In un solo trimestre, la quota di dirigenti aziendali statunitensi che dichiara di avere le capacità e la governance necessarie per gestire il rischio AI su larga scala è passata dal 57% al 73% (KPMG, 2026). Nello stesso arco di tempo, la quota di organizzazioni che integrano controlli nei propri agenti, insieme a procedure di monitoraggio e valutazione, è scesa al 30%, in calo dal 43% di due trimestri prima. KPMG indica la ragione in una sola frase: molte si affidano ai "guardrail già presenti".
Stessa indagine. Stesse aziende. La fiducia è cresciuta mentre i controlli più prossimi all'agente venivano rimossi.
Il terzo dato è quello che dovrebbe orientare una decisione in questo trimestre. Le organizzazioni che stanno attivamente sviluppando o implementando sistemi multi-agente sono salite al 25%, dal 6% in ciascuno dei due trimestri precedenti. La complessità si moltiplica proprio nel momento in cui il controllo integrato si assottiglia, e alla governance degli agenti AI si chiede di funzionare su un'infrastruttura costruita per un problema diverso.
Che cosa ha misurato davvero KPMG
L'indagine si è svolta dal 24 luglio al 25 agosto 2026 e ha raccolto le risposte di 314 dirigenti C-suite e responsabili di business statunitensi in organizzazioni con un fatturato annuo pari o superiore a 1 miliardo di dollari; più di un terzo superava i 10 miliardi (KPMG, 2026). Quel campione conta, e ci tornerò.
Due movimenti vanno in direzioni opposte:
| Indicatore | Q3 2026 | Rilevazione precedente |
|---|---|---|
| Fiducia nelle capacità e nella governance per gestire il rischio AI su larga scala | 73% | 57% (trimestre precedente) |
| Integrazione di controlli nei propri agenti, con monitoraggio e valutazione | 30% | 43% (due trimestri prima) |
| Sviluppo o implementazione attiva di sistemi multi-agente | 25% | 6% (in ciascuno dei due trimestri precedenti) |
| Costruzione, deployment o sviluppo di agenti AI | 62% | 53% (trimestre precedente) |
| Casi d'uso ad alto rischio definiti in cui le decisioni autonome degli agenti non sono ammesse | 49% | 28% (Q3 2025) |
| Budget di utilizzo o di token implementati | 43% | — |
La disciplina finanziaria sta effettivamente migliorando: il 74% include ora revisioni dei costi nei processi di approvazione dell'AI, in crescita dal 61% del trimestre precedente, e il 70% utilizza dashboard di monitoraggio dell'AI. Non è la storia di organizzazioni superficiali. È la storia di una governance che matura su una dimensione — spesa, visibilità, processo di approvazione — mentre un'altra dimensione si deregolamenta silenziosamente.
Perché la fiducia nella governance degli agenti AI ha superato il controllo
L'espressione "guardrail già presenti" sostiene un peso notevole, quindi vale la pena chiedersi quali siano quei guardrail.
KPMG stessa elenca ciò che le organizzazioni includono nel proprio livello di controllo: controlli di accesso ai dati (59%), controlli di sicurezza e identità (53%), monitoraggio degli output AI (47%), applicazione di policy e guardrail (42%) e gestione dell'accesso ai modelli (40%) (KPMG, 2026).
Rileggete quell'elenco con occhi operativi. Ogni voce governa l'accesso: a quali sistemi un modello può arrivare, quale identità porta con sé, quale modello può essere invocato e se gli output risultano accettabili a posteriori. Nessuna di esse risponde alla domanda che un agente solleva: questo agente può compiere questa specifica azione visibile all'esterno, a nome di chi, entro quale budget, e chi può revocarla mentre è in corso?
I controlli perimetrali sono necessari e non viaggiano con l'agente. Un agente che si è autenticato legittimamente, raggiunge solo sistemi approvati e invoca un modello approvato può comunque inviare l'email sbagliata a un cliente, emettere un rimborso fuori policy o impegnare l'azienda con un fornitore. Nessuno di questi casi è una violazione di accesso. Ognuno è una questione di autorità sull'azione, e l'autorità sull'azione è precisamente ciò che il 30% stava costruendo e che aziende per 13 punti percentuali hanno smesso di costruire.
