→ Gartner® Hype Cycle for Agentic AI, 2026 (Aprile 2026)
→ Gartner® Hype Cycle for AI in ITSM, 2026 (Giugno 2026)
→ Gartner® Hype Cycle for IT Operations, 2026 (Giugno 2026)

Cosa significa orchestrare gli agenti

Negli ultimi anni, l’intelligenza artificiale generativa ha reso familiari ad aziende e pubbliche amministrazioni le interazioni quotidiane con sistemi capaci di comprendere richieste in linguaggio naturale e rispondere in modo appropriato: chatbot, assistenti virtuali e strumenti di scrittura assistita. L’AI Agentica rappresenta il passo successivo: non più un singolo modello che risponde a una domanda alla volta, ma ecosistemi di agenti specializzati che collaborano tra loro su processi complessi, scambiandosi informazioni, attivando applicazioni esterne, accedendo ai dati aziendali e, infine, prendendo decisioni operative. L’orchestrazione è il livello che coordina questi agenti e ne governa il flusso di lavoro. Un esempio concreto è un processo documentale in cui un agente analizza il file in entrata, un secondo recupera i dati corrispondenti dall’ERP, un terzo verifica la presenza di anomalie e un quarto prepara la proposta operativa da presentare a un operatore umano. Rendere tutto ciò affidabile e governabile su scala aziendale è la vera sfida di questa fase. I numeri confermano che l’interesse è reale. Secondo la Gartner’s 2026 CIO and Technology Executive Survey, «solo il 17% delle organizzazioni ha già implementato agenti AI, ma il 42% pianifica di farlo nei prossimi 12 mesi: la curva di adozione più rapida tra tutte le tecnologie emergenti analizzate dall’istituto».

Userbot e l’intuizione di Antonio Giarrusso

Antonio Giarrusso appartiene a quella generazione di imprenditori che ha iniziato a sperimentare con la tecnologia prima che l’AI entrasse nel mainstream. Il suo primo progetto, iMatematica, nasce quasi per caso nel 2009 e diventa in poco tempo uno strumento usato da milioni di studenti. Con la crescita della community emerge una nuova sfida: garantire a ogni utente lo stesso livello di supporto senza comprometterne la qualità. Da qui nasce l’intuizione alla base di Userbot: affidare all’intelligenza artificiale l’automazione dell’assistenza. Fondata nel 2017, Userbot cresce fino a diventare un punto di riferimento riconosciuto anche da Gartner nell’ambito dell’orchestrazione di agenti AI. Nel 2023 l’ingresso di smeup nel capitale della società apre a Userbot l’accesso a una rete di 2.600 clienti enterprise, in continuità con un percorso di crescita organica ancorata a progetti reali.

«Il valore dell’orchestrazione agentica non sta nell’automazione fine a se stessa, ma nella capacità di rendere i processi aziendali comprensibili e governabili. In un contesto in cui le organizzazioni devono rispondere di ogni decisione – ai clienti, ai regolatori, ai propri collaboratori – avere agenti AI il cui ragionamento sia verificabile non è un’opzione: è un prerequisito. Il riconoscimento di Gartner ci conferma che questa visione sta diventando un parametro di scelta concreto per il mercato enterprise.» – Antonio Giarrusso, CEO Userbot.

Tecnologia senza scatole nere

Userbot.AI si distingue per due scelte precise. La prima: la piattaforma è model-agnostic by design: non è vincolata a un singolo provider AI e consente di selezionare e sostituire i modelli in tempo reale. La seconda riguarda governance e osservabilità: ogni fase del processo decisionale degli agenti è tracciabile, a differenza dei sistemi a “scatola nera”. Un requisito critico per pubbliche amministrazioni, aziende regolamentate e realtà che non possono permettersi processi opachi. Le applicazioni già in produzione spaziano dal customer care alle risorse umane, fino a contesti industriali come la produzione, la supply chain, la manutenzione, la logistica e la gestione dei processi ERP.

