Veeam lancia il nuovo Data and AI Trust Maturity Model per aiutare le organizzazioni a valutare la propria preparazione all’AI

L’80% dei leader afferma di poter scalare l’AI in sicurezza, ma solo 1 su 3 è in grado di produrre evidenze concrete per dimostrarlo

Veeam Software, la Data and AI Trust Company, ha annunciato il lancio del suo Data and AI Trust Maturity Model, un framework basato sulla ricerca e validato dai clienti, progettato per aiutare le organizzazioni a valutare, confrontare e rafforzare l’efficacia con cui governano e rendono operativa l’AI, mentre questa evolve da strumenti di supporto ad agenti autonomi che operano sui dati aziendali a velocità macchina.

La maggior parte delle aziende ha già superato la prima soglia adottando l’AI. Tuttavia, sta emergendo un chiaro divario tra la fiducia nella propria preparazione all’AI e la capacità di renderla realmente operativa e governarla in modo efficace. Molte meno organizzazioni hanno implementato i controlli necessari per gestirla.

Man mano che gli agenti AI iniziano a prendere decisioni autonome sui dati aziendali con velocità e scala crescenti, questo divario sta diventando un rischio concreto. Una ricerca condotta da Emerald Research Group per conto di Veeam mostra che le organizzazioni hanno accelerato più rapidamente sull’adozione rispetto alla definizione di framework di identità, basi dati e governance necessari per giustificare tali decisioni davanti a un consiglio di amministrazione, un revisore o un’autorità regolatoria. La sfida non è più se l’AI venga utilizzata, ma se le sue azioni possano essere comprese, controllate e validate.

Il Data and AI Trust Maturity Model è progettato per colmare questo divario, aiutando le organizzazioni a ridurre la distanza tra la preparazione percepita e l’esecuzione nel mondo reale. Fornisce ai leader una visione indipendente della loro situazione attuale e delle aree su cui concentrarsi prioritariamente, supportando il passaggio dalla sperimentazione a un’AI responsabile e pronta per la produzione.

Il modello valuta la maturità dell’AI attraverso 12 dimensioni e ne mappa i progressi lungo cinque livelli, da ad hoc a leader di riferimento. Consente alle organizzazioni di identificare dove esistono controlli, dove questi si interrompono in condizioni operative reali e quali priorità debbano essere affrontate per rafforzare fiducia, governance e resilienza.

“La fiducia nell’AI è elevata, ma non è sufficiente a garantirne una crescita su larga scala,” ha dichiarato Anand Eswaran, CEO di Veeam. “La nostra ricerca mostra che, sebbene la maggior parte delle organizzazioni ritenga di essere pronta a scalare l’AI in modo sicuro e responsabile, molte faticano a dimostrare questa preparazione in un contesto di governance aziendale, audit o regolamentazione. Il Data and AI Trust Maturity Model fornisce ai leader un modo chiaro e oggettivo per comprendere la propria reale posizione, identificare i gap di esecuzione e definire le priorità delle capacità necessarie per rendere operativa la fiducia nell’AI, e non solo aspirare ad essa. Questo è fondamentale in un mondo agentico.”

La ricerca evidenzia un crescente divario nella fiducia verso l’AI

Il Data and AI Trust Maturity Model si basa sulle opinioni di 300 senior leader aziendali e tecnologici, inclusi dirigenti C-level responsabili di dati, sicurezza, rischio e strategia tecnologica. La ricerca evidenzia un divario costante tra ambizione nell’AI, fiducia e preparazione operativa:

• L’AI non è più sperimentale. Quasi sette organizzazioni su dieci dichiarano che l’AI è integrata in più funzioni aziendali o centrale per le proprie operazioni, il che significa che sistemi e agenti AI interagiscono quotidianamente con dati di produzione sensibili, informazioni dei clienti e workflow decisionali.
• La fiducia dei dirigenti è elevata: l’80% dei leader afferma di essere fiducioso nella propria capacità di scalare l’AI in sicurezza nei prossimi due anni.
• La fiducia spesso manca di evidenze concrete: quasi la metà dei dirigenti riconosce che la propria fiducia è guidata più dall’intuizione che da prove dimostrabili e pronte per un audit da fornire agli stakeholder esterni.
• Con la scalabilità dell’AI stanno emergendo sfide di esecuzione: il 52% delle organizzazioni segnala che le iniziative AI sono state ridimensionate negli ultimi 18 mesi, quattro su dieci hanno registrato ritardi e il 28% ha interrotto completamente alcune iniziative.
• Gli ostacoli al progresso sono più operativi che tecnologici, guidati da lacune nelle competenze di AI e machine learning (43%), difficoltà nell’integrare l’AI nei workflow e nei sistemi esistenti (33%), incertezza normativa (25%), limiti nella qualità dei dati (20%) e problematiche di explainability (19%).
• La maturità della governance è in ritardo rispetto all’adozione: quasi nove organizzazioni su dieci dichiarano di avere policy formali di governance AI in qualche forma, ma solo circa una su tre afferma di poter produrre immediatamente evidenze complete per un audit, se richiesto.

Nel complesso, questi risultati mostrano che, mentre l’adozione dell’AI avanza rapidamente, la maturità dell’esecuzione resta indietro, esponendo le organizzazioni a rischi crescenti mentre scalano l’AI nelle operazioni critiche.

Dall’adozione alla fiducia dimostrabile

Piuttosto che concentrarsi esclusivamente sull’adozione, il Data and AI Trust Maturity Model valuta quanto in modo coerente i controlli, le responsabilità e le pratiche operative legate all’AI funzionino in condizioni reali. Il modello organizza la preparazione della fiducia attorno a quattro pilastri fondamentali:

• Comprensione – visibilità e contesto su dati e asset AI, lineage e rischio.
• Protezione – governance delle identità e degli accessi, privacy e controlli di protezione dei dati.
• Resilienza – backup, affidabilità del ripristino e continuità operativa per dati critici e servizi dipendenti dall’AI.
• Potenziamento – readiness di dati affidabili per supportare uno sviluppo e un’adozione responsabili dell’AI.

“Il successo dell’AI dipende dalla solidità della base dati, ma è proprio qui che le organizzazioni risultano più esposte,” ha dichiarato Krista Case, Principal Analyst presso theCUBE Research. “Sebbene tre quarti delle organizzazioni abbiano già implementazioni AI mature o operative, meno di un terzo effettua il backup di almeno la metà dei dati generati dall’AI, secondo la nostra ricerca. E questo si traduce direttamente in un rischio reale. Gli attaccanti colpiscono direttamente il livello dati attraverso inference, corruzione, data poisoning ed esfiltrazione. I professionisti hanno bisogno di insight strutturati e confrontabili che colleghino i controlli tecnici a risultati concreti di business e di compliance. Il Data and AI Trust Maturity Model di Veeam colma questo divario.”

Benchmark sulla fiducia rispetto alla realtà

Il modello viene applicato attraverso il Data and AI Trust Maturity Assessment, un’attività consulenziale erogata dagli specialisti e dai leader di strategia di Veeam in ambito dati, sicurezza e AI. L’assessment produce:

• Un punteggio complessivo di maturità articolato sulle 12 dimensioni del modello.
• Confronto con benchmark per definire urgenza e contesto basati su dati oggettivi.
• Raccomandazioni prioritarie e una roadmap pragmatica per rafforzare la fiducia nel tempo.
• Insight pronti per il livello executive a supporto della supervisione del board, delle conversazioni con gli auditor e del monitoraggio dei progressi misurabili.