
Oracle AI World, dagli agenti ai dati. L’AI entra nei software aziendali con compiti sempre più operativi: riconciliare registrazioni contabili, preparare piani di approvvigionamento, individuare anomalie negli acquisti e avviare interventi autorizzati. Per le imprese, delegare queste attività agli agenti significa decidere fin dove possano agire, quali passaggi richiedano un’approvazione e come valutarne il lavoro.
Gli annunci di Oracle AI World 2026 affrontano questi temi attraverso novità che coinvolgono applicazioni, sicurezza, dati e infrastrutture. A ripercorrerli, al rientro da Las Vegas, è Andrea Sinopoli, country leader di Oracle Italia, che parte dalla convinzione che l’impatto dell’intelligenza artificiale sia già riconoscibile nelle attività delle organizzazioni.
“Non c’è più nessun dubbio rispetto all’impatto che l’utilizzo dell’intelligenza artificiale, in tutte le sue forme e dimensioni, sta già avendo, non che avrà, nella vita di tutti noi, ma anche all’interno del mondo enterprise, nelle attività delle aziende pubbliche e private”.
Gli agenti eseguono, l’azienda deve poterne seguire il lavoro
Il passaggio alle applicazioni agentiche porta l’AI a svolgere attività che hanno conseguenze sui processi. Sinopoli insiste sul rapporto tra questa capacità operativa e le indicazioni ricevute dall’utente: “L’utente dà delle impostazioni, delle linee guida entro le quali l’agente si muove, ma l’agente ha una capacità esecutiva”.
Da qui nasce l’esigenza di rendere visibile il lavoro delegato. “C’è sempre di più la necessità di poter monitorare che cosa l’agente fa, di avere un resoconto e un ritorno di quello che fa”, spiega. L’autonomia deve accompagnarsi alla possibilità di “aumentare i livelli di sicurezza, aumentare il livello di governance e cercare di misurare qual è effettivamente il risultato che poi l’agente produce”.
Sul fronte dei prodotti, il riferimento è Fusion Claw, il nuovo ambiente di esecuzione alla base delle Fusion Agentic Applications. È progettato per sostenere attività complesse e prolungate, rivedere i piani durante il lavoro ed eseguire operazioni entro le regole fissate dall’organizzazione.
All’Oracle AI World sono state annunciate 25 applicazioni agentiche basate su Claw per finanza, risorse umane, supply chain e customer experience. Ledger supporta la chiusura contabile attraverso riconciliazioni e analisi delle anomalie; Procurement Spend individua spese fuori procedura e condizioni contrattuali non applicate; Supply Planning Allocation confronta alternative per distribuire materiali e capacità produttiva limitati tra esigenze concorrenti.
A seconda del compito, le applicazioni preparano proposte da sottoporre ai responsabili oppure eseguono operazioni approvate. Fusion Companion coordina transazioni, workflow e agenti utilizzando dati e autorizzazioni dell’utente, mentre Fusion Agentic Home permette di assegnare obiettivi e seguire l’avanzamento del lavoro. Con AI Agent Studio, clienti e partner possono inoltre creare agenti per esigenze specifiche e controllarne comportamento e risultati.
Sicurezza: le regole devono valere anche quando agisce un agente
La diffusione degli agenti rende più articolato il controllo dei sistemi. All’Oracle AI World Sinopoli richiama un problema organizzativo: l’AI può essere introdotta dalle singole divisioni aziendali, senza che tutti i progetti rimangano sotto la supervisione diretta dell’IT. Parallelamente, gli agenti stessi diventano un possibile bersaglio degli attacchi.
La risposta descritta dal manager consiste nell’applicare le protezioni anche sotto il livello applicativo: “Quello che abbiamo fatto è stato spostare il tema della security dove pensiamo essere il punto più solido, cioè all’interno del dato stesso”. A questo si collega la tracciabilità: “Riusciamo a monitorare in maniera molto puntuale chi fa che cosa, chi accede a che cosa, chi ha possibilità di fare delle attività”.
