Il passaggio dall'automazione assistita all'azione autonoma nei sistemi CRM segna un cambio di paradigma per le imprese. Ma tra promesse di efficienza e rischi di governance, il quadro è più complesso di quanto i vendor vogliano ammettere.
C’è stato un momento preciso in cui il CRM ha smesso di essere un database evoluto e ha iniziato a comportarsi come un operatore autonomo. Quel momento è il 2026, l’anno in cui i tre principali ecosistemi – Salesforce, Microsoft Dynamics 365 e HubSpot – hanno portato in produzione sistemi di AI capaci non solo di suggerire azioni, ma di eseguirle.
Non più raccomandazioni passive che attendono il click di un commerciale: agenti software che qualificano lead, rispondono ai clienti, orchestrano campagne e aggiornano pipeline senza intervento umano diretto.
Il termine tecnico è “Agentic AI” e rappresenta l’evoluzione più significativa nel mondo CRM dall’introduzione del cloud. Ma come sempre accade quando una tecnologia promette di sostituire il giudizio umano con l’efficienza algoritmica, la realtà operativa è fatta tanto di opportunità quanto di zone d’ombra che meritano un’analisi senza sconti.
Dal suggerimento all’esecuzione: cosa cambia davvero
Per comprendere la portata del cambiamento, occorre distinguere con precisione tra le tre generazioni di intelligenza artificiale applicate al CRM.
La prima, basata su regole e automazioni predefinite, ha caratterizzato l’ultimo decennio: workflow statici, trigger condizionali, scoring basato su criteri fissi.
La seconda, quella dell’AI predittiva e generativa, ha introdotto la capacità di analizzare pattern e produrre contenuti – suggerimenti di next-best-action, draft di email, sintesi di conversazioni.
La terza generazione, quella agentica, compie un salto qualitativo fondamentale: il sistema non si limita a generare output informativi, ma agisce in modo autonomo entro un perimetro definito. L’agente percepisce il contesto (dati CRM, segnali comportamentali, storico delle interazioni), pianifica una sequenza di azioni, le esegue e ne valuta l’esito, iterando se necessario. È la differenza tra un navigatore che indica la strada e un pilota automatico che guida l’auto.
I numeri confermano che non si tratta di una promessa futura. Nei risultati del quarto trimestre dell’anno fiscale 2026 (chiuso a gennaio 2026), Salesforce ha comunicato un fatturato ricorrente annuo di 800 milioni di dollari per Agentforce, in crescita del 169% rispetto all’anno precedente. Nello stesso trimestre, l’azienda ha dichiarato 29.000 contratti Agentforce chiusi e 2,4 miliardi di unità di lavoro agentico processate sulla piattaforma. Sono cifre già a consuntivo che indicano un’adozione enterprise su larga scala, non un esperimento di laboratorio.
L’ecosistema in movimento: tre filosofie a confronto
I tre principali vendor hanno interpretato l’AI agentica con approcci distinti, che riflettono le rispettive strategie di piattaforma.
Salesforce Agentforce ha scommesso sull’integrazione nativa con il Data Cloud, rendendo gli agenti “CRM-native” – ovvero capaci di operare direttamente nel contesto dove i dati del cliente già risiedono, senza necessità di connettori esterni per comprendere opportunità aperte, ticket pendenti o storico delle interazioni. La release Spring 2026 ha introdotto Agentforce Builder, un workspace conversazionale per costruire e perfezionare agenti, e l’Agentic Enterprise Search, che attinge a oltre 200 fonti esterne e coordina l’azione tra agenti multipli. L’impatto dichiarato: oltre 100 milioni di dollari in risparmi annualizzati e un aumento di produttività del 34% sulla base clienti complessiva.
Microsoft Dynamics 365 ha adottato una strategia diversa, sfruttando l’integrazione profonda con l’ecosistema Microsoft 365. Gli agenti Copilot in Dynamics 365 attingono simultaneamente ai dati CRM e ai segnali provenienti da email, riunioni Teams e documenti SharePoint, offrendo insight azionabili che attraversano i confini tradizionali tra strumenti. La release wave 1 del 2026 ha esteso le capacità agentiche a vendite, customer service, finance e supply chain. L’elemento differenziante è la capacità degli agenti di triggerare flussi Power Automate, creare ticket, aggiornare record e inviare notifiche – il pattern agentico su scala enterprise che Microsoft sta abilitando attraverso l’intera piattaforma.
