La spinta di Microsoft sugli agenti AI passa dalla programmazione alla finanza

Microsoft afferma che gli agenti AI stanno trasformando innanzitutto il lavoro nell’ingegneria del software, nonostante restino irrisolte le questioni su affidabilità, supervisione e impatto sull’occupazione.

L’azienda vuole ora estendere lo stesso modello a vendite, finanza, operazioni e altri ruoli basati sulla conoscenza. I dipendenti dedicherebbero meno tempo all’esecuzione diretta di passaggi di routine. Definirebbero invece obiettivi, delegherebbero il lavoro, esaminerebbero i risultati e interverrebbero quando un agente raggiunge i propri limiti.

Charles Lamanna, vicepresidente esecutivo di Microsoft per Copilot, Agents and Platform, ha illustrato questa transizione durante un’intervista del 10 agosto a Bloomberg Technology. La sua tesi va oltre un altro aggiornamento di prodotto di Copilot. Microsoft sta chiedendo alle aziende di riorganizzare il lavoro attorno a persone che supervisionano software in grado di compiere azioni.

Questa proposta ha acquisito peso commerciale. Microsoft ha dichiarato oltre 30 milioni di licenze Microsoft 365 Copilot a pagamento nei suoi più recenti risultati fiscali. Tre mesi prima, l’azienda aveva riferito di oltre 20 milioni, insieme a un aumento del 250% su base annua nelle nuove licenze.

La domanda aperta è se queste licenze si traducano in un uso produttivo degli agenti. Vendere l’accesso è diverso dal modificare i flussi di lavoro, misurare il lavoro completato e rendere i dipendenti responsabili delle decisioni automatizzate.

Il conflitto centrale di Microsoft è dunque tra produttività e sostituzione. L’azienda descrive gli agenti come moltiplicatori di capacità che consentono ai dipendenti di dedicarsi a lavori di maggior valore. I datori di lavoro possono però usare la stessa efficienza per rallentare le assunzioni, accorpare ruoli o ridurre l’organico.

Microsoft sta trasformando Copilot in un lavoratore

Il cambiamento importante di Microsoft consiste nel passare dal rispondere alle domande dei dipendenti al completare per loro porzioni circoscritte di lavoro.

Un assistente convenzionale attende un prompt e restituisce testo. Un agente può pianificare più passaggi, usare strumenti autorizzati, esaminare dati aziendali e intraprendere azioni verso un risultato definito. Può inoltre continuare a lavorare mentre il dipendente passa a un’altra attività.

Lamanna ha presentato l’ingegneria del software come l’esempio iniziale più chiaro. Gli agenti di coding possono esaminare un repository, preparare modifiche, eseguire test, rispondere ai commenti di revisione e predisporre una pull request. L’ingegnere resta responsabile della direzione, del giudizio tecnico e dell’approvazione finale.

GitHub ha adattato il proprio sistema di misurazione a questo modello operativo. A luglio ha aggiunto metriche a livello di repository per le pull request create, unite e revisionate dagli agenti Copilot. Ciò offre alle organizzazioni più di un conteggio delle licenze o del totale dei prompt.

La metrica è importante perché l’adozione degli agenti deve collegarsi al lavoro completato. Un’azienda può ora esaminare dove un agente crea pull request, con quale frequenza tali modifiche vengono unite e dove la revisione umana produce correzioni.

Microsoft vuole trasferire questo schema a reparti meno strutturati. Un agente di vendita potrebbe qualificare i lead, raccogliere il contesto di un account o preparare materiali di follow-up. Un agente finanziario potrebbe riconciliare registrazioni, analizzare scostamenti o redigere una spiegazione per un revisore.

Il dipendente mantiene la responsabilità della decisione aziendale. Tuttavia, la sequenza che porta a quella decisione include una maggiore esecuzione da parte delle macchine. Ciò modifica quali competenze assorbono tempo e quali errori i manager devono prevedere.

Microsoft persegue questa strada da diversi anni. Ha introdotto Copilot basati sui ruoli per vendite e assistenza prima di annunciare Copilot for Finance nel 2024. La spinta attuale unisce queste esperienze specializzate ad agenti in grado di operare tra applicazioni e fonti di dati.

Non si tratta semplicemente di un’interfaccia chat migliore. Il confine del prodotto passa dalla generazione di suggerimenti alla partecipazione a un processo aziendale. Ogni azione aggiuntiva aumenta sia il possibile guadagno di produttività sia il costo di un risultato errato.

