NVIDIA e ServiceNow confermano: un agente AI enterprise senza audit trail non è deployabile

Con "Project Arc", NVIDIA e ServiceNow mettono nero su bianco una regola che vale anche per le PMI: un agente AI autonomo senza audit trail, osservabilità e controllo umano non si mette in produzione. Ecco cosa cambia e come sceglierlo.

BlueSky Agent AI · 2026-07-10

Quando due colossi come NVIDIA e ServiceNow salgono sullo stesso palco per presentare un agente AI autonomo, la notizia non è l'agente in sé. È come hanno deciso di farlo funzionare. E il messaggio, tradotto per chiunque gestisca un'azienda, è netto: un agente AI che agisce da solo, senza un registro verificabile di ciò che fa, semplicemente non si mette in produzione.

A ServiceNow Knowledge 2026, con Jensen Huang e Bill McDermott insieme sul palco, le due aziende hanno annunciato Project Arc: un agente desktop autonomo, capace di lavorare a lungo su compiti complessi e di migliorare nel tempo, pensato per affiancare i knowledge worker. Un prodotto ambizioso. Ma la parte davvero interessante per le piccole e medie imprese non è la potenza dell'agente: è l'infrastruttura di controllo che gli hanno costruito intorno.

Cosa hanno annunciato davvero (e perché conta)

Project Arc non è un chatbot che risponde a domande. È un agente che esegue azioni: apre file, lancia comandi, chiama API, porta a termine flussi di lavoro con poca o nessuna supervisione momento per momento. Questo tipo di autonomia è esattamente ciò che rende l'AI agentica utile — e, allo stesso tempo, ciò che la rende potenzialmente rischiosa.

La risposta di NVIDIA e ServiceNow a questo rischio non è "fidatevi del modello". È un'architettura precisa, fatta di tre strati:

• Un runtime sicuro e isolato. L'agente gira in un ambiente sandboxed, governato da policy, che limita cosa può toccare e cosa no. Non ha accesso illimitato al sistema: opera dentro confini definiti.
• Una torre di controllo per la governance. Un livello di orchestrazione imposta le policy, monitora il comportamento dell'agente e decide cosa è consentito. È il "cervello delle regole" separato dal "cervello che agisce".
• Un audit trail completo. Ogni file letto, ogni comando eseguito, ogni API chiamata viene registrata. Non per burocrazia: perché senza quel registro non puoi sapere cosa ha fatto l'agente, non puoi dimostrarlo a un revisore e non puoi correggere un errore alla radice.

In una frase: identità, permessi e tracciabilità non sono un accessorio opzionale da aggiungere "dopo", quando l'agente crea problemi. Sono l'infrastruttura di base senza la quale l'agente non parte nemmeno.

Un pattern, non un caso isolato

Se Project Arc fosse un episodio a sé, sarebbe una curiosità da addetti ai lavori. Il punto è che non è isolato. Nelle stesse settimane, altri protagonisti dell'enterprise hanno annunciato architetture che ruotano attorno alla stessa idea.

A HPE Discover 2026, Hewlett Packard Enterprise ha presentato un framework agentico che include un registro centralizzato degli agenti, orchestrazione, controlli di governance e — dettaglio rivelatore — l'osservabilità del consumo di token e la visibilità sui costi operativi per ogni agente. In pratica: non solo "cosa fa l'agente", ma anche "quanto mi costa mentre lo fa".

Quando due o tre grandi vendor, indipendentemente l'uno dall'altro, convergono sullo stesso schema — registro degli agenti, governance delle policy, audit trail, controllo dei costi — non è una moda. È il segnale che il mercato ha capito una cosa: il valore di un agente autonomo si sblocca solo se sei in grado di controllarlo.

Perché l'audit trail è il vero requisito, non un "nice to have"

Facciamo un esempio concreto, lontano dalle sale conferenze. Immagina un agente AI che gestisce parte del tuo ciclo ordini: legge le email dei clienti, aggiorna il gestionale, prepara i documenti, invia conferme. Un giorno un cliente si lamenta: ha ricevuto una conferma d'ordine sbagliata.

Senza audit trail, ti trovi davanti a una scatola nera. L'agente ha fatto qualcosa, ma cosa esattamente? Ha letto l'email giusta? Ha interpretato male un campo? Ha chiamato l'API sbagliata? Non lo sai, e non puoi ricostruirlo. Sei costretto a rifare il lavoro a mano e a sperare che non ricapiti.

Con un audit trail, invece, apri il registro e vedi esattamente la sequenza: quale email ha letto, quale record ha aggiornato, quale valore ha scritto, in quale momento. Individui l'errore, capisci se è un problema di dati, di regola o di configurazione, e lo correggi una volta per tutte. La differenza tra un agente che "a volte funziona" e un agente su cui puoi davvero contare passa quasi interamente da qui.

