Che l’intelligenza artificiale generativa stia entrando nelle aziende è ormai un dato di fatto. Ma il modo in cui queste organizzazioni gestiranno l’ondata di agenti software che lavorano accanto a freelance, contractor e fornitori è ancora un territorio largamente inesplorato. È qui che si inserisce Sherpa, startup tedesca fondata da Tristan Deschler, Tim Altpeter e Max Lang, che ha appena chiuso un pre-seed da 2,2 milioni di dollari co-guidato da Seedcamp, DN Capital, Activant Capital e Brighteye, con la partecipazione di diversi business angel.

Sherpa non vende un LLM né un tool di generative AI. Costruisce un sistema operativo per la gestione del lavoro esterno lungo tutto il suo ciclo di vita: dalla richiesta al pagamento. La piattaforma mette insieme contractor, freelance, consulenti, fornitori di servizi e, soprattutto, agenti AI, offrendo un framework unificato per onboarding, conformità, valutazione delle performance e supervisione. L’idea di fondo è radicale: trattare l’agente algoritmico come un lavoratore esterno a tutti gli effetti, con gli stessi requisiti di controllo che si applicano a una risorsa umana.

Per chi si occupa di deployment on-premise e architetture dati locali, la mossa è meno laterale di quanto sembri. L’integrazione di agenti AI nei flussi aziendali porta con sé domande stringenti su dove i dati vengono elaborati, chi li governa e come si garantisce la conformità normativa. Se un agente software viene usato per processare informazioni sensibili senza un perimetro chiaro di controllo, il rischio non è solo operativo ma anche legale. Sherpa non risponde direttamente al “dove” gira l’agente, ma al “come” l’organizzazione ne mantiene il controllo: un tassello che, nel lungo periodo, potrebbe spingere le aziende a preferire ambienti on-premise o ibridi per quegli stessi agenti, proprio per poter applicare regole di governance stringenti senza dipendere da terze parti cloud.

Il punto non è banale. Oggi molti esperimenti con AI agentica avvengono su cloud pubblici, ma quando si passa alla produzione – e si inizia a parlare di dati finanziari, proprietà intellettuale o informazioni personali – la sovranità ridiventa centrale. Sherpa intercetta questa necessità offrendo uno strato di orchestrazione che prescinde dall’infrastruttura sottostante. Detto altrimenti, l’azienda che usa la piattaforma può, almeno in teoria, decidere di far girare i propri agenti AI su server locali e gestirli attraverso lo stesso cruscotto con cui coordina i freelance. È una separazione di competenze che ricorda la logica dei framework di serving per LLM: il runtime è locale, ma il controllo e il monitoraggio possono essere accentrati.

La vera posta in gioco, qui, è la riconfigurazione degli incentivi per chi costruisce tool enterprise. Mentre finora l’automazione è stata venduta come riduzione della forza lavoro umana, Sherpa racconta una storia diversa: l’AI generativa non sostituisce le persone, le affianca, e ha bisogno esattamente dello stesso apparato di gestione. Deschler ha dichiarato che “c’è una domanda enorme per una singola piattaforma dove tutto il lavoro può essere richiesto, governato, consegnato e misurato, indipendentemente dal fatto che venga svolto da una persona o da un agente AI”. Una frase che fotografa un cambio di paradigma: dal workforce management al work orchestration.

Per i CTO e i responsabili dell’infrastruttura, questo significa che la prossima ondata di adozione aziendale non si giocherà solo sulle performance dei modelli o sulla latenza, ma sulla capacità di integrare gli agenti AI nei processi esistenti senza perdere il controllo. Le piattaforme come Sherpa diventano l’anello mancante tra l’hype dei modelli e la realtà dei reparti HR e procurement. E per chi già valuta deployment on-premise di agenti o LLM, emerge un messaggio chiaro: i tool di orchestrazione contano tanto quanto l’hardware su cui girano, perché senza di essi il rischio è di avere automi potenti ma ingovernabili.