La corsa all’intelligenza artificiale aziendale sta cambiando unità di misura. Per quasi quattro anni la discussione si è concentrata sui modelli: parametri, benchmark, contesto, velocità, costo per token. Accenture e Google Cloud stanno scommettendo che la prossima fase si giocherà invece nelle aziende, davanti a processi reali, dati disordinati e sistemi costruiti in decenni. Le due società hanno annunciato l’Accenture Gemini Enterprise Business Group, una nuova struttura globale che punta a mettere in campo una forza di 1.000 forward-deployed engineer specializzati nel portare Gemini Enterprise dentro i workflow dei clienti.
Il programma fa parte di un ampliamento della partnership tra Accenture e Google Cloud. Secondo l’annuncio ufficiale, il gruppo riunirà professionisti certificati su Gemini Enterprise, ingegneri di Accenture, talenti tecnici di Google Cloud e competenze settoriali. Business Insider e Wall Street Journal riportano inoltre che l’accordo prevede di estendere la formazione AI a 50.000 dipendenti Accenture. È un numero che racconta l’ambizione: l’AI non viene trattata come un prodotto da vendere, ma come una nuova competenza trasversale da inserire nella macchina della consulenza globale.
Perché i forward-deployed engineer sono diventati centrali
La figura del forward-deployed engineer nasce dall’idea che software complesso e processi aziendali non possano essere integrati soltanto attraverso documentazione e API. L’ingegnere lavora vicino al cliente, spesso dentro il suo ambiente operativo, per capire dati, eccezioni e vincoli e trasformare una piattaforma generica in un sistema utile a un caso concreto.
Palantir ha reso famoso questo modello; le società di AI lo stanno adottando perché gli agenti amplificano il bisogno di personalizzazione. Un chatbot può essere provato in poche ore. Un agente che deve modificare ordini, leggere sistemi ERP, rispettare policy interne e lasciare tracce per l’audit richiede invece un lavoro di integrazione molto più profondo.
Il problema dell’AI enterprise non è più l’accesso al modello
Quasi tutte le grandi aziende possono oggi acquistare capacità avanzate da Google, Microsoft, AWS, OpenAI, Anthropic o altri provider. La difficoltà è trasformare quell’accesso in ritorno economico. I dati aziendali sono distribuiti tra sistemi incompatibili, i processi contengono eccezioni non documentate e le responsabilità devono restare chiare quando un’automazione prende una decisione.
È qui che Accenture cerca di posizionarsi. Il valore della consulenza non è dimostrare che Gemini sappia riassumere un documento, ma ridisegnare un processo in modo che l’AI possa intervenire senza introdurre rischi maggiori dei benefici. Significa mappare attività, costruire controlli, integrare identità e definire quali passaggi restino umani.
Google ha bisogno di distribuzione organizzativa
Per Google Cloud, la partnership offre un canale capace di portare Gemini Enterprise dentro organizzazioni che non cambiano stack tecnologico sulla base di una singola demo. Accenture opera con grandi clienti in finanza, industria, pubblica amministrazione, retail e telecomunicazioni. Quella presenza riduce la distanza tra prodotto e implementazione.
È una dinamica che riguarda tutti i fornitori di modelli. Più l’AI diventa simile a un’infrastruttura generale, meno basta avere la tecnologia migliore in laboratorio. Serve una rete di persone e partner in grado di adattarla a settori regolati, processi proprietari e sistemi legacy.
La formazione di 50.000 persone è anche una scommessa interna
Accenture sta trasformando la propria forza lavoro mentre l’AI automatizza una parte delle attività tradizionali della consulenza: ricerca, documentazione, sviluppo di codice, analisi e preparazione di presentazioni. Formare decine di migliaia di dipendenti significa provare a spostare il valore verso progettazione, integrazione e responsabilità del risultato.
Non è garantito che ogni corso produca una competenza rara. Il rischio di molti programmi aziendali è trasformare la certificazione in un indicatore simbolico. La vera verifica sarà quanti progetti entreranno in produzione, quanto tempo risparmieranno e se produrranno margini migliori per clienti e consulenti.
L’AI agentica aumenta il costo degli errori
Un agente che può agire nei sistemi aziendali rende l’implementazione più delicata di una normale funzione generativa. Se un modello scrive un testo sbagliato, un dipendente può correggerlo. Se un agente modifica una pratica, autorizza un rimborso o aggiorna un database, l’errore entra direttamente nel processo.
Per questo la nuova fase richiede governance: permessi granulari, audit, valutazioni, gestione delle eccezioni e possibilità di fermare il sistema. Il forward-deployed engineer diventa anche il traduttore tra capacità del modello e responsabilità organizzativa.
Le società di consulenza diventano contemporaneamente clienti e distributori dell’AI
Accenture usa internamente molti degli strumenti che vende ai clienti. Questo crea una posizione interessante: può sperimentare su scala, ma deve anche affrontare la pressione sui propri servizi. Se l’AI riduce il numero di ore necessarie per produrre un deliverable, il modello economico basato su grandi team può essere messo in discussione.
La risposta sembra essere spostarsi dalla vendita di ore alla trasformazione dei processi. È una transizione complessa perché richiede misurare il valore prodotto invece del lavoro impiegato. Ma è anche l’unico modo per evitare che l’automazione eroda la stessa attività che la consulenza promuove.
La competizione tra ecosistemi si sposta sul campo
OpenAI, Anthropic, Microsoft e AWS stanno costruendo strutture simili, direttamente o attraverso partner. La battaglia non sarà quindi soltanto Gemini contro Claude o GPT. Sarà Google più Accenture contro combinazioni concorrenti di modelli, cloud, consulenza e software aziendale.
Questo favorisce i clienti se produce concorrenza su risultati e interoperabilità. Può però aumentare il rischio di lock-in se ogni trasformazione viene costruita troppo profondamente intorno a un singolo ecosistema. Le imprese dovranno chiedersi quanto sia costoso cambiare modello o provider una volta che decine di agenti sono integrati nei propri processi.
Dalle prove di concetto ai sistemi che devono funzionare ogni giorno
Il passaggio più significativo dell’annuncio è culturale. Le aziende non hanno più bisogno di essere convinte che l’AI generativa esista; devono capire se può essere affidabile, conveniente e governabile. I 1.000 ingegneri promessi da Accenture e Google sono una risposta a questa seconda domanda.
Se il modello funzionerà, il vero vantaggio competitivo non sarà soltanto avere accesso al modello più potente, ma riuscire a ridurre il tempo che separa un aggiornamento di capacità da un cambiamento operativo verificabile. L’AI enterprise sta diventando meno spettacolare e più difficile: non una demo che stupisce, ma un sistema che deve funzionare lunedì mattina, rispettare una policy e produrre un risultato migliore di quello precedente.
