Un’Autonomous Enterprise è un’impresa in cui applicazioni, dati, processi e intelligenza artificiale sono integrati abbastanza profondamente da permettere agli agenti AI di interpretare eventi, coordinare attività ed eseguire operazioni entro regole e livelli di autorizzazione definiti. Le persone continuano a stabilire obiettivi, vincoli e priorità e intervengono sulle decisioni che richiedono giudizio; l’AI assume invece una parte crescente delle attività operative, delle verifiche e del coordinamento tra funzioni.
È questo il modello che SAP ha presentato¹ a Sapphire 2026. Il tema più rilevante è il passaggio da sistemi informativi che registrano e descrivono ciò che è accaduto a sistemi capaci di utilizzare il contesto aziendale per contribuire a ciò che deve accadere successivamente. La formula People set the direction. AI executes lo spiega perfettamente: le persone definiscono la direzione, mentre l’intelligenza artificiale supporta l’esecuzione.
Per arrivare a questo livello di autonomia, però, inserire un agente AI all’interno di un’applicazione non basta. Servono processi integrati, dati affidabili e semanticamente coerenti, accesso controllato alle informazioni e una governance che stabilisca con precisione ciò che l’AI può vedere, decidere ed eseguire. È su queste condizioni che si concentra anche il nostro lavoro in Clarex.
Che cos’è un’Autonomous Enterprise
SAP descrive l’Autonomous Enterprise come l’evoluzione del modello operativo dell’azienda nell’era dell’AI, più che cme un singolo prodotto tecnologico. Si tratta, insomma, di costruire progressivamente un’organizzazione capace di reagire come un sistema connesso.
Una distinzione importante, in cui l’adozione non è più sinonimo di innovazione di per sé. Chiariamo il concetto riportandolo alla pratica: un’azienda digitalizzata può già disporre di ERP, sistemi di produzione, piattaforme di procurement, CRM, Business Intelligence e applicazioni verticali.
Anche quando questi strumenti sono integrati, però, buona parte del coordinamento rimane affidata alle persone.
Un evento viene registrato. Un utente lo identifica. Qualcuno ne verifica le conseguenze. Le informazioni vengono trasferite a un’altra funzione. Viene presa una decisione, avviato un workflow e successivamente controllato il risultato.
Il modello Autonomous Enterprise interviene proprio su questa sequenza, con l’obiettivo di permettere al sistema di comprendere un evento all’interno del suo contesto di business, valutarne le implicazioni e attivare automaticamente le azioni previste, coinvolgendo una persona quando la decisione supera determinati limiti o richiede una valutazione specifica. Non autonomia senza controllo, quindi, ma piuttosto la possibilità di delegare a sistemi AI una parte maggiore dell’esecuzione e del coordinamento operativo, mantenendo responsabilità, autorizzazioni e tracciabilità.
Dall’automazione all’AI agentica: cosa cambia
L’automazione dei processi aziendali esiste da decenni. I sistemi transazionali gestiscono già automaticamente enormi quantità di operazioni. L’Autonomous Enterprise introduce però una differenza sostanziale: l’azione non dipende necessariamente da una sequenza rigidamente predefinita di istruzioni.
Un’automazione tradizionale può applicare una logica lineare, estremamente efficace quando condizioni, variabili e risultati possono essere codificati in anticipo. L’IA generativa ha aggiunto qualche margine di libertà: le persone possono interrogare i sistemi, elaborare documenti e ottenere suggerimenti in linguaggio naturale.
L’IA agentica estende ulteriormente il modello. Un agente può ricevere un obiettivo, raccogliere le informazioni necessarie, scomporre il problema in attività, interagire con strumenti e applicazioni e completare una sequenza di operazioni. SAP applica questa logica ai processi enterprise. I Joule Agents² sono progettati per svolgere task composti da più passaggi utilizzando la conoscenza dei processi SAP e dati aziendali contestualizzati. Più agenti possono inoltre collaborare su workflow che attraversano funzioni differenti.
Il salto successivo consiste proprio nel passaggio dall’agente isolato al processo coordinato, ed è qui che il concetto di Autonomous Enterprise acquista significato.
Come funziona l’Autonomous Enterprise secondo SAP
L’architettura prevista da SAP può essere letta attraverso quattro componenti strettamente connessi: Joule, SAP Autonomous Suite, Industry AI e SAP Business AI Platform.
- Joule costituisce il livello di interazione tra persone e sistema. L’utente esprime l’intento, mentre assistenti e agenti individuano dati, workflow e azioni necessarie attraverso sistemi SAP e applicazioni esterne.
- SAP Autonomous Suite è il livello nel quale applicazioni business, dati, assistenti e agenti vengono organizzati per eseguire processi end-to-end.
- Industry AI aggiunge le caratteristiche specifiche del settore: conoscenza dei processi verticali, modelli dati e logiche normative.
- SAP Business AI Platform fornisce invece la base per costruire, contestualizzare, governare ed estendere applicazioni e agenti AI.
SAP ha formalizzato questa architettura a Sapphire 2026, annunciando anche l’integrazione di SAP Business Technology Platform, SAP Business Data Cloud e SAP Business AI all’interno della nuova Business AI Platform.
Joule Assistants e Joule Agents hanno ruoli diversi
All’interno di questa architettura è utile distinguere assistenti e agenti.
I Joule Assistants lavorano con un contesto legato alla funzione e al ruolo dell’utente e coordinano agenti specializzati. I Joule Agents eseguono invece specifiche attività multi-step, utilizzando dati e conoscenza dei processi per ragionare, pianificare e intervenire sulle applicazioni autorizzate.
SAP ha annunciato nel maggio 2026³ un piano che comprende oltre 50 Joule Assistants specializzati per dominio e più di 200 agenti, destinati alle aree finance, supply chain, procurement, human capital management e customer experience.