HubSpot, con la piattaforma Breeze potenziata da GPT-5 da gennaio 2026, ha puntato sulla specializzazione funzionale degli agenti: il Customer Agent gestisce le richieste in autonomia decidendo quando trasferire al team umano; il Prospecting Agent identifica account in-market sulla base di segnali d’acquisto e prepara outreach personalizzati; il Content Agent genera contenuti nel tono di voce del brand attingendo ai dati del CRM. I team che adottano l’intero portfolio di agenti riportano una riduzione del 40% delle attività CRM ripetitive e tempi di risposta ai lead più rapidi del 25% entro i primi 90 giorni.
L’impatto operativo: dove l’AI agentica crea valore reale
Al di là dei numeri di marketing dei vendor, l’AI agentica nel CRM produce impatto su tre dimensioni operative concrete.
La prima è la velocità di risposta. In un contesto B2B dove il tempo medio di primo contatto determina la probabilità di conversione, un agente che qualifica e risponde in secondi anziché ore modifica sostanzialmente la dinamica competitiva. Questo vale particolarmente per le PMI che non dispongono di team di inside sales dedicati al follow-up immediato.
La seconda è la consistenza operativa. Un agente non ha giorni sottotono, non dimentica di aggiornare il CRM dopo una call, non trascura i lead meno promettenti. La standardizzazione dei processi che le aziende hanno inseguito per anni attraverso training e procedure viene raggiunta per via algoritmica – con tutti i vantaggi e i limiti che questo comporta.
La terza, spesso sottovalutata, è la liberazione di capacità cognitiva. Quando le attività meccaniche vengono gestite dagli agenti, il personale commerciale e di customer service può concentrarsi su ciò che effettivamente richiede intelligenza umana: la negoziazione complessa, la gestione delle eccezioni, la costruzione di relazioni strategiche. Non è un argomento retorico: le organizzazioni che stanno ottenendo i risultati migliori sono quelle che ridisegnano i ruoli attorno alla complementarità uomo-agente, non quelle che semplicemente “accendono” gli agenti sopra processi esistenti.
Il rovescio della medaglia: governance, rischi e il gap di maturità
Se i benefici sono tangibili, i rischi meritano altrettanta attenzione – e qui il quadro si fa preoccupante.
Un’indagine Deloitte su scala multinazionale rivela che solo il 21% delle imprese dispone di una governance matura per gestire i rischi dell’AI agentica. Allo stesso tempo, il 74% degli intervistati prevede un utilizzo almeno “moderato” degli agenti AI entro il 2027. Questo gap tra velocità di adozione e maturità dei controlli è il vero punto critico del 2026.
Le problematiche sono multiple e interconnesse. Sul piano della sicurezza, OWASP identifica il goal hijacking (la manipolazione degli obiettivi dell’agente), il tool misuse (l’uso improprio degli strumenti a disposizione dell’agente) e l’identity abuse come minacce fondamentali. Quando un agente CRM ha accesso a dati dei clienti, piattaforme email, repository documentali e API esterne, la superficie di attacco si espande enormemente – attraverso canali che spesso non sono monitorati né governati dai framework di sicurezza tradizionali.
Sul piano della governance dei dati, il problema è l’identity management. I sistemi IAM tradizionali sono stati progettati per utenti umani o service account statici. Un agente AI autonomo non rientra in nessuna delle due categorie: accumula privilegi nel tempo (privilege drift), opera senza supervisione costante e può prendere decisioni che impattano dati sensibili dei clienti. Il concetto stesso di “chi ha autorizzato questa azione” diventa ambiguo in un contesto dove l’agente opera su delega implicita.
Sul piano organizzativo, il rischio è la deresponsabilizzazione. Se un agente qualifica erroneamente un lead enterprise come non prioritario, o risponde in modo inappropriato a un cliente strategico, chi ne risponde? La catena di responsabilità che nelle organizzazioni tradizionali è chiara – il commerciale risponde al sales manager, che risponde al direttore commerciale – si dissolve quando l’azione è stata compiuta da un algoritmo configurato mesi prima da un team diverso.
Implicazioni per le PMI italiane ed europee
Per le piccole e medie imprese del tessuto produttivo italiano ed europeo, l’AI agentica nel CRM presenta un paradosso specifico.
Da un lato, è proprio nelle PMI che l‘impatto potenziale è maggiore: strutture commerciali snelle, risorse limitate per il follow-up sistematico, difficoltà a mantenere la consistenza operativa su volumi crescenti di interazioni. Un agente AI ben configurato può colmare gap che altrimenti richiederebbero assunzioni o esternalizzazioni.
