Exelab ha lanciato Polyant, una piattaforma open source per costruire e governare team di agenti AI specializzati in ambito enterprise. Il rilascio arriva in un momento in cui il divario tra chi dichiara di usare agenti AI e chi li ha davvero in produzione è ancora enorme: il 97% dei dirigenti afferma di averli implementati nell’ultimo anno, ma solo il 31% ha almeno un agente operativo, secondo i dati di S&P Global Market Intelligence.
Il problema, secondo Emanuele Caronia, CEO e founder di Exelab, non è tecnologico. La maggior parte delle implementazioni parte dalla piattaforma invece che dai dati e dai processi. Un agente senza dati aziendali è un LLM con un prompt: vale meno degli strumenti che si usano già, afferma. La differenza, aggiunge, la fanno i dati e il design dei processi: Polyant nasce partendo dalle esigenze delle grandi aziende italiane e internazionali con cui abbiamo la fortuna di lavorare e che abbiamo imparato a conoscere. Sappiamo dove si trovano le opportunità e sappiamo cosa serve per renderle operative.
Governance e conformità al centro del progetto
Polyant è progettata per contesti in cui tracciabilità, protezione del dato e conformità normativa sono requisiti di produzione. La piattaforma è europea by design: i dati non escono dall’Unione Europea e la conformità al GDPR è nativa nell’architettura. Può girare on-premise, sul cloud del cliente o su infrastruttura dedicata gestita da Exelab.
La governance è integrata attraverso dieci controlli built-in che intervengono prima, durante e dopo ogni decisione degli agenti, con audit trail e registri interrogabili via SQL. Il codice è rilasciato con licenza AGPLv3 e disponibile pubblicamente su GitHub all’indirizzo github.com/polyant-ai/polyant.
Sul piano operativo, la piattaforma supporta canali come Telegram, Slack e WhatsApp ed è compatibile con i modelli di Anthropic, OpenAI e Mistral, con l’intero catalogo AWS Bedrock e con modelli open source.
Undici agenti al lavoro in una simulazione dal vivo
La presentazione di Polyant si è svolta davanti a un gruppo ristretto di manager, CTO e decision maker italiani con una simulazione in diretta su NetFibra, azienda di fantasia costruita per l’occasione. Undici agenti AI hanno lavorato su scenari concreti d’impresa, mostrando come un team agentivo possa operare in modo coordinato e autonomo.
L’esperienza è iniziata una settimana prima dell’evento: Maia, un agente raggiungibile via WhatsApp, ha seguito ciascun partecipante fino all’arrivo, suggerendo contatti da incontrare, raccogliendo preferenze e gestendo domande logistiche. Durante la sessione, gli agenti hanno operato in parallelo su scenari commerciali e di compliance. RevOps ha preparato nella notte il brief commerciale per il giorno successivo, individuando rinnovi a rischio e opportunità di upgrade. Customer Success ha intercettato in tempo reale un cliente in procinto di abbandonare il servizio, ricostruito il contesto e allertato il responsabile commerciale.
Data Scout ha trovato una correlazione nascosta su tremila clienti e passato l’output agli altri agenti senza che nessuno glielo chiedesse. Compliance Guardian ha bloccato una mail con dati usati senza autorizzazione e segnalato una vulnerabilità di sicurezza alle sette di mattina, senza nessuno in ufficio. I numeri prodotti dalla simulazione: 140 brief, 31 segnali di churn, 847 clienti con opportunità aperte, retention al 94%.
Il contesto di mercato e le scadenze normative
Secondo Gartner, entro fine 2026 il 40% delle applicazioni aziendali incorporerà agenti AI specifici per task, rispetto a meno del 5% nel 2025. Lo stesso istituto stima però che oltre il 40% di questi progetti verrà cancellato entro il 2027 per mancanza di governance e complessità di integrazione. Le prime scadenze di applicabilità dell’AI Act per i sistemi ad alto rischio sono attese tra il 2026 e il 2027.
Per le aziende che vogliono adottare Polyant in autonomia, la piattaforma è disponibile come codice open source. Per quelle che preferiscono un affiancamento, Exelab offre percorsi guidati dalla definizione del primo agente fino alla messa in produzione di team con ruoli eterogenei.