Quattro manager su cinque (il 78%) avvertono una pressione crescente nel trasformare i dati in valore di business. Lo rivela la nuova edizione del report State of Data and Analytics di Salesforce, che indica il principale ostacolo nella qualità delle informazioni: dati incompleti, obsoleti o non coerenti. Il gap tra le esigenze delle aziende e la reale disponibilità di dati affidabili diventa sempre più critico nell’era dell’AI agentica: se da un lato l’AI è una leva per ottenere insight e migliorare la produttività, dall’altro i responsabili tecnici sono consapevoli che serve un nuovo approccio alla gestione e all’analisi dei dati.

Il report, frutto di un’indagine condotta la scorsa estate su manager e decision maker negli ambiti IT e analytics di 18 Paesi di tutto il mondo, Italia compresa, rivela anche che quasi la metà dei manager (46%) considera la propria organizzazione data-driven, anche se una percentuale analoga (53%) ammette di non riuscire a sostenere efficacemente le priorità strategiche attraverso i dati, segno di un divario tra percezione e realtà. Solo il 45% dichiara di poter generare informazioni tempestive e in modo affidabile, mentre il 46% dei responsabili dei dati e dell’analisi afferma che nelle proprie aziende vengono tratte, almeno occasionalmente, conclusioni errate a causa di informazioni fuori contesto.

Oggi l’intelligenza artificiale è diventata rapidamente la principale priorità in ambito dati e, al tempo stesso, il più grande banco di prova per le infrastrutture esistenti. In Italia, le funzionalità di AI sono passate dal settimo posto tra le priorità del 2023 al terzo nel 2024, subito dopo l’accesso ai dati in tempo reale e la diffusione della cultura del dato.

Da notare che il 66% dei responsabili dei dati e degli analytics sente la pressione di implementare rapidamente l’AI, ma quasi la metà (48%) non si fida pienamente dell’accuratezza e della pertinenza dei risultati prodotti, complice la frammentazione e l’obsolescenza dei dati. Inoltre, pur riconoscendo in teoria (86%) che la qualità dei risultati dell’AI dipende direttamente dalla qualità dei dati, i responsabili stimano che il 31% delle informazioni aziendali non sia del tutto affidabile. Ne consegue che l’85% di chi utilizza l’AI in produzione ha riscontrato risultati imprecisi o fuorvianti, e che oltre la metà (51%) ammette di aver sprecato risorse significative a causa di dati errati utilizzati per addestrare o ottimizzare i modelli.

Non solo: quasi nove responsabili su dieci (88%) riconoscono che per soddisfare le aspettative dei clienti è fondamentale avere dati unificati. Tuttavia, la situazione è complessa: in media, un’azienda utilizza 897 applicazioni diverse, ma solo il 29% di queste comunica realmente tra loro. Questo significa che la maggior parte delle applicazioni non scambia informazioni in modo integrato, creando “isole” di dati separati e rendendo difficile ottenere una visione unica e completa del cliente. Questo livello di frammentazione causa una forte dispersione delle informazioni, rendendone difficile o impossibile l’accesso: in media, il 16% dei dati aziendali risulta isolato o inutilizzabile, e il 62% dei responsabili ritiene che proprio in quel 16% siano contenute le informazioni commerciali più preziose.

Per superare il problema dei dati intrappolati, quasi la metà delle aziende (49%) sta adottando l’integrazione zero copy, che consente di accedere ai dati presenti in diversi sistemi senza doverli spostare o duplicare. I risultati si vedono: le organizzazioni che hanno implementato questo approccio hanno il 44% di probabilità in più di disporre di un’integrazione dei dati eccellente e il 118% di probabilità in più di avere successo nelle iniziative di AI.

Un’altra leva è rappresentata dalle interfacce in linguaggio naturale, come l’agentic analytics, che semplificano l’accesso ai dati e migliorano la data literacy: il 57% dei responsabili riconosce che tradurre domande di business in query tecniche è un passaggio critico e soggetto a errori, mentre il 96% dei leader aziendali ritiene che otterrebbe risultati migliori se potesse interrogare i dati direttamente in linguaggio naturale.

“Le esperienze fatte nelle fasi iniziali di adozione dell’intelligenza artificiale offrono una guida perle aziende che vogliono diventare davvero agentiche, dove persone e agenti intelligenti collaborano in modo integrato. Dati affidabili, coerenti e contestualizzati sono la chiave di tutto. Le imprese pronte ad agire su larga scala devono ora consolidare le fondamenta necessarie per sfruttare in sicurezza tutto il potenziale dell’AI e generare valore concreto e misurabile. La vera trasformazione si realizza quando dati e AI procedono insieme: dati solidi forniscono all’intelligenza artificiale il contesto necessario per operare, e l’AI, a sua volta, aiuta le aziende a valorizzare i propri dati. Chi saprà integrare queste due dimensioni passerà con successo dalla sperimentazione all’impatto concreto”, commenta Michael Andrew, Chief Data Officer di Salesforce.