Il termine ha preso piede con un lungo articolo che McKinsey ha pubblicato il 13 ottobre 2026, firmato da cinque senior partner: «The AI operating system: A new way for CEOs to run the enterprise». Lo descrivono come un secondo cervello dell’azienda, sempre acceso. Chi costruisce questi sistemi parla spesso di agentic operating system. In Italia si usa anche Company Brain, che è il nome con cui lo costruiamo noi.
Martes AI, società di Roma che fa formazione AI e sviluppa agenti AI per aziende italiane, costruisce Company Brain collegati ai sistemi che il cliente usa già. I punti dell’articolo di McKinsey e quello che cambiano per una media impresa stanno nell’analisi sul blog: l’AI operating system di McKinsey.
Perché se ne parla adesso
Il problema da cui parte McKinsey è un numero. Fra le aziende sopra il miliardo di dollari di fatturato, il 40% dichiara di aver portato in scala gli agenti AI. Solo il 6% attribuisce all’AI almeno il 5% del margine operativo, come l’anno prima.
La lettura degli autori è che il collo di bottiglia si è spostato. Far usare l’AI alle persone è un problema quasi risolto. Il pezzo che manca è un sistema che tenga il contesto dell’azienda e che tutti gli agenti possano usare, così nessuno riparte da zero a ogni domanda.
Com’è fatto
Sotto resta quello che l’azienda ha già: l’infrastruttura, i dati nei sistemi dove stanno oggi, compresi quelli vecchi. I modelli AI si prendono da più fornitori e si cambiano quando ne esce uno migliore. Sopra, McKinsey descrive quattro strati.
- 01
1
Il livello semantico
Le entità dell'azienda, le relazioni fra loro, le definizioni, le regole. È il pezzo che fa capire a un agente che il cliente del gestionale e quello del CRM sono la stessa azienda.
- 02
2
Analisi e modelli deterministici
I calcoli che devono dare sempre lo stesso risultato restano in codice. Gli agenti li chiamano come strumenti.
- 03
3
Gli agenti
Ognuno con un compito, riusabili su più processi, con il modello AI scelto per il problema.
- 04
4
Dove lavorano le persone
Le decisioni arrivano negli strumenti che le persone usano già o in una chat, con i permessi del proprio ruolo.
Il primo strato è quello che fa la differenza ed è anche il più faticoso. Quando le definizioni sono scritte una volta sola, ogni agente nuovo parte da quello che il sistema sa già. Per questo McKinsey insiste sul riuso: chi parte prima accumula un vantaggio che chi arriva dopo non recupera nemmeno con gli stessi modelli.
AI operating system, agentic operating system, Company Brain
I tre nomi descrivono lo stesso oggetto da punti di vista diversi.
AI operating system è il nome che usa McKinsey parlando ai CEO. Mette al centro il modo in cui cambia la gestione dell’azienda: riunioni fisse sostituite da segnali e soglie, piani sempre aperti, manager che passano dal raccogliere informazioni al decidere.
Agentic operating system è il nome che usa chi lo costruisce. Mette al centro gli agenti e gli strati che li reggono: identità, memoria, regole, competenze, strumenti. L’idea è la stessa vista dal lato tecnico. La guida su cos’è l’agentic AI spiega la differenza fra un agente e un’applicazione agentica.
Company Brain è il nome che si usa di più in Italia e quello che usiamo noi. Mette al centro il sapere: le risposte che oggi stanno nella testa di poche persone, nelle mail di anni fa e nelle cartelle condivise. La guida su cos’è un Company Brain entra nei dettagli.
Quando serve a una media impresa
Gli esempi dell’articolo vengono da un assicuratore globale, da un costruttore di veicoli e da un retailer con oltre 7.000 negozi. Il principio però non dipende dalla dimensione. Dipende da quanto il sapere è sparso.
Serve
- Il sapere è sparso fra gestionale, CRM, posta e cartelle condivise
- Le stesse domande passano ogni settimana dalle stesse due o tre persone
- Più reparti lavorano sugli stessi clienti senza vedere quello che fanno gli altri
Non serve ancora
- Il lavoro sta tutto in un gestionale ben tenuto
- Nessuno in azienda usa ancora strumenti di AI
- Non c'è un processo che pesi abbastanza da giustificare il primo passo
Se l’azienda non usa ancora l’AI, il primo passo è la formazione: un sistema che nessuno sa interrogare resta spento. Se invece le persone la usano già e i risultati restano nelle singole chat, il passo successivo è proprio un sistema che tenga il contesto comune.
Come si parte
L’errore che McKinsey segnala per primo è doppio: pensare che l’AI renda la trasformazione quasi gratuita o credere che servano anni di lavoro sui dati prima di vedere un risultato. In una media impresa vale la stessa cosa in piccolo.
- 01
Un processo solo
Quello che costa più ore o più errori, scelto con chi lo fa ogni giorno. Il sistema cresce dopo, un dominio alla volta.
- 02
I dati dove stanno
Non si sposta tutto in un archivio nuovo. Ci si collega ai sistemi che l'azienda usa già e si costruiscono le relazioni sopra, man mano.
- 03
Il contesto resta dell'azienda
Definizioni, regole e documenti in formati aperti ed esportabili. I modelli AI si cambiano senza rifare niente.
- 04
Pochi sistemi
McKinsey consiglia da uno a tre sistemi in tutta l'azienda. Un sistema per reparto ricrea gli stessi silos che si volevano togliere.
- 05
Le persone dentro dal primo giorno
Chi userà il sistema partecipa a costruirlo e impara a interrogarlo. È il modo per avere dati veri e domande vere.
Le domande da fare a chi lo propone
Dove vengono elaborati i dati e se i fornitori dei modelli li usano per l’addestramento. Di chi è il contenuto alla fine del contratto e in che formato si esporta. Quali sistemi si collegano dal primo giorno e quali richiedono sviluppo. Cosa succede quando esce un modello migliore. Chi in azienda segue il progetto e quanto tempo gli serve.
Nel nostro caso il software è di Martes AI e al cliente va una licenza d’uso: resta installato e operativo sull’infrastruttura del cliente. Il contenuto del brain invece è del cliente ed è esportabile in formati aperti. Per chi sta già pensando ai passi pratici, la guida su come si costruisce un secondo cervello aziendale parte da una fonte sola e allarga.