Cloudera ha pubblicato i risultati di un nuovo studio globale condotto da Harvard Business Review Analytic Services. Lo studio rivela che, pur riconoscendo il potenziale trasformativo dell’AI, la maggior parte delle organizzazioni non è ancora in grado di metterla in pratica su scala a causa di persistenti sfide legate alla data readiness. Il report, ”Taming the Complexity of AI Data Readiness“, ha coinvolto oltre 230 membri dell’audience di Harvard Business Review, tutti coinvolti nelle decisioni sui dati AI delle proprie organizzazioni, nell’ottobre 2025. I risultati evidenziano uno squilibrio netto nel percorso AI delle imprese: le organizzazioni stanno accelerando le iniziative AI, ma fanno fatica a creare fondamenta adeguate dei dati su cui si basano. Solo il 7% dichiara che i propri dati sono completamente pronti per l’adozione dell’AI, e più di un quarto dei rispondenti (27%) afferma che i propri dati non sono molto o per nulla pronti — evidenziando un divario crescente tra le ambizioni sull’AI e la capacità concreta di implementarla.
Il quadro italiano rispecchia, e in alcuni casi amplifica, la sfida globale. Secondo l’Osservatorio Artificial Intelligence del Politecnico di Milano, il mercato AI italiano ha raggiunto €1,8 miliardi nel 2025 con una crescita del 50% anno su anno, ma solo il 6% delle imprese ha integrato l’intelligenza artificiale in modo realmente strategico nei propri processi. Il tasso di adozione AI si ferma all’8,2% – quasi 5 punti sotto la media europea del 13,5% (Eurostat) – con manifattura, energia e pubblica amministrazione tra i settori con il maggiore potenziale inespresso. A rendere la sfida ancora più urgente è la scadenza normativa: il 2 agosto 2026 segna la piena applicabilità degli obblighi dell’EU AI Act per i sistemi ad alto rischio, con sanzioni che ammontano fino al 7% del fatturato globale annuo. Per le aziende italiane che non hanno ancora strutturato la governance dei propri dati, il tempo a disposizione si sta esaurendo.
“L’AI è potente quanto i dati che la alimentano”, ha dichiarato Sergio Gago, Chief Technology Officer di Cloudera. “Per passare dai pilot alla produzione, le organizzazioni hanno bisogno di un accesso sicuro al 100% dei propri dati, ovunque risiedano. Portare l’AI al dato, invece di spostare il dato verso l’AI, è ciò che distingue la sperimentazione dall’impatto su scala enterprise.”
La percezione della qualità dei dati
Nonostante la diffusa sperimentazione in ambito AI, i problemi fondamentali sui dati rimangono irrisolti. Il 73% dei rispondenti afferma che la propria organizzazione dovrebbe prioritizzare maggiormente la qualità dei dati AI rispetto a quanto faccia oggi, e la stessa percentuale dichiara di trovare difficile la preparazione e il processing dei dati per l’AI.
I principali ostacoli nella preparazione dei dati per l’AI includono:
· Dati in silos e difficoltà di integrazione tra fonti diverse (56%)
· Mancanza di una strategia dati chiara (44%)
· Problemi di qualità dei dati e bias (41%)
· Vincoli normativi sull’uso dei dati (34%)
“Oltre la metà delle organizzazioni indica i dati in silos come ostacolo principale”, ha commentato Fabio Pascali, Regional Vice President Italy, Greece & Cyprus di Cloudera. “Si tratta di un problema che in Italia è strutturale: architetture legacy, sistemi eterogenei, governance frammentata. La soluzione non è spostare i dati verso l’AI anche a costo di portarli fuori dal perimetro di sicurezza aziendale: è portare l’AI al dato ovunque risieda, con lineage, qualità e governance unificate. Le aziende italiane hanno già scelto il modello ibrido: hanno quindi già in mano l’architettura giusta. Il passo successivo è costruire la maturità dei dati su cui farla girare in sicurezza.”
La governance del dato: ancora un cantiere aperto
I leader aziendali riconoscono sempre più che l’AI non è più un’iniziativa futura: è un mandato operativo presente. Eppure, la maggior parte delle organizzazioni sta ancora creando le fondamenta dei dati necessarie per scalare l’AI in modo responsabile ed efficace.
Solo il 23% dichiara che la propria organizzazione ha una strategia dati consolidata per l’adozione dell’AI, mentre più della metà (53%) ne sta attivamente sviluppando una. La protezione dei dati sensibili e della privacy (59%), la qualità dei dati (46%) e la data governance (41%) si classificano come le componenti più critiche di queste strategie.
Puntare tutto sull’innovazione può generare visibilità, ma un vantaggio competitivo duraturo dipende da architetture dati moderne e governate, capaci di operare in modo fluido attraverso ambienti multi-cloud, data center, edge e ibridi.
Allo stesso tempo, le aspettative sull’agentic AI stanno accelerando, riflettendo un passaggio dalla sperimentazione alla trasformazione concreta dei processi. Quasi due terzi dei rispondenti (65%) si aspetta che molti processi aziendali della propria organizzazione vengano integrati o sostituiti dall’AI agentica nei prossimi due anni. Non solo: il 47% afferma che la propria organizzazione crede che l’agentic AI possa risolvere i problemi di qualità dei dati.
Con il passaggio delle organizzazioni dalle applicazioni agli agenti intelligenti, data pipeline scalabili, governance coerente e un’esperienza analoga a quella del cloud attraverso tutti gli ambienti diventano sempre più essenziali.
Le imprese di oggi operano in data estate complessi e distribuiti, che attraversano cloud, data center e ambienti edge. Eppure, i dati mission-critical vengono spesso mantenuti in ambienti on-premise, per ragioni di sovranità, sicurezza, costo e compliance. Colmare questo divario richiede architetture in grado di portare l’AI in produzione in modo sicuro attraverso ambienti ibridi, senza forzare lo spostamento dei dati o compromettere il controllo.
