Per questo Denodo, leader nell’ambito della gestione dei dati, analizza la necessità di un cambio di paradigma, che vede i tradizionali modelli data-driven evolvere verso approcci sempre più semantic-driven. 

“Ogni sistema di intelligenza artificiale si basa sui dati”, spiega Andrea Zinno, Data Evangelist di Denodo. “Quando questi sono ambigui, incoerenti o scollegati dal loro contesto, anche i modelli più avanzati rischiano di produrre risultati statisticamente plausibili, ma concettualmente fragili. È qui che occorre cambiare prospettiva, passando da un approccio basato esclusivamente sugli algoritmi a uno che metta al centro il significato”. 

Il significato come infrastruttura: la gestione logica dei dati 

Mai come oggi, le potenzialità dell’intelligenza artificiale stanno mettendo in luce il fatto che i dati, da soli, non sono più sufficienti: senza una comprensione condivisa e formalizzata di ciò che i dati rappresentano, infatti, le informazioni rimangono prive di una direzione precisa e possono portare a decisioni più rapide, ma non necessariamente più consapevoli. 

Il significato, allora, non è più un elemento secondario, ma rappresenta il fondamento su cui si basano l’accesso ai dati, la loro interpretazione e il loro utilizzo. 

È qui che entra in gioco la gestione logica dei dati: a differenza delle tradizionali architetture fisiche, basate sulla replica e sul consolidamento dei dati, le architetture logiche si concentrano su come i dati vengono organizzati, messi in relazione e interpretati, indipendentemente dal luogo in cui risiedono fisicamente. Si tratta di un approccio che consente di migliorare qualità, coerenza e governance delle informazioni. 

Il modello semantico, ovvero la grammatica della conoscenza 

Alla base di un’architettura logica dei dati si trova il livello semantico, il vero e proprio “luogo” dove i dati vengono associati ai concetti che rappresentano. 

Va ricordato che l’intelligenza artificiale non “comprende” realmente i dati: il significato non emerge automaticamente dagli algoritmi, ma deve essere esplicitamente integrato nell’architettura che li alimenta. 

Un modello semantico ben progettato, dunque, deve fornire all’AI qualità e coerenza dei dati (definendo ogni concetto in modo chiaro), riduzione dei bias (vincolando i modelli all’interno di categorie, relazioni e regole di dominio esplicite) e spiegabilità (poiché gli output possono essere ricondotti a concetti comprensibili anziché a correlazioni poco chiare). 

In questa prospettiva, un modello semantico diventa una sorta di coscienza strutturale dell’AI: non sostituisce gli algoritmi, ma consente ai modelli di sapere su cosa stanno operando e per quale ragione. 

RAG e AI generativa: quando il linguaggio incontra il significato 

La Retrieval-Augmented Generation (RAG) è emersa come risposta ai limiti dei modelli unicamente generativi, integrando i Large Language Models (LLM) con fonti di conoscenza esterne e prevalentemente strutturate. 

Tuttavia, non tutti i livelli di conoscenza sono uguali. In assenza di una dimensione semantica, il recupero delle informazioni rimane di natura sintattica e i documenti vengono selezionati perché contengono parole simili, ma non necessariamente i concetti corretti. 

Con un modello semantico, invece, il sistema non ricerca semplicemente le parole chiave, ma il significato, il contesto e l’intenzione, traducendo le domande formulate in linguaggio naturale in modalità di accesso ai dati basate su concetti ben definiti. Questo consente di ridurre drasticamente le allucinazioni, trasformando la generazione probabilistica in un processo di ragionamento consapevole del contesto. 

Governance, resilienza ed etica operativa 

I modelli semantici rendono possibile quella che può essere definita etica operazionale: non si tratta di un insieme di principi astratti, ma di comportamenti osservabili basati su trasparenza, coerenza e responsabilità. Un’AI affidabile, infatti, non è un’AI che non commette mai errori, ma un’AI che è in grado di spiegare il proprio ragionamento. 

Questo consente di rendere i sistemi di AI più governabili, resilienti e sostenibili, anche con l’evoluzione delle tecnologie sottostanti. 

“Il rapporto tra intelligenza artificiale e semantica non è opzionale: è la condizione necessaria per passare da sistemi che si limitano a elaborare informazioni a sistemi in grado di operare consapevolmente. Non ovviamente una consapevolezza interiore, che rimanda al concetto di coscienza, ma una consapevolezza del contesto nel quale l’AI opera”, conclude Zinno. “Nell’era dell’intelligenza artificiale, il vero vantaggio competitivo non risiede nell’avere più dati o modelli più grandi, ma nel disporre di una base in grado di conferire ai dati disponibili un livello superiore di significato”.            

L'articolo Dall’approccio data-driven a quello semantic-driven: Denodo spiega perché il significato dei dati è la chiave per un’AI davvero affidabile proviene da Data Manager Online.

Denodo, leader 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.

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.

L'articolo Il “divario di fiducia” ostacola l’adozione dell’Agentic AI proviene da Data Manager Online.

Denodo, leader nell’ambito della gestione dei dati e dell’AI, presenta la Denodo Platform 9.4, rafforzando così il suo posizionamento come data platfom affidabile per l’AI agentica e generativa. La soluzione integra funzionalità di logical data management progettate per semplificare e accelerare l’accesso ai dati. In un contesto in cui le organizzazioni stanno andando oltre le fasi di sperimentazioni e di progetti pilota, la Denodo Platform 9.4 consente ai sistemi di intelligenza artificiale, alle applicazioni e agli utenti di accedere in modo affidabile a dati aggiornati in tempo reale, così da comprendere il contesto aziendale e operare con prestazioni elevate all’interno di confini di governance chiari.

L’innovazione legata all’Intelligenza Artificiale sta accelerando, ma il successo dipende sempre di più dal data layer su cui si basa. Senza un accesso unificato a dati affidabili e aggiornati in tempo reale, a una semantica condivisa e a una governance coerente, le iniziative di AI faticano a prendere piede e a generare un reale valore di business. La Denodo Platform 9.4 affronta questa sfida potenziando la piattaforma per tre tipologie di utenti: i team che si occupano di dati, di Intelligenza Artificiale e gli utenti aziendali, offrendo per ciascuno funzionalità progettate per aiutare le organizzazioni a integrare l’AI nei processi quotidiani in modo sicuro e consapevole.

