L’IA agentica generalista, basata su assistenti orizzontali che si appoggiano ai grandi modelli linguistici, mostra il proprio limite quando deve operare nei processi regolamentati e in quelli ad alta complessità di dominio. Mancano i dati specifici del settore, mancano i modelli verticali addestrati su anni di pratica industriale, manca soprattutto la possibilità di tracciare e giustificare davanti al regolatore ogni passaggio della decisione. È il terreno storico di SAS, che a Innovate 2026 ha presentato una serie di novità all’interno di un piano da un miliardo di dollari dedicato alle soluzioni di settore.
Supply Chain Agent, dalla pianificazione mensile a quella continua
L’annuncio principale è il SAS Supply Chain Agent, oggi disponibile in anteprima privata a un gruppo selezionato di clienti e in arrivo a breve a livello globale. L’agente affronta uno dei processi più impegnativi del retail e del manifatturiero, il sales and operations planning, oggi tipicamente eseguito una volta al mese e con settimane di lavoro su fogli di calcolo che attraversano più dipartimenti aziendali. SAS lo trasforma in un processo continuo. L’agente bilancia in tempo reale domanda, disponibilità e logistica, e permette al business user di costruire scenari ipotetici tramite un’interfaccia conversazionale: si può chiedere come cambierebbe la pianificazione in caso di calo del 15% della domanda e ricevere in risposta non solo il risultato, ma anche la motivazione delle scelte fatte dal modello.
Kathy Lange, Research Director della AI, Data, and Automation Software practice di IDC, sintetizza la portata dell’annuncio: “gli agenti pre-confezionati oggi disponibili affrontano in genere processi di base, qui invece SAS lavora su un processo molto complesso, e i risultati possono essere significativi”. Il giudizio di Lange si poggia sulla storia dell’azienda. SAS lavora da anni sull’analisi delle catene di fornitura e dispone già della libreria di modelli e della conoscenza di dominio che servono a sostenere un agente di pianificazione di questa portata.
Copilot di settore e casi reali in produzione
Accanto al Supply Chain Agent, SAS rende disponibili i primi Copilot di settore. SAS Asset and Liability Management Copilot guida gli analisti del rischio finanziario nella configurazione e nell’interpretazione degli scenari di asset liability management. L’analista formula la richiesta in linguaggio naturale e l’assistente la converte in una configurazione operativa dei modelli analitici già sotto governance, senza che sia necessario scrivere codice o intervenire manualmente sui parametri tecnici sottostanti. SAS Health Clinical Data Discovery Copilot accelera l’esplorazione dei dati clinici, la creazione delle coorti e i controlli di qualità per il mondo della sanità. La roadmap del 2026 prevede l’estensione dei Copilot al crimine finanziario nell’ambito bancario e all’ottimizzazione della pianificazione e della catena di fornitura nel manifatturiero.
Sui casi già in produzione, lo Stato del Nevada e altri Stati americani usano SAS Payment Integrity for Food Assistance per ridurre gli errori sui programmi di assistenza alimentare federali, evitare le sanzioni introdotte dalle nuove norme e migliorare l’erogazione dei sussidi a chi ne ha effettivamente diritto. Banche e assicurazioni si appoggiano a SAS Fraud Decisioning for Payments, addestrato su un dataset costruito tramite un consorzio di grandi istituzioni finanziarie globali e che copre frodi su carta di credito, di debito, sportelli automatici, portafogli digitali, applicazioni e schemi più recenti come il money mule, la pratica con cui le organizzazioni criminali trasferiscono denaro di provenienza illecita facendolo passare da una rete di intermediari spesso ignari, reclutati online o sui social network e usati come passaggio per spostare fondi tra conti diversi. Sul versante industriale SAS Worker Safety combina digital twin costruiti in Unreal Engine, dati sintetici e computer vision per addestrare modelli che rilevano in tempo reale dispositivi di protezione mancanti o usati in modo scorretto, anche in scenari rari come una collisione tra carrelli elevatori, per i quali in genere non esistono filmati reali sufficienti per l’addestramento.
Manisha Khanna, Global Market Strategy Lead Applied AI di SAS, sintetizza l’approccio dell’azienda: “quando le aziende mettono insieme framework e sperimentazioni di IA in modo frammentario, finiscono per non ottenere il vantaggio competitivo che cercavano nell’investimento. Costruiamo gli acceleratori di settore per risolvere problemi reali e definiti in ambienti altamente regolamentati, con agenti e modelli pronti per la produzione e che lavorano sui dati che le aziende già hanno”. È una posizione coerente con la storia di SAS, costruita su prodotti chiusi e calibrati sul singolo processo verticale, opposta alla logica del “costruisci tutto da zero” degli stack ML generalisti.
Le novità dei verticali si leggono in continuità con l’altro grande filone presentato a Innovate 2026, l’apertura della piattaforma Viya agli agenti basati su LLM esterni tramite il Model Context Protocol Server. Una volta che le funzioni di SAS sono richiamabili anche da agenti costruiti su Claude o su altri modelli, il Supply Chain Agent o il Fraud Decisioning diventano servizi utilizzabili anche dall’interno di stack non proprietari. La direzione è coerente: SAS prova a non far più dipendere il proprio valore dal possesso della chat e dell’orchestrazione, e a far valere la propria competenza sui dati di dominio e sui modelli sotto governance.