La roadmap di smeup non punta ad aggiungere funzionalità AI ai singoli prodotti, ma a costruire un ecosistema di agenti intelligenti trasversale all’intera suite gestionale. L’orchestrazione degli agenti è ancora una tecnologia emergente – ma è già il territorio dove si decide chi sarà rilevante nella prossima fase dell’AI applicata al business. Scegliere oggi da dove iniziare a sperimentare è, in sé, una decisione strategica.

L'articolo Chi dirige gli agenti AI? proviene da Data Manager Online.

L’intelligenza artificiale non deve più dimostrare di poter funzionare. Per i vertici aziendali, la domanda è diventata un’altra: l’organizzazione sta investendo abbastanza, e con sufficiente rapidità, per non perdere terreno rispetto ai concorrenti?

È il cambiamento di prospettiva evidenziato dalla seconda edizione dello studio Cisco “Come i CEO vedono l’IA”, realizzato intervistando 2.500 amministratori delegati di aziende con più di 250 dipendenti in 23 Paesi.

Il 91% dei CEO si dichiara più ottimista rispetto allo scorso anno sulle potenzialità dell’intelligenza artificiale. Parallelamente cresce, però, anche il timore di restare indietro: il 65% ritiene che la propria impresa potrebbe non investire abbastanza, rispetto al 53% registrato nella precedente edizione della ricerca.

Oltre due CEO su tre, il 69%, considerano ormai l’adozione dell’AI un requisito essenziale per un’azienda moderna. Lo slancio strategico, tuttavia, non sempre trova riscontro nella preparazione tecnologica delle organizzazioni. Infrastrutture insufficienti, dati frammentati e difficoltà nel garantire sicurezza e controllo rischiano di rallentare il passaggio dai progetti pilota all’adozione su larga scala.

L’AI passa dalla sperimentazione alla priorità strategica

I risultati mostrano una crescente maturità del management nei confronti dell’intelligenza artificiale.

In un solo anno, la percentuale di CEO che si sente frenata nelle decisioni da una conoscenza insufficiente dell’AI è scesa dal 74% al 47%. Anche la quota di leader convinti che questa lacuna impedisca loro di prendere decisioni ponderate è diminuita, passando dal 74% al 49%.

Il problema, quindi, non è più soltanto comprendere la tecnologia, ma tradurre la maggiore consapevolezza in capacità di esecuzione.

L’evoluzione conferma un orientamento già emerso nella precedente edizione dello studio Cisco, quando l’attenzione dei CEO si concentrava soprattutto sulla necessità di sviluppare competenze, modernizzare le infrastrutture e rafforzare la cybersecurity.

Per CIO e IT manager questo cambio di passo aumenta la pressione sulle roadmap tecnologiche. La leadership aziendale si aspetta risultati più rapidi, ma la capacità di produrre valore dipende dalla disponibilità di reti, piattaforme dati, sistemi di sicurezza e modelli operativi adeguati.

Infrastrutture AI-ready: la prima priorità per il 2026

L’aggiornamento delle infrastrutture IT è indicato dai CEO come la principale priorità per il 2026, seguito dalla formazione del personale.

Il 53% degli intervistati teme che i limiti dell’infrastruttura possano rallentare l’adozione dell’intelligenza artificiale. L’esecuzione di modelli e agenti AI richiede infatti reti ad alte prestazioni, capacità di calcolo scalabile, bassa latenza, osservabilità e un controllo coerente degli ambienti on-premise, cloud ed edge.

La questione non riguarda soltanto la potenza di calcolo. Con l’aumento dei workload AI, la rete diventa una componente strutturale dell’architettura: deve collegare dati, modelli, applicazioni e utenti garantendo prestazioni prevedibili e sicurezza integrata.

DataManager ha già approfondito questo passaggio nell’analisi sulla rete come piattaforma AI-ready e nella riflessione sulla corsa alle infrastrutture necessarie per sostenere l’Agentic AI.

I dati frammentati restano il principale ostacolo

La disponibilità di infrastrutture adeguate non basta quando le informazioni aziendali sono disperse tra silos, applicazioni legacy e ambienti non integrati.

Il 34% dei CEO considera i problemi di qualità, accessibilità e centralizzazione dei dati la barriera più significativa all’avanzamento dell’AI. È una percentuale superiore a quella associata a qualsiasi altra singola criticità rilevata dallo studio.