L’ingegneria ha offerto a Microsoft un punto di partenza favorevole. Il codice può essere compilato, testato, confrontato, revisionato e ripristinato. Questi controlli rendono visibili gli errori prima della distribuzione, quando i team li usano correttamente.

Vendite e finanza presentano meno controlli universali. Un riepilogo plausibile di un account può omettere una relazione che modifica la raccomandazione. Una registrazione finanziaria tecnicamente valida può comunque violare una politica interna o produrre un’interpretazione aziendale errata.

La fase successiva della spinta di Microsoft dipende quindi dai controlli, non solo dalle capacità dei modelli. Le aziende necessitano di autorizzazioni, registri, regole di valutazione, percorsi di escalation e responsabili umani chiaramente definiti prima che gli agenti possano gestire lavori rilevanti.

Trenta milioni di licenze cambiano la posta in gioco

Microsoft 365 Copilot ha superato la fase di esperimento aziendale limitato, ma le licenze a pagamento non dimostrano un valore aziendale costante.

Microsoft ha dichiarato nei risultati del terzo trimestre fiscale 2026 che Copilot aveva superato 20 milioni di licenze a pagamento. Il numero di clienti con oltre 50.000 licenze era quadruplicato rispetto all’anno precedente.

L’azienda ha inoltre citato implementazioni insolitamente grandi. Accenture aveva oltre 740.000 licenze, mentre Bayer, Johnson & Johnson, Mercedes e Roche si erano impegnate per almeno 90.000 ciascuna. Queste distribuzioni offrono a Microsoft accesso a molti reparti in cui gli agenti possono essere testati.

Con l’ultimo aggiornamento fiscale, le licenze a pagamento avevano superato i 30 milioni. Questo aumento dà alla tesi di Lamanna una scala diversa. Microsoft non deve più dimostrare che i grandi datori di lavoro acquisteranno licenze di AI aziendale.

Deve dimostrare che i lavoratori le usano per attività di valore. Deve anche mostrare che le organizzazioni possono passare dall’assistenza personale a processi gestiti dagli agenti senza perdere il controllo.

Le osservazioni del terzo trimestre di Microsoft descrivono il contesto organizzativo come il vantaggio di Copilot. Work IQ, il livello di contesto di Microsoft, collega persone, ruoli, documenti, comunicazioni e autorizzazioni all’interno del perimetro di sicurezza di un’azienda.

Microsoft ha affermato che il sistema copriva oltre 17 exabyte di dati, in crescita del 35% su base annua. Riceve inoltre miliardi di e-mail, documenti e chat, oltre a centinaia di milioni di riunioni Teams ogni giorno.

Queste cifre descrivono la dimensione del contesto disponibile, non la sua accuratezza o utilità per ogni attività. Maggiori informazioni possono aiutare un agente a comprendere un’organizzazione. Possono anche rendere più importanti la progettazione delle autorizzazioni, la qualità del recupero delle informazioni e l’igiene dei dati.

È qui che Microsoft può mettere sotto pressione rivali come Google, Salesforce, ServiceNow e gli sviluppatori specializzati di agenti. I modelli competono sempre più attraverso l’accesso al contesto lavorativo, agli strumenti e alla distribuzione, non soltanto tramite la generazione di testo.

Google può collegare Gemini alle applicazioni Workspace e ai dati organizzativi. Salesforce può basare Agentforce sui record dei clienti e sui flussi di lavoro commerciali. ServiceNow può collocare gli agenti all’interno di processi strutturati di assistenza e operazioni.

La posizione di Microsoft è insolitamente ampia perché molti datori di lavoro utilizzano già i suoi prodotti di identità, produttività, sviluppo, cloud e sicurezza. L’azienda può collocare gli agenti dove i dipendenti leggono messaggi, partecipano a riunioni, creano documenti, analizzano fogli di calcolo e scrivono codice.

L’ampiezza non garantisce l’adozione. Riduce però il numero di sistemi separati che un acquirente aziendale deve collegare prima di testare un flusso di lavoro automatizzato.

La cifra di 30 milioni crea anche pressione interna per Microsoft. I clienti si aspetteranno prove che l’implementazione produca più di una redazione più rapida dei documenti. Vorranno risultati legati ai cicli di vendita, ai tempi di chiusura finanziaria, alla risoluzione dell’assistenza, alla consegna del software o ad altro lavoro misurabile.

