L'Agentic QA è un Evento di Budget: Dove si Muoverà il Mercato dei Test da 66 Miliardi di Dollari

TL;DR: Il QA agentico è quel tipo di QA in cui gli agenti AI pianificano, scrivono, eseguono e mantengono i test, con un livello indipendente di verifica che il software funzioni davvero. Non riduce affatto il budget del QA. Semplicemente lo sposta via dal lavoro manuale di scrittura e manutenzione degli script verso binari di esecuzione su scala agentica, supportati da prove indipendenti. La generazione dei test diventa economica. La verifica diventa il prodotto.

Il 6 ottobre 2026, Gartner ha pubblicato il suo Magic Quadrant per le piattaforme agentive di garanzia della qualità del software, sostituendo il report del 2025 sugli "Strumenti di testing software potenziati dall'AI". Molti l'hanno letto come un semplice cambio di nome. Io lo leggo come un evento di budget. Quando l'azienda che definisce le shortlist enterprise rinomina una categoria, subito dopo cambiano i template di procurement, e i soldi seguono i template.

Questo articolo è per CIO e founder che hanno un budget QA (o sono in corsa per ottenerne uno). L'argomento è semplice: il QA agentico non renderà la qualità più economica nel complesso. Sposterà solo i soldi. Quello che segue è una mappa di dove si trovano oggi i fondi, di dove andranno a finire e una scheda di valutazione per aiutarti a pianificare la riallocazione del 2027 prima che lo facciano i tuoi fornitori.

Cos'è il QA agentico e perché Gartner ha rinominato la categoria?

Il QA agentico è la garanzia della qualità del software in cui gli agenti AI pianificano, creano, eseguono e mantengono i test per raggiungere un obiettivo definito, mentre un livello di verifica indipendente dimostra se il software si è comportato come previsto. "Potenziato dall'AI" descrive un essere umano con uno strumento più intelligente. "Agentico" descrive un lavoro che ora appartiene alla macchina.

La pressione dietro questo cambio di nome è il volume di codice. Menlo Ventures stima che nel 2025 le aziende spenderanno 4 miliardi di dollari in strumenti di coding AI, più della metà dell'intera spesa AI dipartimentale. Ognuno di quei dollari produce più codice che qualcuno deve dimostrare funzionante.

La capacità di validazione non tiene il passo. L'Ufficio Statistiche del Lavoro degli Stati Uniti prevede che i posti di lavoro per analisti QA e tester cresceranno del 6% dal 2025 al 2035 (da 187.600 a 198.200). Si prevede che il gruppo più ampio di sviluppatori/QA/tester cresca del 10%. Il codice scala con la potenza di calcolo; i tester scalano con il numero di dipendenti. Quel divario è l'intero mercato.

Quanto è grande il mercato del software testing e quanta parte ne occupa oggi l'AI?

Le società di ricerca valutano il mercato globale del software testing a circa 60-66 miliardi di dollari, e il testing abilitato dall'AI ne rappresenta ancora meno dell'1%. Questa discrepanza è l'opportunità, e il rischio per chiunque venda il restante 99%.

• Mercato totale. Global Market Insights (2026) stima il mercato a 60,5 miliardi di dollari nel 2025 e 65,9 miliardi nel 2026, con una crescita di circa il 7,7% annuo fino a 127,5 miliardi entro il 2035.
• Quota lavoro. Nella stessa stima, i servizi di testing rappresentavano il 38% della spesa del 2025, circa 23 miliardi di dollari all'anno, che servono principalmente a comprare il tempo delle persone.
• Quota AI. Research and Markets (2026) valuta il mercato del testing abilitato dall'AI a 544 milioni di dollari nel 2025, destinati a salire a 1,39 miliardi entro il 2031. Meno dell'1% della spesa totale per il testing.
• Dove vanno i soldi dell'IT. Le previsioni di luglio 2026 di Gartner fissano la spesa IT del 2026 a 6,37 trilioni di dollari. Il software cresce del 15,5%; i servizi IT crescono solo del 5,3%.

