Endava e AI agents: come cambia la software delivery

Endava: cronologia di una trasformazione silenziosa

Endava non è un nome che compare spesso nelle conversazioni delle PMI italiane. Tuttavia, è una delle società di ingegneria digitale più significative a livello globale. Con sede a Londra e operatività distribuita in Europa, America Latina e Nord America, l’azienda gestisce progetti complessi per clienti nei settori finance, healthcare e retail.

Nel corso del 2025, Endava ha avviato un programma strutturato di adozione degli AI agents. L’obiettivo dichiarato era preciso: ridurre il time-to-delivery del software senza sacrificare la qualità. Il programma si è sviluppato in fasi progressive, partendo da casi d’uso ad alto volume e bassa complessità decisionale.

Pertanto, il punto di partenza non è stato la tecnologia più avanzata disponibile. È stata l’identificazione dei colli di bottiglia reali nel processo di sviluppo. Questa scelta metodologica è, forse, la lezione più utile per chi osserva il caso dall’esterno.

Gli strumenti al centro: ChatGPT Enterprise e Codex

Il case study pubblicato da OpenAI descrive in dettaglio l’architettura tecnologica adottata da Endava. Al centro ci sono due strumenti: ChatGPT Enterprise e Codex.

ChatGPT Enterprise è stato integrato nei flussi di lavoro quotidiani degli sviluppatori. In particolare, ha trovato applicazione nella generazione di documentazione tecnica, nella scrittura di test automatizzati e nella revisione del codice esistente. Codex, invece, è stato impiegato per accelerare la produzione di codice in linguaggi specifici, riducendo il tempo dedicato a task ripetitivi.

Oltre a questo, Endava ha sviluppato agenti specializzati per compiti verticali. Ad esempio, un agente dedicato alla migrazione di codebase legacy, un altro per la generazione automatica di specifiche tecniche a partire da requisiti di business. Dunque, non si tratta di un utilizzo generico dell’AI: è un’orchestrazione mirata di capacità specifiche.

Secondo le stime riportate nel case study, alcune fasi del ciclo di sviluppo hanno registrato riduzioni di tempo nell’ordine del 30-40%. Questi numeri sono coerenti con quanto osservato da McKinsey nelle proprie ricerche sulla produttività degli sviluppatori con AI generativa.

Chi ha guadagnato e chi ha dovuto adattarsi

In ogni trasformazione di questo tipo esistono vincitori e soggetti che devono ridefinire il proprio ruolo. Nel caso Endava, la distinzione è netta.

Gli sviluppatori senior hanno beneficiato maggiormente dell’automazione. Infatti, liberati dalle task a basso valore aggiunto, hanno potuto concentrarsi su architettura, revisione critica e decisioni di design. Il loro output qualitativo è aumentato in modo misurabile.

Al contrario, i profili junior hanno vissuto una fase di transizione più complessa. Le attività tradizionalmente assegnate ai developer alle prime esperienze — scrittura di codice boilerplate, documentazione di base, testing manuale — sono diventate dominio degli agenti AI. Pertanto, Endava ha dovuto riprogettare i percorsi di onboarding e formazione per questa fascia di professionisti.

Infine, i project manager hanno visto cambiare radicalmente la natura del proprio lavoro. La gestione delle dipendenze tra task è diventata parzialmente automatizzata. Di conseguenza, il loro valore si è spostato verso la governance dei processi AI e la gestione delle eccezioni.

La dimensione culturale: il dato che i numeri non catturano

Noi di SHM Studio riteniamo che il contributo più originale del caso Endava non sia tecnologico. È organizzativo.

L’azienda ha investito in modo significativo nella costruzione di una cultura AI-native. Questo ha significato programmi di formazione capillari, comunità interne di pratica, e — aspetto spesso trascurato — un sistema di governance che definisce quando gli agenti possono agire autonomamente e quando è necessaria la supervisione umana.