Per un sistema di intelligenza artificiale, e ancora di più per un agente chiamato a prendere decisioni o eseguire operazioni, il contesto è essenziale. Informazioni incomplete, incoerenti o non aggiornate possono produrre risposte poco affidabili e propagare errori nei processi aziendali.

La sfida per i CIO è quindi duplice: rendere i dati tecnicamente accessibili e assicurarne qualità, tracciabilità, significato e corretta autorizzazione. Non si tratta semplicemente di concentrare tutte le informazioni in un unico repository, ma di creare un livello di governance che consenta ai sistemi AI di utilizzare il dato giusto, nel contesto corretto e con permessi coerenti.

Il rapporto tra data governance e intelligenza artificiale diventa così uno degli elementi centrali della strategia enterprise: la governance deve ridurre i rischi senza trasformarsi in un ostacolo all’innovazione.

L’AI agentica porta sicurezza e controllo al primo posto

L’inserimento di agenti AI nella forza lavoro rientra tra le tre priorità principali indicate dai CEO per il 2026. La prospettiva è quella di sistemi capaci non soltanto di elaborare informazioni, ma anche di interagire con applicazioni, utilizzare strumenti ed eseguire attività con diversi livelli di autonomia.

Proprio questa capacità di azione rende sicurezza e controllo la principale preoccupazione dei vertici aziendali.

Un agente compromesso, configurato in modo errato o dotato di privilegi eccessivi può produrre conseguenze operative più significative rispetto a un tradizionale chatbot. Le imprese devono quindi applicare agli agenti controlli sulle identità, autorizzazioni granulari, segmentazione, logging, monitoraggio continuo e meccanismi di revoca.

Come evidenziato nell’approfondimento di DataManager su AI agentica, sicurezza e fiducia, governance e protezione devono essere integrate fin dalla progettazione delle piattaforme, e non aggiunte soltanto dopo il deployment.

Lo stesso principio vale per il threat modeling. L’adozione degli agenti deve tenere conto non solo delle vulnerabilità del modello, ma anche delle azioni che il sistema può compiere, dei dati ai quali può accedere e degli strumenti che può utilizzare.

Umani e AI: il controllo resterà alle persone

Nonostante l’aumento dell’autonomia tecnologica, i CEO non prevedono un futuro in cui l’intelligenza artificiale sostituirà completamente il contributo umano.

Quasi tutti gli intervistati ritengono che entro il 2030 l’AI avrà un ruolo nelle attività aziendali, ma il 72% immagina che continuerà a operare come supporto o a eseguire compiti sotto la direzione, il giudizio o la supervisione delle persone.

Le motivazioni sono operative, oltre che etiche. La supervisione umana è considerata necessaria per garantire la sicurezza dei sistemi, mantenere efficace la collaborazione tra persone e agenti e gestire le conseguenze delle decisioni automatizzate.

Il modello emergente non è quindi quello dell’autonomia assoluta, ma di una collaborazione strutturata nella quale le persone definiscono obiettivi, limiti e responsabilità, mentre gli agenti accelerano l’esecuzione delle attività.

È il principio dello human-in-the-loop, approfondito anche nell’articolo di DataManager “Agenti AI, il cuore operativo della nuova impresa”: l’autonomia cresce, ma deve essere accompagnata da controllo, tracciabilità e una chiara attribuzione delle responsabilità.

In Europa prevale un approccio basato sulla fiducia

La ricerca mette in evidenza una specificità europea. I CEO del continente sembrano meno concentrati sulla velocità di implementazione e più attenti alle modalità con cui l’AI viene introdotta nei processi.

Fiducia, trasparenza e allineamento etico assumono un peso rilevante. L’indicazione che emerge è quella di non sacrificare la fiducia di dipendenti, clienti e stakeholder in nome dell’efficienza o della rapidità di adozione.

Questo orientamento non implica necessariamente un rallentamento dell’innovazione. Al contrario, può contribuire a costruire sistemi più sostenibili nel tempo, evitando che implementazioni opache o scarsamente governate producano rischi legali, reputazionali e operativi.