Queste sono tutte stime e differiscono sul totale. Concordano però sulla direzione: i buyer stanno spendendo per il software a un ritmo più veloce rispetto ai servizi. La mia opinione è che nei prossimi 10 anni tra 65 e 100 miliardi di dollari di spesa per il testing saranno agentici (cioè instradati tramite agenti e piattaforme anziché fatturati a ore). Questo è il piatto per cui ogni attore di questo mercato sta ora combattendo.

Dove finisce oggi un budget di testing? I quattro bacini della spesa per la qualità

Ogni budget di testing è diviso in quattro bacini: Mani, Script, Binari e Prove. Il QA agentico restringe i primi due, fa crescere il terzo e trasforma il quarto in una vera voce di budget.

I quattro bacini della spesa per la qualità è un modello per tracciare dove vanno i soldi e come si spostano:

1. Mani - le persone che testano: tester manuali interni, team offshore per i test di regressione, cicli di UAT.
2. Script - creazione e manutenzione dell'automazione basata su script: suite Selenium, Playwright e Appium, framework e le ore degli SDET necessarie per mantenerle operative.
3. Binari - l'infrastruttura che esegue i test: browser grid, cloud di dispositivi reali, orchestrazione, capacità CI.
4. Prove - verifica indipendente: evidenze che il software e gli agenti AI si siano comportati correttamente, prima e dopo il rilascio.

La parte controintuitiva riguarda i Binari. La maggior parte delle proposte commerciali sul testing AI promette una bolletta infrastrutturale più leggera. Io mi aspetto il contrario. Gli agenti non si annoiano, quindi testano più percorsi, più dispositivi e più build. Il volume di esecuzione aumenta. Ciò che deve scendere è il costo per singola esecuzione, ed è per questo che l'orchestrazione conta più della dimensione grezza della grid.

Quali budget di testing si ridurranno con l'arrivo degli agenti AI di testing?

Mani e Script si riducono per primi, perché è esattamente il lavoro che gli agenti AI di testing svolgono direttamente, ed entrambi vengono ancora acquistati a ore.

Due segnali mostrano che il cambiamento è già iniziato:

• Le ore perdono il loro ancoraggio. Se un agente può eseguire e correggere un'intera suite di regressione durante la notte, allora l'unità di valore diventa un rilascio verificato. Chi gestisce i budget sta già sentendo la pressione: nel sondaggio Gartner sui CIO di ottobre 2026, i finanziamenti si stanno spostando verso GenAI e AI agentica, mentre la spesa legacy viene tagliata. I rinnovi dei contratti di testing sono il primo ambito in cui entra in gioco il pricing basato sui risultati.
• L'AI aggiunta in seguito delude. Il World Quality Report 2025-26 di Capgemini ha rilevato che l'89% delle organizzazioni stava sperimentando o implementando la GenAI nell'ingegneria della qualità, mentre solo il 15% l'aveva portata su scala enterprise. Il guadagno medio di produttività era del 19%. I vantaggi sono piuttosto modesti, poiché la maggior parte dei team ha semplicemente aggiunto l'AI ai flussi di lavoro esistenti invece di riprogettarli.

Il bacino degli Script non scompare. I test basati su codice continuano a girare in CI e gli SDET continuano a esserne responsabili. Ciò che scompare è la necessità di pagare persone per andare a sistemare i locator fragili dopo ogni singola modifica all'interfaccia utente. La manutenzione passa dall'essere un costo legato al personale a un costo computazionale quando gli agenti generano e correggono i test.

Perché la risorsa scarsa è la verifica e non la generazione dei test?

Perché la generazione sta diventando economica, mentre la fiducia no. Qualsiasi agente di coding può ora scrivere test per il codice che ha appena generato, ed è esattamente per questo che quei test non possono essere l'unica prova disponibile. L'autore sta dando il voto ai propri compiti.