“Man mano che le organizzazioni passano da progetti pilota all’implementazione dell’AI, il successo dipende sempre di più dalle capacità e dalla governance dell’infrastruttura di dati sottostante”, ha dichiarato Stewart Bond, Research Vice President, Data Intelligence e Integration Software presso IDC. “La Denodo Platform 9.4 riflette questo cambiamento, rafforzando il modo in cui le aziende combinano l’accesso a dati strutturati e non strutturati, integrano la governance nelle interazioni con l’AI, abilitano gli utenti aziendali e offrono una semantica coerente in ambienti distribuiti. Queste funzionalità sono essenziali per costruire sistemi di intelligenza artificiale affidabili, pronti per entrare in produzione e in grado di soddisfare le esigenze operative.”

Per i Team AI: Intelligenza Artificiale affidabile, con accesso unificato e governato a dati strutturati e non

Per i team che si occupano di advanced analytics e AI, la Denodo Platform 9.4 estende le modalità di connessione ai dati aziendali da parte dell’AI. La piattaforma consente ora un’integrazione sicura con i database vettoriali, permettendo alle organizzazioni di unificare dati strutturati, semi-strutturati e non strutturati (inclusi documenti, text embedding, immagini e altri contenuti) attraverso un unico livello logico di accesso ai dati.

Parallelamente, la Denodo Platform 9.4 integra il supporto per il Model Context Protocol (MCP) direttamente nella piattaforma, trasformando l’accesso ai dati in un servizio condiviso a livello aziendale ed evitando così implementazioni separate per ogni singolo agente. Qualsiasi agente o client AI compatibile con MCP può così rilevare e interrogare in modo sicuro dati aziendali aggiornati in tempo reale, utilizzando semantiche e policy approvate, mentre i team di governance mantengono piena visibilità e controllo.

Con l’avanzare delle iniziative di intelligenza artificiale, queste nuove funzionalità offrono ai team AI un modo coerente e pronto per essere messo in produzione di fornire ad agenti e modelli dati aziendali affidabili e aggiornati in tempo reale, senza compromettere sicurezza, conformità o flessibilità.

Per i Data Team: tempi di analisi più rapidi e ROI accelerato per i Lakehouse

Per i team di data engineering e per quelli che gestiscono l’infrastruttura dati aziendale, Denodo Platform 9.4 introduce Lakehouse Accelerator, la nuova evoluzione delle funzionalità MPP di Denodo. Integrando il motore di esecuzione open-source Velox, Lakehouse Accelerator offre prestazioni di interrogazione dati fino a 4 volte più veloci, CPU e memoria più efficienti, e una maggiore scalabilità per l’analisi avanzata e per i carichi di lavoro dell’intelligenza artificiale.

Questi miglioramenti permettono ai team che gestiscono i dati di supportare un numero maggiore di utenti e di carichi di lavoro simultanei, inclusi quelli dell’AI, riducendo al contempo i costi dell’infrastruttura e il carico operativo. Inoltre, aiutano le organizzazioni a ottenere un maggiore valore dagli investimenti già in corso nel lakehouse, accelerando il tempo di analisi e il successo delle iniziative AI, senza imporre spostamenti di dati, reingegnerizzazioni o interruzioni delle architetture esistenti.

Per gli utenti: interazione conversazionale con dati aziendali affidabili

Per i CEO e altri utenti aziendali, Denodo Platform 9.4 offre un modo più intuitivo di interagire con i dati, grazie a un’esperienza di AI conversazionale e agentica integrata nel Denodo Data Marketplace. Il Data Marketplace rappresenta l’unico punto di accesso per tutti i dati aziendali e offre un’esperienza simile a un e-commerce, pensata per tutti gli utenti indipendentemente dal livello di competenza tecnica. Con la versione 9.4, gli utenti possono porre domande ed esplorare i dati tramite conversazioni naturali, interattive e con un agente in grado di ragionare, senza la necessità di comprendere gli schemi che stanno alla base, gli strumenti o i dettagli tecnici. Questa esperienza conversazionale offre anche maggiore trasparenza sul modo in cui le domande vengono interpretate e gestite, spiegando in modo dinamico i passaggi e chiedendo ulteriori input quando l’obiettivo dell’utente o il contesto non sono chiari.

Integrando l’accesso conversazionale direttamente nel Marketplace, Denodo democratizza l’accesso ai dati, mantenendo al tempo stesso una governance di livello aziendale. Questo approccio guidato e interattivo riduce l’ambiguità e aumenta la fiducia nei risultati, offrendo agli utenti aziendali risposte più rapide e insight più chiari. Al contempo, i team che si occupano di dati e dell’infrastruttura dati aziendale sono certi che ogni interazione si basi su data product affidabili, su un contesto aziendale condiviso e su policy coerenti.

AI: dal potenziale all’effettiva integrazione nei processi aziendali

“Le organizzazioni sono sempre più concentrate nel trasformare le ambizioni sull’AI in risultati reali e concreti”, ha dichiarato Alberto Pan, Chief Technology Officer di Denodo. “La Denodo Platform 9.4 è progettata per supportare questo passaggio, rafforzando le basi dati per i team che si occupano di dati, di intelligenza artificiale e per gli utenti aziendali. Unendo performance, governance e un accesso intuitivo a dati aggiornati e in tempo reale, aiutiamo i clienti a passare dalla fase di sperimentazione dell’AI a un’intelligenza artificiale affidabile, pronta per l’utilizzo e in grado di creare un reale vantaggio competitivo”.

L'articolo Denodo Platform 9.4 accelera l’adozione dell’AI agentica nei processi aziendali proviene da Data Manager Online.

Dopo un anno di sperimentazione intensa e accelerata, le organizzazioni stanno ora entrando in una nuova fase della trasformazione digitale: quella in cui le aspettative sull’Intelligenza Artificiale devono tradursi in risultati concreti e misurabili.

Il 2026 si profila come l’anno della svolta, in cui l’attenzione si sposterà definitivamente dalla sperimentazione all’adozione di un’AI governata, spiegabile, sicura e orientata a produrre valore per il business.