Per i CIO europei significa affiancare alla roadmap tecnologica una serie di elementi organizzativi: policy sull’utilizzo dei sistemi, criteri di trasparenza, valutazioni del rischio, responsabilità definite e strumenti per documentare le decisioni prese o supportate dall’AI.

Il divario tra ambizione e readiness

Le preoccupazioni espresse dai CEO trovano riscontro nel Cisco AI Readiness Index 2026, condotto su oltre 8.000 responsabili IT a livello globale.

Secondo i dati riportati nel comunicato:

• soltanto il 22% considera la propria rete ottimale per i workload di intelligenza artificiale;
• appena il 31% si ritiene pronto a garantire sicurezza e controllo sugli agenti AI;
• solo il 19% dispone di dati completamente centralizzati e accessibili ai sistemi di AI.

Il quadro evidenzia una distanza significativa tra ambizione strategica e capacità tecnica. I CEO sono sempre più convinti della necessità di investire, ma gran parte delle organizzazioni deve ancora creare le condizioni per trasformare gli investimenti in risultati affidabili e scalabili.

Per i CIO la priorità è costruire fondamenta, non moltiplicare i progetti pilota

La ricerca invia un messaggio chiaro ai responsabili tecnologici: il 2026 non sarà l’anno in cui avviare il maggior numero possibile di sperimentazioni, ma quello in cui scegliere quali progetti portare in produzione e costruire l’architettura necessaria per sostenerli.

La roadmap dovrebbe partire da quattro priorità: modernizzazione della rete e delle infrastrutture, consolidamento del patrimonio informativo, sicurezza degli agenti e formazione delle persone.

A queste si aggiunge la necessità di definire un modello operativo nel quale business, IT, cybersecurity, data team e funzioni di controllo condividano responsabilità e metriche.

La paura dei CEO di non investire abbastanza rapidamente è comprensibile. Tuttavia, aumentare la spesa senza intervenire sulle fondamenta può moltiplicare costi, complessità e rischi. La vera differenza competitiva non dipenderà soltanto dalla velocità con cui le imprese adotteranno l’AI, ma dalla capacità di renderla affidabile, governabile e integrata nei processi aziendali.

L'articolo Cisco: cresce la fiducia dei CEO nell’AI, ma infrastrutture, dati e sicurezza frenano la corsa proviene da Data Manager Online.

L’intelligenza artificiale sta finalmente passando dalla sperimentazione alla creazione di valore. È questa l’indicazione più significativa che emerge dalla ricerca “The SAP Value of AI 2026”, realizzata da SAP e Oxford Economics su un campione di 2.300 dirigenti in 13 Paesi, tra cui 200 italiani.

Per i CIO il dato più interessante non riguarda tanto l’aumento degli investimenti, quanto il fatto che il ritorno economico dell’AI inizia a diventare misurabile. Le aziende italiane prevedono infatti un investimento medio di 18,4 milioni di dollari nel 2026, destinato a crescere del 45% entro i prossimi due anni. Parallelamente, il ROI atteso passerà dal 20% (4,9 milioni di dollari) al 38%, raggiungendo i 12,2 milioni di dollari.

L’AI agentica diventa una priorità strategica

La ricerca conferma un trend ormai evidente nel mercato enterprise: il focus si sta spostando dall’AI generativa agli agenti intelligenti capaci di eseguire attività, orchestrare processi e collaborare con applicazioni e persone.

Secondo SAP, entro due anni il ROI attribuibile all’AI agentica raggiungerà 13,7 milioni di dollari per azienda in Italia, mentre il 75% delle organizzazioni considera questa tecnologia un fattore di trasformazione rilevante.

Si tratta di un’evoluzione che DataManager ha già approfondito nell’analisi dedicata agli Agenti AI, il cuore operativo della nuova impresa, dove emerge come il vero salto non sia più la generazione di contenuti, ma l’esecuzione autonoma dei processi.

Dalla sperimentazione alla scalabilità

L’AI è ormai presente nel cuore delle operations. Oggi supporta il 26% delle attività aziendali, quota destinata a salire al 44% entro il 2028.