I dati sulla fiducia sono coerenti:

• Secondo l'AI Pulse del Q1 2026 di KPMG, il 54% delle organizzazioni sta implementando agenti AI e il 63% richiede ora la validazione umana degli output degli agenti, rispetto al 22% di un anno prima.
• Il sondaggio di ottobre 2026 di Gartner su 2.002 CIO ha rilevato che solo il 13% ha ottenuto un valore significativo o trasformativo dall'AI, e solo il 31% dispone di regole su quando un progetto pilota non debba andare in produzione.
• Secondo una ricerca Gartner, entro la fine del 2027 oltre il 40% dei progetti di AI agentica sarà stato cancellato per motivi di costo, valore poco chiaro o controlli del rischio insufficienti.
• Il Capgemini Research Institute (2025) ha rilevato che la fiducia negli agenti completamente autonomi è scesa dal 43% al 27% nel corso di un anno.
• Le Predictions 2027 di Forrester, come riportato da TechNewsWorld, prevedono che un bug nel codice generato dall'AI potrebbe causare un'interruzione globale dei servizi in diversi settori.

Cerchia quel 63%. La validazione umana dell'output degli agenti è il bacino delle Mani che rientra dalla porta di servizio. Se non finanzi le Prove alla velocità della macchina, finanzierai le Prove alla velocità umana, e il ROI dei tuoi agenti svanirà nelle code di revisione.

Cos'è la verifica indipendente?

La verifica indipendente è costituita dalle evidenze sul comportamento del software generate da un sistema separato rispetto a quello che lo ha costruito o che lo esegue: registrazioni, log, asserzioni e punteggi che un revisore o un auditor può controllare. L'indipendenza è ciò che trasforma un'affermazione in una prova.

Aspettati che ogni piattaforma agentica fornisca test per i propri agenti. Le aziende eseguono agenti su stack CRM, ERP, contact center e personalizzati, quindi le prove che autorizzano un rilascio devono provenire da un livello che non appartenga a nessuno di essi.

Osservare, valutare o garantire: di cosa hai bisogno?

La spesa per le Prove si divide in base alle tempistiche. La Garanzia risponde a "dovremmo rilasciarlo?" prima del rilascio; le valutazioni e l'osservabilità rispondono a "come sta andando?" dopo.

La Agent Assurance è il testing pre-produzione dei flussi di lavoro da agente ad agente, in cui gli agenti di testing mettono alla prova altri agenti prima del rilascio, senza intervento umano, restituendo prove del loro comportamento. È la fetta più nuova delle Prove e quella a cui oggi viene assegnato il budget minore.

Cosa dovrebbero fare i CIO con il proprio budget QA nel 2027?

Misura i tuoi quattro bacini, poi sposta i soldi da Mani e Script verso Binari e Prove man mano che i contratti vengono rinnovati, non prima. Usa questa scheda di valutazione per capire a che punto sei.

La scheda di valutazione per la riallocazione del QA agentico

Assegna a ogni domanda un punteggio da 0 (no), 1 (in parte) o 2 (sì):

• ☐ Conosci la ripartizione della tua spesa di testing tra Mani, Script, Binari e Prove?
• ☐ I contratti di testing in outsourcing in rinnovo nel 2027 sono prezzati sui risultati anziché sulle ore o sugli FTE?
• ☐ La manutenzione dei test è tracciata come voce di costo autonoma?
• ☐ La maggior parte dei nuovi test netti viene creata o riparata dagli agenti, con gli umani che li revisionano?
• ☐ Il tuo livello di esecuzione può gestire volumi su scala agentica in parallelo, su browser e dispositivi reali, senza code?
• ☐ La verifica è indipendente dal sistema che ha scritto il codice o che esegue l'agente?
• ☐ Testi gli agenti chat, vocali e IVR, così come i flussi di lavoro da agente ad agente, prima del rilascio e non solo dopo?
• ☐ Ogni rilascio produce prove leggibili da un team di gestione del rischio o da un auditor?

0–5: Esposto. Stai pagando prezzi del 2019 per un lavoro del 2026. 6–11: In transizione. Scegli i due punteggi più bassi e sistemali prima del prossimo ciclo di rinnovo. 12–16: Pronto per l'approccio agentico. Il tuo prossimo problema sarà dimostrare il valore al consiglio di amministrazione, quindi rendi le Prove rendicontabili.