“L’Intelligenza Artificiale non è più un insieme di iniziative tecnologiche isolate, ma sta rapidamente diventando una pratica aziendale strutturata e regolamentata. Con l’entrata in vigore dell’AI Act europeo e il consolidamento del quadro normativo successivo a DORA, le aziende inizieranno a gestire l’AI, come già avviene per ambiti critici quali finanza, risorse umane e cybersecurity, in modo verificabile, monitorato e governato”, spiega Andrea Zinno, Data Evangelist di Denodo. “In questo nuovo contesto, non è più accettabile affidarsi a modelli opachi o a sperimentazioni non controllate e non è più possibile governare ciò che non è spiegabile, e non si può spiegare un’AI addestrata su dati non affidabili. Sempre più spesso, fenomeni come allucinazioni, violazioni della sicurezza o non‑conformità normative non derivano da limiti intrinseci dei modelli, ma da dati fragili, non gestiti nel modo adeguato o non tracciabili. Per questo motivo, la qualità e la governance dei dati emergeranno come il requisito chiave per il futuro successo dell’AI”.

Per affiancare le aziende nell’intraprendere un percorso di adozione dell’AI consapevole e prepararsi al meglio alle sfide future, Denodo, leader nella gestione dei dati, ha identificato 10 trend che definiranno l’anno che è appena iniziato.

1. L’AI passerà dall’essere semplice assistente a operatore autonomo e agentico

L’Intelligenza Artificiale evolverà oltre il ruolo di supporto fornito da assistenti passivi, lasciando definitivamente spazio ad agenti autonomi capaci di eseguire attività complesse, attivare flussi di lavoro e collaborare attivamente con le persone.

Questa trasformazione, tuttavia, potrà realizzarsi su larga scala solo se tali agenti saranno alimentati da dati affidabili, ben governati e disponibili in tempo reale.

2. I dati AI-ready diventeranno una priorità per i CIO

Si tratta di una tendenza sempre più diffusa. Di fronte a iniziative di Intelligenza Artificiale che faticano a entrare in produzione su larga scala e spesso evidenziano ritorni sull’investimento negativi, le aziende stanno spostando il focus dalla sperimentazione isolata alla costruzione di solide fondamenta di dati “pronti per l’AI”.

Dati affidabili e disponibili in tempo reale stanno diventando una priorità a livello dei Chief Information Officer (CIO), poiché rappresentano il presupposto fondamentale per consentire ad agenti autonomi e applicazioni di AI di generare valore misurabile in tempi rapidi. È qui che la gestione logica dei dati emerge come un abilitatore strategico, capace di coniugare efficacemente infrastruttura, governance e risultati di business.

3. I data product saranno fondamentali per i Domain Specific Language Models (DSLM) e per gli agenti aziendali

Ogni settore, dalla finanza alla supply chain, dal customer al risk management, diventerà produttore e consumatore di data product avanzati, intelligenti, con SLA chiari e misurabili e progettati per fornire dati affidabili e contestualizzati.

Tali data product costituiranno la base informativa necessaria per l’evoluzione dei Domain‑Specific Language Models (DSLM), abilitando data agent specializzati e verticali, capaci di operare in modo autonomo all’interno di processi di business specifici.

4. La gestione logica dei dati sostituirà il concetto di “un data lake unico per governarli tutti”

I casi d’uso di maggior impatto in ambito bancario, assicurativo, manifatturiero e retail si baseranno su eventi in tempo reale e di breve durata (come sinistri, deriva dei sensori, interruzioni della supply chain, comportamenti dei clienti, ecc).

In questo contesto, i tradizionali data lakehouse non riescono a fornire i dati richiesti, perciò la gestione logica dei dati diventa un elemento cruciale. La pratica di centralizzare tutti i dati in un unico data lake è progressivamente destinata a svanire e le organizzazioni adotteranno la gestione logica dei dati per accedere direttamente dove i dati risiedono (ambienti multicloud e ibridi), evitando duplicazioni non necessarie e garantendo al contempo una governance dei dati coerente e una portabilità integrata e flessibilità fin dalla progettazione.

5. Crescita del multicloud, della sovranità e della portabilità by design

Le strategie cloud stanno evolvendo dal semplice approccio lift-and-shift verso modelli più consapevoli e ottimizzati in base alla tipologia di carico di lavoro, che combinano ambienti ibridi e multicloud.

La gestione logica dei dati e i livelli di controllo distribuiti diventano allora elementi architetturali fondamentali, poiché sono in grado di garantire coerenza, interoperabilità, conformità normativa e portabilità fluida dei dati attraverso infrastrutture sempre più eterogenee e distribuite, fin dalla fase di progettazione.

6. L’Autonomous Business Intelligence democratizzerà la data analytics

Le analisi basate sull’Intelligenza Artificiale e gli agenti trasformeranno radicalmente la BI, consentendo agli utenti di condurre analisi complesse e multifattoriali attraverso interfacce conversazionali naturali.

In questo contesto, il ruolo della Business Intelligence evolverà dal reporting manuale e descrittivo verso una maggiore guida, orchestrazione e validazione degli insight automatizzati, supportando decisioni più rapide e informate per l’intera organizzazione.

7. La produzione diventerà autonoma e data-driven

I siti produttivi evolveranno verso sistemi autonomi e adattivi, per rispondere in tempo quasi reale a fattori macroeconomici come variazioni della domanda, dazi, volatilità dei costi energetici e interruzioni della supply chain.

Grazie all’utilizzo estensivo di sensori intelligenti, dati operativi in tempo reale e agenti AI, i cicli di produzione potranno essere accelerati fino a 2–3 volte, mentre i data product abiliteranno operazioni di supply chain ottimizzate, resilienti e transfrontaliere, supportando decisioni autonome lungo l’intero ecosistema industriale.

8. Dal dato al valore: il ROI diventerà il fattore decisivo per l’AI e il Cloud

Il ritorno sull’investimento diventerà il principale criterio di valutazione per le iniziative di Intelligenza Artificiale e Cloud, con aziende che tenderanno sempre più a richiedere risultati concreti, misurabili e tracciabili, privilegiando piattaforme in grado di ridurre lo spostamento dei dati, eliminare le ridondanze e accelerare i tempi di analisi e decisione.

Il 2026 segnerà l’affermazione di framework pratici, approcci all’AI responsabili e case study verificabili, capaci di dimostrare un chiaro impatto economico e un percorso sostenibile dal dato al valore.