Dall’altro lato, le PMI sono anche le organizzazioni meno attrezzate per gestire la complessità che l’AI agentica introduce. Raramente dispongono di competenze interne di data governance, di framework strutturati per la gestione dei rischi AI, o della capacità di investimento necessaria per implementazioni enterprise dei tier più alti.
La via pragmatica passa probabilmente per un approccio incrementale: iniziare con agenti a perimetro ristretto (customer service tier-1, qualificazione iniziale dei lead, aggiornamento automatico dei dati CRM), misurare risultati e rischi su casi controllati, e solo successivamente espandere l’autonomia degli agenti ai processi più critici. Il tutto tenendo presente che il contesto regolatorio europeo – dall’AI Act alle normative sulla protezione dei dati – impone vincoli più stringenti rispetto al mercato statunitense, soprattutto quando l’automazione tocca decisioni che impattano direttamente le persone.
Il nodo delle competenze e della cultura organizzativa
C’è un aspetto che i vendor tendono a minimizzare nelle loro narrazioni sull’AI agentica: il cambiamento culturale che essa richiede. Implementare un agente AI nel CRM non è come attivare una nuova funzionalità software. È un intervento che modifica i flussi decisionali, redistribuisce le responsabilità e richiede nuove competenze – non tanto tecniche quanto di supervisione e governance.
Il commerciale che fino a ieri gestiva l’intero ciclo di qualificazione del lead deve imparare a supervisionare un processo parzialmente automatizzato, intervenendo solo sulle eccezioni. Il customer service manager deve definire i confini entro cui l’agente può operare autonomamente e stabilire protocolli di escalation chiari. Il CIO deve valutare rischi che non sono puramente infrastrutturali ma toccano la qualità delle decisioni automatizzate e la conformità normativa.
Per le PMI italiane, dove spesso le funzioni IT, commerciale e customer service sono ricoperte dalle stesse persone o da team molto ridotti, questa sovrapposizione di competenze necessarie rappresenta una barriera reale. Non basta acquistare la licenza del CRM con funzionalità agentiche: occorre investire in formazione, ridefinire i processi e – soprattutto – accettare che la transizione richiederà un periodo di apprendimento in cui i risultati non saranno immediati. Le aziende che trattano l’AI agentica come un interruttore on/off anziché come un percorso di trasformazione organizzativa sono destinate a ottenere risultati deludenti, indipendentemente dalla qualità della tecnologia adottata.
Uno sguardo al futuro prossimo
Gartner prevede che entro fine 2026 oltre l’80% dei cicli di vendita enterprise coinvolgerà almeno uno shared digital workspace – ambienti collaborativi dove agenti AI, buyer e seller interagiscono in modo strutturato. È un orizzonte che porta il CRM agentico ben oltre il backoffice, trasformandolo in un partecipante attivo del processo di vendita visibile anche al cliente.
Il mercato CRM globale, stimato a 90 miliardi di dollari nel 2025, è proiettato verso i 304 miliardi entro il 2035. Una parte significativa di questa crescita sarà trainata proprio dalla componente agentica. Ma la vera domanda strategica non è se adottare l’AI agentica nel CRM – a questo punto il treno è partito – bensì come farlo in modo che crei valore senza introdurre rischi sproporzionati.
Per le imprese che affrontano questa transizione, la differenza non sarà la tecnologia scelta – tutti i principali vendor convergeranno verso capacità simili – ma la qualità della governance implementata, la chiarezza nella ridefinizione dei ruoli e la capacità di mantenere il controllo umano sui processi che richiedono giudizio, empatia e responsabilità. L’AI agentica è uno strumento potente. Ma come ogni strumento potente, la differenza la fa chi lo impugna.
Vuoi portare l’AI agentica nel tuo CRM Salesforce?
ITB Salesforce inside, azienda del Gruppo OTS, è partner certificato Salesforce e accompagna le imprese italiane lungo l’intero percorso di trasformazione CRM: dalla consulenza strategica all’implementazione di Sales Cloud e Service Cloud, dalla personalizzazione della piattaforma all’integrazione con i sistemi aziendali esistenti, fino alla formazione dei team e al supporto continuativo.
Se stai valutando come introdurre le funzionalità agentiche di Salesforce nella tua organizzazione – o semplicemente vuoi capire da dove iniziare – contatta il team ITB per un confronto diretto sulle esigenze della tua azienda.
