C’è una data che da mesi circola nei comunicati stampa, nelle agende dei responsabili compliance e nei webinar di settore: il 2 agosto 2026. Ed è proprio negli ultimi giorni di giugno che quella data ha cambiato significato. Il 29 giugno il Consiglio dell’Unione Europea ha dato il via libera definitivo al regolamento che semplifica e rinvia parte delle norme dell’AI Act, dopo l’approvazione del Parlamento Europeo del 16 giugno. Per chi scrive di customer experience e tecnologia, e per chi in azienda sta cercando di orientarsi tra obblighi, scadenze e promesse dell’intelligenza artificiale agentica, è il punto da cui conviene partire per mettere ordine.
Il 2 agosto non è più (solo) quello che si pensava
L’AI Act, primo quadro normativo al mondo dedicato all’intelligenza artificiale, prevedeva che gran parte degli obblighi sui sistemi ad alto rischio diventasse applicabile il 2 agosto 2026: i sistemi usati per selezione del personale, valutazione delle prestazioni, gestione delle carriere, accesso a servizi essenziali e altri ambiti sensibili sarebbero dovuti rientrare da quella data sotto i requisiti più stringenti del regolamento, quelli su trasparenza, qualità dei dati e supervisione umana.
Il pacchetto approvato dal Consiglio, parte del cosiddetto “Omnibus VII” nell’agenda di semplificazione normativa europea, cambia questo orizzonte temporale. Le nuove date di applicazione delle regole sui sistemi ad alto rischio sono fissate al 2 dicembre 2027 per i sistemi stand-alone e al 2 agosto 2028 per quelli incorporati in prodotti già soggetti ad altra normativa di settore (dispositivi medici, giocattoli, ascensori, macchinari). Il testo introduce anche un divieto esplicito, prima assente, sulla generazione di contenuti sessuali non consensuali e di materiale pedopornografico realizzato con sistemi di AI, comprese le applicazioni che generano immagini di nudo di persone reali o rimuovono gli abiti da foto. Vengono inoltre posticipate al 2 agosto 2027 le scadenze per l’istituzione delle sandbox regolamentari nazionali, mentre il periodo di grazia per le soluzioni di trasparenza sui contenuti generati artificialmente (watermarking) si riduce da sei a tre mesi, con nuova scadenza al 2 dicembre 2026.
Cosa significa in pratica per le imprese italiane? Che la scadenza più temuta – quella sulla classificazione e gestione dei sistemi ad alto rischio– slitta di oltre un anno. Ma non tutto si sposta. L‘obbligo di alfabetizzazione del personale sull’intelligenza artificiale, in vigore dal 2 febbraio 2025, resta invariato: non rientra tra le norme rinviate dal pacchetto di semplificazione, perché riguarda un adempimento distinto da quello sui sistemi ad alto rischio.
È un punto su cui vale la pena soffermarsi, perché secondo l’analisi di AIDAPT, startup italiana specializzata in AI agentica, il 65% delle imprese italiane non ha ancora fornito alcuna direttiva ai dipendenti sull’uso dell’AI, e meno del 20% ha avviato un percorso di formazione strutturato. Il fenomeno dello shadow AI (l’uso di strumenti non autorizzati dall’azienda) riguarderebbe secondo le stesse fonti il 27% dei lavoratori, esponendo le organizzazioni a rischi di fuga di dati indipendentemente da quando scatteranno i controlli sui sistemi ad alto rischio. Lorenzo Scoppolini Massini, co-founder di AIDAPT, ha indicato cinque passaggi operativi per le aziende ancora indietro: mappare gli strumenti di AI realmente in uso, sostituire gli account personali con licenze aziendali tracciabili, formare il personale in modo documentato, scrivere un regolamento interno breve e conosciuto da tutti, verificare dove finiscono i dati trattati e se restano nel perimetro europeo. Sono passaggi che restano sensati anche dopo il rinvio, perché rispondono a un obbligo che il pacchetto di semplificazione non ha toccato.
