Leggi il Magazine

Guardando ai segnali che stanno lanciando i principali analisti in questi mesi di fine 2026, uno dei più evidenti vede il 2027 come l’anno “decisivo” - le virgolette ci vogliono, perché di anni tecnologicamente decisivi per qualcosa ne abbiamo ogni anno - per l’affermazione dell’intelligenza artificiale.

Il problema è che a mettere così le cose si dice poco: l’AI non è più una tecnologia ma un oceano di sviluppi e di applicazioni in cui devono faticosamente navigare le aziende, che devono prendere le loro decisioni su come investire budget IT sempre limitati. Su qualcosa si dovrà scommettere, e il consiglio è pensare meno alle soluzioni miracolose e più all’infrastruttura. Di sicuro, ci dicono, l’età dell’AI generalista in azienda è finita ancora prima di iniziare. Al di là dei copilot da presunta produttività personale, la sensazione netta è che l’AI generica potrebbe aver già raggiunto il proprio limite aziendale.

Per la maggior parte delle imprese, il vero valore non sta dai modelli generalisti sempre più grandi ma in modelli specializzati, SLM, RAG, knowledge graph e sistemi costruiti intorno ai dati d’impresa. Gartner prevede che entro il 2028 oltre metà dei modelli GenAI utilizzati dalle imprese sarà domain-specific: solo che per alimentarli servono dati affidabili e di qualità, il che richiede un serio lavoro di data management. D’altro canto, sembra chiaro che il vero problema dell’AI aziendale è diventato l’architettura IT: una volta introdotti agenti, modelli, GPU, cloud, edge e compagnia, emerge la realtà poco spettacolare ma decisiva che bisogna integrare tutto, e anche farlo bene.

Chiamare questo processo “modernizzazione” sembra un sacrilegio per i santoni dell’AI, ma in fondo di questo si tratta...

Leggi il Magazine