Mentre si affrettano a rendere operativa l’IA, molte aziende si trovano a dover affrontare ostacoli dovuti alla frammentazione degli ambienti e delle attività manuali di data engineering e a modelli di governance non progettati per adattarsi alle esigenze di un processo decisionale basato sull’intelligenza artificiale. Sebbene le capacità dell’IA abbiano registrato rapidi progressi, le infrastrutture necessarie per implementarle in modo sicuro e affidabile non hanno tenuto il passo, causando ritardi nei progetti, un aumento dei rischi e difficoltà nel far passare le iniziative legate all’intelligenza artificiale dalla fase sperimentale a quella operativa.
SAS ha annunciato un aggiornamento mirato di SAS Data Management, un portfolio cloud-native basato sulla piattaforma dati e IA, SAS Viya, progettato per aiutare le organizzazioni a preparare, governare e attivare i dati per l’analisi, l’automazione e l’IA. Integrando controlli, tracciabilità e prestazioni direttamente nei workflow sui dati, SAS consente alle organizzazioni di scalare le iniziative di intelligenza artificiale con fiducia, senza rinunciare ad affidabilità e controllo.
Nuove funzionalità e aggiornamenti
- Una gestione dei dati AI-ready
- Governance integrata
- IA agentica e copiloti
- Accelerazione dell’analisi dei dati in ambiente cloud-native
“Una piattaforma dati moderna è ormai un requisito fondamentale, dato che le organizzazioni stanno passando a flussi di lavoro basati sull’intelligenza artificiale autonoma con una minore supervisione umana”, ha affermato Alyssa Farrell, Senior Director of Data and AI Strategy di SAS. “SAS sta ridefinendo la gestione dei dati per l’era dell’IA, aiutando le organizzazioni a ottimizzare i moderni patrimoni di dati, ridurre la complessità e sfruttare appieno il valore dell’intelligenza artificiale, con governance e affidabilità integrate direttamente nelle fondamenta del sistema”.
Data management unificato, con fiducia integrata
Secondo una recente ricerca globale di IDC e SAS, quasi la metà (49%) delle organizzazioni indica come principale ostacolo ai progressi dell’IA gli ambienti di dati cloud non centralizzati o ottimizzati in modo insufficiente, seguiti a breve distanza da processi di data governance inadeguati (44%). Gli analisti di settore confermano questo divario: Gartner prevede che il 60% delle iniziative di intelligenza artificiale fallirà per mancanza di dati a prova di IA.
Data Management in SAS Viya affronta queste sfide trattando controlli e verificabilità come principi di progettazione fondamentali, e non come requisiti di conformità aggiunti a posteriori. Invece di sovrapporre controlli a strumenti scollegati tra loro, SAS integra tracciabilità, trasparenza e controllo direttamente nelle modalità di accesso, preparazione e attivazione dei dati per analisi e l’intelligenza artificiale, creando una base solida e difendibile su cui le organizzazioni possono fare affidamento.
È l’analisi a adattarsi ai dati, non il contrario
Per molte organizzazioni, l’implementazione su larga scala di analisi e IA ha storicamente richiesto il trasferimento dei dati tra piattaforme diverse, con conseguente duplicazione dei dati in diversi ambienti e l’introduzione di latenza, costi e rischi di governance lungo il percorso. SAS Data Management adotta un approccio diverso, portando l’analisi e l’intelligenza artificiale direttamente ai dati, ovunque essi si trovino.
Un esempio emblematico di questo approccio è SAS SpeedyStore, una piattaforma di analisi dei dati ad alte prestazioni e cloud-native strettamente integrata con SAS Viya. Eseguendo analisi e IA direttamente sui dati distribuiti, SAS SpeedyStore riduce gli spostamenti superflui dei dati, migliora le prestazioni e preserva la tracciabilità e la verificabilità di cui le organizzazioni hanno bisogno per fidarsi dei propri risultati.
SAS estende questo stesso principio oltre la propria piattaforma dati. SAS Data Accelerator consente alle analisi SAS di essere eseguite direttamente all’interno dei principali ambienti dati cloud già utilizzati dalle organizzazioni – tra cui data warehouse su larga scala e architetture lakehouse – riducendo la latenza, abbassando i costi e migliorando la sicurezza, grazie al mantenimento dei dati in loco. Inoltre, SAS Viya supporta moderni motori di analisi integrati come DuckDB, consentendo un’analisi locale veloce di formati aperti, tra cui Parquet, CSV e JSON, all’interno di flussi di lavoro governati.
Agenti e copiloti che modernizzano i dati dalle fondamenta
Con l’adozione di agenti e copiloti per automatizzare decisioni e workflow, la qualità e i controlli dei dati sottostanti diventano ancora più critici. Molti assistenti IA intervengono solo dopo che i dati sono stati preparati, lasciando lacune su fiducia, tracciabilità e supervisione. SAS adotta un approccio diverso, applicando l’assistenza guidata dall’intelligenza artificiale direttamente al ciclo di vita dei dati, dove le scelte a livello di fondamenta determinano se l’IA può essere affidabile su larga scala.
SAS offre agenti e copiloti progettati per aiutare le organizzazioni a comprendere, preparare e utilizzare i dati in modo sicuro prima che vengano impiegati in analisi, automazione o applicazioni di IA. Operando all’interno di workflow dei dati governati, queste funzionalità riducono lo sforzo manuale preservando trasparenza e controllo.
SAS Viya Copilot for Data Discovery consente l’esplorazione in linguaggio naturale di dati e di risorse analitiche governate, aiutando gli utenti a capire rapidamente quali dati sono disponibili, come possono essere utilizzati e se sono affidabili, riducendo i tempi di individuazione da giorni a pochi secondi.
SAS Viya Copilot for Code Assistance porta lo sviluppo assistito dall’IA direttamente in SAS Studio, aiutando gli sviluppatori a scrivere, comprendere e perfezionare codici SAS e Python tramite il linguaggio naturale, senza uscire dall’ambiente di sviluppo governato. Questo accelera le iterazioni mantenendo la supervisione umana.
SAS Data Maker affronta i limiti legati all’accesso ai dati generando dati sintetici ad alta fedeltà che rispecchiano le caratteristiche statistiche, relazionali e temporali dei dati reali, garantendo al contempo la tutela della privacy, la tracciabilità e la conformità normativa. Ciò consente ai team di sviluppare, testare e collaborare senza esporre informazioni sensibili.
