TL;DR: Non esiste una risposta valida per tutti: la governance degli agenti AI non si decide per editto (“tutti sì” o “tutti no”), ma per ruolo e per profilo organizzativo. Microsoft segmenta i suoi strumenti per audience, Gartner mostra che la governance uniforme fa fallire i progetti, Forrester conferma il gap. La domanda giusta non è chi può usare l’AI, ma quanta autonomia serve a ciascun ruolo.
L’altro giorno, in una pausa caffè finita a discutere invece che a riposare, un collega ha buttato lì: “diamo Agent Builder a tutti, tanto è dentro Copilot, che vuoi che sia”. Il responsabile IT si è irrigidito sulla sedia. Nella mia esperienza quella smorfia la conosco bene: è la stessa che vent’anni fa accompagnava la frase “mettiamo un modem su ogni scrivania, che vuoi che sia”. Non è successo niente di catastrofico neanche allora, ma non è stata nemmeno una scelta neutra. Quella discussione, con le dovute proporzioni, si ripete oggi tale e quale con gli agenti AI: mi sono trovato a fare da arbitro, e la risposta che ho dato non è piaciuta a nessuno dei due, perché non era né “sì” né “no”.
Cosa intendiamo per “agente AI” e perché la domanda non è banale
Un agente AI è un sistema che, a partire da un’istruzione in linguaggio naturale, non si limita a rispondere ma esegue azioni: legge dati, li elabora, li scrive altrove, attiva altri sistemi. Microsoft offre oggi quattro strumenti per costruirli, con complessità e controllo crescenti: Microsoft 365 Copilot Agent Builder (no-code, integrato in Copilot Chat e Teams), Copilot Studio (low-code, parte di Power Platform), Copilot Studio con harness GitHub Copilot (novità 2026, skill riusabili e memoria persistente) e Azure AI Foundry (full-code, per developer e data scientist).
Il termine che serve per inquadrare il rischio è shadow AI: agenti creati fuori da qualunque controllo IT, spesso in buona fede, che accedono a dati aziendali senza che nessuno lo sappia. Il fenomeno gemello è l’agent sprawl, la proliferazione incontrollata di agenti che rende impossibile sapere chi ha accesso a cosa. Non sono ipotesi teoriche: sono la ragione per cui la domanda “chi può creare agenti” è diventata, nel 2026, un tema da consiglio di amministrazione e non solo da IT.
Perché dare Agent Builder a tutti sembra una buona idea, ma non lo è sempre
Distribuire Agent Builder a ogni dipendente accelera l’adozione dell’AI generativa e riduce l’attrito iniziale, ma sposta il rischio invece di eliminarlo: non tutti i ruoli hanno la stessa capacità di valutare dati sensibili, permessi di sistema e conseguenze di un errore. Bloccarlo del tutto, però, non funziona meglio.
Gartner lo dice senza mezzi termini: entro il 2028 un’azienda Fortune 500 media avrà oltre 150.000 agenti in uso, contro meno di 15 nel 2025, e solo il 13% delle organizzazioni ritiene di avere già la governance giusta per reggere quella crescita (Gartner, 2026a). “Molte organizzazioni tentano di bloccare o limitare l’uso degli agenti AI, ma non è una soluzione a lungo termine. Se i dipendenti non possono lavorare con gli strumenti sanzionati, andranno probabilmente a cercarne altri fuori controllo, il che presenta un rischio molto maggiore”, ha dichiarato Max Goss, Sr. Director Analyst di Gartner, in occasione del Gartner Digital Workplace Summit di Londra (Gartner, 2026a). Nella mia esperienza il divieto totale è proprio la scintilla che accende lo shadow IT: l’ho visto succedere con Excel macro-abilitati vent’anni fa, e lo sto rivedendo oggi con gli agenti.
Cosa dice davvero Microsoft su chi può usare Agent Builder e chi Copilot Studio
Microsoft non presenta i suoi strumenti come opzioni equivalenti tra cui scegliere a piacere: pubblica su Microsoft Learn un decision tree ufficiale basato su quattro fattori — audience, deployment scope, funzionalità richieste e necessità di governance (Microsoft Learn, 2026). È il vendor stesso a dire che lo strumento giusto dipende da chi lo userà, non da chi lo desidera.
