SAP e l'IA agentica: dall'hype alla maturità, con la geopolitica sullo sfondo

SAP ha aperto il suo executive summit annuale, arrivato alla diciottesima edizione e ospitato come di consueto a Villa d’Este a Cernobbio, con un titolo che sintetizza bene la fase attuale: "Agents of Growth", dove gli agenti sono sia le persone che guidano la trasformazione sia l’IA che ne accelera i risultati. L’evento, che ogni anno riunisce oltre cento top manager delle principali aziende clienti italiane per offrire una visione d’insieme sulle strategie del gruppo, si è trovato quest’anno a fare i conti con uno scenario internazionale profondamente alterato. Paolo Magri, Vice-President Esecutivo dell’ISPI, ha raccontato tre settimane di conflitto tra Israele e Iran in modo diretto, senza eufemismi: lo stretto di Hormuz chiuso, le riserve energetiche globali al massimo rilascio della storia (il che è anche la prova che si sta fronteggiando la più grande disruption di fornitura energetica degli ultimi decenni), un sistema di alleanze che non funziona come da manuale e tempistiche imprevedibili, con l’unica certezza che per gli Stati Uniti il vincolo è quello del midterm, sei-otto settimane al massimo prima che la crisi energetica diventi un problema politico interno.

Non era una parentesi. Era la cornice dentro cui SAP ha scelto di collocare la sua visione sull’IA agentica. Le imprese devono crescere e diventare più resilienti in un contesto in cui le supply chain si interrompono con pochi giorni di preavviso, i mercati energetici possono ribaltarsi in ore e la pressione sui CFO per prendere decisioni rapide su dati affidabili è più alta che mai. In questo quadro, l’IA non è un progetto IT: è una variabile competitiva.

La domanda è cambiata

Carla Masperi, Amministratore Delegato di SAP Italia, ha aperto i lavori con una distinzione che è più di una sottigliezza semantica: fino a oggi la domanda sull’IA era "cosa può fare l’IA per me?", mentre con l’avvento degli agenti la domanda diventa "come preparo la mia organizzazione perché l’IA possa funzionare per me?". Il cambio di prospettiva non è teorico, perché richiede di rispondere a domande concrete: quali architetture applicative sono necessarie, quali modelli operativi si vogliono trasformare, quali sistemi di governance devono essere messi in atto prima che gli agenti operino in autonomia. L’IA agentica è capace di agire, coordinare processi e prendere decisioni in modo autonomo, ma questa potenzialità non si attiva su qualsiasi infrastruttura.

I dati portati da SAP descrivono un mercato ancora in ritardo rispetto alle aspettative: il 34% dei manager italiani non ha fiducia nella propria capacità di integrare i dati tra funzioni diverse, il 30% dichiara di non avere dati di qualità adeguata, il 27% lavora con silos applicativi isolati. Il problema, ha sottolineato Masperi, non è l’algoritmo: è la maturità dei dati e l’integrazione applicativa.

La risposta di SAP a questo problema passa da un posizionamento architetturale preciso. Ci sono due approcci sul mercato: portare tutti i dati aziendali in un livello centralizzato e applicarvi sopra l’IA, oppure portare l’IA dentro i processi dove i dati già risiedono. SAP difende il secondo, e il motivo non è commerciale ma tecnico: la semantica dei dati, i profili di autorizzazione, la logica dei processi end-to-end esistono già all’interno del sistema. Ricostruirli in un livello esterno, come ha spiegato Augusta Spinelli, President Europe, Middle East and Africa (EMEA) Customer Success di SAP, nella sessione ristretta del pomeriggio, è un lavoro enorme che viene spesso sottovalutato. L’iceberg, nella sua metafora, ha una punta visibile che è la funzionalità IA, e una parte sommersa molto più grande, fatta di regole, controlli, processi di approvazione e policy aziendali che rendono quell’IA affidabile in un contesto enterprise. Pensare di duplicare tutti i dati in un livello esterno e poi ricostruirvi sopra, per esempio, i profili autorizzativi che in SAP già esistono è uno sforzo che poche aziende valutano correttamente.

