menu
close

Gartner: Il 40% dei Progetti di AI Agentica Sarà Destinato al Fallimento entro il 2027

Secondo un nuovo rapporto Gartner pubblicato il 25 giugno 2025, oltre il 40% dei progetti di intelligenza artificiale agentica verrà cancellato entro la fine del 2027 a causa dell’aumento dei costi, del valore di business poco chiaro e di controlli di rischio inadeguati. Nonostante i notevoli investimenti in questa tecnologia emergente, molte organizzazioni faticano a dimostrare un ritorno significativo sugli investimenti, poiché i modelli attuali di AI agentica non sono ancora maturi per raggiungere autonomamente obiettivi aziendali complessi. Questa previsione segnala una possibile correzione del mercato nel settore AI in rapida crescita, suggerendo che le aziende stanno diventando più selettive sugli investimenti in AI che generano valore tangibile.
Gartner: Il 40% dei Progetti di AI Agentica Sarà Destinato al Fallimento entro il 2027

Il settore dell’intelligenza artificiale si trova di fronte a una dura realtà: Gartner prevede che oltre il 40% dei progetti di AI agentica sarà abbandonato entro la fine del 2027, principalmente a causa dell’aumento dei costi e del valore di business poco chiaro.

Secondo il rapporto pubblicato il 25 giugno 2025, le cancellazioni saranno dovute all’escalation dei costi, al valore di business poco chiaro e a controlli di rischio insufficienti. “La maggior parte dei progetti di AI agentica attualmente sono esperimenti nelle fasi iniziali o proof of concept guidati soprattutto dall’hype e spesso applicati in modo improprio”, ha dichiarato Anushree Verma, Senior Director Analyst di Gartner. Questo entusiasmo, spiega Verma, può accecare le organizzazioni rispetto ai reali costi e alla complessità dell’implementazione su larga scala degli agenti AI, bloccando di fatto il passaggio dei progetti alla produzione. Le aziende devono prendere decisioni strategiche e ponderate su dove e come applicare questa tecnologia emergente.

Il rapporto evidenzia che la maggior parte delle proposte di AI agentica attualmente non offre un valore significativo o un ritorno sull’investimento, poiché i modelli esistenti non hanno ancora la maturità e l’autonomia necessarie per raggiungere obiettivi aziendali complessi o seguire istruzioni articolate nel tempo. Molti casi d’uso oggi presentati come agentici, in realtà, non richiedono implementazioni di tipo agentico.

Il mercato è ulteriormente complicato dalla rappresentazione fuorviante da parte dei fornitori. Molti vendor contribuiscono all’hype attraverso il cosiddetto “agent washing” – ovvero il rebranding di prodotti esistenti come assistenti AI, RPA (Robotic Process Automation) e chatbot, senza reali capacità agentiche. Gartner stima che solo circa 130 dei migliaia di fornitori che si autodefiniscono agentici siano autentici.

Un sondaggio Gartner di gennaio 2025 su 3.412 partecipanti a un webinar ha rivelato che il 19% delle organizzazioni ha effettuato investimenti significativi nell’AI agentica, il 42% investimenti prudenti, l’8% nessun investimento, mentre il restante 31% adotta un approccio attendista o non ha ancora definito una strategia.

Nonostante queste sfide, Gartner riconosce che la tendenza verso l’AI agentica rappresenta un importante progresso nelle capacità dell’intelligenza artificiale e nelle opportunità di mercato. La società prevede che almeno il 15% delle decisioni lavorative quotidiane sarà preso autonomamente tramite AI agentica entro il 2028, rispetto allo 0% del 2024. Inoltre, il 33% delle applicazioni software aziendali includerà AI agentica entro il 2028, rispetto a meno dell’1% nel 2024.

Per le organizzazioni che vogliono avere successo con l’AI agentica, Gartner raccomanda di adottarla solo dove offre un valore o un ROI chiaro. Integrare agenti nei sistemi legacy può essere tecnicamente complesso, spesso interrompendo i flussi di lavoro e richiedendo costose modifiche. In molti casi, ripensare i processi partendo da zero con l’AI agentica rappresenta la strada ideale per una implementazione efficace.

Source: Reuters

Latest News