E' ciò che emerge dallo studio "The Data Readiness Index: Understanding the Foundations for Successful AI”, che rivela una crescente "illusione di AI readiness", con fiducia nella strategia di dati e investimenti cloud che superano le reali fondamenta di data governance. E in Italia il gap è ancora più evidente che in altri paesi. Ne parlano Yari Franzini, Group Vice President Southern Europe e Fabio Pascali, Regional Vice President Italy, Greece and Cyprus
Autore: Barbara Torresani
L’intelligenza artificiale, in particolare quella generativa, è ormai entrata nelle strategie delle imprese ma tra l’entusiasmo e la reale capacità di renderla operativa su scala esiste ancora una forte discrepanza. È quanto emerso dal “The Data Readiness Index: Understanding the Foundations for Successful AI”, uno studio di Cloudera che analizza il livello di preparazione delle imprese a supporto dell'AI su scala. La ricerca ha coinvolto 1.270 responsabili IT a livello globale, di cui 312 nell’area EMEA (55 in Italia). Ne parlano Yari Franzini, Group Vice President Southern Europe e Fabio Pascali, Regional Vice President Italy, Greece and Cyprus.
Dall’analisi emerge ciò che Cloudera definisce un vero e proprio paradosso aziendale, unito a una forte frammentazione infrastrutturale che frena la transizione dai progetti pilota all'industrializzazione vera e propria dell'AI. Un paradosso che accomuna gran parte delle organizzazioni europee: “le aziende ritengono di essere pronte per l’AI, ma nella pratica non dispongono ancora delle fondamenta necessarie per gestirla in modo efficace, sicuro e sostenibile”, sostengono Franzini e Pascali.
I numeri parlano chiaro: il 91% delle organizzazioni EMEA si dichiara fiducioso nella propria infrastruttura dati e il 92% sostiene di avere una strategia dati ben definita e allineata al business. Tuttavia, solo il 26% afferma di operare con dati completamente governati.
Il divario italiano è ancora più netto: se da un lato il 91% dei responsabili IT nostrani condivide la stessa fiducia sull'infrastruttura registrata a livello regionale, solo il 56% dichiara di avere una strategia dati ben definita e appena il 2% dispone di ambienti dati completamente governati.
Questa enorme discrepanza è ciò che Cloudera definisce “illusione di AI readiness”: “La vera difficoltà per le organizzazioni europee non sta nell’adozione dell’AI, ma nella capacità di renderla operativa oltre la fase sperimentale. L’AI è efficace solo quanto i dati che la alimentano”, sottolinea Yari Franzini.
Le aziende stanno sperimentando molto - i Proof of Concept (POC) proliferano in quasi tutti i settori – ma il passaggio dalla sperimentazione alla produzione resta complesso. Molte organizzazioni affrontano l’AI con un approccio frammentato: progetti verticali, dati distribuiti in silos, piattaforme eterogenee e governance incompleta. Questa crescita tecnologica disordinata – alimentata da soluzioni best-of-breed – genera difficoltà operative, costi crescenti e problemi di compliance. Il report evidenzia che il 74% delle aziende EMEA segnala ostacoli infrastrutturali alle iniziative AI operative; in Italia il dato si attesta al 71%.
“C’è una percezione molto elevata dell’importanza di investire nell’AI, ma dall’altra parte manca ancora una governance adeguata di tutto ciò che riguarda dati, processi e organizzazione. È questo il vero gap che vediamo oggi nelle aziende”, ribadisce Pascali.
Le aziende si trovano spesso in ritardo anche rispetto alle scadenze normative europee, come quelle imposte dall'AI Act.
Se l'Europa si muove a rilento, l'Italia mostra un quadro ancora più polarizzato. A fronte di un forte ottimismo e della proliferazione di iniziative legate all'AI, infatti, i dati strutturali sulla maturità del dato nel nostro Paese sono critici. Solo il 16% delle aziende italiane dichiara di avere una completa integrazione dei propri dati, solo il 26% ha un accesso immediato a dati in qualsiasi formato (inclusi quelli non strutturati o provenienti dal mondo IoT) e solo il 18% ha implementato soluzioni di self-service data o modelli “data as a service” per esporre i "data product" direttamente alle linee di business.
