Che cosa significa l’Agentic AI per il futuro del software?

Gennaio è stato un mese brutale per i titoli software. Il sentiment è cambiato rapidamente e, in molti casi, ciò aveva meno a che fare con i fondamentali e più con una singola domanda che incombe sul settore: “Cosa significa agentic AI per il futuro del software?”

Una recente nota di equity research di William Blair* illustra bene il clima: l’ETF software IGV è sceso di circa il 15% a gennaio, rendendolo uno dei mesi di gennaio più difficili nella storia dell’ETF. Il punto più importante non è il numero esatto. È ciò che rappresenta: la paura sta comprimendo le sfumature e i mercati stanno trattando il “software” come un’unica categoria. Ma la realtà si sta dividendo in due categorie molto diverse.

Il mercato sta penalizzando il “software”, ma il software si sta diversificando.

Da un lato troviamo software dedicati totalmente all’ottimizzazione dell’interfaccia, ricchi di configurazioni, dove la UI è il vero prodotto. In un mondo dominato da flussi di lavoro automatizzati, il valore di questi software è destinato a ridursi: gli agenti digitali bypasseranno sempre più spesso le interfacce, svolgendo task tramite API e facendo scomparire intere categorie dove agire attraverso i click era la modalità di lavoro principale.

Dall’altro lato ci sono le piattaforme API-first, data-centric e cloud-native. Questa tipologia di software nasce per essere utilizzata tanto dalle macchine quanto dalle persone, progettata per orchestrazione, integrazione e scalabilità. Nell’era agentica, è qui che il valore si concentrerà e si moltiplicherà.

In altre parole, in un mondo di agenti, il vantaggio competitivo non deriva più da menù e pulsanti.

Ma da data architecture, semantica, workflow e connettività.

L’idea di “interface tax” di Romain Boboe di OpenFlows AI spiega bene il concetto: più il valore del prodotto è legato a una navigazione senza fine tra schermate e configurazione di regole, più l’utente trova difficoltà in un’epoca che premia l’autonomia.

L’AI non può (e non dovrebbe) sostituire un SaaS ben progettato.

È diffuso il pensiero secondo cui “l’AI genererà l’applicazione” e il SaaS enterprise diventerà opzionale.

Ma non è così che funzionano i sistemi mission-critical nel mondo reale.

L’AI è potente e cambierà radicalmente il modo in cui il software viene sviluppato e utilizzato. Tuttavia, in molti contesti enterprise, provare a sostituire un SaaS ben progettato con sistemi “DIY” generati o gestiti da agenti spesso aumenta costi e rischi, rallentando il business.

Tre motivi per cui l'AI non segnerà la fine del SaaS

Ecco tre motivi per cui l'AI non rappresenterà la fine del Software-as-a-Service e perché le organizzazioni SaaS più solide sono in una posizione privilegiata per rendere l'AI ancora più preziosa.

Costi di run-time più elevati

L’AI ridurrà i costi di sviluppo, anche in modo significativo. Tuttavia, farà aumentare i costi di run-time, spesso in modo rilevante.

Il software enterprise tradizionale è relativamente economico da gestire perché si basa su calcoli deterministici su CPU. Un utente che clicca su “export report” o lancia una query genera un carico prevedibile e poco costoso.

L’AI agentica cambia questa economia.

Q&A in linguaggio naturale, sintesi, estrazione, workflow di ragionamento e agenti multi-step consumano risorse di inferenza, spesso su GPU o altri acceleratori. Ogni interazione può costare molto di più rispetto a una query tradizionale.

Per questo le piattaforme SaaS AI-native brillano: diventano il livello di ottimizzazione tra clienti e caos.

• Mantenendo sistemi deterministici per ciò che deve essere veloce, economico e affidabile (transazioni, permessi, storage, ledger).
• Usando AI probabilistica solo dove crea valore misurabile (assistenza, discovery, sintesi, automazione).
• Orchestrando l’infrastruttura ibrida, così i clienti non devono diventare esperti di GPU scheduling, prompt caching, retrieval pipeline, model routing, safety layer e cost governance.

In sintesi, nell’era agentica, il SaaS non viene sostituito dall’AI, ma diventa la piattaforma che controlla il costo dell’intelligenza.

Rischio maggiore e valore premium del “Service”

Il termine “Service” nel Software-as-a-Service viene spesso sottovalutato da chi pensa che l’AI prenderà il controllo delle soluzioni enterprise. Ma per aziende quotate, settori regolamentati, enti pubblici e chiunque abbia a cuore il rischio operativo, il “Service” è essenziale.

Le aziende moderne hanno bisogno di garanzie mission-critical:

• Disponibilità (e SLA credibili)
• Sicurezza e compliance (SOC 2, HIPAA, ISO, auditing)
• Data governance (accessi, retention, lineage, residency)
• Supporto e operations (incident response, SLA, formazione)
• Consistenza nel tempo
• Accountability e fiducia (chi si assume la responsabilità in caso di failure?)

Se un agente AI genera un’applicazione, chi viene chiamato alle 3 di notte se qualcosa va storto? Chi risponde alle autorità di controllo in caso di data leak? Chi può dimostrare perché un sistema ha preso una certa decisione?

Accountability operativa, governance e affidabilità restano valori premium e non scompaiono nell’era agentica. Anzi, diventano ancora più importanti.

In altre parole, mentre il codice diventa più economico e autonomo, il rischio diventa più costoso.

Riduzione del time-to-market: la profondità di dominio batte il codice generato

La visione secondo la quale “l’AI fa tutto” spesso presuppone che la creazione del codice sia la maggior parte del valore in una soluzione SaaS. Nei sistemi enterprise maturi e mission-critical, raramente è così.

In un sistema come una piattaforma di warehouse management, forse il 20% del valore è il codice. L’altro 80% è conoscenza di dominio applicata: i mille edge case e le realtà operative che si imparano solo dopo averli vissuti in migliaia di ambienti reali. Per esempio:

• Come gestire una ricezione parziale quando la bolla dice 1.000 pezzi, ma il conteggio fisico è 997 e 14 sono danneggiati?
• Qual è l’impatto a valle sull’allocazione, sui fattori che determinano il rifornimento e sulla valutazione dello stock?
• Come le discrepanze nei cicli di conteggio attivano workflow diversi a seconda della classe di velocità SKU, soglie di valore o tempo dall’ultimo stock completo?

I team che costruiscono e gestiscono SaaS enterprise hanno vissuto questi scenari più volte. Quella conoscenza è incorporata nel prodotto ed è il motivo per cui le piattaforme commerciali funzionano dal giorno uno.

Un custom build, anche accelerato dall’AI, richiede comunque anni per scoprire ciò che non si sa di non sapere.

In sintesi, l’AI integrata rende il SaaS moderno più veloce ed efficiente. Non lo rende opzionale.

Rivalutare il valore del SaaS

Quando la situazione si stabilizzerà, l’AI non distruggerà il valore del software in modo indiscriminato.

Rivaluterà il software in base alle sue fondamenta architetturali, premiando i provider SaaS che offrono il valore tradizionale del software enterprise (affidabilità, governance, accountability, time-to-value) potenziato dalla promessa e dalla potenza dell’AI.

L’AI non segnerà la fine del SaaS. Sarà il momento in cui il mercato separerà i vincitori dal resto.

*Arjun Bhatia et al., “Fear, Not Fundamentals: the Sentiment Problem and Why Software Is So Challenging Right Now,” William Blair Equity Research, Technology, Media, and Communications, February 2, 2026.