Il panorama tecnologico globale sta attraversando una trasformazione radicale, segnata dal passaggio definitivo dalla digitalizzazione semplice all’automazione intelligente. Il 1 aprile 2026, durante la presentazione dedicata al futuro di Slack e all’integrazione dell’intelligenza artificiale nell’ecosistema Salesforce, i vertici dell’azienda hanno delineato una visione in cui il software non è più solo uno strumento passivo, ma un collaboratore attivo capace di orchestrare compiti complessi. Questa evoluzione poggia su solide basi finanziarie: Salesforce ha recentemente proiettato ricavi per oltre 46 miliardi di dollari, con un flusso di cassa generato di 16 miliardi di dollari. Questi numeri, come sottolineato dal CEO Marc Benioff, sostengono una capacità di innovazione che mira a colmare quello che oggi viene definito il divario tra chi ha già adottato l’intelligenza artificiale e chi è rimasto ancorato a modelli operativi tradizionali.
Indice degli argomenti
Il superamento del divario tecnologico attraverso l’agentic AI innovation
Il concetto di agentic AI innovation rappresenta la risposta di Salesforce a quella che Marc Benioff definisce la nuova barriera competitiva: “C’era il divario digitale. Ora c’è il divario agentico tra chi ha queste grandi esperienze con i propri clienti e molte aziende che non hanno ancora attraversato questo abisso”. Al centro di questa strategia si trova Agentforce, descritto come il prodotto con la crescita più rapida nella storia dell’azienda, capace di generare 800 milioni di dollari di entrate annuali ricorrenti (ARR) solo nel quarto trimestre, con un incremento del 169% rispetto all’anno precedente.
Questa tecnologia non si limita a rispondere a domande, ma esegue transazioni complesse. Attualmente, oltre 23.000 clienti utilizzano già queste soluzioni. Tra gli esempi più significativi citati durante l’incontro figurano:
- Pandora, che utilizza Salesforce per la gestione del punto vendita, del servizio clienti e del marketing.
- Lennar, dove gli agenti IA coordinano autonomamente 12.000 tour immobiliari.
- Southwest Airlines, che integra queste soluzioni per rivoluzionare l’esperienza dei passeggeri.
Slackbot: da assistente testuale a compagno di squadra proattivo
L’interfaccia principale di questa rivoluzione è il nuovo Slackbot. Parker Harris, co-fondatore di Salesforce, ha definito Slackbot come “la funzione con la crescita più rapida che io abbia mai visto in Salesforce, forse nell’intero settore. È incredibile”. Non si tratta più di un semplice bot per le notifiche, ma di un agente che possiede memoria e consapevolezza situazionale.
Secondo Rob Seaman, GM di Slack, l’architettura di Slackbot, sviluppata in collaborazione con Anthropic, permette al sistema di “ragionare su ciò che deve accadere per completare un compito o rispondere a una domanda”. Il sistema utilizza il context engineering per attingere informazioni non solo da Slack, ma da tutto l’ecosistema aziendale, inclusi Google Drive e Atlassian. Le potenzialità dell’agentic AI innovation si manifestano nella capacità di Slackbot di apprendere le preferenze personali degli utenti, come la scelta dei canali di comunicazione o degli strumenti di creazione documenti, rendendo l’interazione fluida e personalizzata.
L’integrazione delle “Skills” e la disintermediazione del CRM
Una delle novità più rilevanti presentate è l’introduzione delle Skills, istruzioni specifiche che permettono a Slackbot di eseguire processi aziendali complessi. Durante le dimostrazioni pratiche, è stato mostrato come Slackbot possa analizzare un budget partendo da uno screenshot o da un foglio di calcolo, creare una presentazione di marca seguendo i modelli aziendali e persino prenotare riunioni sincronizzando i calendari di tutto il team.
Questa evoluzione porta a una provocazione radicale lanciata da Parker Harris: “Perché dovrei mai accedere di nuovo a Salesforce? Forse non lo farai mai più. Forse entrerai in Slack perché Slack è il nuovo livello di coinvolgimento per il software aziendale”. Slack diventa quindi il “portone d’ingresso” dell’impresa , dove il CRM è integrato direttamente nel flusso della conversazione.
