AI & Data Analytics
Si è appena conclusa l’edizione 2026 del World AI Cannes Festival, con un dibattito molto incentrato su AI agentica, ovvero sistemi capaci di ragionare, pianificare ed eseguire compiti in modo autonomo, e con una nota di cautela: “Costruire un sistema agentico che non sia in grado di prevedere le conseguenze delle proprie azioni è una pessima idea”, come ha avvertito il pioniere dell’intelligenza artificiale Yann LeCun.
Il messaggio è stato chiaro: la prossima fase dell’AI non riguarderà come parlare meglio del mondo, ma come comprenderlo e predirlo.
Dalla generazione di testo all’azione autonoma
L’AI agentica va oltre i semplici chatbot che rispondono a domande. Si tratta di sviluppare agenti in grado di organizzare un viaggio, gestire un processo di acquisto aziendale o ottimizzare un portafoglio finanziario.
Nel commercio online, questo significa passare dai clic ai risultati: un’AI che confronta prodotti, valuta pro e contro e conclude un acquisto in base ai criteri indicati dall’utente. Nei servizi finanziari, gli agenti possono simulare scenari di mercato prima di eseguire operazioni o gestire in tempo reale la riconciliazione delle transazioni.
L’ascesa dei “World Model”
Uno dei temi centrali è stato il superamento dei Large Language Model (LLM), addestrati sui testi disponibili online, in sostanza su “ciò che le persone dicono”. Sebbene potenti, questi modelli restano reattivi e talvolta scollegati dalla logica del mondo reale.
L’attenzione si sta spostando verso i “World Model”: sistemi progettati per modellare relazioni di causa-effetto, vincoli fisici e conseguenze delle azioni. In ambito finanziario, ciò significa simulare l’impatto di un aumento dei dazi o di una fase di alta volatilità prima di intervenire. Nella robotica, vuol dire consentire alle macchine di interagire con oggetti e ambienti con maggiore affidabilità.
L’obiettivo è ambizioso: non limitarsi a prevedere la parola successiva, ma anticipare ciò che accadrà nel mondo reale.
L’AI entra nel mondo fisico
L’AI agentica sta uscendo dagli schermi per entrare in fabbriche e ospedali. Nella manifattura, robot autonomi stanno aumentando l’efficienza in attività di precisione. In ambito sanitario, robot come Moxi supportano il personale medico nelle attività logistiche, riducendo lo sforzo fisico quotidiano. Sistemi come il CyberKnife sono in grado di colpire tumori cerebrali con precisione sub-millimetrica, adattandosi in tempo reale ai movimenti del paziente.
Quando l’AI passa dalla scrittura di testi alla gestione di interventi chirurgici o catene di approvvigionamento, l’affidabilità diventa cruciale. Coordinare centinaia di agenti comporta rischi di “deriva” nei risultati e di propagazione degli errori.
Un mercato del lavoro in trasformazione
L’ascesa dell’AI agentica sta cambiando anche il lavoro. La distinzione tra le diverse specializzazioni di sviluppo software si sta attenuando, lasciando spazio a figure capaci di orchestrare e supervisionare agenti intelligenti lungo l’intero ciclo di prodotto. Allo stesso tempo, dipendenti non tecnici iniziano a creare i propri strumenti, spostando il collo di bottiglia dalla scrittura del codice alla validazione e al controllo qualità.
La competenza più preziosa, secondo molti interventi, sarà la capacità di adattarsi: imparare, disimparare e reimparare in un contesto che evolve rapidamente.
Ottimismo prudente
L’atmosfera a Cannes è stata più pragmatica che entusiastica. Il quantum computing è scomparso dai radar, almeno per ora; l’attenzione si è concentrata sulla costruzione di sistemi affidabili e governabili.
La domanda chiave non è più se l’AI sappia parlare in modo fluente, ma se sia in grado di comprendere le conseguenze delle proprie azioni. Man mano che questi sistemi iniziano a gestire denaro, logistica e procedure mediche, questa distinzione potrebbe definire il prossimo capitolo del progresso tecnologico.
Diego Ragazzi
Data Strategy Lead, Cefriel
