Gartner prevede che oltre il 40% dei progetti di agentic AI sarà cancellato: come non essere tra quelli

Risposta breve

I progetti agentic AI falliscono soprattutto per tre motivi indicati da Gartner: costi che crescono senza controllo, valore di business non misurato e rischi non governati. Si prevengono in fase di progetto: partire da un processo e da un indicatore misurato, stimare il costo per pratica con un tetto di spesa, dare all’agente permessi minimi, prevedere l’approvazione umana sulle azioni sensibili e coinvolgere subito DPO (Data Protection Officer) e sicurezza.

Che cosa dice esattamente Gartner

Il 25 giugno 2025 Gartner ha pubblicato una previsione molto citata: oltre il 40% dei progetti di agentic AI, cioè di intelligenza artificiale basata su agenti, sarà cancellato entro la fine del 2027. Le cause indicate sono tre: costi in aumento, valore di business poco chiaro, controlli del rischio inadeguati (Gartner, 2025).

Vale la pena leggere il contesto, non solo il titolo. Nello stesso comunicato, la Senior Director Analyst Anushree Verma osserva che la maggior parte dei progetti attuali sono esperimenti o prototipi in fase iniziale, spesso spinti dall’entusiasmo e applicati male. Gartner aggiunge una stima sul mercato: solo circa 130 delle migliaia di fornitori che si presentano come “agentici” lo sarebbero davvero. Il resto praticherebbe l’“agent washing”, cioè la rietichettatura di chatbot, assistenti o RPA (Robotic Process Automation, automazione robotica dei processi) come agenti.

Il comunicato riporta anche un sondaggio condotto a gennaio 2025 su 3.412 partecipanti a un webinar Gartner. Il 19% dichiarava investimenti significativi in agentic AI, il 42% investimenti prudenti, l’8% nessun investimento, il 31% un atteggiamento attendista o incerto.

Infine, la stessa Gartner prevede che entro il 2028 almeno il 15% delle decisioni operative quotidiane sarà preso in autonomia da agenti AI e che il 33% delle applicazioni enterprise includerà funzioni agentiche. Il messaggio, quindi, non è “lasciate perdere”. È: scegliete bene dove e come.

Se il termine “agente” non vi è ancora del tutto chiaro, partite da Agenti AI in azienda: cosa sono davvero e cosa li distingue da un chatbot.

Prima causa: costi che crescono senza controllo

Un prototipo costa poco. Un agente in produzione costa molto di più, e in modo meno prevedibile. Le voci che sfuggono più spesso sono queste:

• Consumo dei modelli. Un LLM (Large Language Model, modello linguistico di grandi dimensioni) usato via cloud si paga di solito a token, cioè a frammenti di testo elaborati. Un agente ragiona in più passaggi, rilegge documenti, richiama strumenti: il consumo per singola pratica può essere molte volte superiore a quello di una semplice domanda in chat.
• Integrazioni. Collegare l’agente al gestionale, al CRM (Customer Relationship Management) o all’help desk richiede API (Application Programming Interface, interfacce che permettono a due software di scambiarsi dati), credenziali, test e manutenzione. Gartner stessa nota che inserire agenti in sistemi informatici datati (i cosiddetti sistemi legacy) può essere tecnicamente complesso e costoso (Gartner, 2025).
• Supervisione. Qualcuno deve controllare le eccezioni, rivedere le bozze, correggere gli errori. Questo tempo va messo a budget fin dall’inizio.
• Evoluzione. I modelli cambiano, i prezzi cambiano, le regole del processo cambiano. Serve qualcuno che se ne occupi.

Come prevenire. Stimate il costo per pratica, non il costo totale del progetto. Fissate un tetto mensile di consumo e un allarme. Valutate fin dall’inizio se alcune fasi possono usare modelli più piccoli o installati on-premise, cioè sui server dell’azienda. Un modello di calcolo pratico è in Quanto rende un agente AI? Un modello di calcolo in cinque voci.

Seconda causa: un valore che nessuno sa misurare

Molti progetti partono da una domanda sbagliata: “dove possiamo usare gli agenti?”. La domanda giusta è: “quale processo ci costa troppo, è troppo lento o produce troppi errori?”.

Quando il punto di partenza è la tecnologia, il risultato tipico è un prototipo che “funziona” nelle dimostrazioni ma non sposta nessun indicatore. Dopo qualche mese qualcuno chiede quale sia il ritorno, e nessuno sa rispondere. Il progetto viene chiuso.

Gartner raccomanda di usare l’agentic AI solo dove porta valore chiaro o un ritorno misurabile, puntando sulla produttività dell’organizzazione più che sul supporto al singolo compito. Indica quattro leve: costo, qualità, velocità, scala (Gartner, 2025).

Come prevenire. Prima di partire, scrivete su una riga:

• il processo (per esempio: gestione delle richieste di assistenza di primo livello);
• l’indicatore (tempo medio di prima risposta);
• il valore di oggi (misurato, non stimato a memoria);
• l’obiettivo e la data di verifica.

