Presentato da EdgeVerve
Prima di toccare i Global Business Services (GBS), facciamo un passo indietro. Può l’intelligenza artificiale dell’agenzia, il tipo di intelligenza artificiale in grado di intraprendere azioni orientate agli obiettivi, trasformare qualsiasi organizzazione, non solo GBS? Quindi l’ha mai fatto?
In questo caso, come per molte nuove tecnologie, la retorica ha avuto la meglio sulla diffusione. Secondo Taryn Plumb, redattore collaboratore di VentureBeat, il 2025 “avrebbe dovuto essere l’anno dell’intelligenza artificiale dell’agente”, ma non è andata proprio così. Ciò che mancava, ha riferito Plumb in una pubblicazione VentureBeat del dicembre 2025 basata sul contributo di Google Cloud e della società Replit di ambienti di sviluppo integrato (IDE), erano i fondamenti necessari per crescere.
Questo risultato non sorprende, considerando l’esperienza dell’intelligenza artificiale (gen) generativa basata sul Large Language Model (LLM). In un sondaggio condotto nel febbraio 2025 Vertice della rete di servizi condivisi e outsourcing (SSON).Il 65% delle organizzazioni GBS dichiara di non aver ancora completato un progetto GenAI. Si può affermare con certezza che l’adozione di agenzie di intelligenza artificiale emergenti più recentemente per le aziende, incluso GBS, è ancora agli inizi.
Il ruolo dell’intelligenza artificiale delle agenzie nei servizi aziendali globali
Tuttavia, ci sono buone ragioni per concentrarsi sull’enorme potenziale dell’intelligenza artificiale delle agenzie e sulla sua applicazione al settore GBS.
Ridotta all’essenziale, l’intelligenza artificiale di Agentic sblocca funzionalità precedentemente impraticabili a livello di orchestrazione dei flussi di lavoro del software. Lo fa attraverso una serie di tecniche, inclusi (ma non necessariamente) i LLM. Anche se alle aziende potrebbero effettivamente mancare alcuni degli elementi chiave necessari per implementare l’intelligenza artificiale su vasta scala, questi prerequisiti non sono poi così lontani.
GBS e Global Capability Center (GCC) stanno attualmente attraversando un processo di cambiamento: da estensioni del back office a partner aziendali sempre più strategici. L’intelligenza artificiale di Agentic è una scelta naturale perché uno dei casi d’uso standard coinvolge le operazioni IT o i rappresentanti del servizio clienti, funzionalità che è già nella timoniera degli attuali GBS e GCC.
Quindi sì, l’intelligenza artificiale delle agenzie potrebbe potenzialmente trasformare il settore GBS. I leader del settore possono passare al meglio verso un’implementazione su larga scala adottando un approccio metodico.
Cinque passaggi per implementare l’intelligenza artificiale dell’agenzia in GBS
L’IA Agentic non è l’unico gioco in città. C’è GenAI, che come accennato viene utilizzata principalmente per creare contenuti. Ma ampliando l’ambito, possiamo anche puntare all’IA predittiva e all’AI dei documenti, che vengono utilizzate rispettivamente per la previsione e l’estrazione dei dati. (Nessuno dei due richiede un master.) L’esposizione all’intelligenza artificiale preesistente fa ben sperare per il futuro dell’intelligenza artificiale delle agenzie.
In primo luogo, queste varietà di intelligenza artificiale si supportano a vicenda nei sistemi moderni e sono impilate anziché isolate. L’agente AI in particolare è posizionato per trarre vantaggio dagli altri. In secondo luogo, i leader del settore che hanno sperimentato l’entusiasmante ciclo della GenAI potrebbero essere propensi ad adottare un approccio più misurato e produttivo all’intelligenza artificiale delle agenzie.
L’industria farebbe meglio a prepararsi attentamente per un progetto pilota piuttosto che affrettarsi (fasi 1-3). Se combinate con il giusto progetto di test (fase 4), queste azioni possono aprire la strada a un’implementazione su larga scala dell’intelligenza artificiale dell’agenzia (fase 5):
Conosci i tuoi processi. Le operazioni aziendali possono essere complesse. Consideriamo un’azienda leader a livello mondiale nel settore delle spedizioni e della logistica, le cui migliaia di dipendenti a tempo pieno in sette centri GBS supportano più di 80 processi che coinvolgono flussi di lavoro altamente complessi e ad alta intensità manuale con ampie variazioni regionali. Solo comprendendo innanzitutto i processi e i flussi di lavoro esistenti un’organizzazione di questo tipo può avere la possibilità di ripensarli o rielaborarli.
Conosci i tuoi dati. I dati da cui dipendono i flussi di lavoro sono strettamente correlati. Come avviene il flusso di questi dati end-to-end? Che aspetto hanno le condutture? Dove sono le API chiave? I dati sono strutturati o non strutturati? Le risorse includono le piattaforme dati (sistemi di registrazione) e i database vettoriali (motori di contesto) di cui gli agenti di intelligenza artificiale hanno bisogno per prendere buone decisioni? Che tipo di gestione e sicurezza dei dati prevale? Come potrebbero cambiare in uno scenario di intelligenza artificiale basata su agenzie?
