Presentato da EdgeVerve
Prima di parlare di World Enterprise Providers (GBS), facciamo un passo indietro. Può l’intelligenza artificiale agente, il tipo di intelligenza artificiale in grado di intraprendere azioni guidate da obiettivi, trasformare non solo GBS ma qualsiasi tipo di impresa? E lo ha già fatto?
Come per molte nuove tecnologie, in questo caso la retorica ha superato il ritmo di implementazione. Anche se il 2025 “doveva essere l’anno dell’intelligenza artificiale”, non è andata così, secondo Taryn Plumb, redattore collaboratore di VentureBeat. Basandosi sul contributo di Google Cloud e della società di ambienti di sviluppo integrato (IDE) Replit, Plumb ha riferito in un submit su VentureBeat del dicembre 2025 che ciò che manca sono i fondamenti necessari per crescere.
Considerata l’esperienza dell’intelligenza artificiale generativa (gen) basata sul Massive Language Mannequin (LLM), questo risultato non sorprende. In un sondaggio condotto nel febbraio 2025 Vertice della rete di servizi condivisi e outsourcing (SSON).il 65% delle organizzazioni GBS ha risposto di dover ancora completare un progetto GenAI. Si può tranquillamente affermare che l’adozione dell’intelligenza artificiale advert agenti arrivata più recentemente è ancora nelle sue fasi nascenti per le imprese, incluso GBS.
Il ruolo dell’intelligenza artificiale degli agenti nei servizi aziendali globali
Ci sono tuttavia buone ragioni per concentrarsi sull’enorme potenziale dell’IA agente e sulla sua applicazione al settore GBS.
Spogliata di ogni pubblicità, l’intelligenza artificiale di Agentic sblocca funzionalità nel livello di orchestrazione dei flussi di lavoro software program che prima non erano pratiche. Lo fa attraverso una serie di tecniche, inclusi (ma non obbligatori) LLM. Anche se alle imprese potrebbero effettivamente mancare alcuni fondamentali necessari per implementare l’intelligenza artificiale su larga scala, tali prerequisiti non sono fuori portata.
Per quanto riguarda GBS e World Functionality Heart (GCC), hanno già subito un restyling, trasformandosi da estensioni del back-office in associate aziendali sempre più strategici. L’intelligenza artificiale di Agentic è una scelta naturale perché uno dei suoi casi d’uso customary coinvolge operazioni IT o agenti del servizio clienti, funzionalità già incluse nella timoneria GBS e GCC esistente.
Quindi sì, l’intelligenza artificiale potrebbe potenzialmente trasformare il settore GBS. I chief del settore possono passare al meglio verso un’implementazione su larga scala adottando un approccio metodico.
Cinque passaggi per l’implementazione dell’intelligenza artificiale degli agenti in GBS
L’IA Agentic non è l’unico gioco in città. Come notato, c’è GenAI, utilizzato principalmente per la creazione di contenuti. Ma allargando il campo si può puntare anche all’AI predittiva e all’AI documentale, utilizzate rispettivamente per la previsione e l’estrazione dei dati. (Nessuno dei due richiede LLM.) L’esposizione all’IA preesistente fa ben sperare per il futuro dell’IA agente.
In primo luogo, questi tipi di intelligenza artificiale si supportano a vicenda, impilati (piuttosto che isolati) nei sistemi moderni. L’intelligenza artificiale agentica, in particolare, è posizionata per attingere agli altri. In secondo luogo, avendo vissuto il ciclo di hype della GenAI, i chief del settore potrebbero essere inclini advert adottare un approccio più misurato – e produttivo – all’IA agente.
Piuttosto che precipitarsi in un progetto pilota, l’industria farebbe bene a prepararsi con attenzione (fasi 1-3). Se combinate con il giusto progetto di take a look at (fase 4), queste azioni possono aprire la strada a un’implementazione su larga scala dell’intelligenza artificiale con agenti (fase 5):
Conosci i tuoi processi. Le operazioni aziendali possono essere complicate. Consideriamo un’azienda di spedizioni e logistica chief a livello mondiale, le cui migliaia di dipendenti a tempo pieno nei suoi sette centri GBS hanno supportato più di 80 processi che comportano flussi di lavoro altamente complessi e advert alta intensità manuale con ampie variazioni regionali. Solo comprendendo innanzitutto i processi e i flussi di lavoro esistenti un’organizzazione come questa ha la possibilità di poterli ripensare o rielaborare.