Se non riuscite a compilare questa riga, il progetto non è pronto.

Terza causa: rischi non governati

Un agente agisce sui sistemi. Può inviare un’email, modificare un’anagrafica, aprire un ticket. Questo è il suo valore ed è anche il suo rischio. I problemi più comuni sono:

• Permessi troppo ampi: l’agente usa le credenziali di un amministratore “per fare prima”.
• Nessun punto di controllo umano sulle azioni irreversibili o sensibili.
• Nessun registro delle operazioni: quando qualcosa va storto, non si sa perché.
• Dati personali inviati a modelli esterni senza valutazione. Il GDPR (General Data Protection Regulation) chiede protezione dei dati fin dalla progettazione (art. 25), misure di sicurezza adeguate (art. 32) e, per i trattamenti a rischio elevato, una valutazione d’impatto (art. 35, la DPIA, Data Protection Impact Assessment) (GDPR). Una tecnica utile è la pseudonimizzazione (art. 4, punto 5): i dati identificativi vengono sostituiti con codici che solo l’azienda può ricondurre alla persona. Attenzione: i dati pseudonimizzati restano dati personali, a differenza di quelli anonimi (considerando 26).

Il tema non è teorico. Il 20 dicembre 2024 il Garante per la protezione dei dati personali ha sanzionato OpenAI per 15 milioni di euro, contestando tra l’altro la base giuridica del trattamento, la trasparenza e la mancata notifica di una violazione di dati (Garante privacy, 2024). Il Tribunale di Roma, con sentenza n. 4785 del 18 marzo 2026, ha poi annullato la sanzione per incompetenza dell’autorità italiana, in base al meccanismo dello sportello unico europeo, senza esaminare il merito (Diritto.it, 2026). La vicenda resta comunque un segnale dell’attenzione delle autorità verso i dati trattati dai servizi di AI.

Come prevenire. Coinvolgete DPO e sicurezza dal primo giorno, non alla vigilia del rilascio. Date all’agente il minimo dei permessi necessari. Definite quali azioni richiedono approvazione. Tenete un registro consultabile. La pagina Privacy by design approfondisce questi principi.

Progetti agentic AI: un percorso in sei passi

Questo percorso funziona per progetti piccoli e grandi. Ogni passo ha un risultato verificabile.

1. Scegliere il processo

Un processo solo, con volumi sufficienti, input in buona parte non strutturati (email, PDF, moduli) e regole chiare. Evitate i processi rari o quelli in cui ogni caso è un’eccezione.

2. Misurare il punto di partenza

Due-quattro settimane di dati reali: volumi, tempi, errori, costo orario delle persone coinvolte. Questa misura di partenza è la baseline: senza, non c’è ritorno dimostrabile.

3. Disegnare autonomia e controlli

Per ogni azione dell’agente decidete: la fa da solo, la propone e una persona approva, oppure non la fa mai. Partite prudenti; l’autonomia si allarga con i dati. Ne parliamo in Human in the loop: quanta autonomia dare a un agente AI, e quando.

4. Integrare il minimo indispensabile

Collegate solo i sistemi necessari al primo processo, con permessi ristretti. Preferite eventi e webhook (notifiche automatiche che un sistema invia a un altro quando accade qualcosa) a controlli periodici.

5. Pilota con tetto di costo

Un periodo definito, per esempio otto settimane, con un budget massimo e l’agente in modalità “propone, la persona approva”. Misurate lo stesso indicatore della baseline.

6. Decidere

Alla fine del pilota, tre esiti possibili e tutti legittimi: estendere, correggere e ripetere, chiudere. Chiudere un pilota che non funziona è un risultato, non un fallimento. Il problema sono i progetti che restano aperti senza valore per due anni.

La checklist prima di partire

Prima di avviare il pilota, verificate che ogni punto abbia una risposta scritta.

Con più di due “No”, conviene rimandare l’avvio e colmare le lacune. Il percorso descritto nella pagina Metodo segue la stessa logica.

Da ricordare

• La previsione di Gartner indica tre cause: costi in crescita, valore poco chiaro, rischi non governati. Sono tutte prevenibili in fase di progetto.
• Partite da un processo e da un indicatore misurato, non dalla tecnologia.
• Stimate il costo per pratica e fissate un tetto di spesa per il pilota.
• Permessi minimi, approvazione umana sulle azioni sensibili, registro delle operazioni: sono requisiti, non accessori.
• Coinvolgete DPO e sicurezza dal primo giorno.
• Chiudere un pilota che non funziona è una decisione sana.

Domande frequenti

Perché falliscono i progetti di agentic AI?

Secondo un comunicato di Gartner del 25 giugno 2025, oltre il 40% dei progetti di agentic AI sarà cancellato entro la fine del 2027 per tre motivi: costi in aumento, valore di business poco chiaro e controlli del rischio inadeguati. Gartner osserva inoltre che molti progetti sono ancora esperimenti o prototipi iniziali, spinti dall’entusiasmo e applicati male. Sono cause che si possono affrontare in fase di progetto, prima dello sviluppo.