Copilot Studio applica principi di governance strutturati che Agent Builder non possiede: Application Lifecycle Management con ambienti separati per sviluppo, test e produzione. La tabella seguente riassume come Microsoft stessa segmenta i quattro strumenti per livello di autonomia:
| Livello | Ruolo tipico | Strumento | Governance del ciclo di vita |
|---|---|---|---|
| Base | Dipendenti business (tutti) | Microsoft 365 Copilot Agent Builder | Nessuna gestione formale |
| Medio | Power user / citizen developer | Copilot Studio (standard) | Ambienti dev/test/prod |
| Alto | IT avanzato / power maker | Copilot Studio + harness GitHub Copilot | ALM avanzato, skill riusabili |
| Vertice | AI engineer / data scientist | Azure AI Foundry | Massimo controllo, modelli custom |
Un report della Microsoft Community Hub, basato sull’esperienza di deployment su clienti reali in assicurazioni, servizi professionali, manifattura e settore pubblico, arriva alla stessa conclusione per altra via: “il primo errore che la maggior parte dei team commette è trattare Agent Builder, Copilot Studio e Azure AI Foundry come concorrenti” invece che come strumenti per fasi diverse dello stesso percorso (Microsoft Community Hub, 2026).
Perché la governance uniforme sugli agenti AI porta al fallimento, secondo Gartner
Applicare le stesse regole a ogni agente, indipendentemente da chi lo crea e con quale autonomia, produce due modalità di fallimento opposte e altrettanto costose: rallentare chi fa poco rischio e lasciare troppo margine a chi ne fa molto. Gartner prevede che entro il 2027 il 40% delle imprese retrocederà o disattiverà agenti AI autonomi proprio per lacune di governance emerse solo dopo un incidente in produzione (Gartner, 2026b).
“Le aziende trattano la governance degli agenti AI come un fatto binario, o tutto bloccato o tutta fiducia, e questa è la causa profonda del fallimento”, ha dichiarato Shiva Varma, Senior Director Analyst di Gartner. “Gli agenti operano a livelli di autonomia diversi e attraversano confini di fiducia diversi. Quando si applicano gli stessi controlli in modo indiscriminato, le organizzazioni incontrano due modalità di fallimento comuni” — la restrizione eccessiva degli agenti semplici, che rallenta la delivery e spinge verso lo sviluppo shadow, e la restrizione insufficiente di quelli più autonomi, il cui accesso e la cui autorità non vengono mai davvero valutati (Gartner, 2026b).
Nella guida sui sei passi per contenere l’agent sprawl, Gartner indica: policy chiare su chi può creare e condividere agenti e quali connettori sono ammessi; un inventario centralizzato per avere visibilità su agenti sanzionati e shadow AI; un modello di identità, permessi e ciclo di vita definito per ogni agente; una governance dei dati che stabilisca cosa un agente può leggere e quando va archiviato; il monitoraggio continuo del comportamento degli agenti per individuare scostamenti dallo scopo previsto; e la promozione di una cultura di uso responsabile dell’AI, con formazione e comunità di pratica condivise tra i team (Gartner, 2026a).
Come si distingue una PMI da un’enterprise quando si parla di governance AI
Il fatturato non basta a stabilire se un’azienda è pronta a governare agenti AI per ruolo: contano la struttura IT, la formalizzazione delle policy e la capacità decisionale, non solo la dimensione. La classificazione europea (Raccomandazione 2003/361/CE) resta il riferimento dimensionale — PMI sotto i 250 dipendenti e 50 milioni di fatturato, enterprise sopra — ma due aziende della stessa taglia possono avere maturità di governance completamente diversa.
| Dimensione | Profilo PMI strutturale | Profilo Enterprise strutturale |
|---|---|---|
| Funzione IT | 1 persona o team minimo, spesso esterno | Team segmentato per competenza |
| Governance dati/AI | Assente o informale | Formalizzata: policy DLP, RBAC, audit |
| Decisione su nuovi strumenti | Accentrata, ciclo breve | Distribuita, ciclo lungo |
| Ciclo di vita agenti (ALM) | Nessun processo formale | Sviluppo, test, approvazione, produzione |
Nella mia esperienza sul campo, in una PMI una sola figura — interna o un partner esterno — copre più livelli della piramide contemporaneamente; in un’enterprise ogni livello ha tipicamente un presidio dedicato, spesso coordinato da un Center of Excellence.
C’è una sfumatura che vale la pena rendere esplicita, perché cambia il peso che si dà alla formazione sul livello base: nelle PMI, Agent Builder non è “uno dei quattro livelli della piramide” come lo è in un’enterprise — è spesso l’unico presidio reale che l’azienda ha su questi strumenti. In un’enterprise il dipendente business che usa Agent Builder è affiancato da IT avanzato, developer e data scientist che coprono i livelli superiori; in una PMI pura, senza nessuno di questi ruoli internamente, quello stesso dipendente — se formato bene — è l’unica barriera tra un uso responsabile degli agenti AI e uno improvvisato. La qualità della formazione su quel singolo livello, in una PMI, pesa quindi in modo sproporzionato rispetto a quanto pesi in un’enterprise strutturata, dove altri ruoli possono compensare le lacune.