La scelta di non sviluppare un proprio LLM

A una domanda di Edge9 sul valore strategico della scelta di SAP di non sviluppare un proprio LLM e di lasciare ai clienti la libertà di scegliere il modello sottostante, Spinelli ha inquadrato la decisione in una logica più ampia. SAP ha storicamente scelto di concentrarsi su ciò che considera il proprio punto di forza, mantenendosi neutrale su tutto il resto: lo ha fatto per anni con i database, lo fa oggi con gli hyperscaler, e lo applica ai modelli di IA. La leadership dell’azienda, ha spiegato Spinelli, ha compreso già due o tre anni fa che la battaglia vera non si vince sui modelli ma sull’utilizzo. Il terreno su cui SAP ritiene di avere una proposta di valore quasi unica è la capacità di costruire una base dati unificata che attraversa i processi di business end-to-end, senza dover tradurre le informazioni da un passaggio all’altro.

Su questa base, SAP ha già sviluppato circa 400 casi d’uso di IA integrati nelle proprie applicazioni e sta ora lavorando sugli agenti, dove ritiene di poter fare qualcosa che i concorrenti non possono replicare: conoscere i processi di business per ambiti di mercato, con team che comprendono le specificità del settore energetico, del retail, della sanità o dell’industria aerospaziale e della difesa quasi quanto i clienti stessi. Con Joule Studio, ha aggiunto, non servono più esperti SAP per sviluppare agenti: bastano competenze che un cliente può già avere in casa.

La neutralità rispetto ai modelli ha anche un risvolto geopolitico che Spinelli ha colto con chiarezza, coprendo una regione che va dall’Europa al Medio Oriente: i modelli richiesti dalle aziende in Arabia Saudita non sono gli stessi che vengono richiesti in Francia, e in un contesto in cui la globalizzazione sta cambiando forma, dare ai clienti la libertà di usare il modello che preferiscono diventa un vantaggio competitivo. Il cuore dell’applicazione, nella visione di SAP, non sta nel modello in sé ma in quello che il modello produce, cioè nei risultati di business. Quando è emerso DeepSeek, un anno fa, il mercato si è agitato per qualche settimana, ma per SAP non cambiava nulla: se il modello rispettava le regole di responsabilità e governance, poteva essere integrato come qualsiasi altro.

Pragmatismo, governance e casi d’uso reali

Spinelli ha guidato la sessione ristretta del pomeriggio con un taglio molto operativo. Il punto di partenza era il divario tra le aspettative generate dall’IA generativa nella prima fase e i risultati effettivi. La lettura di SAP non è difensiva: i casi di insuccesso ci sono stati, ma la causa principale era metodologica, non tecnologica. Si trattava di aziende che avevano avviato proof of concept senza definire a priori un obiettivo di business misurabile, affidando il progetto all’IT come esercizio esplorativo. Quel modello, secondo SAP, è superato.

L’approccio che SAP sta ora raccomandando ai propri clienti parte dall’identificazione di un perimetro ristretto, con un obiettivo di business dichiarato e misurabile, e dalla verifica dei prerequisiti: maturità dei dati, architettura applicativa pulita, allineamento organizzativo. Dove questo è già in ordine, tipicamente nelle installazioni cloud con clean core, i risultati arrivano in giorni o settimane, non in mesi. Un esempio concreto citato in sala riguardava un sistema agentico per la supply chain che, rilevando il rischio di interruzione di una linea di approvvigionamento a causa di una disruption logistica, propone in autonomia un piano alternativo con fornitori già contrattualizzati, stima l’impatto sul margine e segnala i vincoli di compliance. Il sistema suggerisce, l’operatore decide: la responsabilità rimane delle persone.

