I benefici e il potenziale dell’Intelligenza Artificiale (AI) stanno diventando sempre più chiari ed evidenti, dando vita a una nuova era dell’intelligenza collettiva aziendale. Ma affinché queste promesse si possano concretizzare in aderenza alle normative e alla governance, dovranno necessariamente passare da un modello architetturale, scalabile e conforme sin dalla progettazione.
È questa la visione portata da Kirey Group nel corso di GoBeyond, l’evento milanese organizzato da iKN Italy su base annuale per approfondire l’evoluzione dell’IT leadership insieme ai più importanti CIO italiani.
Dopo la grande attenzione riscossa dalla Generative AI, l’intelligenza artificiale sta consolidando la sua presenza all’interno del mondo aziendale, orientandosi verso modelli di Agentic AI capaci di assumersi compiti ricorrenti, automatizzare processi e flussi di lavoro e democratizzare la conoscenza aziendale attraverso risposte alle domande e supporto proattivo nel ragionamento.
Al contempo, però, l’innovazione dettata dall’Intelligenza Artificiale porta con sé dei rischi, sia sotto il profilo della protezione dei dati che della proprietà intellettuale, come il riversamento involontario di dati personali, dei clienti e persino di IP oltre i confini nazionali, attraverso l’utilizzo di modelli pubblici.
Inoltre, va considerato lo sforzo di implementazione, che partendo dalla valutazione di specifici casi d’uso, algoritmi, requisiti di conformità e dati, può rivelarsi lungo e dispendioso.
Secondo Manuel Zini, AI & Innovation Business Line Manager di Kirey Group, la sfida per organizzare il sapere aziendale in una piattaforma AI-based va vinta attraverso la costruzione di un’architettura di riferimento abilitante, scalabile e portabile grazie a una configurazione a microservizi.
Come ha spiegato all’interno del suo intervento, dal titolo AI Corporate Information Hub: il sapere aziendale organizzato in una piattaforma AI-based: “Tradizionalmente, in contesti in rapida e continua evoluzione, l’approccio più efficace è stato quello graduale e progressivo. L’ideale era avviare un progetto pilota mirato, concepito per testare funzionalità specifiche e validare rapidamente le ipotesi di valore prima di procedere con lo sviluppo su larga scala. Oggi dobbiamo fare uno step ulteriore per semplificare l’adozione regolamentata di nuovi strumenti e casi d’uso, governarne e monitorarne completamente il processo, con una standardizzazione aperta all’adozione di strumenti open o closed source per un’innovazione AI priva di preoccupazioni”.