Chi vince e chi viene stravolto nel testing software con l'AI?

Il puro arbitraggio del lavoro e i generatori di test con una singola funzionalità sono una scommessa perdente. I vincitori sono le piattaforme che possiedono l'esecuzione su larga scala e dispongono di prove indipendenti per ogni tipo di interazione software.

Il modo più chiaro per leggere la mappa è guardare chi parla con chi:

Tre gruppi sono i più esposti. Primo, i servizi di testing ad alta intensità di manodopera che non passano a un pricing basato sui risultati. Secondo, gli strumenti standalone "generatore di test AI", perché gli agenti di coding ora generano test come effetto collaterale. Terzo, le infrastrutture vendute solo come capacità, senza orchestrazione o accesso nativo per gli agenti.

I vincitori saranno le piattaforme end-to-end che coprono tutte e tre le righe per acquirenti enterprise e mid-market, che vogliono meno fornitori, non più strumenti verticali.

Come si inserisce TestMu AI nel QA agentico

TestMu AI è stata nominata Leader nel Gartner Magic Quadrant 2026 per le piattaforme agentive di garanzia della qualità del software. Sono co-fondatore dell'azienda, quindi ecco come abbiamo costruito i quattro bacini invece di un semplice elenco di funzionalità. TestMu AI è una piattaforma di Quality Engineering agentico con due metà, Agentic Testing e Agentic Cloud, e un unico principio alla base: un livello di verifica indipendente che produce prove del comportamento.

• Dalle Mani agli agenti: KaneAI consente a tester manuali e PM di creare ed eseguire test in linguaggio naturale, così la conoscenza di dominio scala senza aggiungere personale.
• Dagli Script agli agenti: Kane CLI offre a SDET e sviluppatori l'intero ciclo di quality engineering dal terminale, accanto agli agenti di coding che già utilizzano.
• Binari: HyperExecute, il nostro livello di orchestrazione dei test, gestisce quei volumi insieme al Real Device Cloud e al Browser Cloud, fornendo agli agenti AI una propria infrastruttura browser.
• Prove: Agent Testing copre agenti chat, vocali, IVR, WhatsApp e video. Rook fornisce la Agent Assurance: agenti che testano altri agenti prima del rilascio.

Un'unica piattaforma copre web, mobile, applicazioni pacchettizzate come Salesforce, SAP, Microsoft 365, Oracle e ServiceNow, e agenti AI. Questo è importante perché le Prove funzionano solo quando le evidenze risiedono in un unico posto. Chiamiamo la categoria più ampia Osserva, Valuta e Garantisci, ed è su Garantisci che siamo leader.

Previsioni sul QA agentico per il 2027–2030

Queste sono le mie previsioni, non stime di qualche analista:

1. Entro la fine del 2027, le RFP aziendali per il testing valuteranno i fornitori in base alle prove per rilascio, non al numero di test creati.
2. Durante i rinnovi del 2027–2028, i contratti di regressione in outsourcing passeranno a un pricing per risultato o per rilascio verificato.
3. Entro il 2028, le aziende regolamentate assegneranno alle Prove una propria voce di budget, gestita congiuntamente con i dipartimenti risk e compliance.
4. Entro il 2029, le esecuzioni di test generate dagli agenti supereranno quelle scritte dagli umani sui principali cloud di esecuzione.
5. La prima grande interruzione causata da codice AI farà per i budget delle Prove ciò che i grandi disservizi hanno fatto per l'osservabilità: trasformare un bonus in un tema da consiglio di amministrazione.

Conclusione: il QA agentico sposta i soldi, non solo il lavoro

Il QA agentico non è solo una versione più economica del testing che acquisti attualmente. È una forma di spesa completamente diversa: meno ore, meno script scritti a mano, più esecuzione e una nuova voce di budget per le prove indipendenti. Il fatto che Gartner abbia ribattezzato la categoria ti dice che il cambiamento è ora ufficiale. Il fatto che il 63% delle organizzazioni continui a validare manualmente l'output degli agenti ti dice che non ci siamo ancora arrivati.

