Gartner: 4 Progetti Agentici su 10 Cancellati Entro il 2027

In sintesi

• Gartner prevede che il 40% dei progetti di AI agentica verrà cancellato entro il 2027 per costi fuori controllo e valore di business non dimostrato
• Molte soluzioni vendute come “agentiche” sono in realtà automazioni tradizionali con un nuovo vestito di marketing
• Prima di finanziare un’iniziativa agentica servono criteri precisi: autonomia reale, misurabilità del valore, governance definita
• Il problema non è la tecnologia, ma l’assenza di una domanda di business chiara a monte dell’investimento

La luce al neon della sala riunioni proiettava ombre lunghe sui volti. Il CFO aveva appena chiuso il laptop con un gesto secco. Sul tavolo, la presentazione del vendor prometteva agenti intelligenti capaci di gestire in autonomia interi processi aziendali. Costi: seicentomila euro il primo anno, con proiezioni di risparmio che sembravano uscite da un romanzo di fantascienza.

Quella scena si ripete ogni giorno in decine di aziende italiane. L’AI agentica è diventata il nuovo oggetto del desiderio, ma Gartner ha appena gettato acqua gelida sull’entusiasmo: quattro progetti su dieci non arriveranno al 2027. Verranno cancellati. Non per fallimento tecnico, ma per una ragione più banale e più grave: nessuno sapeva davvero perché li avevano avviati.

Perché i progetti agentici vengono cancellati: anatomia di un fallimento annunciato

La previsione di Gartner non nasce dal pessimismo. Nasce dall’osservazione di un pattern che si ripete. Le aziende finanziano iniziative di AI agentica senza aver risposto a una domanda elementare: quale problema di business stiamo risolvendo?

I costi crescono perché gli agenti richiedono infrastrutture, competenze, manutenzione continua. Ma il valore di business resta sfuggente, impossibile da quantificare, perché nessuno lo aveva definito all’inizio. È come costruire un’autostrada senza sapere dove porta.

I progetti agentici cancellati condividono tre caratteristiche:

• Obiettivi vaghi, espressi in termini tecnologici anziché economici
• Assenza di metriche di successo concordate prima del go-live
• Sponsor aziendali che perdono interesse dopo i primi mesi

Il mercato dell’AI agentica per le aziende vale già 5,1 miliardi di dollari nel 2024, con proiezioni di crescita del 45% annuo fino al 2030 secondo Grand View Research. Ma crescita del mercato non significa crescita del valore per chi compra. Significa crescita dei ricavi per chi vende.

Il problema della definizione: cos’è davvero un agente?

Un agente, nella definizione tecnica, è un sistema capace di percepire l’ambiente, prendere decisioni autonome e agire per raggiungere obiettivi senza intervento umano costante. La parola chiave è autonomia.

Un chatbot che risponde a domande predefinite non è un agente. Un workflow automatizzato che esegue sempre gli stessi passaggi non è un agente. Eppure vengono venduti come tali, con markup di prezzo che riflettono l’hype più che la sostanza.

Agenti reali contro marketing agentico: come distinguerli

Immagina di trovarti in una demo. Il commerciale mostra uno strumento che “gestisce in autonomia” le richieste dei clienti. Fa domande, cerca informazioni, propone soluzioni. Sembra magia. Poi chiedi: cosa succede quando il cliente fa una richiesta fuori dallo script?

Il silenzio che segue racconta più di qualsiasi slide.

L’AI agentica vera ha caratteristiche precise:

• Ragionamento adattivo: modifica il proprio comportamento in base al contesto, non solo ai dati di input
• Pianificazione multi-step: scompone obiettivi complessi in sotto-obiettivi e li persegue in sequenza
• Uso di strumenti esterni: interroga database, chiama API, interagisce con altri sistemi senza supervisione
• Apprendimento dal feedback: migliora le proprie performance nel tempo

Molte soluzioni sul mercato italiano oggi offrono automazioni sofisticate, non agenti. La differenza non è accademica: determina costi, rischi e aspettative realistiche di ritorno.

Il riposizionamento di marketing

Vendor che fino a ieri vendevano RPA ora vendono “agenti intelligenti”. La tecnologia sottostante è spesso la stessa. Cambia il PowerPoint, cambia il prezzo, cambiano le promesse. Il valore business AI resta identico a prima del rebranding.

Un’azienda manifatturiera del bresciano ha scoperto, dopo sei mesi di implementazione, che il suo “agente per la supply chain” era in realtà un sistema di regole if-then con un’interfaccia conversazionale. Funzionava, ma non era quello che avevano comprato. E soprattutto, non giustificava il costo.

Criteri per valutare il valore business AI prima di finanziare

Prima di approvare un budget per iniziative di AI agentica, servono risposte concrete a domande concrete. Non visioni, non roadmap tecnologiche: numeri e responsabilità.

Domanda	Risposta accettabile	Segnale d’allarme
Quale processo aziendale migliora?	Processo specifico con owner identificato	“Efficienza generale” o “innovazione”
Come misuriamo il successo?	KPI quantitativi con baseline attuale	“Lo vedremo dopo il go-live”
Qual è il costo totale di ownership a 3 anni?	Stima dettagliata inclusa manutenzione	Solo costo di licenza anno 1
Chi è responsabile se fallisce?	Nome e cognome con accountability	“È un progetto di team”
Cosa succede se lo cancelliamo tra 12 mesi?	Exit strategy definita	“Non fallirà”

Il ROI dei progetti di intelligenza artificiale non si materializza per caso. Richiede disciplina nella definizione, nel monitoraggio, nella governance.