Analogamente a quanto osservato in altri contesti enterprise, il rischio principale non era la resistenza al cambiamento. Era l’adozione superficiale: usare strumenti AI senza modificare i processi sottostanti. Endava ha scelto la strada più lunga, ma più solida. Così, ha ottenuto risultati che reggono nel tempo.

Questo approccio trova riscontro nelle ricerche di Harvard Business Review sulla costruzione di una cultura AI-ready, che identifica nella governance e nella formazione i fattori critici di successo per l’adozione enterprise.

La lettura di SHM Studio: cosa significa per le PMI italiane

Il caso Endava è enterprise per definizione. Tuttavia, le dinamiche che descrive sono rilevanti anche per realtà di dimensioni minori. Le PMI italiane che operano in contesti B2B o retail digitale si trovano oggi di fronte a scelte simili, su scala diversa.

In primo luogo, la logica degli AI agents non richiede infrastrutture da grande corporation per essere applicata. Strumenti come soluzioni AI già disponibili sul mercato permettono di automatizzare workflow specifici — dalla gestione dei contenuti alla qualificazione dei lead — con investimenti accessibili.

In secondo luogo, la lezione sulla cultura è trasferibile direttamente. Un’azienda da 50 persone che adotta strumenti AI senza ridefinire ruoli e responsabilità otterrà risultati marginali. Al contrario, un’azienda che integra l’AI nei processi esistenti con metodo e formazione può ottenere vantaggi competitivi significativi.

Pertanto, il punto di partenza per una PMI non dovrebbe essere la scelta dello strumento. Dovrebbe essere la mappatura dei processi ad alto volume e bassa complessità decisionale — esattamente come ha fatto Endava.

Applicazioni concrete: dai workflow di sviluppo ai processi di marketing

La logica degli AI agents applicata da Endava allo sviluppo software ha un analogo diretto nei processi di marketing e comunicazione digitale. Anche in questi ambiti esistono task ad alto volume, strutturati e ripetitivi, che si prestano all’automazione intelligente.

Ad esempio, la produzione di contenuti SEO-oriented, la gestione delle campagne digitali e la reportistica periodica sono aree dove gli agenti AI possono operare con supervisione umana ridotta. I nostri servizi di SEO e digital marketing integrano già queste logiche nei workflow operativi.

Inoltre, la generazione di contenuti per campagne LinkedIn e Google Ads beneficia in modo diretto dell’automazione assistita. Non si tratta di sostituire il giudizio strategico umano, ma di accelerare le fasi operative a valle delle decisioni.

Allo stesso modo, il copywriting professionale evolve verso un modello ibrido: il professionista definisce strategia, tono e obiettivi; l’agente AI produce bozze e varianti; il professionista valida e affina. Questo modello è già operativo in molte agenzie internazionali.

I next moves: cosa ci aspettiamo nei prossimi 18 mesi

Il caso Endava anticipa una direzione che diventerà mainstream entro il 2027-2028. Alcune tendenze sono già identificabili con sufficiente chiarezza.

Prima di tutto, la specializzazione degli agenti aumenterà. Oggi gli agenti AI sono relativamente generalisti. In seguito, vedremo agenti verticali per settori specifici — legal tech, healthcare, manufacturing — con capacità di ragionamento adattate ai domini di riferimento.

Inoltre, la governance degli agenti diventerà una competenza critica. Le aziende che oggi investono nella definizione di policy e processi di supervisione avranno un vantaggio strutturale quando la complessità dei sistemi aumenterà.

Infine, l’integrazione tra AI agents e piattaforme di sviluppo web e CMS diventerà standard. Le aziende che gestiscono oggi la propria presenza digitale in modo manuale si troveranno in svantaggio competitivo rispetto a chi avrà automatizzato i processi operativi ricorrenti.

Per approfondire questi temi o valutare come integrare logiche AI nei processi della propria organizzazione, è possibile contattare il team di SHM Studio o esplorare gli articoli correlati nel nostro blog.