L'articolo si apre con uno scenario. L'amministratore delegato di un assicuratore internazionale apprende che le autorità di regolamentazione intendono limitare i margini su alcuni prodotti. In pochi minuti, l'AI OS dell'azienda legge le bozze delle norme, le confronta con il catalogo e identifica circa 140 prodotti interessati in sette paesi, un terzo dei quali a rischio, segnalando al contempo che ogni regolatore definisce il margine in modo diverso. I responsabili paese approvano; uno di loro contesta un'ipotesi di allocazione dei costi e riduce a nove il numero di prodotti non conformi. Il giorno successivo, il sistema modella le opzioni (repricing, riprogettazione, commissioni, ritiro), il comitato definisce un piano che il sistema registra come guardrail, dopodiché gli agenti generano design e prezzi sottoposti ad attuari, compliance e responsabili di linea. Dopo il lancio, il sistema monitora ogni prodotto; la prossima normativa sarà gestita più rapidamente.
Gli autori partono da un divario: secondo l'indagine State of AI 2026 di McKinsey, il 40% delle grandi imprese ha implementato agenti su scala, ma solo il 6% attribuisce all'IA almeno il 5% del proprio EBIT. La sfida non è più l'adozione, ma il modo in cui l'impresa opera. L'AI OS, il secondo cervello dell'impresa, mantiene il contesto, ragiona trasversalmente alle funzioni, raccomanda o esegue decisioni e apprende dai risultati. Si basa su ciò che già esiste (infrastruttura, dati già disponibili, modelli di più fornitori) e aggiunge uno strato semantico composto da ontologie e knowledge graph, modelli analitici deterministici richiamati dagli agenti, un'orchestrazione di agenti riutilizzabile e uno strato di esperienza.
Sei priorità guidano la costruzione: possedere il contesto e noleggiare o sostituire la tecnologia; limitare il numero di AI OS a uno, due o tre; riprogettare i processi end-to-end; progettare per il riutilizzo affinché il vantaggio si accumuli; tenere conto dell'economia dell'IA, poiché il costo dei token è sceso di oltre il 95% mentre la spesa è triplicata; partire dalle tecnologie già pagate.
La gestione deve cambiare: agire in base al segnale piuttosto che a un calendario, orientare l'azione in modo continuo, dedicare il tempo della leadership al giudizio e lavorare tramite collegamenti diretti piuttosto che tramite livelli, al punto da considerare da 20 a 40 riporti diretti per manager. Un OEM globale e un'azienda industriale statunitense illustrano l'approccio. Gli autori raccomandano di puntare su tre-cinque ambiti, definire una governance semantica, finanziare l'AI OS condiviso e ridefinire i diritti decisionali.