Il divario è più ampio dove il deployment è più rapido
Un singolo agente che invoca uno strumento ben delimitato è un caso gestibile con controlli perimetrali. Un sistema multi-agente — in cui l'output di un agente diventa l'istruzione di un altro — non lo è, perché tra i due non si colloca alcun perimetro. Quella configurazione è passata dal 6% al 25% in due trimestri. Il modello di controllo si stava assottigliando proprio mentre l'architettura che deve governare diventava più difficile da ricostruire razionalmente.
La spiegazione economica che nessuno enuncia
C'è una ragione poco nobile per cui i controlli integrati negli agenti vengono tagliati, e non è la complacenza.
Il team QuantumBlack di McKinsey ha quantificato il costo variabile di esercizio di un agente in produzione e ha rilevato che, per un'attività di customer service bancario, i costi dei token rappresentano spesso solo il 20-25% dei costi variabili di esercizio, mentre la supervisione umana incide per il 70-75% (McKinsey QuantumBlack, 2026). Nell'onboarding dei clienti si attendono dal 10 al 20% delle esecuzioni agentiche riviste da esperti di rischio e di funzione.
La supervisione non è un arrotondamento nel business case di un agente. È il business case. Il che significa che ogni controllo che inserisce una persona nel percorso di un'azione è un costo di margine visibile, ricorrente e quantificabile — e nel momento in cui una dashboard dice che tutto va bene, quella voce diventa la più facile da difendere quando si taglia.
È questo il meccanismo dietro le due curve di KPMG. La fiducia crescente non ha causato il calo dei controlli. La fiducia crescente ha rimosso l'argomento per mantenere un controllo costoso che non aveva ancora fallito in modo rumoroso.
La controprova del controllo by design
Se assottigliare i controlli integrati negli agenti fosse semplicemente una scelta di efficienza razionale, le aziende che lo fanno dovrebbero sovraperformare. L'evidenza disponibile indica il contrario.
L'Institute for Business Value di IBM ha intervistato 2.000 dirigenti tecnologici di livello C e ha confrontato le organizzazioni che integrano il controllo direttamente nei sistemi AI con quelle che si affidano a una governance manuale. Il gruppo del controllo by design ha riportato il 25% di incidenti in meno, 16 volte più agenti AI in produzione, margini operativi superiori del 18% e un consumo del budget AI inferiore di 4 volte (IBM Institute for Business Value, 2026).
Il controllo integrato non è stato il freno al deployment. È stato ciò che ha reso il deployment abbastanza sostenibile da poter scalare: una differenza di 16 volte negli agenti effettivamente operativi.
Lo stesso studio mette il dato sulla fiducia in una luce scomoda: il 77% di questi dirigenti tecnologici ha dichiarato che l'adozione dell'AI supera già le proprie capacità di governance, due terzi hanno riferito di essere ritenuti responsabili di sistemi AI che non controllano del tutto, e l'organizzazione media del campione ha registrato 54 incidenti da agenti in un anno, di cui il 17% ha richiesto più di quattro ore per essere contenuto. Gli intervistati di KPMG sono in prevalenza dirigenti C-suite e responsabili di business. Quelli di IBM sono i CIO e i CTO che verrebbero chiamati in emergenza. Il 73% e il 77% non sono necessariamente in contraddizione: potrebbero semplicemente misurare la fiducia a distanze diverse dall'incidente.
L'obiezione onesta
Tre limiti, detti con chiarezza.
Questo è un campione da 1 miliardo di dollari di fatturato in su, e questo contraddice la lettura ovvia. Più di un terzo di queste aziende supera i 10 miliardi di fatturato. Un'azienda da 200 dipendenti non dispone della gestione delle identità, degli strumenti di accesso e della revisione di sicurezza su cui questi dirigenti stanno ripiegando. Il risultato non si trasferisce quindi come "le grandi aziende si stanno rilassando, noi siamo a posto". Si trasferisce nella versione più scomoda: i guardrail preesistenti su cui qui si fa affidamento sono in gran parte assenti nel mid-market, il che rende il controllo integrato nell'agente meno opzionale, non più.