Il problema, tuttavia, non è più introdurre nuovi modelli, ma riuscire a scalarli.

Solo il 20% delle imprese italiane dichiara infatti di seguire un approccio realmente strategico all’adozione dell’intelligenza artificiale, mentre il 36% continua a sviluppare iniziative isolate e poco integrate.

Anche sul piano organizzativo permane un gap significativo:

• solo il 45% dispone di un responsabile dedicato all’AI;
• appena il 35% definisce KPI specifici per misurarne l’impatto;
• solo il 37% ha attivato programmi strutturati di formazione.

Per un CIO questi numeri indicano una criticità evidente: l’AI continua a essere spesso un’iniziativa tecnologica anziché un programma di trasformazione del business.

Il vero collo di bottiglia sono i dati

Se l’AI generativa ha abbassato la barriera tecnologica, oggi il principale limite è rappresentato dalla qualità del patrimonio informativo.

Il 74% delle aziende italiane segnala problemi di qualità dei dati e il 77% dichiara di aver subito ritardi, rilavorazioni o backlog a causa di output AI poco affidabili.

Non sorprende quindi che SAP continui a porre l’accento sulla connessione tra AI, processi e dati aziendali, un tema affrontato anche durante il recente SAP Executive Summit e che rappresenta uno dei prerequisiti fondamentali per costruire architetture enterprise realmente scalabili.

Governance: la sfida che precede quella tecnologica

Il dato probabilmente più interessante per i responsabili IT riguarda però la governance.

Solo una impresa italiana su dieci ritiene di possedere processi e competenze adeguati per governare l’intelligenza artificiale.

L’arrivo degli agenti AI rende questa lacuna ancora più evidente:

• il 40% delle aziende non utilizza processi human-in-the-loop;
• il 25% non dispone di controlli specifici sugli accessi degli agenti;
• solo il 48% mantiene un inventario degli agenti AI attivi.

Sono aspetti che richiamano direttamente i temi della governance, della compliance e della sicurezza, sempre più centrali anche alla luce dell’AI Act europeo e dell’evoluzione delle architetture enterprise.

Shadow AI e competenze: il rischio è organizzativo

Accanto agli aspetti tecnologici emergono criticità di natura organizzativa.

L’80% degli intervistati ritiene che le iniziative di reskilling non stiano tenendo il passo con l’evoluzione dell’intelligenza artificiale, mentre il fenomeno della Shadow AI interessa almeno occasionalmente il 67% delle aziende.

Per i CIO il problema non è tanto impedire l’utilizzo dell’AI quanto riuscire a governarlo, integrandolo nei processi aziendali e definendo policy, responsabilità e controlli coerenti.

Dall’AI all’Autonomous Enterprise

Secondo Carla Masperi, Amministratore Delegato di SAP Italia, il prossimo passo sarà costruire organizzazioni nelle quali dati, processi e AI operino come un unico sistema.

È la visione dell’Autonomous Enterprise, nella quale gli agenti AI non sostituiscono le persone ma collaborano con esse all’interno di workflow governati, contestualizzati e misurabili.

Per i responsabili IT il messaggio della ricerca è chiaro: il valore dell’AI non dipenderà più dalla scelta del modello linguistico più potente, ma dalla capacità di integrare dati, processi, sicurezza e governance in un’unica architettura digitale. Solo così sarà possibile trasformare l’attuale entusiasmo per l’AI agentica in un vantaggio competitivo sostenibile.

L'articolo SAP: il ROI dell’AI accelera, ma governance e qualità dei dati restano il vero banco di prova per i CIO proviene da Data Manager Online.

Negli ultimi anni il concetto di AI Factory è diventato uno dei simboli più riconoscibili della nuova era dell’intelligenza artificiale. Grandi cluster di GPU, concentrati in pochi data center altamente specializzati, hanno reso possibile l’addestramento di modelli sempre più complessi e potenti, accelerando una trasformazione tecnologica senza precedenti.