9. La governance dell’AI richiede una solida governance dei dati

Le organizzazioni riconosceranno sempre più che una governance efficace dell’Intelligenza Artificiale non può prescindere da una solida gestione dei dati.

Una data governance attiva e in tempo reale, che integri semantica, privacy, qualità e sicurezza, diventerà un prerequisito imprescindibile per garantire affidabilità dell’AI, spiegabilità dei modelli, conformità normativa e riduzione delle allucinazioni, trasformando la fiducia nell’AI da principio teorico a capacità operativa.

10. Le competenze diventeranno il prossimo collo di bottiglia dell’AI

Le capacità dell’Intelligenza Artificiale stanno accelerando rapidamente, ma la velocità di adozione rischia di non tenere il passo. Il principale fattore limitante non sarà tecnologico, ma riconducibile al livello di competenze, fiducia e adeguatezza organizzativa.

Per colmare questo divario, le organizzazioni dovranno investire in programmi strutturati di upskilling e reskilling, affiancati da strumenti intuitivi, che consentano anche agli utenti non tecnici di interagire e collaborare con l’AI in modo autonomo e responsabile. Solo così sarà possibile allineare innovazione tecnologica e competenze della forza lavoro, trasformando l’AI da potenziale in valore reale e diffuso.

L'articolo 2026, l’anno dell’intelligenza pratica: i trend nell’evoluzione dei dati secondo Denodo proviene da Data Manager Online.

Denodo, leader nella gestione dei dati, annuncia di aver ottenuto il riconoscimento di Partner Accreditato da Databricks, un risultato che consolida la crescente collaborazione tra le due aziende, volta a supportare le organizzazioni nell’accelerazione dell’adozione di AI e analytics basate su dati governati e affidabili.

Denodo Platform, la soluzione di Denodo per la gestione logica dei dati, ha superato una rigorosa validazione tecnica da parte di Databricks, che ne ha valutato compatibilità, interoperabilità, prestazioni e allineamento in materia di sicurezza con la Piattaforma di Intelligenza dei Dati Databricks. Durante questo processo sono stati effettuati anche test di integrazione con Unity Catalog, impiegato come infrastruttura di governance per gli asset di lakehouse. Questa revisione tecnica conferma che Denodo soddisfa gli standard di Databricks in termini di interoperabilità dei partner, offrendo ai clienti la certezza che le due piattaforme possono lavorare insieme per unificare l’accesso ai dati in ambienti ibridi e multi-cloud, garantendo al contempo una governance coerente e riducendo i tempi di analisi e implementazione di iniziative di AI e analytics avanzate.

Denodo e Databricks, attualmente, supportano più di 150 clienti condivisi a livello globale, aiutando le aziende a sbloccare il pieno valore dei propri dati grazie a un’architettura sicura che comprende un lakehouse fisico, ottimizzato da una gestione e integrazione logica dei dati, in grado di abilitare un’adozione dell’AI più rapida e sicura.

“Il riconoscimento di Partner Accreditato di Databricks riflette il nostro impegno costante nel creare valore e fiducia per i nostri clienti”, ha dichiarato Suresh Chandrasekaran, Executive Vice President di Denodo. “Insieme a Databricks, aiutiamo le organizzazioni a modernizzare i propri ecosistemi di dati, così che possano disporre di dati governati e in tempo reale, al fine di alimentare l’innovazione dell’agentic AI e ottenere migliori risultati di business”.

Grazie a questa collaborazione, i clienti congiunti di Denodo e Databricks possono godere di svariati vantaggi:

• ROI più elevato: Veqtor8, analista indipendente, ha rilevato che le aziende ottengono un maggiore ritorno sull’investimento quando combinano i propri data lakehouse con la Denodo Platform.
• Infrastrutture dati modernizzate: applicazioni AI e casi d’uso self-service possono essere alimentati più efficientemente grazie a dati governati, provenienti da fonti distribuite e disponibili in tempo reale.
• AI “protetta”: la Retrieval Augmented Generation (RAG) e i workflow agentici accedono esclusivamente a dati autorizzati, utilizzando gli asset presenti nel lakehouse governati da Unity Catalog e unificati semanticamente da Denodo, anche quando provengono da fonti esterne all’azienda, garantendo una chiara tracciabilità.
• Una rappresentazione semantica unificata per i dati: Denodo virtualizza, in viste governate, dati ERP e SaaS, API e sistemi in locale che Databricks SQL, notebook e pipeline ML possono utilizzare immediatamente senza dover ricorrere a massicci processi di migrazione.
• Ibrido e multi-cloud by-design: i dati vengono mantenuti dove risiedono – Azure, AWS, GCP o in locale – standardizzando al contempo il calcolo scalabile su Databricks. L’integrazione tra ambienti ibridi e multi-cloud risulta semplificata, riducendo al minimo le copie di dati.
• Governance unificata: Unity Catalog governa gli asset del lakehouse e Denodo applica politiche equivalenti alle fonti non Databricks, garantendo un accesso coerente e protezioni granulari sui dati.
• Libertà di scelta degli strumenti senza impatti sulle policy: Power BI, Tableau e altre applicazioni si connettono a rappresentazioni governate attraverso Denodo, mentre Unity Catalog mantiene uniforme la governance del lakehouse.
• Costi e rischi ridotti: riduzione di pipeline precarie e dataset duplicati, minor traffico dati in uscita e applicazione coerente delle policy tra strumenti, con contenimento del rischio operativo.
• Adozione accelerata e migrazione graduale: grazie a una rappresentazione unificata di tutti i dati, le organizzazioni possono sviluppare immediatamente nuovi carichi di lavoro all’interno di un framework semantico unificato, spostare i workload verso il lakehouse in modo progressivo, e utilizzare Denodo per connettere lakehouse e dati esterni, mantenendo una governance allineata a Unity Catalog man mano che aumentano le fonti e i casi d’uso.

Questa partnership in continua crescita evidenzia l’impegno congiunto di Denodo e Databricks nell’aiutare i clienti a modernizzare le proprie architetture di dati e accelerare la creazione di valore di business, grazie alla sinergia tra la Piattaforma di Intelligenza dei Dati Databricks e Denodo Platform. Una ricerca indipendente condotta da Veqtor8 ha rilevato che le organizzazioni che utilizzano Denodo in combinazione ai propri data lakehouse hanno velocizzato la consegna dei dati di 10 volte e ridotto lo sforzo di data engineering del 75%. Insieme, Denodo e Databricks offrono una solida base per dati affidabili e pronti per l’AI, aiutando i clienti a ottenere risultati concreti, con maggiore agilità e costi più contenuti.

