasi mai riguarda il modello. Riguarda il livello di orchestrazione. Incoerenza del contesto nei punti di passaggio, agenti che entrano in cicli di feedback che prosciugano i budget API in pochi minuti, errori di coordinamento che si propagano in guasti sistemici. I sistemi multi-agente in produzione registrano tassi di fallimento individuali tra il 5 e il 15%, e senza adeguati meccanismi di circuit-breaking un singolo guasto si propaga a catena.

La sicurezza è l'altro problema irrisolto. Gli attacchi di prompt injection sono aumentati del 340% anno su anno e restano la principale categoria di vulnerabilità dell'AI agentiva nel 2026, secondo il rapporto sulla sicurezza LLM di OWASP. La variante indiretta è particolarmente insidiosa: un'istruzione malevola nascosta in un documento che l'agente legge, in grado di innescare azioni concrete (query su database, chiamate API, scrittura di file) che gli operatori non riescono a prevedere. Microsoft, Google e GitHub hanno tutti subito exploit di questo tipo su sistemi in produzione. Il ventinove percento delle organizzazioni che pianificano deployment agentivi dichiara di essere pronta a gestirne la sicurezza. Il restante settantuno percento sta facendo il deployment comunque.

L'ottanta percento delle organizzazioni che impiegano agenti non dispone di un modello di governance maturo per gestirli su scala. Quel numero deve scendere più velocemente di quanto stia salendo il tasso di adozione.

Come si Presenta Oggi una Buona Architettura

I team che rispetto non stanno costruendo agenti monolitici. Stanno costruendo reti di agenti specializzati e verificabili, con contratti di handoff espliciti, percorsi di fallback deterministici e checkpoint con supervisione umana ad ogni azione consequenziale. La roadmap MCP 2026 affronta il problema delle sessioni con stato, le lacune nell'autenticazione enterprise e gli strumenti di governance emersi nei deployment in produzione. Sono problemi di ingegneria risolti, una volta che ci si impegna a risolverli.

Il protocollo agent-to-agent (A2A), messo in evidenza da Google al Cloud Next 2026, è il tassello successivo. Gli agenti devono poter scoprire altri agenti, autenticarsi con loro e delegare compiti senza un essere umano nel mezzo. Questa infrastruttura è in costruzione proprio ora.

Il mio approccio sui progetti: trattare la superficie d'azione dell'agente come un perimetro di sicurezza, non come un elenco di funzionalità. Ogni strumento che l'agente può invocare rappresenta un potenziale raggio d'azione in caso di errore. Instrumentare tutto. Impostare limiti di budget espliciti per ogni esecuzione. Costruire le valutazioni prima delle funzionalità.

Il Quadro d'Insieme

L'idea degli "agenti AI come nuovo sistema operativo" era giusta nella direzione ma prematura nel 2025. Quello che è più vero a metà 2026 è che gli agenti stanno diventando infrastruttura, nello stesso modo in cui lo sono diventati database e code di messaggi: silenziosamente, con molti dolori nelle fasi iniziali, e poi all'improvviso ovunque. L'International AI Safety Report 2026 indica i fallimenti di coordinamento su larga scala come il principale rischio sistemico, non la capacità dei singoli modelli.

I costruttori che avranno successo sono quelli che trattano affidabilità, osservabilità e sicurezza degli agenti come discipline ingegneristiche di primo piano, non come ripensamenti. Chi pensa che l'orchestrazione sia un problema di qualcun altro avrà serie difficoltà in produzione.