Denodo, specialista nell’ambito della gestione dei dati, presenta i risultati della ricerca The AI Trust Gap Report, uno studio condotto su 850 executive a livello globale che evidenzia come la nuova frontiera dell’intelligenza artificiale, l’Agentic AI, stia affrontando una seria crisi di fiducia (DISPONIBILE QUI).
Con l’evoluzione dell’AI da chatbot passivi ad agenti capaci di prendere decisioni in modo autonomo e attivare flussi operativi, la necessità di disporre di dati precisi e affidabili non è mai stata così elevata. Tuttavia, la ricerca mostra come ostacoli di natura tecnica stiano compromettendo queste iniziative.
Tra gli highlight dello studio a livello globale:
- Ricerca del contesto: il 63% delle organizzazioni indica come uno dei principali ostacoli all’adozione dell’AI la difficoltà di trovare dati rilevanti e affidabili, o di prepararli per il loro effettivo utilizzo.
- Necessità di dati in tempo reale: il 66% degli intervistati afferma che i dati alla base dell’AI devono essere accessibili in tempo reale per essere considerati affidabili. Tuttavia, le architetture dati tradizionali, progettate per l’analisi storica, non sono in grado di supportare latenze inferiori al minuto.
- Colli di bottiglia in termini di performance: quasi il 60% degli intervistati segnala difficoltà nell’ottimizzazione delle prestazioni per i carichi di lavoro intensivi necessari all’adozione dell’AI su larga scala.
- Il paradosso della sicurezza: il 67% fatica a mantenere livelli coerenti di sicurezza e controllo degli accessi tra i diversi sistemi, un requisito fondamentale per operazioni agentiche sicure.
- Portata e complessità: il 42% delle aziende attinge a oltre 400 fonti di dati per le loro iniziative di AI.
“L’AI sta rapidamente passando da sistemi che si limitano a rispondere alle domande a sistemi capaci di agire in modo autonomo, e questa transizione cambia radicalmente le esigenze in termini di dati”, ha dichiarato Dominic Sartorio, Vice President of Product Marketing di Denodo. “Quando un agente AI deve portare a un risultato di business, non c’è spazio per dati obsoleti o non governati. Per adottare l’Agentic AI con sicurezza e fiducia, le aziende devono andare oltre i silos statici di dati e affidarsi a una base di informazioni aggiornate in tempo reale, governate e contestualmente rilevanti.”
Il report rileva che il “divario di fiducia” non è il risultato di un fallimento dei modelli di intelligenza artificiale, ma riflette l’architettura dati sottostante. Per passare da un’AI sperimentale a un’adozione automatizzata su larga scala, le organizzazioni devono colmare il divario tra i diversi ecosistemi di dati e le esigenze di accesso ai dati in tempo reale dei sistemi agentici.
Focus sull’Italia: un approccio all’AI più maturo, ma ancora guidato dai soli dipartimenti tech
L’Italia mostra un livello di maturità crescente nell’adozione dell’intelligenza artificiale, sostenuto da modelli organizzativi strutturati. In quasi due terzi delle aziende (62%) le iniziative di AI vengono sviluppate e gestite da un team centrale con responsabilità a livello enterprise. Allo stesso tempo, però, la spinta verso l’AI resta ancora prevalentemente in capo alle funzioni tecnologiche: nel 44% dei casi chi se ne occupa è principalmente il dipartimento IT, a fronte di un coinvolgimento molto più limitato delle altre funzioni di business. Un segnale che indica come il percorso verso una piena integrazione dell’AI nelle strategie aziendali sia avviato, ma non ancora pienamente trasversale.
Le sfide non mancano e anche per le organizzazioni italiane, la priorità non è tanto l’adozione tecnologica in sé, quanto la qualità del dato. Identificare i dati più rilevanti e affidabili rappresenta la principale criticità per oltre la metà delle aziende (52%), il valore più alto a livello europeo. Seguono le difficoltà legate all’accesso ai dati in tempo reale, segnalate dal 30% degli intervistati, a conferma di un utilizzo dell’AI sempre più orientato a scenari operativi, decisionali e time‑critical.
Parallelamente, però, la gestione dei dati mostra segnali di miglioramento. Il 74% delle organizzazioni italiane afferma di non incontrare particolari difficoltà nel connettere e rendere accessibili i dati distribuiti tra sistemi diversi. Un risultato che riflette investimenti crescenti in architetture dati moderne e piattaforme cloud‑native, rafforzando le basi per un’adozione dell’intelligenza artificiale più affidabile, governata e in grado di generare valore su scala ne tempo.
In Europa la sfida è la governance
La ricerca evidenzia un’attenzione particolarmente marcata su temi quali sicurezza, privacy e qualità del dato, con differenze significative tra i diversi Paesi. In Francia, ad esempio, il 43% delle aziende indica la sicurezza e la protezione dei dati come ostacoli rilevanti all’implementazione dell’AI (a fronte di una media globale del 20,5%). In Germania, invece, il 37% segnala difficoltà legate alla definizione di una fonte coerente e affidabile, (contro il 27% a livello globale).
Queste differenze nazionali riflettono, non solo diversi livelli di maturità tecnologica, ma anche specifiche sensibilità normative e culturali. L’entrata in vigore e il progressivo recepimento dell’AI Act europeo, unita a una tradizionale forte attenzione alla tutela dei consumatori e alla conformità regolatoria, spinge le organizzazioni di questi Paesi a privilegiare solidi modelli di governance prima di accelerare sulla scalabilità delle soluzioni AI. Il risultato è un approccio più prudente ma strutturato, in cui la governance dei dati e dei modelli non è percepita come un vincolo, bensì come una condizione abilitante per costruire iniziative di intelligenza artificiale affidabili e in grado di generare valore nel lungo periodo.