La trasformazione delle vendite: l’impatto reale sui cicli di business
Il settore delle vendite è quello che sembra beneficiare in modo più immediato dell’agentic AI innovation. Maryann Patel, responsabile del prodotto per Agentforce Sales, ha annunciato che l’Agentic Prospecting è diventato ufficialmente disponibile (GA). Questa tecnologia elimina quello che viene definito “lavoro investigativo” dei venditori, automatizzando la ricerca di lead attraverso strumenti come ZoomInfo e la ricerca web.
L’impatto quantitativo di queste soluzioni è già misurabile:
- Anthropic ha registrato un incremento del 60% nei cicli di chiusura degli affari utilizzando Slack e Agentforce.
- Nell’organizzazione SMB di Salesforce, l’uso dell’agente per la gestione della pipeline ha permesso di risparmiare 125.000 ore di aggiornamenti manuali in pochi mesi.
“Un venditore non dovrà toccare un lead fino al giorno in cui effettivamente lo incontrerà”, ha spiegato Patel, sottolineando come l’agente di impegno possa inviare messaggi personalizzati, rispondere a domande e prenotare incontri in autonomia. Inoltre, la capacità di Slackbot di generare briefing per le riunioni in tempo reale, attingendo da conversazioni passate e dati CRM, permette di identificare cambiamenti dell’ultimo minuto, come l’aggiunta di un CFO a una chiamata, suggerendo immediatamente la migliore strategia di posizionamento.
Un ecosistema aperto e il futuro del lavoro desktop
L’innovazione non si ferma alle funzioni interne. Slackbot è ora in grado di orchestrare azioni tra oltre 2.600 applicazioni presenti nel marketplace di Slack. Durante l’evento sono stati mostrati casi d’uso con DocuSign per la gestione dei contratti, Linear per il tracciamento dei bug e Cursor per lo sviluppo di codice. In un esempio di collaborazione uomo-macchina, un agente Cursor ha suggerito una correzione a un bug software direttamente in un canale Slack, lasciando allo sviluppatore umano solo il compito di revisione e approvazione finale.
Un salto evolutivo fondamentale è rappresentato dalla possibilità di portare Slackbot “fuori dal contenitore” dell’applicazione. Rob Seaman ha mostrato come l’agente possa essere posizionato direttamente sul desktop per ascoltare riunioni su piattaforme come Google Meet, prendere appunti intelligenti e incrociare le informazioni vocali con i documenti aperti sullo schermo. “La bellezza di Slack è tutto il contesto che risiede in esso. Quando porti Slackbot fuori da Slack e lo metti sul tuo desktop, è in grado di unire il contesto di quei fogli Google, delle riunioni, dei documenti aperti e dei file Figma con il prezioso contesto presente in Slack”.
Infine, la roadmap di rilascio prevede che queste innovazioni diventino accessibili a una platea sempre più vasta. Sebbene le funzioni avanzate siano attualmente legate ai piani Business+ ed Enterprise+ , Parker Harris ha annunciato che a partire da aprile 2026 inizierà la distribuzione di versioni di prova e campionamenti anche per i team dei piani Free e Pro, con un rilascio completo delle funzionalità visto durante la presentazione previsto per giugno 2026. In questo scenario, Slack cessa di essere una semplice chat aziendale per diventare il luogo in cui l’intelligenza artificiale non solo assiste, ma lavora attivamente per l’impresa.
FAQ: Intelligenza Artificiale
Che cos’è l’Intelligenza Artificiale?
L’Intelligenza Artificiale è la disciplina che studia come realizzare sistemi informatici in grado di simulare il pensiero umano. Secondo la Treccani, si tratta della disciplina che studia i fondamenti teorici, le metodologie e le tecniche che permettono di progettare sistemi hardware e software capaci di fornire prestazioni che sembrerebbero appartenere esclusivamente all’intelligenza umana. Rifacendosi alle teorie di Alan Turing, l’AI può essere definita come “la scienza di far fare ai computer cose che richiedono intelligenza quando vengono fatte dagli esseri umani”. Oggi l’intelligenza artificiale è diventata parte della vita quotidiana, consentendo alle macchine di eseguire vari compiti che un tempo erano prerogativa degli umani.
Quali sono le origini dell’Intelligenza Artificiale?
