A human-centered approach to scaling agentic AI in tech scale-ups

This thesis investigates how to deploy human-centered agentic AI at scale in the specific context of tech scale-ups, focusing on internal adoption. While traditional AI adoption frameworks focus on task-specific systems, they do not address the autonomy, proactivity, and orchestration that define agentic AI. Scale-ups, characterized by hypergrowth and rapid innovation cycles, provide a relevant environment to study this challenge. The research aims to assess the current state of adoption, identify organizational, technical, and human challenges, and derive actionable insights to guide future efforts. To address these objectives, it combines a literature review, a company-wide survey at Mirakl gathering 92 respondents, and 12 expert interviews with AI providers and scale-ups. The research findings highlight strong productivity gains and cultural enthusiasm, but also reveal governance gaps, immature measurement, dependency risks, and ethical concerns. Successful adoption requires hybrid governance, champions and new roles, inclusive training and rituals, high value use cases, and robust data governance. Based on these observations, the thesis proposes the SANDWICH framework, a three-phase roadmap: Start and Navigate (early wins and champions), Develop, Weave, Instruct (structuring with inclusive training and orchestration preparation), and Consolidate and Harmonize (scaling with decentralized ownership, recognition and protocols such as Model Context Protocol). Unlike existing approaches, this framework delivers what the current landscape lacks: a comprehensive solution that is built for agentic systems, grounded in human-centered principles, optimized for scale-up, and that is proposing a concrete implementation roadmap.

Questa tesi indaga come implementare IA agenziale centrata sull'uomo su larga scala nel contesto specifico delle scale-up tecnologiche, concentrandosi sull'adozione interna. Mentre i framework tradizionali di adozione dell'IA si concentrano su sistemi specifici per compiti, essi non affrontano l'autonomia, la proattività e l'orchestrazione che definiscono l'IA agenziale. Le scale-up, caratterizzate da ipercrescita e cicli di innovazione rapidi, forniscono un ambiente rilevante per studiare questa sfida. La ricerca mira a valutare lo stato attuale dell'adozione, identificare le sfide organizzative, tecniche e umane, e derivare intuizioni attuabili per guidare gli sforzi futuri. Per affrontare questi obiettivi, combina una revisione della letteratura, un sondaggio aziendale presso Mirakl che ha raccolto 92 rispondenti, e 12 interviste con esperti di fornitori di IA e scale-up. I risultati della ricerca evidenziano forti guadagni di produttività ed entusiasmo culturale, ma rivelano anche lacune nella governance, misurazione immatura, rischi di dipendenza e preoccupazioni etiche. Un'adozione di successo richiede governance ibrida, nuovi ruoli, formazione inclusiva e rituali, casi d'uso ad alto valore e governance dei dati robusta. Basandosi su queste osservazioni, la tesi propone il framework SANDWICH, una roadmap in tre fasi: Start and Navigate (ottenere vittorie rapide e identificare i promotori interni), Develop, Weave, Instruct (strutturazione con formazione inclusiva e preparazione dell'orchestrazione), e Consolidate and Harmonize (scalabilità con proprietà decentralizzata, riconoscimento e protocolli come il Model Context Protocol). A differenza degli approcci esistenti, questo framework fornisce ciò che manca al panorama attuale: una soluzione completa costruita per sistemi agenziali, basata su principi centrati sull'uomo, ottimizzata per le scale-up, e che propone una roadmap di implementazione concreta.