Identificare il problema. Nel caso della compagnia di spedizioni sopra menzionata, la complessità e la variabilità dei flussi di lavoro e l’intensità manuale l’hanno esposta a costi significativi, ritardi negli accordi sul livello di servizio (SLA), scarsa esperienza del cliente ed elevati rischi di conformità e legali. Una volta nominato, un problema diventa logicamente un potenziale caso d’uso con obiettivi separati.
Pilotare un modello operativo. Le opzioni includono il consolidamento degli sforzi in un Centro di Eccellenza (COE), la democratizzazione dello sviluppo attraverso approcci guidati dai cittadini e partenariati attraverso modelli BOTT (Build-Operate-Transform-Transfer). Senza chiarezza strutturale, è difficile, anche per i piloti più promettenti, espandersi oltre il loro campo iniziale. Il modello dovrebbe anche riflettere la realtà. L’intelligenza artificiale delle agenzie, che coinvolge più agenti paralleli nel perseguimento di obiettivi possibilmente coordinati, è ancora vincolata dall’ambiente, dalla complessità, dai rischi e dalla governance.
ingrandirsi. I piloti di successo guidano i propri passi successivi. Consideriamo l’esperienza frammentata di una grande banca multinazionale in Australia. Dopo aver automatizzato molti processi non essenziali tramite il COE di automazione, la banca si è resa conto di dover analizzare e migliorare i flussi di lavoro più complessi. Ha scelto una piattaforma software di fascia alta che gli ha permesso di completare più di 100 progetti di esplorazione in meno di 14 mesi. In questo modo, i progetti pilota possono trasformarsi in iniziative a livello aziendale.
Che aspetto ha l’intelligenza artificiale delle agenzie su scala aziendale?
Solo la scala può creare un impatto reale. Fornitore di trasporti con sette centri GBS; Dispone di una tecnologia in grado di creare pipeline di dati, digitalizzare documenti complessi, applicare ragionamenti basati su regole a eccezioni specifiche del paese e gestire il lavoro tra team. Questa fondazione ha portato alla trasformazione AI-first di circa 16 startup, a una rapida crescita dell’automazione e a significativi guadagni di efficienza.
L’intelligenza artificiale delle agenzie può accelerare sia l’intelligenza artificiale che le operazioni umane sbloccando funzionalità a livello di orchestrazione che consentono la percezione contestuale, la collaborazione tra domini e l’azione autonoma allineata alla governance.
Consideriamo un processo di acquisto. Mentre l’intelligenza artificiale dei documenti può eliminare alcuni controlli manuali estraendo dati dagli ordini di acquisto, un agente AI può anche valutare il rischio del fornitore, fare riferimenti incrociati agli standard di conformità, verificare la disponibilità del budget e persino avviare una negoziazione conservando i registri di controllo per il reporting normativo. In uno scenario di consulenza finanziaria, l’intelligenza artificiale predittiva può analizzare le tendenze, mentre un agente AI può compiere ulteriori passi e assistere i professionisti in specifiche unità di business con investimenti strategici mirati.
Ricorda che l’agente non sostituisce il giudizio umano, lo aumenta, consentendo di prendere decisioni più velocemente, in modo più coerente e su scala più ampia.
Dall’automazione autonoma agli ecosistemi intermedi in GBS
GBS è in una posizione unica per guidare l’organizzazione nell’era dell’intelligenza artificiale delle agenzie. In base alla progettazione, GBS si trova all’intersezione di processi e dati tra più unità aziendali. Finanza, risorse umane, supply chain e IT confluiscono tutti attraverso un modello di servizi condivisi. Questa prospettiva centrale rende GBS un trampolino di lancio ideale per costruire ecosistemi di intelligenza artificiale per agenzie.
Un ecosistema è diverso dall’automazione autonoma. Gli agenti non svolgono le attività da soli. Piuttosto, operano come parte di un sistema interconnesso. Condividono approfondimenti, imparano gli uni dagli altri e si coordinano per ottimizzare i risultati a livello aziendale. Distribuita all’interno di un GBS o GCC, l’intelligenza artificiale di Agentic può accelerare la trasformazione in corso, consentendo loro di andare oltre l’automazione incrementale e lavorare a livello di orchestrazione dei processi end-to-end.
N. Shashidar è vicepresidente senior e responsabile globale della gestione dei prodotti presso EdgeVerve.
Gli articoli sponsorizzati sono contenuti prodotti da un’azienda che ha pagato per il post o ha un rapporto commerciale con VentureBeat e sono sempre chiaramente contrassegnati. Contatta per maggiori informazioni sales@venturebeat.com.