Questo requisito spiega il passaggio di GitHub verso metriche degli agenti a livello di repository. Gli acquirenti hanno bisogno di misure simili al di fuori dell’ingegneria. I conteggi dei prompt e gli utenti attivi non possono mostrare se un agente abbia migliorato una decisione o abbia semplicemente generato più materiale da far revisionare agli esseri umani.

L’impennata commerciale segna quindi l’inizio di un periodo di valutazione più difficile. Microsoft ha dimostrato la distribuzione. Ora affronta il lavoro più lento di dimostrare un valore ripetibile tra reparti con diverse tolleranze al rischio.

Produttività e organico sono i veri antagonisti

Microsoft presenta gli agenti come un modo per espandere la produzione, mentre i datori di lavoro mantengono la possibilità di convertire tale produzione in minori esigenze di personale.

L’argomento di Lamanna sulla produttività segue uno schema economico familiare. Quando la tecnologia riduce lo sforzo necessario per un’attività, un’azienda può produrre di più, migliorare la qualità, ridurre i costi o combinare tutti e tre gli effetti.

Ciò non produce un unico risultato fisso sull’occupazione. La domanda può espandersi abbastanza da creare nuovo lavoro. Le aziende possono anche mantenere costante la produzione e impiegare meno persone.

Microsoft sottolinea l’espansione. Secondo il suo modello, un ingegnere supervisiona diverse attività di coding invece di completare manualmente una sequenza. Un venditore trascorre più tempo con i clienti perché un agente gestisce ricerca e preparazione.

Un professionista della finanza può analizzare eccezioni invece di assemblare report di routine. Un manager può testare più scenari perché gli agenti raccolgono informazioni e preparano l’analisi iniziale.

Questi esempi sostengono una narrativa di capacità. Non eliminano la questione della sostituzione. Lo stesso software che libera un dipendente dal lavoro ripetitivo può consentire a un reparto di assorbire la crescita senza aggiungere un’altra posizione.

Salesforce offre un contrappunto visibile. I suoi dirigenti hanno collegato la produttività dell’AI a un rallentamento delle assunzioni nell’ingegneria e a una riduzione del personale di assistenza clienti. Ciò rende più difficile liquidare il compromesso occupazionale come una preoccupazione teorica.

Microsoft stessa opera all’interno della medesima tensione. L’azienda ha promosso sostanziali risparmi guidati dall’AI mentre effettuava riduzioni della forza lavoro durante il più ampio ciclo di investimenti infrastrutturali. Le dichiarazioni sulla produttività e i tagli di posti di lavoro possono coesistere anche quando il management afferma che uno non ha causato direttamente l’altro.

Conta anche la distinzione tra eliminare un ruolo ed evitare un’assunzione futura. L’uso degli agenti potrebbe non generare un annuncio immediato di licenziamenti. Può comunque modificare l’occupazione tramite il turnover naturale, un reclutamento più ristretto a livello iniziale o aspettative di produzione più elevate.

L’ingegneria del software fornisce ancora una volta un segnale iniziale. Se gli ingegneri esperti supervisionano agenti che svolgono attività di implementazione, le aziende potrebbero avere bisogno di meno sviluppatori junior per il coding di routine. Potrebbero al contempo aver bisogno di più persone capaci di progettare sistemi, revisionare modifiche complesse e gestire il rischio in produzione.

Questa transizione crea un problema di formazione. Le attività di livello iniziale aiutano tradizionalmente i dipendenti a sviluppare il giudizio necessario per il lavoro senior. Automatizzare una parte eccessiva di questa pratica potrebbe indebolire il futuro bacino di talenti.

La finanza affronta una questione correlata. Gli analisti junior imparano spesso attraverso riconciliazioni, documentazione ed esposizione ripetuta ai record aziendali. Delegare questi passaggi può far risparmiare tempo, ma solo se i datori di lavoro creano un altro modo per sviluppare il giudizio analitico.

La stessa ricerca di Microsoft del 2026 riflette questa preoccupazione. Gli utenti avanzati hanno riferito di preservare intenzionalmente parte del lavoro senza AI per mantenere aggiornate le proprie competenze. Inoltre, si fermano più spesso per decidere se un essere umano o un agente debba svolgere un’attività.

Questo comportamento suggerisce che una supervisione efficace richieda competenze attive. Un lavoratore non può valutare in modo affidabile l’output di un agente dopo aver perso le conoscenze necessarie per riconoscere un errore.