In questo scenario, la cultura manageriale italiana tende alla riorganizzazione perenne, focalizzandosi su obiettivi a breve termine a scapito di una visione olistica e di lungo periodo.
Inoltre, la persistenza dei silos organizzativi e applicativi rimane una barriera importante: “Il dato è ancora percepito come potere”, spiega Pascali, sottolineando come molte business unit restino riluttanti a condividere le informazioni. Quasi un quarto dei responsabili IT italiani (24%) individua proprio nella qualità del dato il principale ostacolo al ROI dei progetti AI, un problema che in Italia è più marcato rispetto alla già preoccupante media EMEA (18%).
Oltre ai silos e alla qualità del dato, molte aziende si scontrano con l'esplosione dei costi. Se partire sul public cloud è economico, scalare in produzione basandosi su metriche a consumo diventa insostenibile, poiché i costi aumentano in modo esponenziale con la crescita delle inferenze. Inoltre, l'uso di servizi cloud pubblici esterni espone a rischi di conformità e sicurezza quando si gestiscono dati sensibili (come HR o sanità).
Per superare queste barriere, Cloudera propone un cambio di paradigma architetturale basato sul concetto di Open Lake House (standard open-source Apache Iceberg) e sulla Data Virtualization, creando un layer di governance unico a prescindere da dove risieda il dato (on-premise, public o multicloud).
Il mercato si sta muovendo verso la Private AI e la Sovereign AI. Questo approccio prevede lo sviluppo iniziale del modello in cloud e il successivo trasferimento dell'inferenza on-premise nei data center aziendali con infrastrutture dedicate. Ciò permette di abbandonare il costo variabile a token in favore di costi infrastrutturali lineari e prevedibili, garantire il controllo totale sui dati sensibili e la conformità normativa.
Con l'avvicinarsi dell'AI Act, il tempo stringe. Il nodo non è tecnologico, ma organizzativo e manageriale, data la mancanza di una ownership chiara sulla data readiness. In EMEA il 69% delle aziende attribuisce questa responsabilità al CIO o al CTO mentre in Italia la percentuale scende al 56%, mentre il 38% delle imprese segnala la mancanza di supporto executive come ostacolo concreto.
In questo scenario emerge comunque un forte segnale positivo legato alla propensione al cambiamento: il 91% delle organizzazioni italiane (e il 96% a livello EMEA) si dichiara infatti disponibile ad adottare nuovi framework di governance dei dati.
“Il divario di governance non è un problema tecnologico, ma di execution. Le aziende comprendono cosa servirebbe, ma non hanno ancora costruito strutture operative coerenti capaci di superare i tradizionali silos introducendo responsabilità operative chiare”, spiegano i manager. Ciò che distingue chi sta colmando il divario è proprio la capacità di tradurre questa disponibilità in responsabilità e tempistiche certe.
L'ecosistema dei partner e il ruolo del business
In questo scenario, anche l'interlocuzione sta cambiando: l'AI non coinvolge più solo i dipartimenti IT, ma richiede la partecipazione attiva delle linee di business, detentrici dei budget e dei casi d'uso. In questo contesto, il ruolo dei system Integrator - globali o locali - diventa fondamentale.
Un esempio concreto è il caso d'uso di Private AI sviluppato da Cloudera con Accenture presso l'Accenture Generative AI Studio di Roma – centro di innovazione d'avanguardia progettato per aiutare le aziende e le istituzioni a passare dalla fase di sperimentazione all'adozione su scala dell'intelligenza artificiale generativa: un modello open-source addestrato sulle normative e leggi dello Stato per supportare la PA nella gestione rapida dei ricorsi, mantenendo l'approccio Human-in-the-loop (l'uomo supervisiona il processo).
In definitiva, l'efficacia dell'Intelligenza Artificiale in azienda non dipende dalla tecnologia in sé, ma dalla maturità della piattaforma dati sottostante. Senza una solida strategia di integrazione, qualità e governance del dato, l'AI rischia di rimanere un costo isolato: “La sfida non riguarda più soltanto i modelli o la potenza computazionale. Le aziende che riusciranno a costruire una governance coerente, un'integrazione reale e architetture aperte saranno le uniche capaci di trasformare l’AI in un vantaggio competitivo reale”, concludono Franzini e Pascali.