Questa evoluzione è stata fondamentale: senza infrastrutture centralizzate di questa scala, lo sviluppo dell’AI generativa non avrebbe raggiunto l’attuale livello di maturità. Tuttavia, quando l’intelligenza artificiale esce dalla fase sperimentale e inizia a essere integrata nei processi produttivi delle aziende, emerge un punto critico sempre più evidente: il valore dell’AI non dipende solo dalla capacità di addestrare modelli, ma soprattutto dalla possibilità di utilizzarli in modo continuo, efficiente e su scala globale.

È qui che il paradigma cambia. Nel ciclo di vita dell’intelligenza artificiale è infatti essenziale distinguere tra training e inferenza. Il primo è un processo intensivo dal punto di vista computazionale ma episodico. Il secondo è il momento in cui il modello entra realmente in azione, rispondendo alle richieste degli utenti ed elaborando informazioni in tempo reale. Ed è proprio l’inferenza a rappresentare la vera economia dell’AI: ogni interazione digitale, ogni sistema di raccomandazione, ogni applicazione intelligente si basa su questo processo.

Con la diffusione dell’AI in ambito enterprise, l’inferenza è destinata a diventare la componente dominante sia in termini di volumi sia di costi operativi. Non sorprende che molte analisi prevedano che rappresenterà la maggior parte dei workload AI nei prossimi anni.

I limiti della centralizzazione

Questo spostamento ha implicazioni profonde. Non è più sufficiente concentrare la potenza di calcolo in pochi poli sempre più grandi e potenti: diventa necessario ripensare dove e come l’intelligenza viene eseguita.

Le AI Factory continueranno a svolgere un ruolo imprescindibile, soprattutto nella fase di addestramento dei modelli. Ma quando questi modelli vengono messi in produzione emergono limiti strutturali che non possono essere ignorati.

La latenza è il primo: in molti casi d’uso – dall’elaborazione video in tempo reale alla personalizzazione delle esperienze digitali fino all’automazione industriale – anche pochi millisecondi possono fare la differenza tra un’esperienza fluida e una inefficace. A questo si aggiungono i costi legati al trasferimento dei dati e le complessità normative e di governance, soprattutto nei settori regolamentati dove la sovranità del dato è un requisito essenziale. Infine, la scalabilità: concentrare tutte le richieste di inferenza in pochi hub globali significa esporsi a colli di bottiglia nei momenti di picco.

Per queste ragioni, il mercato sta evolvendo verso modelli ibridi e distribuiti, in cui il cloud centrale rimane fondamentale ma non più esclusivo.

L’edge come estensione naturale del cloud

In questo contesto, l’edge computing assume un ruolo sempre più strategico. Portare la capacità di calcolo vicino al punto in cui i dati vengono generati e utilizzati consente di ridurre la latenza, migliorare l’esperienza utente e ottimizzare l’efficienza complessiva dell’infrastruttura.

Non si tratta di sostituire il cloud, ma di estenderlo.

L’obiettivo non è replicare ovunque la stessa potenza di calcolo, ma costruire un modello intelligente di distribuzione dell’inferenza, in cui ogni richiesta venga eseguita nel punto della rete più adatto in base a criteri dinamici come prestazioni, costi e disponibilità.

È su questa trasformazione che si inserisce l’evoluzione delle piattaforme globali di Akamai, con soluzioni come Akamai Inference Cloud, che portano capacità di calcolo accelerato direttamente all’interno di una rete globale distribuita. L’obiettivo è rendere l’inferenza un servizio nativamente edge-aware, capace di adattarsi in tempo reale alle condizioni della rete e ai requisiti applicativi.

Orchestrazione e architettura distribuita

Ma distribuire la potenza di calcolo non basta. La vera sfida è l’orchestrazione: la capacità di decidere dinamicamente dove eseguire ogni singola inferenza, bilanciando latenza, carico infrastrutturale, prossimità geografica e vincoli di compliance. In altre parole, la rete diventa una sorta di sistema operativo globale dell’intelligenza artificiale.

In questo modello anche lo storage e la gestione dei dati giocano un ruolo fondamentale. Soluzioni come Akamai Object Storage permettono di supportare carichi distribuiti garantendo accesso coerente ai dati e prestazioni elevate indipendentemente dalla posizione in cui avviene l’elaborazione.