L’esito sul lavoro dipenderà quindi dalle scelte manageriali, non dal solo software. I dirigenti decidono se il tempo risparmiato si traduce in maggiori contatti con i clienti, più analisi, scadenze più brevi, minori assunzioni o riduzioni del personale.

Definire produttiva la transizione non risolve questa scelta. Descrive una capacità. Sono comunque i datori di lavoro a determinare come il valore economico venga distribuito tra clienti, azionisti e lavoratori.

Perché l’ingegneria precede finanza e vendite

Gli agenti di coding hanno avanzato per primi perché il lavoro software offre cicli di feedback che molti processi aziendali ancora non hanno.

Un agente di coding può ricevere un problema chiaro, ispezionare un repository definito e proporre una modifica verificabile. I test automatizzati controllano poi almeno una parte del suo lavoro. Il controllo di versione registra ciò che è cambiato, mentre i revisori possono rifiutare o annullare il risultato.

Questi meccanismi non rendono gli agenti di coding affidabili per impostazione predefinita. Rendono gli errori più facili da contenere. Un test fallito, un diff inatteso o un commento di revisione crea un segnale visibile prima che il codice raggiunga gli utenti.

L’aggiornamento di GitHub di aprile ha aggiunto conteggi giornalieri, settimanali e mensili degli utenti agenti alla reportistica aziendale. Combinati con le metriche delle pull request, questi indicatori possono collegare l’adozione a un processo di rilascio osservabile.

Finanza e vendite dipendono spesso da valutazioni che non possono essere ridotte a un singolo test superato. La risposta corretta cambia in base alle politiche contabili, ai termini contrattuali, alla cronologia del cliente, alle condizioni di mercato e alle eccezioni note ai dipendenti più esperti.

Un agente che prepara un’opportunità di vendita può recuperare messaggi e note delle riunioni. Deve comunque disporre di regole per distinguere un commento informale da un impegno all’acquisto. Un’inferenza errata può danneggiare una relazione con il cliente senza generare un errore tecnico.

Un agente finanziario può confrontare transazioni e segnalare anomalie. Non deve effettuare una registrazione non supportata, esporre dati soggetti a restrizioni o considerare fraudolento un pagamento insolito ma legittimo.

Per questo è essenziale definire un ambito circoscritto. Le aziende possono iniziare da attività in cui l’agente prepara il lavoro e un dipendente qualificato lo approva. Un’autonomia più ampia dovrebbe seguire un’accuratezza dimostrata, non precederla.

La posizione di Microsoft sul mercato dei prodotti le offre diversi componenti necessari per questo modello. Entra può gestire identità e accessi. Microsoft 365 fornisce il contesto di lavoro. Copilot Studio supporta agenti personalizzati, mentre Agent 365 è pensato per aiutare le organizzazioni a registrarli e governarli.

L’azienda supporta anche agenti esterni al proprio portafoglio di modelli. Durante la call sui risultati del secondo trimestre fiscale, Microsoft ha descritto GitHub Agent HQ come un livello organizzativo per agenti di coding di Anthropic, OpenAI, Google, Cognition, xAI e altri.

Questo approccio di piattaforma riconosce che le aziende utilizzeranno più agenti. Microsoft vuole controllare la superficie di lavoro, l’identità, il contesto e la governance anche quando un’altra azienda fornisce il modello sottostante.

Ciò crea una seconda pressione competitiva. Gli sviluppatori di agenti necessitano dell’accesso ai sistemi aziendali, ma le imprese vogliono controlli centralizzati. Microsoft può trarne vantaggio sia quando i clienti scelgono un agente proprietario, sia quando collegano un agente esterno attraverso la sua infrastruttura.

Il meccanismo dipende comunque dalla qualità della conoscenza organizzativa. Agenti basati su documenti duplicati, procedure obsolete e autorizzazioni poco chiare riprodurranno queste debolezze a maggiore velocità.

Le aziende che si preparano al lavoro basato sugli agenti potrebbero quindi dover sistemare la gestione delle informazioni prima di perseguire l’autonomia. Una base di conoscenza ricercabile può supportare sia la revisione umana sia il recupero da parte delle macchine.

Le migliori implementazioni nel breve termine assomiglieranno probabilmente a una delega disciplinata. Un dipendente definisce l’obiettivo, limita dati e strumenti, esamina le evidenze intermedie e si assume la responsabilità dell’esito.