Oracle Deep Trust AI Architecture traduce questa impostazione in controlli distribuiti tra piattaforma software, database, accesso ai dati e sviluppo delle applicazioni. Con Deep Data Security, il database verifica l’identità dell’utente e applica le autorizzazioni a ogni interrogazione SQL. Le SQL Assertions consentono invece di far rispettare regole operative, per esempio impedendo addebiti superiori al limite di spesa assegnato a un dipendente.
Le Deep Trust Data APIs circoscrivono l’accesso agli elementi necessari per un compito, come un ordine di acquisto, stabilendo che cosa possa essere letto o modificato. L’obiettivo è evitare che il rispetto delle regole dipenda soltanto da come è stata costruita un’applicazione o dal comportamento di un agente.
Identità, approvazioni e utilizzo dell’AI nella difesa
Il tema diventa immediato nell’esempio della posta elettronica. Un agente autorizzato a leggere messaggi e riassumere priorità può evolvere verso la capacità di rispondere e compiere operazioni. Sinopoli pone quindi il problema di come mantenere il controllo sulle deleghe.
“Oggi sono l’utente Andrea Sinopoli e do accesso al mio agente per poter fare delle cose. Però dipende dal task, dipende da qual è il perimetro di azione”, osserva. Nella sua riflessione sull’evoluzione delle identità, “è possibile che nel futuro non ci sarà più solo un utente Andrea Sinopoli, ma ci saranno più utenti all’interno del mio utente padre. Ognuno dei quali avrà diversa giurisdizione, diverse responsabilità, diversi ruoli”.
Gli annunci sulla sicurezza affrontano alcuni aspetti di questo problema. OCI Identity Assurance introduce verifiche biometriche per accertare identità e presenza della persona che approva operazioni sensibili, come pagamenti o modifiche dei permessi. OCI Zero Trust Packet Routing applica invece le regole di comunicazione tra risorse a livello di rete.
Accanto alla protezione degli agenti c’è il loro impiego nella cybersecurity. Il messaggio che Sinopoli porta da Las Vegas è che “l’utilizzo dell’AI non debba essere visto come un elemento che mette a rischio la sicurezza, ma anzi ne amplifica l’efficacia”.
Oracle AI Security Mesh combina i modelli di OpenAI per la cybersecurity, gli strumenti di test Oracle e il contesto fornito dal cliente per individuare vulnerabilità e valutare le correzioni. Le modifiche devono essere approvate prima dell’applicazione; ogni agente opera con identità e autorizzazioni definite, mentre sistemi di monitoraggio indipendenti possono interrompere attività fuori dai limiti consentiti.
Oracle AI World: piattaforme aperte e dati comprensibili all’AI
Importante, in questo quadro, è l’apertura di Oracle verso tecnologie esterne, anche concorrenti. Sinopoli la considera un cambiamento significativo rispetto al passato e cita la partnership con Snowflake per portarne la piattaforma su OCI e nel marketplace Oracle.
“Pensare, non più di cinque o sei anni fa, che Oracle si aprisse a uno dei nostri competitor sul mondo delle data platform l’avrei visto un po’ complicato”, osservaancora Sinopoli. La direzione è “creare un ecosistema sempre più ampio di dati su cui poter far attingere in maniera sicura le componenti di intelligenza artificiale”.
L’accesso a fonti differenti pone anche una questione di significato: gli agenti devono comprendere come l’azienda definisca un indicatore, organizzi un processo o colleghi clienti, ordini e contratti. Le novità di Oracle AI Data Platform affrontano questo tema attraverso ontologie aziendali, cioè rappresentazioni condivise di concetti, relazioni e regole.
L’agente AI Discovery le genera analizzando schemi dei database, modelli semantici e documenti; gli esperti aziendali le verificano e le approvano. Oracle Semantic Reasoning Engine utilizza poi queste conoscenze per organizzare le informazioni da fornire al modello, riutilizzando contesto e analisi precedenti per ridurre elaborazioni ripetitive e consumo di token.
Le nuove funzionalità della piattaforma sono previste entro i dodici mesi successivi all’annuncio. Lo stesso orizzonte riguarda AI Data Catalog e Business Semantic Layer di Autonomous AI Lakehouse, destinati a collegare fonti diverse e fornire definizioni aziendali coerenti. Il supporto ampliato alle tabelle Apache Iceberg contribuisce a utilizzare dati Oracle e non Oracle evitando spostamenti e duplicazioni non necessari.
