Agenti AI in azienda: il vero nodo non è la tecnologia, ma chi può sostenerne i costi

L'AI non è più un software: è un modello operativo

Al Dell Technologies World 2026 di Las Vegas, Michael Dell ha proposto una lettura netta dello stato attuale dell'intelligenza artificiale nelle imprese. Non si tratta più di adottare un nuovo strumento digitale, ma di ripensare il modo stesso in cui un'azienda opera. Il concetto centrale è quello degli agenti AI autonomi — sistemi dotati di memoria e capacità di ragionamento che non si limitano a rispondere a prompt, ma lavorano in autonomia su compiti complessi, utilizzando strumenti, verificando risultati e iterando fino al completamento dell'obiettivo.

È un cambio di paradigma che sposta l'AI dalla funzione di assistente a quella di lavoratore digitale. E come ogni trasformazione di questa portata, porta con sé opportunità concrete e rischi altrettanto reali.

Il caso Eli Lilly: cosa significa AI applicata su scala industriale

Per dare concretezza alla visione, Dell ha portato sul palco il caso di Eli Lilly, azienda farmaceutica con 140 anni di storia. Non un'azienda tech, ma un'organizzazione che ha sempre investito massicciamente in tecnologia — dalla produzione su scala dell'insulina nel 1923 alla penicillina durante la Seconda Guerra Mondiale.

Oggi Eli Lilly ha attivato il più grande supercomputer del settore farmaceutico, operativo da febbraio 2026 e dotato di migliaia di GPU. L'impatto è trasversale. Nel processo produttivo, ogni singolo pezzo di medicinale viene sottoposto a 70 fotografie scattate a pochi millisecondi l'una dall'altra, per identificare difetti che sfuggirebbero al controllo umano. Nell'ottimizzazione operativa, l'uso di gemelli digitali ha migliorato processi che gli esperti interni consideravano già perfetti — un risultato che Diogo Rau, Chief Information and Digital Officer dell'azienda, ha definito una dimostrazione delle capacità "sovraumane" dell'AI.

Nella ricerca, l'azienda è andata oltre la modellazione statica delle proteine, arrivando alla simulazione dinamica delle loro interazioni nello spazio e nel tempo — un traguardo che si riteneva raggiungibile solo con il quantum computing. L'obiettivo: sviluppare trattamenti ultra-selettivi capaci di colpire specifiche classi di cellule tumorali.

Il caso Eli Lilly non è solo una storia di innovazione farmaceutica. È la dimostrazione che l'AI agisce come moltiplicatore di competenze esistenti, a patto di disporre dell'infrastruttura adeguata.

Il 67% dei carichi AI gira on-premise: il ritorno dell'infrastruttura locale

Uno dei dati più significativi emersi dall'evento riguarda la distribuzione dei carichi di lavoro AI: secondo quanto presentato, il 67% gira già oggi su infrastrutture locali — data center aziendali, dispositivi edge, ambienti on-premise.

Questo orientamento verso l'AI ibrida non è casuale. Le motivazioni sono principalmente tre. Primo: il controllo sui dati e sulla proprietà intellettuale, poiché addestrare modelli su dati proprietari nel cloud pubblico espone a rischi che molte aziende non sono disposte a correre. Secondo: la prevedibilità dei costi, dato che i costi del cloud legati al consumo di token tendono a essere difficili da controllare — un problema che si amplifica drasticamente con gli agenti autonomi. Terzo: l'autonomia operativa, perché possedere la propria capacità di calcolo consente di far operare gli agenti AI senza vincoli esterni.

Jensen Huang di NVIDIA, intervenuto in chiusura dell'evento, ha introdotto il concetto di "intelligenza senza contatore": un'architettura in cui le aziende possiedono la capacità computazionale necessaria per eliminare l'ansia da consumo e i costi imprevedibili del cloud. Le aziende potranno decidere se dotarsi dell'infrastruttura per addestrare i modelli internamente o se addestrarli all'esterno e gestire in-house solo la parte di esecuzione degli agenti.

Il doppio taglio degli agenti autonomi: produttività e costi

Gli agenti AI promettono incrementi di produttività tra le 20 e le 30 volte rispetto ai modelli precedenti. È una cifra che, se confermata nei contesti operativi reali, ridefinisce completamente il rapporto costo-beneficio del lavoro digitale.

Ma c'è un rovescio. Come ha spiegato Huang, gli agenti intelligenti richiedono una quantità di calcolo enormemente superiore rispetto ai sistemi AI tradizionali. Non rispondono a un singolo comando: lavorano autonomamente per giorni, utilizzano strumenti multipli, verificano i propri output e iterano. Questo può far salire i costi in modo esponenziale e imprevedibile.

Il risultato è una tensione strategica che ogni impresa deve affrontare. Investire in infrastruttura propria garantisce controllo e prevedibilità, ma richiede capitali significativi. Affidarsi al cloud riduce la barriera d'ingresso, ma espone a costi variabili che crescono con l'intensità d'uso degli agenti. Un modello ibrido — addestramento esterno, esecuzione interna — appare come il compromesso più praticabile per molte organizzazioni.

Cosa significa per le imprese: una questione di accesso, non solo di visione

Il messaggio di Dell è stato chiaro: la tecnologia è pronta. Il vero nodo è la capacità delle aziende di trovare l'equilibrio necessario per metterla a frutto. Ma dietro questa formula c'è una domanda più scomoda: chi potrà permettersi questa transizione? Un supercomputer con migliaia di GPU non è alla portata di una PMI. Nemmeno l'infrastruttura ibrida necessaria a far girare flotte di agenti autonomi in modo efficiente e sicuro.

Il rischio concreto è che gli agenti AI diventino un acceleratore di disuguaglianza competitiva: le aziende già strutturate e capitalizzate amplieranno il vantaggio, mentre le realtà più piccole rischiano di restare tagliate fuori non per mancanza di visione, ma di risorse.

Per i decision maker, le domande da porsi oggi sono operative: quali processi interni giustificano l'investimento in agenti autonomi? Quale modello infrastrutturale è sostenibile nel medio termine? Come proteggere dati e proprietà intellettuale in un contesto di AI pervasiva? Quale livello di competenze interne serve per governare — e non subire — questa transizione?

Conclusione: il vantaggio competitivo si decide adesso

Il Dell Technologies World 2026 ha reso evidente che gli agenti AI non sono una promessa futura: sono una realtà operativa con implicazioni immediate su produttività, costi e organizzazione aziendale. Il caso Eli Lilly dimostra cosa è possibile fare quando infrastruttura, dati e competenze convergono. Ma dimostra anche la scala di investimento necessaria.

Per le imprese italiane — in larga parte PMI — la sfida non è capire se l'AI agenti sia rilevante, ma definire un percorso realistico per accedervi. Chi saprà costruire un piano infrastrutturale sostenibile e identificare i processi a più alto ritorno avrà un vantaggio concreto. Chi aspetterà che i costi scendano da soli rischia di trovarsi in una posizione difficile da recuperare.