“Nell’ambito di un’analisi condotta da Veqtor8, ho recentemente stimato il ritorno sull’investimento ottenuto dalle aziende quando applicano un livello di gestione logica dei dati ad un data lakehouse e, in media, il loro ROI è risultato del 345% superiore”, ha dichiarato Andrew Milroy, Chief Analyst di Veqtor8 e principale autore dello studio. “Questa partnership rappresenta una grande opportunità per le aziende che cercano la soluzione di gestione dei dati più avanzata e allo stesso tempo più conveniente”.

L'articolo Denodo ottiene il riconoscimento di Partner Accreditato Databricks, per la sua integrazione fluida a supporto di AI e analytics proviene da Data Manager Online.

Denodo, leader nella gestione dei dati, annuncia i risultati di uno studio condotto da Veqtor8, società indipendente di consulenza. L’analisi ha messo a confronto il ritorno sull’investimento (ROI) derivante dall’utilizzo della Denodo Platform in combinazione a data lakehouse, come quelli offerti da Snowflake e Databricks, con i risultati ottenuti affidandosi esclusivamente ai lakehouse. Lo studio ha rilevato che le organizzazioni rischiano di perdere milioni di dollari, oltre a subire ritardi di mesi nelle iniziative di intelligenza artificiale e analytics, se non affiancano una piattaforma di logical data management ai propri investimenti nei lakehouse.

Veqtor8 ha ottenuto questi risultati conducendo una ricerca strutturata che interviste approfondite con grandi aziende che utilizzano le principali piattaforme di data lakehouse – sia con che senza Denodo – quantificando l’impatto tecnico, operativo e finanziario derivante dall’adozione di Denodo in questa configurazione. Lo studio ha rilevato che le organizzazioni che utilizzano Denodo insieme a un moderno data lakehouse, ottengono:

• 345% di ROI in tre anni. Questo dato deriva da risposte strutturate raccolti da interviste con stakeholder e da confronti con benchmark di settore.
• 3,6 milioni di dollari di costi risparmiati. Per le organizzazioni che utilizzano esclusivamente i data lakehouse, questi costi sono principalmente legati alla complessità ingegneristica e allo sviluppo infrastrutturale.
• Recupero dell’investimento in soli 6 mesi e mezzo: un indicatore chiave di performance misurato direttamente dalle organizzazioni partecipanti.
• Tempi di analisi 3-4 volte più rapidi, grazie all’accesso virtualizzato ai dati e a un livello di astrazione semantica.

Al contrario, le aziende che hanno cercato di ottenere gli stessi risultati senza Denodo sono state costrette a ricorrere a costose pipeline personalizzate, integrazioni point-to-point e strumenti di data governance ridondanti. Questo approccio comporta un maggiore sforzo ingegneristico, tempi di sviluppo più lunghi e investimenti sprecati.

“I lakehouse offrono capacità di storage e calcolo fondamentali per l’analisi unificata, ma non sono stati progettati per fornire autonomamente dati pronti all’uso per le organizzazioni”, ha dichiarato Andrew Milroy, chief analyst di Veqtor8 e autore principale dello studio. “La nostra analisi mostra che senza una piattaforma di logical data management, come Denodo, le aziende sperimentano regolarmente ritardi nei progetti, costi più elevati e opportunità mancate, in particolare nell’ambito dell’AI e dei processi decisionali in tempo reale. Denodo può colmare questo divario e permettere alle organizzazioni di valorizzare i propri investimenti in data lakehouse”.

Il report evidenzia come Denodo consenta alle aziende di unificare la governance, semplificare l’ingegneria dei dati e ricavare dati pronti per l’AI e per il business, superando i silos informativi, il tutto senza la costosa duplicazione e i ritardi infrastrutturali associati agli approcci tradizionali. I clienti hanno riferito in modo ricorrente che iniziative, che senza Denodo richiedevano mesi, con Denodo potevano essere completate in pochi giorni.

“È evidente che le organizzazioni subiscono perdite economiche quando si affidano unicamente ai data lakehouse, senza integrarli con una gestione logica dei dati. Oltre all’aspetto legato ai costi, va considerato l’impegno richiesto: basarsi solo su un lakehouse può portare a ritardi nella consegna dei dati agli utenti aziendali, mettendo così a rischio la competitività dell’organizzazione”, ha dichiarato Ravi Shankar, Senior vice president (SVP) e Chief marketing officer (CMO) di Denodo. “I risultati dello studio di Veqtor8 sono chiari: utilizzare Denodo insieme a un data lakehouse offre vantaggi economici concreti, già sperimentati dai clienti Denodo. Le aziende che non sono clienti Denodo possono confermare i costi e gli sforzi legati alla decisione di affidarsi esclusivamente a un data lakehouse, per ottenere le stesse funzionalità”.

L‘head of technology di una banca internazionale, che ha partecipato a questo studio, ha dichiarato: “Ora possiamo alimentare i nostri modelli antifrode con dati transazionali in tempo reale, provenienti da diversi sistemi, grazie a Denodo. Questo riduce di mesi i tempi di implementazione”.

L'articolo ROI del 345%, tempi di analisi 3-4 volte più rapidi e altri vantaggi, quando un data lakehouse viene potenziato dallo strato logico di Denodo proviene da Data Manager Online.

Un approccio logico che consente di integrare, interpretare e utilizzare i dati in modo coerente e condiviso, senza modificare le fonti esistenti. È questo il significato del Semantic Data Layer, argomento del webinar condotto da Andrea Zinno, Data Evangelist di Denodo, che ne ha illustrato il ruolo come strumento per la modernizzazione delle architetture IT, i vantaggi nella riduzione della complessità e nell’aumento della resilienza, e le funzionalità della piattaforma Denodo. «Quando si parla di integrazione e gestione del dato, il riferimento va quasi sempre agli aspetti tecnologici – esordisce Zinno -. Eppure la tecnologia oggi è talmente matura da consentire di collegare qualsiasi cosa. Molto meno frequente è guardare a questo tema dal punto di vista semantico».