Infrastrutture: la competizione riguarda anche l’efficienza
L’apertura riguarda anche le risorse di calcolo. Oracle e Google hanno annunciato l’arrivo delle TPU su OCI nel 2027, con una diffusione progressiva negli anni successivi. Secondo le due aziende, sarà la prima disponibilità degli acceleratori Google su una piattaforma cloud hyperscale esterna a Google. Sinopoli legge l’accordo come un ampliamento delle alternative tecnologiche rispetto a Nvidia.
La crescita della capacità deve però accompagnarsi a un utilizzo più efficiente delle risorse. “Bisogna da una parte aumentare, amplificare la capacità infrastrutturale, dall’altra cercare di ottimizzarla”, sottolinea. La competizione comprende chi saprà introdurre innovazioni per sfruttare meglio le infrastrutture, oltre alla costruzione di impianti più potenti.
Le novità di Oracle Acceleron intervengono proprio su rete e comunicazioni tra sistemi. Collegamenti ad alte prestazioni e distribuzione del traffico su più percorsi servono a mantenere operativi i carichi AI anche in presenza di guasti. Quando molti acceleratori lavorano insieme, un rallentamento nella rete può infatti compromettere l’efficacia della capacità di calcolo disponibile.
FinOps: lasciare spazio alla sperimentazione, controllare i consumi
Ma l’attenzione deve riguardare anche i costi. Sinopoli richiama una nuova fase del FinOps, sulla quale anche i clienti presenti a Las Vegas hanno iniziato a interrogarsi. Le piattaforme per creare agenti includono strumenti di monitoraggio delle risorse; resta il compito di valutarne l’impiego rispetto ai benefici prodotti.
“Più vincoli metti su un’innovazione così dirompente, su una tecnologia così dirompente, e forse rischi di perdere il tuo vantaggio competitivo. Dall’altro è chiaro che un minimo di governance e di controllo bisogna iniziare a metterlo in campo”.
Il punto è trovare criteri di valutazione che permettano di sperimentare e, insieme, capire quanto costa portare a termine un’attività. Un agente può effettuare più interrogazioni, consultare sistemi diversi e rivedere il proprio piano: il consumo complessivo va quindi osservato lungo l’intero lavoro e confrontato con il risultato.
Oracle AI World: le scelte delle imprese italiane
Per le imprese italiane, le novità presentate all’Oracle AI World si intrecciano con le scelte sul rinnovo dei gestionali. Sinopoli osserva che la possibilità di sviluppare applicazioni con l’AI riapre il confronto tra l’acquisto di software e la realizzazione di soluzioni proprie: “O compro una soluzione out of the box oppure me la faccio io con i miei agenti”.
La proposta di Oracle combina le applicazioni enterprise con la possibilità di aggiungere agenti propri. Sinopoli descrive “una suite applicativa enterprise che ha al suo interno tutta una serie di arricchimenti già fatti attraverso l’utilizzo dell’AI e la possibilità di andare a integrare e arricchire con i tuoi agenti”. È un approccio che considera adatto alla fase attraversata dalle imprese italiane, tra volontà di innovare e necessità di valutare come inserire le nuove tecnologie nei processi.
Il manager indica altre due priorità: la fiducia nella sicurezza delle piattaforme e l’apertura dell’ecosistema dati. Quest’ultima risponde alla struttura del mercato: “Un mercato molto frastagliato, eterogeneo come quello italiano, fatto di tante medie e piccole aziende, di tante realtà. L’eterogeneità è intrinseca nel DNA del tessuto industriale italiano”.
La possibilità di sviluppare applicazioni con l’AI amplia, nella lettura di Sinopoli, anche lo spazio di iniziativa delle persone. È uno dei messaggi che ricava dall’intervento di Sam Altman a Las Vegas: “Oggi siamo dei produttori di applicazioni. Qualche anno fa, per poterlo fare, dovevi essere un informatico, dovevi parlare linguaggi di programmazione”. Una possibilità che riporta il lavoro delle imprese e dei loro partner alla scelta di che cosa costruire, con quali informazioni e sotto la responsabilità di chi.