Le origini dell’Intelligenza Artificiale risalgono al XVII secolo quando filosofi come Leibniz, Thomas Hobbes e René Descartes esplorarono la possibilità che il pensiero razionale potesse essere sistematizzato come l’algebra o la geometria. Tuttavia, il “padre” del concetto nell’età moderna è considerato Alan Turing, che nel 1950 pubblicò “Computing Machinery and Intelligence” introducendo il “test di Turing”. Il termine “Artificial Intelligence” venne coniato ufficialmente il 31 agosto 1955 come titolo di un workshop organizzato da John McCarthy, Marvin Minsky, Nathaniel Rochester e Claude Shannon. Questo seminario, tenutosi nel 1956, è considerato la data di nascita ufficiale di questo campo di studio e sperimentazione.
Quali sono le principali tecnologie di Intelligenza Artificiale?
L’Intelligenza Artificiale comprende diverse tecnologie chiave: il Natural Language Processing (NLP) che permette alle macchine di comprendere e generare linguaggio umano; il Speech Recognition per la trascrizione e trasformazione del parlato; i Virtual Agents come chatbot e assistenti virtuali; le piattaforme di Machine Learning che permettono ai computer di apprendere dai dati; l’AI-optimized Hardware specificamente progettato per calcoli AI; i sistemi di Decision Management che inseriscono regole logiche nei sistemi AI; le Deep Learning Platform basate su reti neurali artificiali; la Biometrica per interazioni naturali uomo-macchina; la Robotic Process Automation per automatizzare azioni umane; e il Text Analytics per comprendere strutture e significati dei testi.
Che differenza c’è tra Intelligenza Artificiale Generale (AGI) e Intelligenza Artificiale specializzata?
L’Intelligenza Artificiale Generale (AGI) e l’intelligenza artificiale specializzata (o “debole”) sono concetti distinti. Mentre l’AGI è un sistema dotato di capacità cognitive universali, che consentono di apprendere, comprendere e operare in una vasta gamma di domini e contesti, l’intelligenza artificiale specializzata è progettata per eseguire compiti specifici e ben definiti, come il riconoscimento di immagini, la traduzione linguistica o il gioco degli scacchi. L’IA specializzata eccelle nell’ottimizzazione di compiti particolari, ma non può andare oltre i limiti del suo ambito predefinito ed è già ampiamente utilizzata, guidando l’innovazione in molteplici industrie e applicazioni pratiche.
Quali sono le applicazioni dell’Intelligenza Artificiale nei diversi settori?
L’Intelligenza Artificiale trova applicazione in numerosi settori. Nell’industria, l’AI ottimizza la produzione, riduce gli sprechi e migliora la progettazione dei prodotti. Nel settore sanitario, gli algoritmi di deep learning analizzano immagini diagnostiche, predicono l’evoluzione delle patologie e suggeriscono trattamenti personalizzati. In agricoltura, AI, droni e sensori intelligenti monitorano la salute delle colture e ottimizzano irrigazione e fertilizzazione. Nel settore finanziario, l’AI analizza grandi volumi di dati per identificare frodi e valutare rischi. Nell’istruzione, permette percorsi didattici personalizzati. Nelle smart city, l’AI gestisce traffico, trasporti pubblici e rifiuti per città più sostenibili. Nella logistica, ottimizza ogni fase della catena di approvvigionamento, dalla previsione della domanda alla consegna.
Come funziona l’Intelligenza Artificiale prescrittiva?
L’Intelligenza Artificiale prescrittiva è una branca avanzata dell’AI che non si limita a prevedere eventi futuri (come fa quella predittiva), ma fornisce raccomandazioni operative su cosa fare per ottenere il miglior risultato possibile. Utilizza algoritmi di ottimizzazione, simulazione e modelli matematici per analizzare una vasta gamma di variabili, vincoli e obiettivi, generando scenari decisionali ottimali. È in grado di valutare milioni di possibili soluzioni e selezionare quella più efficiente, tenendo conto delle condizioni reali del contesto aziendale. È particolarmente utile in ambiti complessi come la supply chain, la logistica, la produzione e la pianificazione strategica, dove le decisioni devono essere rapide, data-driven e ad alto impatto.
Quali sono le sfide etiche legate all’Intelligenza Artificiale?