Conosci i tuoi dati. Strettamente correlati sono i dati da cui dipendono i flussi di lavoro. Come circolano questi dati da un capo all’altro? Come sono le condutture? Dove sono le API chiave? I dati sono strutturati o non strutturati? Le risorse includono piattaforme dati (sistemi di registrazione) e database vettoriali (motori di contesto), entrambi necessari agli agenti di intelligenza artificiale per prendere buone decisioni? Che tipo di governance e sicurezza dei dati prevalgono? Come potrebbero cambiare in uno situation di intelligenza artificiale con agenti?
Identificare il problema. Nel caso dell’impresa di spedizioni sopra menzionata, la complessità e la variazione dei flussi di lavoro, nonché la loro intensità manuale, l’hanno esposta a costi significativi, inadempienze negli accordi sul livello di servizio (SLA), scarsa esperienza del cliente e maggiore conformità e rischi legali. Una volta nominato, un problema diventa logicamente un potenziale caso d’uso con obiettivi distinti.
Pilotare un modello operativo. Le opzioni includono, tra gli altri, il consolidamento degli sforzi in un Centro di Eccellenza (COE), la democratizzazione dello sviluppo attraverso approcci guidati dai cittadini e la partnership attraverso modelli BOTT (Construct-Function-Remodel-Remodel-Switch). Senza chiarezza strutturale, anche i progetti pilota più promettenti di intelligenza artificiale sono difficili da estendere oltre il loro dominio iniziale. Il modello dovrebbe anche riflettere la realtà. Probabilmente coinvolgendo più agenti paralleli nel perseguimento di obiettivi coordinati, l’IA Agentic è ancora vincolata dall’ambiente, dalla complessità, dai rischi e dalla governance.
Aumentare la portata. I piloti di successo guidano i propri passi successivi. Prendiamo l’esperienza frammentata di una grande banca multinazionale in Australia. Dopo aver automatizzato diversi processi non essenziali tramite Automation COE, la banca si è resa conto di dover analizzare e migliorare i flussi di lavoro più complessi. Ha selezionato una piattaforma software program eccezionale che le ha permesso di completare più di 100 progetti di scoperta in meno di 14 mesi. I progetti pilota potrebbero quindi crescere, diventando iniziative a livello aziendale.
Come si presenta l’intelligenza artificiale degli agenti su scala aziendale
Solo la scala può produrre un impatto reale. Il fornitore di servizi di spedizione, con i suoi sette centri GBS, si è ritrovato con una tecnologia in grado di creare pipeline di dati, digitalizzare documenti complessi, applicare ragionamenti basati su regole in base alle eccezioni specifiche del paese e orchestrare il lavoro tra i workforce. Questa base ha portato a una trasformazione incentrata sull’intelligenza artificiale di circa 16 iniziative, a una crescita esponenziale dell’automazione e a significativi guadagni di efficienza.
Sfruttando le capacità a livello di orchestrazione, consentendo la percezione contestuale, la collaborazione tra domini e l’azione autonoma in linea con la governance, l’intelligenza artificiale degli agenti può potenziare le operazioni, sia dell’intelligenza artificiale che umane.
Consideriamo un processo di appalto. Mentre l’intelligenza artificiale dei documenti può estrarre dati dagli ordini di acquisto, evitando alcuni controlli manuali, un agente AI può anche valutare il rischio del fornitore, fare riferimenti incrociati agli customary di conformità, verificare la disponibilità del funds e persino avviare una negoziazione conservando i registri di controllo per la reportistica normativa. In uno situation di consulenza finanziaria, mentre l’intelligenza artificiale predittiva può analizzare le tendenze, un agente di intelligenza artificiale potrebbe intraprendere ulteriori azioni, assistendo i professionisti di particolari unità aziendali su investimenti strategici mirati.
Tieni presente che l’agente non sostituisce il giudizio umano, ma lo estende, garantendo che le decisioni vengano prese più rapidamente, in modo più coerente e su larga scala.
Dall’automazione autonoma agli ecosistemi di agenti in GBS
GBS è in una posizione unica per guidare l’azienda nell’period dell’intelligenza artificiale degli agenti. In base alla progettazione, GBS si trova all’intersezione di processi e dati tra più unità aziendali. Finanza, risorse umane, catena di fornitura e IT confluiscono tutti attraverso il modello di servizi condivisi. Questo punto di osservazione centrale rende GBS un trampolino di lancio ideale per la creazione di ecosistemi di IA agentici.
Un ecosistema è diverso dall’automazione autonoma. Gli agenti non eseguono attività in modo isolato. Piuttosto, funzionano 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 superare l’automazione incrementale e operare 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 paga per il submit o ha un rapporto commerciale con VentureBeat e sono sempre chiaramente contrassegnati. Per ulteriori informazioni, contattare gross sales@venturebeat.com.