Il risultato è un’architettura realmente ibrida, in cui cloud ed edge non sono in competizione ma collaborano. Il cloud centrale continua a rappresentare il cuore del training e dei processi più complessi e intensivi, mentre l’edge diventa il livello in cui l’intelligenza artificiale interagisce con il mondo reale: utenti, dispositivi, sistemi industriali e transazioni digitali. 

Casi d’uso e impatto reale

Questa combinazione consente di allocare ogni workload nel punto più efficiente dell’infrastruttura, abilitando nuovi scenari applicativi.

Nel media, l’inferenza all’edge consente di personalizzare e trasformare contenuti live in tempo reale senza sovraccaricare le infrastrutture centrali. Nel retail, abilita esperienze più ricche e immediate nei punti vendita, migliorando l’interazione con i clienti e la gestione operativa. Nei servizi finanziari, permette di rilevare frodi e anomalie nel momento stesso in cui avvengono le transazioni, riducendo drasticamente i tempi di risposta.

In tutti questi scenari, la prossimità dell’intelligenza non è solo un vantaggio tecnologico, ma un elemento competitivo decisivo.

Resilienza e conclusione

Un ulteriore beneficio di questo modello è la resilienza. In un’architettura distribuita, eventuali guasti locali non compromettono il servizio complessivo: i workload vengono automaticamente ridistribuiti verso altri nodi della rete o verso il core centrale. Questo rende l’infrastruttura AI più robusta e adattiva.

La storia delle infrastrutture digitali insegna che ogni tecnologia realmente scalabile tende alla distribuzione. È accaduto con i contenuti e le CDN, poi con il cloud computing, e oggi sta accadendo con l’intelligenza artificiale.

Le AI Factory continueranno a essere essenziali, ma non saranno sufficienti. Il futuro dell’AI non sarà definito solo dalla potenza dei modelli, ma dalla loro capacità di essere presenti ovunque servano, esattamente nel momento in cui servono.

In definitiva, il valore non risiederà soltanto nell’intelligenza costruita nei data center, ma nella sua capacità di essere distribuita nel mondo reale.

A cura di Nicola Ferioli, Head of Engineering di Akamai Technologies

L'articolo Le AI Factory non bastano: il valore dell’AI si gioca nell’inferenza all’edge proviene da Data Manager Online.

Per due anni, la strategia aziendale sull’IA si è basata su un unico assunto: arrivare ai limiti il più velocemente possibile. Il percorso predefinito era un account sul cloud pubblico, una chiave API di OpenAI o Anthropic e la disponibilità ad assorbire i costi in cambio della velocità. Quell’istinto ha prodotto sperimentazioni straordinarie – ma ora sta andando a sbattere contro un muro.

Gartner prevede che la spesa mondiale per l’IA raggiungerà i 2,52 trilioni di dollari nel 2026, con un aumento del 44% su base annua, di cui 1,37 trilioni destinati esclusivamente all’infrastruttura. Infatti, a metà del 2025, hanno affermato che l’IA è entrata in una “Fase di disillusione”, in cui la scalabilità dipende da un ROI prevedibile piuttosto che da progetti pilota visionari. La pressione si è spostata dalla velocità con cui le imprese possono sperimentare l’IA alla loro capacità di sostenerla, governarla e difenderla in produzione.

Dall’accesso pionieristico all’economia dell’inferenza

Stiamo passando dall’IA 1.0, dove l’accesso a modelli all’avanguardia era il fattore di differenziazione, all’IA 2.0, dove l’economia dell’inferenza, la gravità dei dati, la latenza e il controllo determinano il risultato. I prezzi dei token sono diminuiti di circa dieci volte ogni anno dal 2021, eppure la spesa totale per l’IA nella maggior parte delle imprese è aumentata perché modelli più capaci richiedono flussi di lavoro decisamente più ricchi.