I numeri che i vendor non mostrano: costi nascosti dell’AI agentica

Secondo un’analisi di McKinsey del 2024, il costo di implementazione rappresenta solo il 30-40% del costo totale di un progetto di AI agentica nei primi tre anni. Il resto si distribuisce così:

• Integrazione con sistemi legacy: 20-25% del budget totale
• Training e change management: 15-20%
• Manutenzione e aggiornamento modelli: 15-20%
• Governance e compliance: 10-15%

Un’azienda che prevede di spendere 200.000 euro per un agente deve realisticamente budgetare 500.000-600.000 euro su tre anni. Se il valore business AI atteso non copre questa cifra con margine, il progetto è già in perdita prima di partire.

I progetti agentici cancellati spesso muoiono proprio qui: quando il CFO vede i costi reali emergere mese dopo mese, mentre i benefici restano promesse su slide.

Il costo dell’incertezza normativa

L’AI Act europeo introduce obblighi specifici per i sistemi ad alto rischio. Molti agenti che operano in ambiti come HR, credito, sanità rientrano in questa categoria. I costi di compliance non sono ancora chiari, ma le stime parlano di 5-10% aggiuntivo sul budget di progetto.

Chi avvia oggi un’iniziativa di AI agentica per le aziende senza considerare questo fattore sta costruendo su sabbie mobili.

Cosa fare prima di dire sì: una checklist per decisori

La domanda non è se l’AI agentica funziona. Funziona, in contesti specifici, con aspettative calibrate. La domanda è se funziona per la tua azienda, per il tuo problema, con il tuo budget.

Prima di firmare:

• Chiedi una demo su dati reali della tua azienda, non su dataset di esempio
• Pretendi referenze di clienti italiani con progetti in produzione da almeno 12 mesi
• Fai calcolare il ritorno degli investimenti AI con scenari pessimistici, non solo ottimistici
• Definisci i criteri di cancellazione prima di partire, non quando i costi esplodono
• Assegna un owner di business, non solo un project manager IT

L’AI agentica per le aziende non è una moda da inseguire. È uno strumento da valutare con la stessa freddezza con cui si valuta un macchinario, un immobile, un’acquisizione.

Conclusione: decidere con i fatti, non con l’hype

Quattro progetti su dieci cancellati entro il 2027. La previsione di Gartner non è una condanna dell’AI agentica. È un avvertimento su come viene comprata, venduta, implementata.

I progetti che sopravvivono avranno tre cose in comune: un problema di business chiaro, metriche di successo definite prima del via, e sponsor che restano coinvolti oltre la firma del contratto.

Gli altri finiranno in quella statistica. Con budget bruciati, credibilità persa, e la certezza che “l’AI non funziona” – quando in realtà non ha mai avuto la possibilità di funzionare.

Prima di finanziare la prossima iniziativa agentica, vale la pena fermarsi. Guardare i numeri. Fare le domande scomode. E decidere se quel progetto appartiene al 60% che arriverà al traguardo, o al 40% che verrà cancellato.

FAQ

Perché Gartner prevede che il 40% dei progetti agentici verrà cancellato?

La previsione si basa su due fattori principali: costi che crescono oltre le stime iniziali e valore di business che resta indefinito o non misurabile. Senza metriche chiare di successo, i progetti perdono supporto interno.

Come distinguere un vero agente da un’automazione tradizionale?

Un agente reale ha capacità di ragionamento adattivo, pianificazione autonoma e apprendimento dal feedback. Un’automazione esegue sempre gli stessi passaggi predefiniti, anche se ha un’interfaccia conversazionale.

Quali sono i costi nascosti dell’AI agentica per le aziende?

Integrazione con sistemi esistenti, training del personale, manutenzione dei modelli e compliance normativa possono rappresentare il 60-70% del costo totale su tre anni, oltre al costo di implementazione iniziale.

L’AI Act europeo impatta i progetti di AI agentica?

Sì, soprattutto per agenti che operano in ambiti ad alto rischio come HR, credito o sanità. I costi di compliance aggiuntivi sono stimati tra il 5% e il 10% del budget di progetto.

Quali settori hanno maggiore probabilità di successo con l’AI agentica?

I settori con processi ripetitivi, dati strutturati e tolleranza per errori occasionali: customer service di primo livello, analisi documentale, monitoraggio di sistemi. Settori regolamentati richiedono cautela maggiore.

Come calcolare il ROI realistico di un progetto agentico?

Partire dal costo totale di ownership a tre anni, non solo dalla licenza. Definire benefici misurabili con baseline attuale. Applicare scenari pessimistici, non solo ottimistici. Includere costi di exit se il progetto fallisce.

Quanto tempo serve per vedere risultati da un’iniziativa di AI agentica?

I progetti ben strutturati mostrano primi risultati misurabili in 6-9 mesi. Se dopo 12 mesi non ci sono evidenze di valore, la probabilità di cancellazione aumenta significativamente.

Chi deve essere responsabile di un progetto di AI agentica in azienda?

Un owner di business con accountability sui risultati, non solo l’IT. I progetti senza sponsor di business attivo hanno tassi di fallimento più alti perché perdono priorità quando emergono difficoltà.