Questo modello è meno spettacolare di un dipendente digitale che lavora da solo. È anche più compatibile con i controlli che già rendono utili gli agenti di coding.

Cosa non dimostrano i numeri di Microsoft

Le evidenze mostrano una distribuzione rapida e un utilizzo in crescita, ma non dimostrano che gli agenti autonomi migliorino costantemente la produttività a livello aziendale.

Il Work Trend Index 2026 di Microsoft offre dettagli utili su come i dipendenti utilizzano l’AI. L’azienda ha analizzato i segnali di Microsoft 365 e intervistato 20.000 knowledge worker che già utilizzavano l’AI in 10 mercati.

Un’analisi rispettosa della privacy di oltre 100.000 chat di Copilot ha rilevato che il 49% supportava il lavoro cognitivo. Un altro 19% riguardava il lavoro con le persone, il 17% la produzione del lavoro e il 15% la ricerca di informazioni.

Microsoft ha inoltre riferito che il 66% degli utenti AI intervistati ha affermato che la tecnologia ha dato loro più tempo per attività di valore. Il cinquantotto per cento ha dichiarato di aver prodotto lavori che non avrebbe potuto completare un anno prima.

Questi risultati sostengono l’affermazione secondo cui l’uso dell’AI va oltre la stesura di bozze. Tuttavia, il sondaggio si è concentrato su persone che già utilizzavano l’AI generativa al lavoro. Molti risultati erano auto-riportati anziché misurazioni indipendenti dell’output organizzativo.

Microsoft spiega chiaramente queste limitazioni nel Work Trend Index. Le sue categorie di preparazione si basano su comportamenti dichiarati, fiducia, cultura, supporto manageriale e creazione di valore.

Il rapporto ha rilevato che solo il 19% degli utenti AI combinava un’elevata capacità individuale con una forte preparazione organizzativa. Un ulteriore 10% possedeva le competenze ma non disponeva di sistemi aziendali di supporto. La metà rimaneva in una categoria intermedia emergente.

Solo il 26% ha affermato che la propria leadership era chiaramente e costantemente allineata sull’AI. Questo dato complica l’idea che l’acquisto di licenze Copilot produca naturalmente un’azienda pronta per gli agenti.

Una licenza garantisce l’accesso alla tecnologia. Non definisce quali attività gli agenti dovrebbero gestire, non risolve politiche in conflitto né crea un processo di escalation. Inoltre, non forma i manager a valutare equamente i contributi umani e degli agenti.

La sicurezza resta un altro vincolo. Un agente con accesso agli strumenti può fare molto più che generare un paragrafo impreciso. Può recuperare dati sensibili, inviare un messaggio errato, modificare un record o attivare un altro processo automatizzato.

Le linee guida per la progettazione degli agenti di Microsoft sottolineano affidabilità, privacy, sicurezza, trasparenza e responsabilità. Consigliano ai team di spiegare le limitazioni degli agenti, monitorarne il comportamento e mantenere le mitigazioni dopo l’implementazione.

Queste linee guida mostrano perché l’autonomia non può essere trattata come un’installazione software una tantum. Gli agenti cambiano con l’evoluzione di modelli, prompt, strumenti, autorizzazioni e dati sottostanti. Le organizzazioni necessitano di una valutazione continua, non di una singola approvazione al lancio.

Anche il costo della revisione umana merita attenzione. Un agente può produrre materiale più rapidamente di quanto un dipendente riesca a verificarlo. Se la revisione diventa un collo di bottiglia, gli apparenti guadagni dell’automazione potrebbero spostare il lavoro anziché eliminarlo.

La supervisione può inoltre creare un bias di automazione. I dipendenti possono accettare output plausibili perché il sistema funziona nella maggior parte dei casi, soprattutto sotto la pressione delle scadenze. Un errore raro può quindi superare il controllo progettato per intercettarlo.

Al contrario, i dipendenti possono non fidarsi dell’agente e rifare ogni attività. Ciò produce lavoro duplicato e indebolisce il rendimento previsto. Un’implementazione utile si colloca tra l’accettazione cieca e la ripetizione completa.

La crescita delle licenze Microsoft non può risolvere questi problemi. Le evidenze più solide deriveranno da risultati a livello di attività, inclusi tempi di ciclo, tassi di correzione, frequenza delle eccezioni, esiti per i clienti e impatto finanziario verificato.