Il quadro italiano, peraltro, non si esaurisce nell’AI Act. La Legge 23 settembre 2025, n. 132, in vigore dal 10 ottobre 2025, ha costruito un impianto normativo nazionale che integra il regolamento europeo senza sovrapporvisi: affida all’Agenzia per l’Italia Digitale il ruolo di autorità di notifica, all’Agenzia per la Cybersicurezza Nazionale la vigilanza di mercato, e a Banca d’Italia, CONSOB e IVASS la sorveglianza nei rispettivi ambiti settoriali. L’articolo 11 della legge introduce obblighi informativi precisi per i datori di lavoro che impiegano sistemi di AI nei rapporti con i lavoratori, con valutazione preventiva dell’impatto sui diritti dei dipendenti e informativa ai rappresentanti sindacali per gli usi in selezione e gestione delle carriere. Questo impianto nazionale, a differenza delle scadenze europee appena riviste, non è stato oggetto del rinvio e resta pienamente applicabile.
Quindi il rinvio europeo non va considerato come una pausa nella costruzione della compliance, ma uno spostamento di priorità: meno pressione immediata sulla classificazione del rischio dei sistemi più complessi, stessa urgenza sulla formazione del personale e sulla normativa nazionale già operativa.
Agenti autonomi: l’adozione corre, la governance arranca
Mentre il quadro normativo si ridefinisce, l’adozione dell’AI nelle imprese italiane accelera in modo netto. Secondo i dati ISTAT, la quota di imprese italiane con almeno 10 addetti che dichiara di utilizzare almeno una tecnologia di intelligenza artificiale è passata dal 5% del 2023 all’8,2% del 2024, fino al 16,4% rilevato a dicembre 2025: un raddoppio in dodici mesi che segna un’accelerazione strutturale, non un episodio isolato.
Al centro di questa crescita ci sono gli agenti AI, sistemi che, a differenza dei modelli generativi tradizionali che rispondono a un singolo prompt, perseguono obiettivi complessi in autonomia, prendono decisioni, interagiscono con sistemi esterni e agiscono senza attendere necessariamente un avallo umano. Cisco Talos li descrive come sistemi basati su modelli linguistici di grandi dimensioni dotati di capacità di pianificazione, esecuzione e verifica dei risultati, in grado di adattare l’approccio quando l’esito non è conforme alle aspettative. Proprio questa autonomia, secondo Cisco Talos, impone alle organizzazioni di trattare gli agenti con gli stessi principi di gestione del rischio riservati a un nuovo dipendente: livelli di accesso coerenti con il ruolo, modellazione delle minacce, privilegi limitati, perché un modello linguistico non deterministico può produrre risultati diversi a parità di compito, e affidarsi solo ad autorizzazioni statiche non basta a garantire sicurezza. La società segnala inoltre come l’AI agentica sia già impiegata da attori malevoli, con scenari di sviluppo che includono agenti capaci di operare nell’ambiente della vittima in autonomia, riducendo le possibilità di rilevamento.
Il divario tra entusiasmo per l’adozione e maturità dei controlli emerge con chiarezza da più ricerche indipendenti. Una ricerca di Rubrik Zero Labs, condotta su oltre 1.600 leader IT e security a livello globale, rileva che l’86% degli intervistati prevede che gli agenti AI supereranno le misure di sicurezza della propria organizzazione entro il prossimo anno; in Italia la percentuale si attesta all’83%, con il 3% degli intervistati italiani – la quota più alta tra i paesi analizzati – che indica questo scenario come già attuale. Solo il 23% a livello globale (30% in Italia) dichiara di avere piena visibilità sugli agenti che operano nei propri ambienti, un dato che secondo i ricercatori è probabilmente sovrastimato. Più dell’80% degli intervistati globali (72% in Italia) ammette che gli agenti richiedono più supervisione manuale di quanta efficienza generino, e l’88% (80% in Italia) afferma di non avere la capacità di annullare le azioni di un agente senza rischiare interruzioni di sistema. Kavitha Mariappan, Chief Transformation Officer di Rubrik, ha sintetizzato il problema osservando che le organizzazioni stanno implementando sistemi che non riescono a osservare, governare o ripristinare pienamente, e che la sfida per i leader sta nel mantenere sicurezza operativa in un contesto in cui il processo decisionale si sposta progressivamente dall’uomo alla macchina.