Quali sono i costi nascosti di un agente AI in produzione?

Le voci che sfuggono più spesso sono quattro. Il consumo dei modelli linguistici in cloud, pagato a token, cresce perché un agente ragiona in più passaggi e rilegge documenti. Le integrazioni con gestionale, CRM o help desk richiedono API, credenziali, test e manutenzione. La supervisione umana di eccezioni e bozze è tempo di lavoro da mettere a budget. Infine servono risorse per seguire l’evoluzione di modelli, prezzi e regole del processo.

Come si misura il valore di un progetto di agentic AI?

Si parte da una riga scritta prima di iniziare: il processo da migliorare, l’indicatore scelto, il suo valore attuale misurato su dati reali, l’obiettivo e la data di verifica. La misura di partenza, detta baseline, si raccoglie in due-quattro settimane e si confronta con lo stesso indicatore al termine del pilota. Gartner indica quattro leve di valore: costo, qualità, velocità e scala.

Quanto deve durare un pilota di agenti AI?

Non esiste una durata standard, ma il pilota deve avere un periodo definito, per esempio otto settimane, un budget massimo e l’agente in modalità in cui propone e una persona approva. Prima del pilota servono due-quattro settimane di misure sul processo attuale. Alla fine si decide tra tre esiti legittimi: estendere, correggere e ripetere, oppure chiudere un pilota che non ha dato valore.

Quali controlli servono per ridurre i rischi di un agente AI?

Servono permessi minimi, limitati a ciò che il processo richiede, senza credenziali da amministratore. Le azioni irreversibili o sensibili devono richiedere l’approvazione di una persona. Ogni operazione va registrata in un registro consultabile, così che sia possibile capire che cosa è successo quando qualcosa va storto. Sui dati personali vanno coinvolti DPO e sicurezza fin dal primo giorno, non alla vigilia del rilascio.

Serve una DPIA per un progetto di agenti AI?

Il GDPR, all’articolo 35, richiede una valutazione d’impatto sulla protezione dei dati, la DPIA, quando un trattamento può presentare un rischio elevato per i diritti delle persone. Se un agente AI tratta dati personali, il DPO dovrebbe valutare i flussi di dati e stabilire se la DPIA è necessaria. Vanno considerati anche la protezione dei dati fin dalla progettazione (art. 25) e le misure di sicurezza adeguate (art. 32).

I dati pseudonimizzati sono ancora dati personali?

Sì. Con la pseudonimizzazione, definita dall’articolo 4, punto 5, del GDPR, i dati identificativi vengono sostituiti con codici che solo l’azienda può ricondurre alla persona. Proprio perché il collegamento resta possibile, il considerando 26 chiarisce che i dati pseudonimizzati restano dati personali, a differenza di quelli anonimi. La pseudonimizzazione riduce il rischio quando si inviano dati a modelli esterni, ma non fa uscire il trattamento dal GDPR.

Bibliografia e fonti

1. Gartner, Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027, comunicato stampa, gartner.com, 25/06/2025. https://www.gartner.com/en/newsroom/press-releases/2025-06-25-gartner-predicts-over-40-percent-of-agentic-ai-projects-will-be-canceled-by-end-of-2027, consultato il 10/10/2026.
2. Garante per la protezione dei dati personali, ChatGPT, il Garante privacy chiude l’istruttoria (comunicato stampa sul provvedimento sanzionatorio nei confronti di OpenAI), garanteprivacy.it, 20/12/2024. https://www.garanteprivacy.it/home/docweb/-/docweb-display/docweb/10085432, consultato il 10/10/2026.
3. Lorena Papini, OpenAI vince contro il Garante privacy: perché il Tribunale di Roma ha annullato la sanzione da 15 milioni (commento alla sentenza del Tribunale di Roma n. 4785 del 18/03/2026), Diritto.it, 03/06/2026. https://www.diritto.it/?p=249907, consultato il 10/10/2026.
4. Parlamento europeo e Consiglio dell’Unione europea, Regolamento (UE) 2016/679 relativo alla protezione delle persone fisiche con riguardo al trattamento dei dati personali (GDPR), artt. 4(5), 25, 32, 35 e considerando 26, EUR-Lex, 27/04/2016. https://eur-lex.europa.eu/eli/reg/2016/679/oj, consultato il 10/10/2026.

Approfondisci

• Agenti AI in azienda: cosa sono davvero e cosa li distingue da un chatbot: la definizione operativa di agente AI e dieci domande per riconoscerne uno vero.
• Quanto rende un agente AI? Un modello di calcolo in cinque voci: le formule per stimare beneficio netto e tempo di rientro prima del pilota.
• Human in the loop: quanta autonomia dare a un agente AI, e quando: come scegliere quali azioni l’agente esegue da solo e quali fa approvare.
• Il metodo in fasi per avviare un progetto di agenti AI: dal processo all’indicatore, fino alla decisione dopo il pilota.
• Privacy by design negli agenti AI: permessi minimi, registro delle operazioni e protezione dei dati fin dalla progettazione.