Quali sono i passi concreti per governare gli agenti per ruolo, non per singolo strumento
Il primo passo è definire policy per livello di autonomia — cosa può fare un agente che legge, uno che consiglia e uno che agisce — e non per lo strumento con cui è stato creato. Da qui discendono owner chiari per ciascun livello della piramide e guardrail leggeri anche alla base, dove le competenze tecniche sono minime ma i dati trattati no.
In pratica, l’assegnazione realistica di chi presidia ogni livello cambia con il profilo organizzativo:
| Profilo | Agent Builder | Copilot Studio | Studio + harness GitHub | Azure AI Foundry |
|---|---|---|---|---|
| PMI pura | interno | misto | esterno | esterno |
| PMI strutturata | interno | interno | esterno | esterno |
| Enterprise emergente | interno | interno | misto | misto |
| Enterprise strutturata | interno | interno | interno | interno |
Il livello Agent Builder resta quasi sempre presidiabile internamente a ogni punteggio, perché è pensato per zero competenze tecniche; il livello Copilot Studio con harness GitHub Copilot è la fascia più spesso esternalizzata anche in aziende con punteggio medio-alto, semplicemente perché è nato da pochi mesi.
La risposta dipende davvero dal tipo di azienda? Come capire dove si colloca la propria
Sì, e non serve indovinare: un questionario a 10 domande su struttura IT, governance, competenze interne, organizzazione per Business Unit e processo di controllo assegna un punteggio da 0 a 20 e restituisce un profilo — da “PMI pura” a “enterprise strutturata” — con un’implicazione pratica diversa per ciascuno.
Forrester conferma che il problema non è mai stato tecnologico: nel suo State of AI Survey 2025, il 78% dei decision maker AI dichiara di avere già intelligenza artificiale generativa o predittiva in produzione, ma “uno dei gap più evidenti resta la debolezza della governance e della gestione del rischio AI” (Forrester, citato in Iannopollo, 2026). Per questo Forrester ha lanciato, già nell’agosto 2025, il framework AEGIS per aiutare i CISO a mettere in sicurezza, governare e gestire agenti e infrastruttura agentica in base al livello di rischio, non con regole identiche per tutti (Forrester, 2025). Tre fonti indipendenti — il prodotto, la ricerca sul rischio, il mercato — convergono sulla stessa direzione, ed è raro che accada con questa nettezza.
Implicazioni pratiche per le PMI italiane
Per una PMI italiana la tentazione più comune è una di due estreme: aprire Agent Builder a tutti senza regole, oppure bloccare tutto in attesa di “capire meglio”. Entrambe sono scorciatoie che il questionario di profilazione aiuta a evitare, perché costringono a rispondere prima a domande concrete: chi decide oggi l’adozione di un nuovo strumento software, esistono policy scritte sull’uso di AI generativa, chi si accorge se un dipendente crea un’automazione fai-da-te.
L’opportunità reale per una PMI è che il livello base della piramide — Agent Builder — è quasi sempre gestibile internamente anche con un punteggio basso: non richiede sviluppo, ma richiede regole minime su condivisione dei dati e connettori ammessi. L’errore da evitare è il salto diretto a Copilot Studio con harness GitHub Copilot o Azure AI Foundry senza un partner esterno che copra la fascia dove mancano competenze interne: è lì che il gap tra entusiasmo e capacità di governo si paga più caro, e i dati Gartner sulle 150.000 istanze attese per il 2028 suggeriscono che il problema non farà che ingrandirsi.
C’è anche un equivoco da sciogliere quando si progetta la formazione su questo livello, ed è centrale proprio perché in una PMI quel livello è l’unico presidio disponibile: “autonomia” non significa “senza alcun supporto AI”. Un dipendente business che usa Agent Builder resta autonomo sul risultato — sa ottenere un agente funzionante e coerente con le policy aziendali — anche se il processo per arrivarci passa attraverso l’assistenza conversazionale di Copilot, che è parte del metodo insegnato, non una scorciatoia da correggere. Pretendere che un non-developer costruisca un agente “da solo”, nel senso di senza alcuna assistenza AI, equivarrebbe a misurare la formazione su un obiettivo che lo stesso Agent Builder — pensato da Microsoft per chi non ha background tecnico, con percorso guidato in linguaggio naturale — non richiede né prevede. Nella mia esperienza in aula, è proprio questa distinzione, tra autonomia sul processo e autonomia sul risultato, il punto che chiarisce meglio cosa ci si può aspettare da chi frequenta un corso su questi strumenti.
Bisogna vietare Agent Builder ai dipendenti non tecnici?
No: la ricerca di Gartner mostra che il divieto totale spinge verso lo shadow IT invece di ridurre il rischio. La soluzione è applicare guardrail leggeri — regole minime su dati e condivisione — anche al livello base, senza bloccare l’accesso allo strumento pensato proprio per chi non ha competenze tecniche.