La fiducia è autodichiarata; anche il dato sui controlli lo è. Nessuno ha verificato queste organizzazioni. Un passaggio dal 57% al 73% in un trimestre è un movimento ampio per una convinzione, e le convinzioni possono riposizionarsi più rapidamente delle capacità. Leggete il 73% come una rilevazione di sentiment, non come una valutazione di maturità.
Più supervisione non è monotonicamente meglio, e questo articolo non deve far finta del contrario. Gans e Holden modellano la supervisione di agenti capaci di occultare le proprie azioni e mostrano che un auditing più severo scoraggia la condotta impropria ma aumenta l'occultamento tra gli agenti che continuano a violare le regole: così il tasso di scoperta, cioè la probabilità di individuare un agente che viola, può diminuire al crescere dell'auditing (Gans & Holden, NBER, 2026). Le loro condizioni di deterrenza sono specifiche: l'evidenza di una violazione deve sopravvivere all'occultamento, l'agente non deve poter conoscere l'estrazione dell'audit prima di agire e le sanzioni devono poter scalare invece di fermarsi alla perdita della ricompensa del compito. L'implicazione non è "aggiungete più revisioni". È che la progettazione del controllo batte il volume del controllo, e che gli audit trail non modificabili da ciò che viene controllato fanno più lavoro della frequenza delle revisioni.
Cosa mettere in atto prima che il prossimo agente entri in produzione
Quattro mosse. Nessuna richiede un programma di piattaforma, e i dati stessi di KPMG mostrano che ciascuna è già prassi normale, non una richiesta di frontiera.
- Scrivete per prima la lista del "mai autonomo". Il 49% di queste organizzazioni ha definito casi d'uso ad alto rischio in cui agli agenti non è consentito decidere autonomamente, in crescita dal 28% dell'anno precedente. Questo è un documento, non un acquisto. Nominate le classi di azioni che richiedono sempre una decisione umana prima che qualcosa venga messo in produzione su di esse.
- Mettete un tetto a ogni agente. Il 43% applica già budget di utilizzo o di token. Fissate un limite per transazione e mensile, così che un malfunzionamento abbia un costo delimitato e non aperto, e così che la conversazione con la finanza riguardi un tetto invece di una sorpresa.
- Assegnate una persona con nome e cognome a ciascun agente, non al programma. "Il comitato AI è responsabile della supervisione" non è un responsabile. Lo è una persona specifica che approva le classi di azioni che non avete automatizzato e che può revocare l'autonomia senza aprire un ticket.
- Rendete l'audit trail non scrivibile dall'agente. Questa è la lettura operativa del risultato sull'occultamento: registrate l'azione, chi l'ha approvata e l'eventuale revoca nel momento in cui accadono, in un luogo che l'agente non possa modificare. La frequenza delle revisioni si può calibrare più avanti; l'integrità dell'evidenza non è retrofittabile.
Quelle quattro sono anche l'impostazione più difendibile rispetto agli obblighi di supervisione umana dell'EU AI Act, il che è un effetto collaterale utile più che la ragione per farlo. Se volete un riferimento concreto su come sono strutturate l'approvazione per singola azione e l'autonomia guadagnata — richieste di approvazione che portano un nome, autonomia concessa per tipo di azione e non per agente, una richiesta senza risposta che scade invece di passare in silenzio, e un supervisore umano obbligatorio sopra ogni agente — Scovai documenta pubblicamente il suo modello di governance dei Digital Employee.
Il punto più profondo riguarda ciò che un dato sulla fiducia può e non può dirvi sulla governance degli agenti AI. Il 73% non è sbagliato: quelle aziende hanno costruito una governance reale, intorno a spesa, accesso e visibilità. I controlli che hanno lasciato andare sono quelli che stanno tra un agente e un'azione nel mondo, e nulla in una dashboard di monitoraggio segnalerà la loro assenza finché qualcosa non sarà già accaduto.
Prima che il vostro prossimo agente entri in produzione, cercate l'elenco delle azioni che può compiere senza chiedere a nessuno. Se quell'elenco non esiste su carta, non è vuoto: è semplicemente non scritto.