La tesi di Microsoft sulla produttività rimane credibile come direzione, ma incompleta come conclusione generale. L’ingegneria offre meccanismi incoraggianti. Finanza e vendite necessitano ancora di evidenze nelle rispettive condizioni operative.

Tre segnali metteranno alla prova la spinta di Microsoft sugli agenti AI

Il prossimo test consiste nel verificare se Microsoft e i suoi clienti possono collegare l’attività degli agenti a risultati aziendali affidabili.

Il primo segnale è la misurazione a livello di attività oltre l’ingegneria. GitHub già riporta l’attività di pull request create e revisionate da agenti per repository. Microsoft necessita di misure dei risultati comparabili per i flussi di lavoro di vendite, finanza e assistenza.

Per le vendite, evidenze utili collegherebbero il lavoro degli agenti a opportunità qualificate, tempi di risposta, conversione e tassi di correzione. Per la finanza, misurerebbero la durata della chiusura, la risoluzione delle eccezioni, le raccomandazioni rifiutate e i rilievi di audit.

Se Microsoft esporrà misure operative credibili, la sua argomentazione sulla produttività si rafforzerà. Se la reportistica resterà incentrata su licenze, prompt e utenti attivi, gli acquirenti faranno fatica a separare l’adozione dal valore aziendale.

Il secondo segnale è il rapporto tra la crescita di Copilot e la pianificazione della forza lavoro. Investitori e dipendenti osserveranno assunzioni, turnover, riorganizzazioni e aspettative di output nei reparti che adottano agenti.

Un modello di output in espansione accompagnato da un’occupazione stabile sosterrebbe l’argomentazione di Microsoft sulla capacità. Riduzioni ripetute del personale legate all’automazione rafforzerebbero l’interpretazione della sostituzione, indipendentemente da come i fornitori descrivono la tecnologia.

La distinzione potrebbe rimanere difficile da dimostrare. Le aziende raramente isolano una singola causa quando modificano il personale. Gli acquirenti possono comunque comunicare se il tempo risparmiato finanzia nuovo lavoro, assorbe la crescita o riduce il fabbisogno di manodopera.

Il terzo segnale è la governance in condizioni di reale autonomia. Registri degli agenti, confini delle autorizzazioni, log di audit e approvazioni umane devono funzionare tra agenti proprietari e di terze parti. Un grave fallimento di accesso o di azione rallenterebbe l’implementazione nelle funzioni regolamentate.

La strategia di Microsoft si rafforza se le aziende ampliano le autorizzazioni degli agenti mantenendo bassi tassi di errore e di incidenti. Si indebolisce se la maggior parte delle implementazioni resta limitata alla stesura di bozze perché le organizzazioni non possono fidarsi delle azioni autonome.

Gli acquirenti dovrebbero anche osservare come rispondono i concorrenti. Google può sfruttare la distribuzione di Workspace, Salesforce può sfruttare i dati dei clienti e ServiceNow può sfruttare processi operativi strutturati. Ciascuno ha una strada diversa verso il lavoro aziendale basato sugli agenti.

Microsoft non deve fornire ogni modello vincente. Il suo obiettivo più ampio è diventare il livello operativo che collega gli agenti a identità, conoscenza aziendale, applicazioni e controlli.

Questa ambizione spiega il percorso dal coding alla finanza. L’ingegneria offriva attività misurabili e sistemi di revisione consolidati. Microsoft ora vuole dimostrare che la supervisione umana può rendere gli agenti affidabili anche nel lavoro meno deterministico.

I 30 milioni di licenze a pagamento offrono un ampio terreno di prova, non un verdetto definitivo. Il numero decisivo non sarà quanti dipendenti ricevono Copilot. Sarà quanti flussi di lavoro affidabili producono risultati migliori senza nascondere ulteriore revisione, rischio o lavoro spostato.

Per sviluppatori, team finanziari, responsabili delle vendite e acquirenti aziendali, l’azione immediata consiste nello scegliere un processo misurabile prima di ampliare l’accesso. Definite il risultato atteso, i dati autorizzati, il responsabile della revisione, la soglia di errore e il percorso di escalation. Poi confrontate il processo assistito dall’agente con il flusso di lavoro esistente. La spinta di Microsoft sugli agenti AI avrà successo quando tale confronto sosterrà una delega più ampia, non quando un’altra licenza comparirà nel dashboard di un amministratore.