Microsoft AI ha annunciato a Build 2026 una famiglia di 7 modelli sviluppati internamente, con MAI-Thinking-1 come primo modello di ragionamento proprietario e Scout come agente sempre attivo per Microsoft 365.
Per chi usa Copilot, Azure o strumenti Microsoft in azienda, la notizia conta perché sposta il baricentro dell’offerta: Microsoft non vuole più essere letta solo come il grande canale enterprise dei modelli OpenAI, ma come un laboratorio che produce modelli, agenti e sistemi di sicurezza integrati nella propria piattaforma.
Perché Microsoft AI vuole modelli propri
Nell’annuncio ufficiale di Microsoft AI, i nuovi MAI vengono presentati come una famiglia multimodale: ragionamento, coding, immagini, voce e trascrizione. Il pezzo centrale è MAI-Thinking-1, un modello di ragionamento, cioè un sistema progettato per gestire passaggi logici complessi, attività di programmazione e istruzioni in più fasi. Nel keynote, Microsoft lo descrive come un modello da 35 miliardi di parametri attivi, con finestra di contesto da 256K token e risultati dichiarati del 97% su AIME 25 e del 53% su SWE Bench Pro.
“Today we are announcing a family of seven new models developed in-house at Microsoft AI.”
— Mustafa Suleyman, Microsoft AI
Il punto non è solo il benchmark. Microsoft insiste su un passaggio politico e commerciale: i modelli sarebbero stati addestrati da zero, senza distillazione, cioè senza usare l’output di modelli di terzi come base per imitare capacità già sviluppate altrove. In un mercato dove clienti enterprise chiedono tracciabilità dei dati, licenze chiare e controllo sui fornitori, questa frase pesa quasi quanto i numeri di performance.
La parte tecnica: modelli, agenti e sicurezza
La seconda metà dell’annuncio riguarda gli agenti AI, sistemi che non si limitano a rispondere a una richiesta ma possono eseguire compiti, consultare strumenti e mantenere uno stato operativo nel tempo. Scout, presentato dal blog Microsoft 365, è il primo Autopilot di Microsoft: lavora dentro Teams, Outlook, OneDrive e SharePoint, usa chat, email, calendario e contatti, e può coordinare riunioni, bloccare tempo in agenda o segnalare decisioni ferme.
Qui la parola chiave è identità. Microsoft dice che ogni agente opera con una propria identità Entra governata, non con un account di servizio anonimo. Per un reparto IT questa non è una finezza: significa audit, permessi, policy Purview, approvazioni umane per azioni sensibili e limiti su quali risorse l’agente può raggiungere.
Il terzo tassello è MDASH, il sistema di cybersecurity presentato da Microsoft Security. MDASH orchestra più di 100 agenti specializzati per trovare, discutere e provare vulnerabilità sfruttabili. Microsoft afferma che il sistema ha aiutato a individuare 16 vulnerabilità in Windows, inclusi 4 bug critici di esecuzione remota, e ha ottenuto l’88,45% sul benchmark pubblico CyberGym, basato su 1.507 vulnerabilità reali.
La domanda che Microsoft non mette al centro dei comunicati è più scomoda: quanto controllo siete disposti a concedere a un agente che lavora con identità propria dentro posta, calendario, documenti e repository aziendali?
Il nodo enterprise
Build 2026 racconta una strategia coerente: modelli proprietari in Foundry, agenti dentro Microsoft 365, cybersecurity automatizzata e integrazione con gli strumenti che molte aziende usano già. Il vantaggio competitivo non nasce solo dal modello migliore della settimana, ma dal fatto che Microsoft può distribuire queste funzioni dove il lavoro si svolge già.
Questo crea pressione su due fronti. Per OpenAI, Anthropic e Google DeepMind, Microsoft diventa un concorrente più diretto nella fascia dei modelli utili alle aziende, anche se continua a ospitare e vendere modelli di altri fornitori su Azure. Per i clienti, invece, aumenta la scelta solo in apparenza: più modelli disponibili non significano automaticamente più libertà, se il workflow, i dati e le autorizzazioni finiscono dentro un ecosistema unico.
Il rischio opposto è altrettanto concreto. Microsoft ha annunciato molti numeri, ma i benchmark non garantiscono adozione reale. Un modello da 35 miliardi di parametri può essere efficiente, ma deve dimostrare valore in assistenza clienti, sviluppo software, compliance, analisi documentale e automazione interna. Scout è in private preview o release sperimentale per organizzazioni Frontier, quindi le aziende non hanno ancora prove pubbliche solide su affidabilità, costi operativi e gestione degli errori in ambienti complessi.