Sul fronte degli incidenti concreti, il report “AI and Human Risk Landscape 2026” di Proofpoint, condotto su oltre 1.400 professionisti della sicurezza in 12 paesi inclusa l’Italia, evidenzia che l’82% delle aziende italiane ha già implementato assistenti AI oltre la fase pilota e l’83% sta sviluppando agenti autonomi, ma il 31% ha già subìto un incidente di sicurezza legato all’AI, sospetto o confermato. Il 61% delle imprese italiane non è pienamente fiduciosa che i propri controlli di sicurezza riuscirebbero a identificare un’intelligenza artificiale compromessa, e la totalità delle aziende interpellate segnala difficoltà nella gestione di strumenti di sicurezza multipli, con email, piattaforme di condivisione file, applicazioni cloud di terze parti e canali di messaggistica che ampliano contemporaneamente la superficie di attacco. Ryan Kalember, Chief Strategy Officer di Proofpoint, ha osservato che l’AI non introduce tanto una categoria di minaccia inedita, quanto amplifica rischi già noti – esecuzione di codice non affidabile, gestione impropria di dati sensibili, perdita di controllo delle credenziali – eseguendoli con velocità e portata di macchina, e che le aziende capaci di impostare correttamente questi controlli fin dall’inizio potranno scalare l’AI con fiducia, mentre le altre rischiano di automatizzare la propria esposizione.
Su questo terreno si muovono anche le risposte tecnologiche. TrueScreen, piattaforma di certificazione digitale con valore legale, ha presentato al Forum InCyber di Lille una funzionalità che certifica con valore legale ogni dato ricevuto, elaborato e prodotto da un agente AI lungo l’intero ciclo di vita – dalla base di conoscenza alle istruzioni ricevute, dalle operazioni intermedie agli output finali – sigillando i dati con marca temporale qualificata conforme eIDAS. Fabio Ugolini, CEO e co-fondatore di TrueScreen, ha definito l’iniziativa un cambio di paradigma rispetto al semplice logging, perché trasforma la ricostruzione a posteriori in prova disponibile in tempo reale, e ha indicato come le aziende che non si doteranno di sistemi di certificazione entro agosto 2026 resteranno esposte a rischi normativi, legali e reputazionali. La società richiama in proposito non solo l’AI Act, ma anche la Product Liability Directive, che estende la responsabilità al software AI introducendo una presunzione di difettosità a carico delle organizzazioni, e la direttiva NIS2 sull’integrità dei dati e la gestione degli incidenti. Secondo le stime di Gartner citate da TrueScreen, il mercato globale dell’AI governance raggiungerà gli 800 milioni di dollari entro la fine del 2026.
Anche chi si occupa di osservabilità conferma che il nodo è la governance, non la tecnologia in sé. Il report “Pulse of Agentic AI 2026” di Dynatrace rileva che circa metà dei progetti di AI resta ferma in fase pilota, nonostante il 74% delle organizzazioni preveda di aumentare i budget l’anno prossimo: sicurezza (52%) e gestione degli agenti su larga scala (51%) restano i principali ostacoli al passaggio in produzione. Colleen Kozak, CTO di Dynatrace, segnala che il 69% delle decisioni basate sull’AI viene ancora validato da una persona prima che scatti qualsiasi azione, e che solo il 13% delle aziende opera tramite agenti completamente autonomi: un dato che, più che un limite, riflette la volontà delle organizzazioni di crescere senza perdere il controllo, perché ricostruire la fiducia una volta compromessa ha un costo alto. Per questo, secondo Kozak, framework di gestione chiari e osservabilità avanzata non vanno letti come freni all’innovazione ma come condizioni che la rendono sostenibile nel tempo.