Il punto di partenza è chiaro: «Noi integriamo i dati perché vogliamo rappresentare il mondo esterno con il quale ci confrontiamo come azienda e per il ruolo che abbiamo. Anche nella vita privata siamo tutti in qualche modo affamati di dati. Ciò che guida l’integrazione del dato è la necessità di creare quella che normalmente viene chiamata concettualizzazione del nostro contesto di riferimento».

Si tratta di un processo complesso, che richiede analisi, modellazione, monitoraggio e adattamento continuo. «Ogni concetto ha un suo ciclo di vita: parte da un requisito che rappresenta ciò che vogliamo farci con quel dato, viene modellato, monitorato nel tempo e adattato ai cambiamenti di un mondo molto fluido, fino ad arrivare idealmente alla sua obsolescenza», spiega Zinno.

Da qui nasce il concetto di vista aumentata. «Il primo livello riguarda i dati sotto il diretto controllo dell’organizzazione, quelli di cui ho ownership e responsabilità, che siano on premise o in cloud – prosegue Zinno. «Il secondo livello comprende i dati forniti da data provider esterni o da enti pubblici, che possono essere utili ma richiedono accordi e contratti. Il terzo livello, il vero augmented, va oltre: prende in considerazione qualsiasi dato indipendentemente da chi lo gestisca, includendo, per esempio, fornitori, outsourcer, autorità di controllo, altre aziende ancora».

Si tratta di un primo passo verso una vera e propria data economy. E qui entra in gioco il modello semantico.  Secondo Zinno è necessario garantire che i termini utilizzati siano universalmente compresi, avere un punto unico in cui rappresentare i concetti e chiarire che di un determinato concetto esiste una versione oggettiva e trasversale, accanto a viste specializzate che ciascuno attribuisce allo stesso soggetto. La sfida diventa ancora più complessa quando i dati iniziano a circolare tra organizzazioni diverse: in quel momento l’elemento di soggettività si amplifica e serve un unico modello di riferimento, capace di dare coerenza a un significato articolato. «Quando integriamo una nuova fonte dati non estraiamo i dati per portarli all’interno come nel modello ETL tradizionale, ma ne estraiamo il significato, lo traduciamo in un formato unico e lo popoliamo nel modello semantico», spiega Zinno.

Un altro tassello importante è il data marketplace, l’interfaccia pensata per i data consumer. «Nasconde gli aspetti tecnici e consente di esplorare i dati con linguaggio naturale, per categorie e filtri, fornendo anche suggerimenti. La semantica è quindi fondamentale in un mondo di economia dei dati, ma lo è altrettanto avere un approccio logico che garantisca agilità e flessibilità», conclude Zinno.

L'articolo Il modello semantico di Denodo proviene da Data Manager Online.

Denodo, leader nella gestione dei dati, annuncia un ulteriore supporto all’innovazione nell’IA con la disponibilità di DeepQuery Denodo Platform 9.3. DeepQuery è una funzionalità di Deep Research che va oltre il semplice recupero di fatti, potendo gestire domande complesse e analitiche con un ragionamento dettagliato e completamente spiegato.

Novità di Denodo Platform

L’ultima release della Denodo Platform, la 9.3, rafforza Denodo come base per l’innovazione nell’IA. Molti carichi di lavoro di IA odierni sono operativi: includono casi d’uso come chatbot che rispondono ai prompt su dati live e agenti di IA che agiscono autonomamente e prendono decisioni in tempo reale in risposta a situazioni in evoluzione. Ciò richiede accesso bidirezionale, in tempo reale, a grandi volumi di dati live dalle fonti originali, in un panorama dati distribuito e in continua espansione, proteggendo al contempo i dati con misure coerenti di sicurezza e conformità e riducendo i costi.

Uno studio del MIT ha rilevato che il 95% dei progetti di IA non produce un ROI positivo; una causa chiave è l’incapacità dell’IA di apprendere e agire correttamente in ambienti operativi in continuo cambiamento per la mancanza di un’infrastruttura dati in grado di supportare tali carichi. Denodo Platform 9.3 aggiunge varie funzionalità che rafforzano le fondamenta per l’IA operativa.

Tra i principali miglioramenti:

• Maggiore agilità per le viste materializzate: le viste materializzate e le cache dati sono ora resilienti all’evoluzione degli schemi, consentendo agli sviluppatori una gestione dei cambiamenti dei data product più agile, per fornire più efficacemente alle applicazioni di IA i dati di cui hanno bisogno. Questo è fondamentale in ambienti in cui agenti e applicazioni di IA iterano rapidamente e gli schemi e altri metadati cambiano di continuo. La funzionalità accelera anche gli aggiornamenti incrementali dei data lakehouse, mantenendo così i dati pronti per l’IA.
• Controlli di accesso dinamici: nuovi controlli abilitano consultazioni on-demand delle policy di accesso ai dati, offrendo molta più agilità in contesti operativi dinamici in cui privacy e requisiti di sicurezza cambiano frequentemente.
• Generazione automatica del contesto di business: in linea con l’enfasi della Denodo Platform sull’arricchimento dell’IA con metadati di business pertinenti, Denodo Assistant ora genera automaticamente tag e attributi di metadati che specificano il contesto di business; inoltre, la nuova versione genera e aggiorna automaticamente embedding di metadati in un database vettoriale (PGVector). Questo accelera l’arricchimento dei dati con termini comprensibili per il business, elemento necessario per rendere i dati AI-ready, e consentirà iterazioni più rapide man mano che il contesto evolve.
• Scrittura su tabelle Iceberg tramite Databricks Unity: per le organizzazioni con un’architettura dati incentrata sul lakehouse di Databricks, Denodo consente ora di creare agenti di IA e altre applicazioni che possono scrivere su tabelle Iceberg gestite da Databricks Unity, per prestazioni ottimizzate in ambienti Databricks soggetti a frequenti cambiamenti.

Insieme all’esperienza self-service per utenti business del Denodo Data Marketplace, introdotta in Denodo Platform 9.2, Denodo offre ora una base dati aziendale senza pari che soddisfa le esigenze, in tempo reale e contestualizzate al business, sia delle persone sia delle applicazioni di IA.