Il tema della governance è stato affrontato con chiarezza. Ci sono processi dove il risultato deve essere deterministico (il bilancio di un’azienda quotata non può essere corretto solamente al 98%) e processi dove l’IA può fornire raccomandazioni e ottimizzazioni in un contesto di variabili gestionali. La distinzione non è banale e va fatta caso per caso, con la consapevolezza che la tracciabilità delle decisioni degli agenti deve essere garantita per ogni caso d’uso. "Non è l’IA fine a se stessa, è l’IA che diventa rilevante per te", ha sintetizzato Spinelli. "Se hai la chiarezza di cosa vuoi migliorare, poi l’IA ti dà risposte soddisfacenti." Il consiglio operativo: identificare un settore specifico, definire l’obiettivo, verificare che sia misurabile. Per chi vuole andare oltre l’automazione e lavorare sul modello di business, dalla gestione dinamica dei prezzi nel retail alla pianificazione predittiva della supply chain, la complessità aumenta in modo significativo e richiede un livello di maturità architetturale diverso.

Sul tema delle dimensioni aziendali, Spinelli ha rifiutato la polarizzazione tra grandi e piccole imprese. La curiosità e l’attenzione verso l’IA sono trasversali, ma le motivazioni divergono: le grandi aziende cercano efficientamento e recupero di produttività, le medie e piccole vedono nell’IA la possibilità di crescere a parità di risorse. Man mano che si scende verso aziende con una struttura proprietaria più diretta, il pragmatismo aumenta e la tolleranza verso l’IA come puro esercizio tecnologico diminuisce. Alcune aziende, sia grandi sia piccole, stanno già lavorando su quello che SAP chiama autonomous enterprise, cercando di assegnare agli agenti non solo automazione ma anche proposte su cosa fare. SAP stessa sta sperimentando l’autonomous enterprise internamente, come "cliente zero", avendo testato per mesi Joule for Consultants e Joule for Developers prima di rilasciarli sul mercato.

Riorganizzazione e roadmap

Sul fronte organizzativo, SAP ha annunciato la riorganizzazione del Customer Value Group sotto la guida di Thomas Saueressig, con circa 40.000-45.000 persone che riuniscono pre-vendita, vendita, consulenza e adozione in un’unica struttura. L’obiettivo dichiarato è eliminare le barriere interne nel percorso end-to-end sul cliente, dalla valutazione della soluzione all’adozione effettiva fino alla misurazione del valore. La logica è coerente con il messaggio sull’IA: i risultati arrivano quando l’architettura è giusta e l’adozione è completa, non quando il software è solo venduto e installato.

A margine del summit sono stati assegnati i SAP Innovation Award 2026, il riconoscimento che ogni anno premia le aziende clienti che hanno saputo utilizzare le tecnologie SAP per trasformare i propri modelli operativi. I vincitori di questa edizione sono ARIA, la società ICT di Regione Lombardia premiata per il percorso di digitalizzazione del sistema amministrativo contabile regionale con SAP S/4HANA, Bracco Imaging, che ha completato la migrazione a S/4HANA con una profonda revisione dei processi Finance, e EssilorLuxottica, il cui ecosistema applicativo SAP copre l’intera catena del valore fino all’adozione di Joule come strumento operativo.

L’autonomous enterprise, l’organizzazione in cui gli agenti operano in modo coordinato su processi sempre più articolati, rimane la destinazione. SAP la descrive come una visione chiara e tecnicamente realizzabile, ma richiede una roadmap di adozione senza scorciatoie, che parta dalla maturità dei dati, passi per l’architettura applicativa e arrivi alla consapevolezza organizzativa. L’IA agentica, più di ogni altra forma di intelligenza artificiale applicata all’impresa, mette a nudo la maturità organizzativa e la qualità dei dati di un’azienda. Le imprese che ci stanno lavorando seriamente, ha concluso Spinelli, sono per ora principalmente le grandi, ma tutte le altre stanno costruendo i prerequisiti, e il passaggio al cloud con RISE è parte integrante di quel percorso.