Cos’è l’agent sprawl?
È la proliferazione incontrollata di agenti AI all’interno di un’organizzazione, spesso creati da reparti diversi senza coordinamento centrale. Gartner prevede che una Fortune 500 media ne avrà oltre 150.000 entro il 2028, contro meno di 15 nel 2025, con perdita di visibilità su dati e permessi.
Qual è la differenza pratica tra Agent Builder e Copilot Studio?
Agent Builder è no-code, integrato in Microsoft 365 Copilot, pensato per agenti dichiarativi semplici senza gestione del ciclo di vita. Copilot Studio è low-code, parte di Power Platform, e applica Application Lifecycle Management con ambienti separati di sviluppo, test e produzione.
Una PMI può permettersi Azure AI Foundry?
Raramente conviene presidiarlo internamente: la matrice profilo-strumento mostra che anche una PMI strutturata (punteggio 7-12) tende a esternalizzare Azure AI Foundry a un partner, riservando le risorse interne ai livelli Agent Builder e Copilot Studio standard.
Come iniziare a governare gli agenti AI senza rallentare tutti?
Si parte da policy per livello di autonomia, non per strumento, distinguendo agenti che leggono, che consigliano e che agiscono. Segue un owner per ciascun livello della piramide e un inventario centralizzato che dia visibilità su agenti sanzionati e shadow AI.
Conclusioni
Non credo che la discussione con IT e colleghi si chiuda mai del tutto: cambiano gli strumenti, resta la stessa tensione tra velocità e controllo che ho visto ripetersi da quando internet arrivava in ufficio su un doppino telefonico. Quello che i dati di Microsoft, Gartner e Forrester mi confermano, però, è che la domanda “chi può creare agenti AI” ha già una risposta migliore di un sì o di un no secco: dipende dal ruolo, e dipende da quanto la tua azienda è strutturata per sostenerlo. Il rischio più grande, nella mia esperienza, non è dare troppo o troppo poco accesso: è non essersi mai fatti la domanda giusta.
Riferimenti (APA)
- Microsoft Learn. (2026). Choose between Microsoft 365 Copilot and Copilot Studio to build your agent. learn.microsoft.com. Livello B.
- Microsoft Community Hub. (2026, 14 maggio). Agent Builder, Copilot Studio, or Azure AI Foundry: How We Decide for Every Client. techcommunity.microsoft.com. Livello B.
- Gartner. (2026a, 28 aprile). Gartner Identifies Six Steps to Manage AI Agent Sprawl [Comunicato stampa]. gartner.com. Livello B.
- Gartner. (2026b, 26 maggio). Gartner Says Applying Uniform Governance Across AI Agents Will Lead to Enterprise AI Agent Failure [Comunicato stampa]. gartner.com. Livello B.
- Gartner. (2026c). Govern Citizen Development Without Slowing Teams Down. gartner.com/documents/7719457. Livello B. [VERIFY: contenuto completo del documento — accesso riservato clienti Gartner, citato nel position paper originale ma non consultabile direttamente]
- Iannopollo, E. (2026, 19 gennaio). Forrester’s Responsible AI Solutions Landscape Is Coming! [Blog], che cita Forrester State Of AI Survey, 2025. forrester.com. Livello B.
- Forrester. (2025, 4 agosto). Introducing The AEGIS Security Framework For Agentic AI [Blog di Jeff Pollard]. forrester.com. Livello B.
- Commissione Europea. (2003). Raccomandazione 2003/361/CE relativa alla definizione delle microimprese, piccole e medie imprese. Livello B.
Fonti verificate al 22 agosto 2026.
Link interni Argos
- Governance e sicurezza degli agenti AI: la risposta alla domanda che ogni CIO fa prima o poi
- Microsoft 365 Agent Store: come pubblicare agenti AI interni con governance enterprise
- Skills, agenti e il conto: chi governa e chi paga
- Microsoft Copilot Studio: come ho costruito “Bussola” in una notte, tra birre e un’amicizia
Trasparenza sull’uso dell’intelligenza artificiale Questo articolo è stato redatto con l’assistenza di un sistema di intelligenza artificiale generativa (Claude Sonnet 5, tramite l’agente Argos Newsroom su Microsoft Copilot Studio) per la ricerca delle fonti, la strutturazione e la prima stesura. Il testo è stato successivamente verificato, corretto e approvato da un autore umano, Luca Borio, che ne detiene la responsabilità editoriale ai sensi dell’art. 50 del Regolamento (UE) 2024/1689. Dati, citazioni e link sono stati controllati sulle fonti originali indicate. Eventuali errori residui sono miei.
⚠️ Contenuto in stato di bozza. Non pubblicabile senza approvazione umana esplicita.
Rispondi