“Denodo sta guadagnando slancio nello spazio della gestione dei dati potenziata dall’IA, per tenere il passo con i rapidi cambiamenti”, ha dichiarato Alberto Pan, Chief Technology Officer (CTO) di Denodo. “Le organizzazioni devono navigare ambienti operativi dinamici che attraversano i confini tradizionali di rete e storage, e la Denodo Platform offre un modo rapido per accogliere questi nuovi casi d’uso in rapida evoluzione attorno a dati AI-ready e business-ready, in un contesto spesso volatile.”

Denodo presenta DeepQuery

Denodo DeepQuery, la funzionalità multi-agente di deep research preannunciata a luglio, è ora disponibile pubblicamente su GitHub. Con DeepQuery, gli sviluppatori di IA possono eseguire query complesse, multipasso e context-aware guidate da domande aperte, ad esempio per individuare le cause del churn o identificare i principali driver della fedeltà dei clienti attraverso sistemi differenti.

DeepQuery fornisce insight spiegabili e in tempo reale in pochi minuti, laddove normalmente a un analista dati esperto servirebbero più giorni.

DeepQuery offre alle community di IA e degli sviluppatori un accesso open source alla funzionalità di deep research di Denodo. Basandosi sul livello semantico e sull’AI SDK di Denodo, DeepQuery determina dinamicamente quali dati servono, ne recupera una vista in tempo reale e orchestra flussi complessi di recupero e ragionamento.

Vantaggi principali:

• Interazioni di IA più intelligenti: consente agli agenti di IA di affinare iterativamente domande e logiche, per risposte più accurate e ricche di contesto.
• Governance e sicurezza dei dati complete: mantiene le query guidate dall’IA allineate a policy aziendali, mascheramento e controlli di accesso.
• Flessibilità open source: disponibile con licenza Apache, abilita la personalizzazione e i contributi della community.

Questi progressi stanno già ricevendo riconoscimenti dal settore: “In Sigmasoft seguiamo da vicino l’innovazione di Denodo nell’IA enterprise — incluse le capacità di deep research di Denodo DeepQuery”, ha dichiarato Shivaji Basu, Chief AI Officer di Sigmasoft, partner di Denodo. “Con la disponibilità generale, siamo entusiasti di collaborare per aiutare i clienti a sbloccare insight spiegabili e cross-system su scala enterprise. È il tipo di maturità dell’IA che dà ai decisori velocità e fiducia.”

Il successo di questo e di altri partner, così come della variegata base clienti di Denodo, rafforza la leadership di Denodo nel rendere l’IA enterprise non solo possibile, ma pratica, governata e di impatto.

L'articolo Denodo Platform 9.3 ora disponibile con un supporto rivoluzionario all’innovazione nell’IA proviene da Data Manager Online.

Mentre l’intelligenza artificiale generativa catalizza l’attenzione del mondo enterprise, i dati restano il vero nodo strategico. A sostenerlo è Andrea Zinno, data evangelist di Denodo, che invita a spostare il focus sull’essenza concettuale dell’integrazione dei dati. «Non è una sfida tecnologica, ma un’avventura semantica» – afferma l’esperto. «Non dobbiamo vincere contro la complessità della tecnologia, che ormai ci consente di fare tutto». L’obiettivo è un altro: «Ritrovare il senso autentico del dato, comprenderne il valore e il perché della sua integrazione all’interno dei sistemi aziendali».

LA TRASFORMAZIONE CONCETTUALE

Una visione che Zinno interpreta con lucidità: «L’integrazione dei dati nasce come esigenza tecnologica, ma se ci si limita a questo, si perde di vista la sua ragione d’essere. Per anni, tanto i provider quanto gli utenti finali hanno trascurato il motivo per cui si fa integrazione: osservare il contesto in cui si opera – che sia un’azienda o una pubblica amministrazione – raccogliere ciò che davvero conta e analizzarlo per rendere i processi più intelligenti ed efficienti». Un messaggio forte, che punta a rimettere al centro il valore semantico dei dati, abbandonando una visione meramente tecnica. Zinno chiarisce infatti come i dati rappresentino «gli occhi digitali» con cui le organizzazioni osservano il proprio contesto, partendo dal presupposto che – «guardare è un atto fisico, mentre vedere è un’attività concettuale e significa riuscire a mettere insieme stimoli per creare una rappresentazione coerente della realtà».

MODELLO SEMANTICO UNIFICATO

In questa prospettiva, l’integrazione dei dati è il passaggio chiave tra rilevazione e comprensione, proprio perché la qualità semantica del dato è spesso trascurata. «Se un dato rappresenta male la realtà, non c’è precisione o pulizia che tenga, perché non riuscirò comunque a vedere tutto ciò che conta» – spiega l’evangelist di Denodo. «La nostra proposta – sottolinea Zinno – è fortemente incentrata su un modello semantico unificato, in grado di definire in modo accurato il significato dei dati e di catturare la dualità del dato fra elementi oggettivi e soggettivi, riconoscendo il valore di entrambi. Chi “guida l’auto” – il business user – non deve conoscere in modo approfondito le caratteristiche tecniche del “motore”, ma sa che può affidarsi ad esso per accelerare e tenere la strada. E chi lavora “sotto il cofano” – il data steward – deve avere in mano strumenti affidabili per configurare tutto al meglio».

#DataAIForum «Tutti parlano di data governance, pochi ne comprendono l’essenza» #Denodo
Click To Tweet

GOVERNANCE, SEMPLICITÀ, FIDUCIA

La vera barriera all’adozione pervasiva dell’intelligenza artificiale, degli strumenti generativi e degli agenti AI in azienda non è tecnologica, ma culturale e organizzativa. «Il cambiamento genera resistenza, soprattutto tra chi da anni opera secondo abitudini operative e schemi consolidati» – osserva Zinno. Per questo è fondamentale il ruolo di ambasciatori interni: figure capaci di credere nel nuovo approccio e diffonderlo attraverso una contaminazione positiva. Ma c’è un ulteriore elemento chiave, spesso sottovalutato: la governance. Non un corollario, ma il cuore dell’orchestrazione dei dati. In contesti sempre più distribuiti e collaborativi, è necessario stabilire un livello centrale di gestione per definire quali dati possano essere condivisi, con chi e secondo quali modalità. «Tutti parlano di data governance – commenta Zinno – ma senza un significato condiviso del dato, è impossibile costruire regole efficaci. È qui che entra in gioco il modello semantico: uno strumento essenziale per garantire che ogni informazione sia usata correttamente da chi ne ha diritto e responsabilità». In altre parole, se l’AI generativa è destinata a produrre reale valore per il business, questo potenziale si sprigiona solo a partire da dati significativi, coerenti, ben modellati e accessibili.

