Secondo il nuovo Data Streaming Report 2026 di Confluent, quasi tre quarti (72%) dei responsabili IT a livello globale affermano che la mancanza di un’infrastruttura per i dati in tempo reale stia frenando i loro sforzi per scalare l’AI.
Il report, che ha coinvolto 4.625 responsabili IT in tutto il mondo, analizza le sfide che le aziende si trovano ad affrontare nel percorso di adozione dell’AI e spiega perché potrebbe essere necessario concentrarsi maggiormente sul rafforzamento dell’infrastruttura su cui si basano le iniziative di AI, piuttosto che limitarsi ad aumentare gli investimenti nell’intelligenza artificiale stessa.
Secondo la ricerca, il 72% dei leader IT ha incontrato almeno tre ostacoli nel tentativo di scalare le proprie iniziative di AI. Tra i più comuni figurano infrastrutture inadeguate per l’elaborazione dei dati in tempo reale (72%), incertezze relative alla provenienza, all’aggiornamento e alla qualità dei dati (66%) e la frammentazione della proprietà dei dati (65%).
Queste criticità infrastrutturali stanno inoltre rallentando l’adozione dell’AI agentica. Due terzi (66%) dei responsabili IT indicano le infrastrutture dati e i problemi di qualità di questi ultimi come ostacoli all’adozione dell’AI agentica, mentre solo il 32% dichiara di averla già portata in produzione; la maggior parte delle organizzazioni continua infatti a registrare ritardi.
Sbloccare il potenziale dell’AI in tempo reale
Mentre le organizzazioni cercano di portare l’AI dai progetti pilota agli ambienti di produzione, l’attenzione si concentra sempre più sui dati che la alimentano. Quattro responsabili IT su cinque (80%) affermano che l’utilizzo dei dati aziendali per alimentare sistemi basati sull’AI rappresenta una priorità strategica per il business, a conferma della crescente importanza di un accesso in tempo reale a informazioni affidabili.
I risultati suggeriscono che molte organizzazioni considerano il data streaming una componente fondamentale della soluzione.
Quasi nove intervistati su dieci (88%) affermano che le piattaforme di data streaming contribuiscono ad accelerare l’adozione dell’AI agentica, rendendo i dati più affidabili, contestualizzati e facilmente accessibili. Allo stesso tempo, il 94% ritiene che il data streaming stia aumentando, o sia destinato ad aumentare, il valore generato dagli investimenti in AI, mentre il 90% afferma che contribuisce a semplificarne l’adozione.
Il data streaming supera l’AI nelle priorità di investimento
Il report evidenzia inoltre che, parallelamente alla crescita degli investimenti nell’AI, aumentano anche quelli nel data streaming: l’88% dei responsabili IT lo considera una priorità strategica, rispetto all’82% che indica le tecnologie di AI e machine learning. I risultati suggeriscono che i leader IT riconoscono sempre più come la capacità di massimizzare il valore dell’AI dipenda dall’accesso a dati affidabili e in tempo reale. Man mano che le organizzazioni portano le iniziative di AI in produzione, l’attenzione si sta spostando dai soli modelli all’infrastruttura necessaria per fornire i dati giusti al momento giusto.
Commentando i risultati, Shaun Clowes, Chief Product Officer di Confluent, ha dichiarato: “La maggior parte delle organizzazioni non ha un problema di investimenti nell’AI, piuttosto un problema legato ai dati. I sistemi di AI dipendono da informazioni aggiornate, accurate e contestualizzate, ma molti continuano a essere costruiti su dati frammentati, processi batch e infrastrutture che non sono state progettate per supportare un’intelligenza continua.
Man mano che le organizzazioni superano la fase sperimentale e iniziano a portare l’AI nei processi aziendali critici, queste lacune diventano sempre più evidenti. I modelli devono essere collegati ai sistemi, agli eventi e ai segnali che riflettono ciò che accade all’interno dell’organizzazione. Le aziende che stanno ottenendo i risultati migliori investono non solo nell’AI, ma anche nelle fondamenta dati necessarie a sostenerla. Saranno proprio queste fondamenta a determinare quali organizzazioni riusciranno a trasformare gli investimenti in AI in valore di business su larga scala“.