L'audit trail è ciò che rende un agente:

• Correggibile — puoi risalire alla causa di un errore invece di indovinare.
• Dimostrabile — puoi mostrare a un cliente, a un revisore o a un'autorità cosa è successo e perché.
• Migliorabile — i log diventano la base per affinare le regole e ridurre gli errori nel tempo.
• Conforme — con l'AI Act che entra nel vivo, poter documentare il comportamento dei sistemi AI non è più solo buona pratica: diventa un requisito.

Il fattore umano: l'autonomia non è "abbandono"

C'è un equivoco diffuso: pensare che "agente autonomo" significhi "agente lasciato a se stesso". È l'opposto. Le architetture presentate da questi vendor sono costruite proprio per mantenere l'essere umano nel ciclo — quello che in gergo si chiama human in the loop.

La torre di controllo, le policy, i permessi, il registro: sono tutti strumenti che permettono a una persona di sapere cosa sta facendo l'agente, di stabilire dei limiti, di essere avvisata quando serve un'approvazione e di intervenire quando qualcosa esce dai binari. L'autonomia dell'agente esiste dentro confini decisi da un umano, non al posto suo.

Per una PMI questa è una notizia rassicurante, non intimidatoria: non devi rinunciare al controllo per adottare l'AI. Devi scegliere una piattaforma che ti dia quel controllo per progettazione.

Cosa deve chiedere una PMI prima di adottare un agente AI

La lezione dei grandi si traduce in una checklist molto pratica. Prima di mettere un agente AI a lavorare su processi reali, poniti (e poni al fornitore) queste domande:

• C'è un audit trail? Ogni azione dell'agente — dati letti, sistemi toccati, decisioni prese — viene registrata in modo consultabile?
• Posso definire i permessi? Posso stabilire a quali sistemi e dati l'agente ha accesso, e a quali no?
• C'è un punto di controllo umano? Posso impostare approvazioni per le azioni sensibili e ricevere alert quando serve?
• C'è osservabilità sui costi? So quanto mi costa l'agente mentre lavora, o scopro la fattura a fine mese?
• È documentabile per la conformità? Posso produrre evidenze del comportamento del sistema se un'autorità me le chiede?

Se la risposta a queste domande è "no" o "vediamo più avanti", quello che ti stanno proponendo non è un agente enterprise governato: è un chatbot con qualche permesso in più. La differenza, il giorno in cui qualcosa va storto, è enorme.

Come lo affronta BlueSky Agent AI

Questo è esattamente il modello su cui è costruita la piattaforma di BlueSky Agent AI per le PMI italiane: gli agenti operano con identità, permessi definiti e tracciabilità completa, con l'essere umano che resta il punto di controllo. Non è una funzione aggiunta in un secondo momento: è il modo in cui gli agenti sono pensati fin dall'inizio. Ciò che NVIDIA, ServiceNow e HPE stanno validando sul mercato enterprise è la stessa logica che rendiamo accessibile a un'azienda di dieci, venti o cento persone.

C'è poi il tema dei costi, che i grandi vendor mettono in cima all'agenda con l'osservabilità del consumo di token. Un agente che svolge un compito articolato attraversa fasi diverse — ragionare, generare, analizzare, verificare — e ogni fase ha bisogni differenti. Usare il modello più potente (e costoso) per ogni passaggio è come spedire un corriere espresso per ogni singola busta: funziona, ma paghi molto più del necessario.

È qui che entra in gioco ModelMatch, il motore di routing intelligente di BlueSky: per ogni fase del processo agentico sceglie automaticamente il modello LLM più adatto per qualità e costo, riducendo la spesa media del 42% senza sacrificare i risultati. In questo modo la governance non riguarda solo cosa fa l'agente — tracciato dall'audit trail — ma anche quanto costa farlo, che è l'altra metà della domanda che ogni imprenditore si pone. Le PMI non devono più diventare esperte di modelli AI per adottarli in modo sensato: ci pensa la piattaforma.

La regola che resta

Al netto dei nomi commerciali e degli annunci, la sostanza è semplice e vale per tutti, dalla grande multinazionale al piccolo studio: un agente AI che agisce nei tuoi processi senza un registro verificabile di ciò che fa non è pronto per la produzione. Non perché lo dica una regola astratta, ma perché senza quella tracciabilità non puoi correggerlo, non puoi dimostrarlo e non puoi migliorarlo.

NVIDIA e ServiceNow lo hanno confermato per il segmento enterprise. La buona notizia per le PMI italiane è che questo standard — audit trail, controllo umano, governance dei costi — non è più un privilegio riservato a chi ha budget da colosso. È il punto di partenza da cui scegliere.

Vuoi capire come sarebbe un agente AI governato e tracciabile per i processi della tua azienda? Parliamone con BlueSky Agent AI.