L'articolo Tutto parte dai dati proviene da Data Manager Online.

Denodo, leader nella gestione dei dati, annuncia la disponibilità della nuova funzionalità Denodo DeepQuery, attualmente disponibile in anteprima riservata, con rilascio pubblico previsto a breve, che consente all’AI generativa di andare oltre il recupero di informazioni, analizzando, sintetizzando e spiegando il proprio ragionamento. Denodo ha inoltre annunciato la disponibilità del supporto MCP, Model Context Protocol, all’interno del Denodo AI SDK.

Progettata per gestire domande di business complesse e aperte, DeepQuery sfrutterà l’accesso in tempo reale a un’ampia gamma di dati governati, distribuiti tra sistemi, reparti e formati diversi. A differenza delle soluzioni di GenAI tradizionali, che riformulano i contenuti esistenti, DeepQuery, una funzionalità di Deep Research, può analizzare complesse domande aperte, ed effettuare ricerche tra molteplici fonti e sistemi per fornire risposte ben strutturate, spiegabili e basate su informazioni aggiornate in tempo reale. Per aiutare gli utenti a utilizzare questa nuova funzionalità per comprendere meglio eventi e situazioni complesse e attuali, DeepQuery è in grado di sfruttare anche fonti di dati esterne per estendere e arricchire i dati interni con informazioni pubblicamente disponibili, applicazioni esterne e dati condivisi da partner commerciali.

Superando le potenzialità offerte dalle tradizionali chat di AI generativa e dalla RAG (Retrieval-Augmented Generation), DeepQuery permetterà agli utenti di porre questioni complesse e trasversali, che normalmente richiederebbero giorni di lavoro da parte degli analisti – domande come: “Perché i deflussi di fondi hanno subito un’impennata lo scorso trimestre?”, oppure “Cosa sta guidando i cambiamenti nella customer retention nei diversi Paesi?”. Al posto di unire report e dati esportati da altri sistemi, DeepQuery può connettersi a dati governati e disponibili in tempo reale provenienti da diversi sistemi, applicare un ragionamento di livello esperto e fornire risposte in pochi minuti.

Programmata per essere parte integrante del Denodo AI SDK, che ottimizza lo sviluppo di applicazioni basate sull’intelligenza artificiale grazie ad API preconfigurate, DeepQuery è in fase di sviluppo come componente completamente estendibile della Denodo Platform: questo consentirà a sviluppatori e team AI di creare, testare e integrare funzionalità di Deep Research all’interno dei propri agenti, copilot o applicazioni specifiche di settore.

“Con DeepQuery, Denodo sta dimostrando una visione lungimirante nello sviluppo delle capacità dell’AI”, ha dichiarato Stewart Bond, Research VP, Data Intelligence e Integration Software di IDC. “DeepQuery, che si basa sui progressi nella Deep Research, fornirà risposte basate sull’intelligenza artificiale più accurate e completamente spiegabili”.

I Large Language Model (LLM), gli strumenti di business intelligence e altre applicazioni connesse stanno iniziando a offrire funzionalità di Deep Research basate su dati web pubblici, dati pre-indicizzati specifici per i data lakehouse o sul recupero di informazioni da documenti. Tuttavia, solo Denodo, proprio con DeepQuery, sta sviluppando funzionalità di Deep Research fondate su dati provenienti da tutti i sistemi, disponibili in tempo reale, strutturati e governati. Queste funzionalità sono rese possibili dall’approccio logico alla gestione dei dati della Denodo Platform, nel cui cuore batte una solida e performante soluzione di virtualizzazione dei dati.

Denodo DeepQuery è attualmente disponibile come anteprima riservata. Denodo sta invitando alcune aziende selezionate a partecipare all’AI Accelerator Program, che offre un accesso anticipato alle funzionalità di DeepQuery, oltre all’opportunità di collaborare con il team di prodotto per contribuire a definire il futuro della GenAI aziendale.

“In qualità di partner di Denodo, siamo sempre alla ricerca di soluzioni che ci consentano di fornire ai nostri clienti un vantaggio competitivo”, ha dichiarato Nagaraj Sastry, Senior Vice President, Data and Analytics di Encora. “Denodo DeepQuery ci offre esattamente questo. Quello che contraddistingue questa funzionalità è la capacità di sfruttare dati governati e disponibili in tempo reale per ottenere insight approfonditi e contestualizzati. Questo significa che possiamo aiutare i nostri clienti ad andare oltre le query AI generiche, verso un’analisi realmente intelligente, permettendo loro di prendere decisioni più rapide e consapevoli, e accelerandone il percorso di adozione dell’intelligenza artificiale”.

Denodo ha inoltre annunciato la disponibilità del supporto MCP, Model Context Protocol: un’implementazione del server MCP è ora inclusa nell’ultima versione di Denodo AI SDK. Di conseguenza, tutte le applicazioni e gli agenti AI basati su Denodo AI SDK possono essere integrati con qualsiasi client compatibile con MCP, offrendo ai clienti una base dati affidabile per i loro ecosistemi di Agentic AI basati su standard aperti.

“Il vero potenziale dell’AI per le aziende non risiede solo nella capacità di generare risposte, ma nella comprensione dell’intero contesto che vi sta alla base”, ha dichiarato Angel Viña, CEO e Founder di Denodo. “Con DeepQuery stiamo sbloccando questo potenziale, combinando l’intelligenza artificiale generativa con l’accesso governato e in tempo reale all’intero ecosistema dei dati aziendali, indipendentemente da dove risiedano. A differenza delle soluzioni isolate e legate a un singolo archivio, DeepQuery sfrutta una semantica unificata e arricchita, a partire da diverse fonti distribuite, permettendo all’AI di ragionare, spiegare e agire sui dati con una profondità e una precisione senza precedenti”.

L'articolo Denodo lancia Denodo DeepQuery, una funzionalità di Deep Research proviene da Data Manager Online.