L’adozione dell’intelligenza artificiale nei processi di innovazione apre scenari straordinari, ma anche nuove complessità da governare. Le principali criticità etiche includono la gestione dei bias nei modelli generativi, i rischi di allucinazione nei sistemi di GenAI e la mancanza di framework di governance adeguati a monitorare la qualità e l’affidabilità dei risultati prodotti. Si aggiungono problemi legati alla protezione dei dati sensibili, alla proprietà intellettuale delle soluzioni co-create con l’AI e alla readiness culturale delle organizzazioni. La sfida non è più se adottare l’AI, ma come farlo in modo etico, controllato e sostenibile, bilanciando la potenza predittiva degli algoritmi con la necessaria supervisione umana.
Cos’è l’Explainable AI (XAI) e perché è importante?
L’Explainable AI (XAI), o intelligenza artificiale spiegabile, è un ramo dell’AI che sviluppa metodi e tecniche per fornire spiegazioni chiare e interpretabili rispetto alle decisioni prese dai modelli di machine learning e deep learning. Grazie a queste spiegazioni, gli utenti possono comprendere il “perché” e il “come” si è arrivati ai risultati proposti dagli algoritmi. L’XAI è fondamentale per aumentare la fiducia nelle soluzioni AI, garantire la conformità alle normative (come l’AI Act europeo), ottimizzare i processi decisionali identificando errori o bias, e migliorare la relazione con clienti e utenti. In settori come la sanità, dove le decisioni hanno impatto diretto sulla vita dei pazienti, l’XAI è cruciale per permettere ai medici di comprendere e validare le predizioni dei modelli AI.
Quali sono le startup italiane che utilizzano l’Intelligenza Artificiale?
In Italia esistono diverse startup innovative che utilizzano l’Intelligenza Artificiale per offrire servizi in vari settori. Tra queste troviamo Eyra (Horus), che ha sviluppato un dispositivo indossabile che osserva la realtà e la descrive alle persone non vedenti; The Energy Audit (TEA), che si occupa di efficienza e diagnosi energetica; Unfraud, specializzata nell’individuazione di frodi nelle transazioni; Expert System, che sviluppa tecnologie semantiche per la gestione dei big data; Stamplay, una piattaforma che aiuta gli sviluppatori a integrare servizi esistenti; e Indigo, che utilizza chatbot e machine learning per automatizzare la comunicazione con gli utenti in chat, fornendo assistenti virtuali personalizzati.
Perché molti progetti di Intelligenza Artificiale falliscono nelle aziende?
Secondo una ricerca del Massachusetts Institute of Technology, il 95% dei progetti di intelligenza artificiale generativa nelle aziende non produce risultati misurabili. Le cause principali di questo fallimento includono: scarsa integrazione con i sistemi esistenti, strategie AI deboli o assenti, budget mal allocati che privilegiano la tecnologia rispetto all’integrazione, competenze insufficienti per gestire progetti complessi, e aspettative irrealistiche sui tempi di implementazione. Al contrario, le startup mostrano risultati migliori grazie a un approccio AI-first: niente legacy tecnologiche da gestire, agilità organizzativa e focus su problemi specifici. Il messaggio è chiaro: senza integrazione, governance e strategia, i progetti AI falliscono nella grande maggioranza dei casi.
Come sta evolvendo l’automazione grazie all’Intelligenza Artificiale?
L’automazione sta evolvendo significativamente grazie all’Intelligenza Artificiale, che la rende più intelligente, flessibile e capace di rispondere in tempo reale alle complessità del mondo reale. L’RPA (Robotic Process Automation) si sta trasformando grazie all’IA, rendendo i software robotici capaci di prendere decisioni basate su dati contestuali, elaborare linguaggio naturale e apprendere dai feedback. I veicoli autonomi rappresentano una frontiera visibile dell’AI in azione, interpretando l’ambiente circostante e prendendo decisioni in millisecondi. Nell’industria 4.0, l’IA analizza dati in tempo reale per ottimizzare produzione e manutenzione, mentre chatbot e assistenti virtuali ridefiniscono la relazione tra brand e clienti. Secondo PwC, entro il 2030 l’AI potrebbe contribuire fino a 15.700 miliardi di dollari all’economia globale.