Il quadro si inserisce in una pressione più ampia sul fronte cyber. La Cyber Risk and Insurance Survey 2026 di Munich Re Global, condotta su oltre 9.500 intervistati in 20 paesi, stima che entro il 2028 i costi globali della criminalità informatica raggiungeranno i 14.000 miliardi di dollari, una cifra superiore al PIL combinato di Germania, Giappone e India. Il 71% dei dirigenti C-level globali indica oggi l’intelligenza artificiale come priorità strategica, ma l’89% degli executive ritiene che la propria organizzazione non sia adeguatamente protetta dai cyberattacchi – un dato in peggioramento costante rispetto all’81% rilevato nel 2021. Paolo Ghirri, CEO di Munich Re Italia, ha osservato che la crescente dipendenza da AI, cloud e supply chain digitali trasforma il rischio cyber in una minaccia sistemica capace di propagarsi rapidamente tra settori e mercati, rendendo la cyber insurance una componente sempre più centrale della gestione del rischio aziendale.
L’AI enterprise: dal suggerimento all’azione
Se la sicurezza è il vincolo, il valore resta la domanda aperta. Diverse voci industriali convergono su un punto: l’intelligenza artificiale produce benefici reali solo quando smette di limitarsi a suggerire e si collega ai processi operativi e ai sistemi in cui le decisioni aziendali producono effetti concreti.
Christian Klein, CEO di SAP, osserva che la competizione nel settore si è spostata sulle interfacce – copiloti, agenti, strumenti di orchestrazione – ma che molte di queste soluzioni non sono progettate sul funzionamento reale di un’organizzazione, dove le decisioni sono interconnesse e vincolate da policy, autorizzazioni e conseguenze economiche. Secondo Klein, un’intelligenza artificiale scollegata da processi, dati e governance rischia di generare attività prive di valore o persino di aumentare frammentazione e rischio: la vera sfida non è produrre più output di AI, ma disporre di sistemi capaci di comprenderne le conseguenze operative. È per questo, sostiene Klein, che i sistemi enterprise – che incorporano governance, autorizzazioni e relazioni economiche come vera memoria istituzionale dell’azienda – non perderanno centralità con l’avvento dell’AI, ma la vedranno crescere, mentre l’adozione dell’intelligenza artificiale si configura sempre più come una sfida di change management prima che tecnologica.
Una lettura complementare arriva da Rob Van Lubek, VP EMEA di Dynatrace, secondo cui il passaggio decisivo non è verso l’autonomia in sé, ma verso un’intelligenza artificiale “contestuale”, capace di interpretare dati eterogenei alla luce di intento, ambiente e tempistica, superando la semplice correlazione statistica tra variabili. Un sistema basato solo sulla correlazione, spiega Van Lubek, può rilevare un picco di carico e raccomandare di aumentare la capacità dei server, ma senza tener conto di vincoli normativi, finestre di pianificazione operativa o impatti finanziari; un sistema contestuale può invece suggerire azioni più mirate, come il reindirizzamento del traffico o la programmazione degli aggiornamenti nelle finestre a minor rischio. Alla base di questa capacità, secondo Van Lubek, deve esserci un’unica fonte di dati di qualità – un data lakehouse che unisca affidabilità dei data warehouse e flessibilità dei data lake – perché senza dati coerenti anche i tentativi più ambiziosi di AI agentica sono destinati a fallire.
Sul tema della qualità dei dati insiste anche Rick Vanover, Vice President Product Strategy di Veeam, che individua nei dati “ROT” – ridondanti, obsoleti, triviali – uno dei principali ostacoli ai progetti di AI personalizzata in azienda, responsabili secondo Veeam del fallimento del 95% dei progetti pilota di AI generativa. Vanover segnala come il 92% delle organizzazioni non disponga ancora di piena visibilità sulle identità AI in uso, un deficit che si traduce non solo in output meno accurati ma anche in rischi di sicurezza, perché un accesso indiscriminato dell’AI a tutte le informazioni aziendali concentra privilegi che, in mani sbagliate, diventano un vettore di attacco. La raccomandazione è di intervenire alla radice, eliminando i dati superflui prima che il problema si aggravi, anche alla luce della crescita complessiva dei dati a livello globale – stimata da Veeam in 181 zettabyte creati, copiati e consumati nell’ultimo anno.