Gli Autonomous Domains collegano le funzioni aziendali
L’organizzazione proposta da SAP si basa su quelli che vengono chiamati Autonomous Domains, associati alle principali aree dell’organizzazione: Finance, Supply Chain, Spend Management, HCM e Customer Experience.
All’interno di ogni dominio, assistenti e agenti possono gestire parti progressivamente più ampie dei processi, mantenendo i controlli previsti.
Per il manufacturing questo approccio è particolarmente interessante perché molti eventi hanno conseguenze trasversali a progettazione, acquisti, pianificazione, produzione, logistica, vendite e finance.
Senza un contesto affidabile, l’agente conosce il dato ma non il business
Questa evoluzione impone una sfida: un agente deve comprendere il significato aziendale dei dati sui quali opera.
Conoscere un valore presente in una tabella non equivale a sapere che quel codice materiale appartiene a una distinta base, che viene utilizzato da determinati ordini, acquistato da uno specifico fornitore e soggetto a una determinata policy.
Per questo SAP ritorna sul tema dei dati semanticamente ricchi: SAP Business Data Cloud integra e governa dati SAP e di terze parti e preserva le relazioni, le policy e la semantica che attribuiscono significato alle informazioni. SAP Knowledge Graph aggiunge una mappa strutturata delle entità, dei processi e delle relazioni aziendali. In questo modo l’IA può ragionare sulle connessioni esistenti tra le informazioni invece di elaborare semplicemente dati isolati. Questo è fondamentale: più aumenta l’autonomia attribuita agli agenti, più aumenta il costo potenziale di un dato errato, incoerente o privo del contesto necessario. Costo che comunque è già significativo oggi, ma che è destinato ad aumentare.
Anche per questo in Clarex trattiamo da tempo il Data Management come parte del processo. Il nostro approccio parte dall’analisi e arriva alla costruzione di architetture capaci di sostenere ERP, analytics e AI, utilizzando tecnologie come SAP S/4HANA Cloud, SAP Business Data Cloud, SAP Datasphere, SAP Analytics Cloud, SAP Master Data Governance e Joule.
Più autonomia significa maggiore necessità di governance
Un sistema che genera una risposta sbagliata crea un problema. Un sistema che esegue automaticamente un’azione sbagliata può produrre conseguenze operative, economiche o normative molto più significative.
La governance diventa quindi parte dell’architettura stessa dell’Autonomous Enterprise.
Occorre stabilire quali dati può utilizzare un agente, quali operazioni può eseguire, entro quali soglie, con quali autorizzazioni e in quali casi è richiesta una validazione umana. Occorre inoltre poter ricostruire cosa è stato fatto, sulla base di quali informazioni e attraverso quale agente.
Insomma, per garantire ai sistemi maggiore autonomia operativa, è necessario fornire maggiore contesto ed esercitare maggiore controllo. L’Autonomous Enterprise, insomma, non riduce il bisogno di governance. Lo aumenta.
Il ruolo di Clarex: trasformare l’Autonomous Enterprise in una roadmap condivisa
L’Autonomous Enterprise è una direzione evolutiva. Alle aziende serve capire da quali processi partire e quali prerequisiti costruire.
Qui entriamo in gioco noi di Clarex: come SAP Gold Partner e Value Added Reseller lavoriamo sull’integrazione tra processi, applicazioni e dati. Disponiamo di oltre 200 professionisti tra consulenti funzionali, programmatori, UX designer, data scientist e specialisti di advanced analytics, Big Data, IoT e AI.
Ancora una volta, il tema è molto oltre la semplice volontà di adozione. Prima occorre identificare un processo nel quale automazione e AI possano produrre un risultato misurabile.
È un’impostazione per noi già nota, assimilabile con il modo in cui lavoriamo già sui progetti Data Management: partire dai dati e dai processi disponibili, costruire una base informativa coerente, attivare casi d’uso utili e ampliare successivamente il perimetro. Nei nostri materiali questa impostazione viene descritta come un percorso modulare, nel quale infrastruttura dati, casi d’uso AI e scalabilità vengono sviluppati in relazione agli obiettivi aziendali.
Un progetto Autonomous Enterprise richiede competenze convergenti: l’ERP fornisce il digital core e il contesto transazionale; SAP Business Data Cloud struttura la base informativa per l’AI; SAP Business AI Platform abilita sviluppo e governance; Joule mette assistenti e agenti in relazione con persone e processi; le competenze funzionali determinano infine dove e con quali regole l’autonomia può produrre valore senza introdurre rischi non controllati.
Autonomous Enterprise significa ridurre la distanza tra informazione e azione
Per molti anni l’obiettivo della digitalizzazione è stato registrare correttamente i processi. Poi l’integrazione ha permesso di collegarli e gli analytics di interpretarli. AI e agenti aggiungono ora la possibilità di intervenire direttamente sull’esecuzione, trasformando un segnale in una sequenza coordinata di azioni.
La tecnologia, però, è soltanto una parte dell’equazione. Senza le giuste condizioni, l’IA rimane confinata in applicazioni puntuali e prototipali; con una base adeguata può invece entrare progressivamente nei processi end-to-end.
Per noi di Clarex, è questo il significato del percorso di crescita: costruire oggi dati, processi e architetture che consentano all’AI di passare dall’assistenza all’esecuzione, mantenendo persone e governance al centro delle decisioni che contano.
Vuoi saperne di più?
Prenota una call con i nostri esperti, analizzeremo insieme il tuo punto di partenza per costruire un percorso sicuro ed efficace.
¹Fonte: news.sap.com
²Fonte: sap.com
³Fonte: news.sap.com
