AI in azienda: è finito il tempo dell’entusiasmo, servono risultati concreti

A cura di Rodolfo Falcone, Amministratore Delegato, Red Hat Italia

Il mercato dell’Intelligenza Artificiale in Italia sta vivendo una crescita senza precedenti. Secondo i dati dell’Osservatorio Artificial Intelligence del Politecnico di Milano, il settore ha raggiunto un nuovo record, toccando quota 1,2 miliardi di euro per il 2024, con una crescita del +58% rispetto all’anno precedente. A trainare lo sviluppo sono soprattutto le sperimentazioni che utilizzano anche la Generative AI, che rappresentano il 43% del valore, mentre il restante 57% è costituito in prevalenza da soluzioni di Artificial Intelligence tradizionale.

Questo fermento testimonia un cambio di prospettiva da parte dei vertici aziendali: la domanda non è più “cosa è tecnicamente possibile?”, ma “cosa produce un valore concreto e misurabile per il business?”.

Nonostante le organizzazioni del nostro Paese prevedano un aumento medio di oltre il 35% degli investimenti in AI entro il 2026, la stessa indagine di Red Hat evidenzia che l’86% delle realtà italiane intervistate dichiara di non aver ancora generato valore per i clienti dai propri investimenti in AI. Questo dato, che riflette una tendenza più ampia a livello EMEA dove solo il 7% delle organizzazioni sta generando valore su larga scala per i propri clienti dagli investimenti in AI, sottolinea un significativo divario tra l’ambizione e la capacità di trasformarla in risultati tangibili.

Questa differenza di valore si manifesta concretamente in quello che potremmo definire “disallineamento operativo”: la distanza significativa che ancora esiste tra la fase di sperimentazione dell’AI e l’effettiva messa in produzione. I dati delineano un quadro articolato: l’Italia rimane ancora indietro rispetto ai principali paesi europei per numero di aziende con progetti di AI attivi. Solo l’81% delle grandi imprese sta valutando o ha già avviato iniziative di intelligenza artificiale, a fronte di una media europea che raggiunge l’89%.

Le cause di questo ritardo sono molteplici e secondo l’indagine Red Hat il 40% delle organizzazioni italiane riconosce una significativa carenza di competenze in ambito AI. Sebbene questo dato sia decisamente inferiore rispetto alla media EMEA (70%), indica comunque una lacuna critica da affrontare per una piena adozione. Inoltre, il 31% riscontra la mancanza di un chiaro valore aziendale o ROI (Return on Investment), mentre un altro 48% evidenzia la mancanza di finanziamenti pubblici sufficienti. In altre parole, le aziende rallentano l’implementazione dell’AI perché non sanno come governarne compiutamente i progetti.

Per colmare questo divario e trasformare l’AI da un centro di costo a un centro di profitto, è necessario un approccio più maturo, che si basi su tre considerazioni strategiche.

1. Il focus si sposta dal modello allo stack software

La prima considerazione è che l’enfasi non dovrebbe più essere sulla ricerca di un modello linguistico marginalmente migliore. La vera sfida competitiva risiede nell’architettura che lo supporta. Se la gestione dei dati è il principale fattore di immaturità, la soluzione risiede in una piattaforma solida che ne garantisca qualità e governance. Per integrare con successo l’AI nei processi aziendali, è indispensabile applicare gli stessi rigorosi standard – governance, conformità normativa e privacy – che si esigono per qualsiasi altra applicazione critica. Tanto che anche l’Unione Europea è intervenuta, diventando la prima al mondo a emanare l’AI Act per regolamentarne l’applicazione. L’AI non va trattata come un’entità a sé stante, ma come componente di un esteso ecosistema software che richiede integrazione, manutenzione e controllo.

2. Gestire sistemi non-deterministici in modo affidabile

La seconda sfida riguarda un cambio di mentalità per i reparti IT. I sistemi informatici tradizionali sono in gran parte deterministici. L’AI generativa, per sua natura, introduce elementi di variabilità e non-determinismo. Questo non significa accettare l’inaffidabilità, ma sviluppare nuove competenze per gestire la complessità. Le aziende devono dotarsi di metodologie e strumenti per monitorare, validare e governare i risultati di questi sistemi, assicurando che il loro comportamento, per quanto flessibile, rimanga all’interno di confini operativi sicuri e coerenti con gli obiettivi di business. Infatti, il rischio è concreto: il 93% delle organizzazioni italiane segnala la presenza di ‘Shadow AI’, ovvero l’utilizzo non autorizzato di strumenti di intelligenza artificiale da parte dei dipendenti. In assenza di una piattaforma che garantisca visibilità e controllo, l’innovazione rischia di svilupparsi ‘nell’ombra’, esponendo l’azienda a gravi vulnerabilità in termini di sicurezza e protezione dei dati. In quest’ottica, la priorità principale per i leader IT e AI italiani è rappresentata dall’educazione del business all’uso dell’AI e dal collegamento dell’AI ai dati aziendali, entrambe indicate dal 55% degli intervistati da Red Hat in Italia.

3. Garantire l’interoperabilità per la libertà di scelta

Infine, è fondamentale guardare al futuro con un approccio sostenibile. Legare la propria strategia di intelligenza artificiale a un unico fornitore e a tecnologie proprietarie può trasformarsi rapidamente in dipendenze difficilmente controllabili. Lo stesso Osservatorio del Politecnico di Milano rileva che oltre la metà (56%) delle aziende che sviluppa progetti di AI generativa personalizzati riscontra difficoltà nel tenere sotto controllo le spese. È in questo scenario che il software open source aziendale emerge come un fattore chiave e la ricerca Red Hat mostra infatti che in Italia è considerato importante per la strategia AI dal 70% degli intervistati. Interoperabilità e piattaforme aperte costituiscono una vera e propria “assicurazione” sul futuro, perché permettono di scegliere di volta in volta le soluzioni tecnologiche più adatte, integrare competenze diverse e mantenere il pieno controllo su dati e applicazioni, massimizzando gli investimenti.

Inoltre, affidare la strategia AI a un singolo vendor non costituisce più solo un rischio economico, ma una vulnerabilità sistemica. Lo conferma la recente iniziativa della Commissione sugli ecosistemi digitali aperti, che identifica nelle soluzioni open source e nell’interoperabilità i pilastri indispensabili per garantire all’Europa autonomia e sicurezza delle infrastrutture critiche.

Le aziende italiane sembrano aver già colto questa urgenza e la ricerca Red Hat conferma infatti che per il 73% dei leader IT italiani, l’open source aziendale è fondamentale per garantire la sovranità digitale. Non si tratta solo di evitare il lock-in, ma di mantenere il controllo sui propri asset futuri.

In conclusione, per realizzare il pieno potenziale economico dell’intelligenza artificiale in ambito aziendale e colmare il ritardo che ancora ci separa dagli altri paesi europei, le aziende italiane devono compiere un cambio di passo, superando la visione dell’AI come tecnologia a sé e trattandola come disciplina che richiede rigore ingegneristico, visione architetturale e una solida strategia industriale. L’intelligenza del modello è solo il punto di partenza e sarà la capacità di industrializzarla in modo sicuro a determinarne il successo.