Infine, Antonio Rizzi, VP Solution Consulting di ServiceNow, sposta l’attenzione dal dato all’esecuzione. Rizzi richiama la Global CEO Survey 2026 di PwC, secondo cui solo un CEO su otto registra benefici misurabili in termini di costi e risultati dall’AI, e una ricerca McKinsey per cui il 64% degli executive riconosce che l’AI abilita l’innovazione ma solo il 39% ne ricava guadagni a livello enterprise. Per Rizzi il problema non è la tecnologia ma l’assenza di un collegamento tra il suggerimento dell’AI e il lavoro reale: la maggior parte delle soluzioni aziendali si ferma a indicare cosa fare, senza disporre dell’infrastruttura – un sistema di registrazione, un motore di workflow, un livello di integrazione – necessaria a portare a termine l’azione. Lo conferma, secondo Rizzi, anche il CFO Research Report 2026 di RGP, in cui solo il 14% dei CFO ha riscontrato un impatto misurabile dagli investimenti in AI, pur con il 66% che si attende un impatto maggiore entro due anni, e lo studio 2026 di Deloitte sullo stato dell’AI in azienda, secondo cui due organizzazioni su tre registrano guadagni di produttività ma solo una su cinque vede crescere i ricavi grazie all’AI. La misura del valore, per Rizzi, non è la qualità della risposta prodotta dall’intelligenza artificiale, ma se quella risposta si traduce in un’azione effettivamente compiuta.
Un’estate di transizione, non di pausa
Mettendo insieme i tre piani – normativo, della sicurezza e del valore d’impresa – il quadro che emerge per l’estate 2026 non è quello di un rallentamento, ma di una transizione su tempi diversi. Il rinvio delle regole sui sistemi ad alto rischio toglie pressione immediata sulla classificazione formale, ma lascia intatti gli obblighi di formazione già in vigore e l’impianto normativo italiano. L’adozione degli agenti AI continua ad accelerare più velocemente della capacità delle organizzazioni di osservarli e governarli, secondo pressoché tutte le ricerche indipendenti consultate. E il valore promesso dall’AI enterprise resta condizionato non dalla potenza dei modelli, ma dalla qualità dei dati, dal contesto operativo e dalla capacità reale di trasformare un suggerimento in un’azione conclusa. Le imprese che useranno questa finestra normativa più ampia per costruire le fondamenta – dati puliti, identità tracciate, processi collegati ai sistemi – arriveranno alle prossime scadenze, comunque destinate ad arrivare, in una posizione difficilmente recuperabile dopo.
Fonti
Consiglio dell’Unione Europea, comunicato stampa del 29 giugno 2026 sul regolamento di semplificazione dell’AI Act (Omnibus VII)
ISTAT (dicembre 2025)
Rubrik Zero Labs, The State of the Agent: Understanding Adoption, Risk, and Mitigation
Proofpoint, AI and Human Risk Landscape 2026
Dynatrace, Pulse of Agentic AI 2026
Munich Re, Global Cyber Risk and Insurance Survey 2026
PwC, Global CEO Survey 2026
RGP, CFO Research Report 2026
Deloitte, studio 2026 sullo stato dell’AI in azienda.
Può interessarti anche:
AI Act: l’intelligenza artificiale entra nei processi, cambia la governance
Digital trust: perché fiducia, dati e AI non possono più essere separati
Agentic AI: quando l’autonomia diventa una questione di fiducia
AI nella CX: più valore per il cliente, più responsabilità per i brand
Where is the human? CX del 2030 secondo tre manager internazionali
COMMENTI