Usa la scheda di valutazione in questo trimestre. Mappa i tuoi quattro bacini. Poi sposta il budget verso il luogo da cui provengono le prove.

Prossimo passo: scopri come HyperExecute e Agent Testing si adattano ai tuoi bacini Binari e Prove, oppure leggi la documentazione di TestMu AI.

FAQ

Cos'è il QA agentico?

Il QA agentico è la garanzia della qualità del software in cui gli agenti AI pianificano, costruiscono, eseguono e mantengono i test per raggiungere un obiettivo definito, con un livello di verifica indipendente per confermare che il software si sia effettivamente comportato come richiesto. È diverso dal testing potenziato dall'AI, in cui un essere umano mantiene il controllo dello strumento. Nel QA agentico l'agente svolge il lavoro e l'umano revisiona le prove.

Perché Gartner ha rinominato il suo Magic Quadrant sul software testing?

Il 6 ottobre 2026, Gartner ha pubblicato il Magic Quadrant per le piattaforme agentive di garanzia della qualità del software, succedendo al report del 2025 sugli strumenti di testing software potenziati dall'AI. Il cambio di nome mostra un passaggio dall'AI che assiste i tester umani agli agenti AI che eseguono il testing, guidato da agenti di coding che producono software più velocemente di quanto i team riescano a validarlo.

Quanto è grande il mercato del software testing nel 2026?

Global Market Insights stima il mercato del software testing a 65,9 miliardi di dollari nel 2026, in aumento rispetto ai 60,5 miliardi del 2025, con una crescita di circa il 7,7% annuo fino a 127,5 miliardi entro il 2035. I servizi di testing rappresentavano il 38% della spesa del 2025. Il testing abilitato dall'AI valeva circa 544 milioni di dollari nel 2025, secondo Research and Markets, ovvero meno dell'1% del totale. Si tratta in tutti i casi di stime di società di ricerca.

Gli agenti AI di testing ridurranno i budget QA?

Non secondo noi. Gli agenti AI di testing riducono la spesa per le ore di test manuale e la manutenzione degli script, ma aumentano il volume di esecuzione dei test e, di conseguenza, creano una domanda di verifica indipendente. All'interno del modello dei Quattro Bacini della Spesa per la Qualità, la spesa si sposta da Mani e Script verso Binari (l'infrastruttura di esecuzione) e Prove (la verifica), anziché semplicemente svanire.

Cos'è il modello dei Quattro Bacini della Spesa per la Qualità?

I Quattro Bacini della Spesa per la Qualità sono un modello per tracciare dove finiscono i soldi del testing: Mani (le persone che testano), Script (creazione e manutenzione dell'automazione basata su script), Binari (browser grid, cloud di dispositivi reali e orchestrazione) e Prove (verifica indipendente del comportamento del software e degli agenti AI). Il QA agentico restringe Mani e Script, fa crescere i Binari e trasforma le Prove in una voce di budget autonoma.

Qual è la differenza tra agent assurance, eval e osservabilità?

La Agent Assurance è il testing pre-produzione dei flussi di lavoro da agente ad agente, in cui gli agenti di test vengono utilizzati per mettere alla prova altri agenti prima del rilascio e restituirne le prove. Gli Eval misurano offline o post-rilascio la qualità dell'output. L'osservabilità monitora ciò che gli agenti stanno facendo in produzione. La Garanzia è la risposta alla domanda "questa cosa dovrebbe andare live?". Gli Eval e l'osservabilità sono le risposte alla domanda "come si comporta una volta live?".

Come dovrebbero riallocare il budget QA i CIO per l'AI agentica?

Parti dalla spesa distribuita tra Mani, Script, Binari e Prove. Poi, man mano che i contratti arrivano a scadenza, sposta la spesa: rinegozia il tuo testing in outsourcing orientandolo ai risultati, smetti di finanziare nuove suite di script scritti a mano, investi in orchestrazione ed esecuzione e assegna alla verifica indipendente un responsabile e un budget. KPMG ha rilevato che il 63% delle aziende valida ancora manualmente l'output degli agenti, quindi le Prove rappresentano il vero gap.