Anthropic, OpenAI e Mistral stanno ora differenziando la propria offerta tra modelli di punta e modelli base a basso costo proprio perché i clienti si rifiutano di pagare i prezzi dei modelli di punta per ogni attività. Il sondaggio di McKinsey “2025 State of AI” conferma questa tendenza: l’adozione si sta diffondendo, ma un impatto su larga scala rimane difficile da raggiungere nella maggior parte delle organizzazioni. La domanda che i CIO si pongono non è più quale modello utilizzare, ma quale carico di lavoro eseguire dove, a quale costo e secondo quali criteri.

Il test della “Next Best Action”

Prendiamo un caso d’uso aziendale: una banca che fornisce la “Next Best Action”, ovvero la raccomandazione in-app, in filiale o tramite call center fornita in millisecondi in risposta alla richiesta in tempo reale del cliente. Le migliori banche con cui collaboriamo hanno dimostrato che la personalizzazione a questo livello può aumentare i ricavi del 5-15%. Una banca globale con cui collaboriamo ha lanciato un assistente AI che ha già risolto più di 1,5 milioni di richieste nel suo primo anno.

Tuttavia, la matematica dell’inferenza è spietata. Una singola decisione dell’agente può innescare da cinque a venti chiamate al modello, ciascuna con la propria finestra di contesto. Il divario tra 0,50$ e 3,30$ per milione di token di input – insignificante in una demo a ciclo singolo – diventa la differenza tra una funzionalità con margine positivo e una che consuma silenziosamente capitale attraverso centinaia di milioni di eventi.

Analisi recenti suggeriscono che le aziende che utilizzano un unico modello di fascia alta per ogni attività stiano spendendo il 40–85% in più per l’inferenza. Decagon, dopo aver progettato la propria architettura su uno stack multimodello open source basato su NVIDIA Blackwell, ha ridotto di sei volte il costo per query vocale. La mossa migliore non è più una decisione di marketing, ma di economia unitaria, presa un token instradato alla volta.

La sovranità diventa la strategia

Il dibattito tra cloud pubblico e IA privata non è più ideologico: è specifico al carico di lavoro e la geopolitica è entrata nell’equazione. Gli obblighi ad alto rischio previsti dall’AI Act dell’UE entreranno pienamente in vigore nell’agosto 2026, con multe fino a 35 milioni di euro o al 7% del fatturato globale; Francia e Germania stanno orientando gli appalti nazionali verso Mistral e stack sovrani open-weight.

In Asia, la regolamentazione dell’IA sta prendendo forma in modi nettamente diversi. Il Model AI Governance Framework di Singapore e gli strumenti di test dell’IMDA sono diventati modelli regionali. In Oriente, l’AI Promotion Act giapponese sovrappone regole settoriali a linee guida volontarie; l’AI Basic Act della Corea del Sud impone un’assicurazione di responsabilità civile per i sistemi ad alto rischio. Nel frattempo, l’India ha lanciato il suo LLM sovrano in occasione dell’2026 AI Impact Summit e sta destinando 1,25 miliardi di dollari alla IndiaAI Mission, con la legge DPDP che entrerà in vigore gradualmente entro il 2027.

La spinta all’open source guidata dallo Stato cinese, la legge PDP indonesiana e l’approccio settoriale pragmatico dell’Australia completano un quadro in cui non esistono due giurisdizioni uguali – e il 96% delle organizzazioni in APAC ha pianificato di aumentare gli investimenti in IA, principalmente tramite infrastrutture ibride. Un’architettura IA basata su un unico cloud e un’unica giurisdizione è ormai un rischio strutturale.

Il nostro lavoro di inferenza ibrida con NVIDIA e il più ampio passaggio all’IA on-premise per i carichi di lavoro regolamentati rappresentano una risposta diretta.

Il vero gap è al di sopra del modello

La lezione più dura degli ultimi 18 mesi è che la commoditizzazione dei modelli non riduce la complessità aziendale, ma la trasferisce altrove. Mistral o DeepSeek riducono i costi di sperimentazione, ma gli oneri di orchestrazione, governance, valutazione e integrazione salgono lungo la catena e ricadono sull’acquirente.

La stessa dinamica si sta ora verificando nell’IA fisica e nella tecnologia della difesa. Physical Intelligence, Figure AI e Skild AI stanno portando i modelli di base dei robot nelle fabbriche, nei centri logistici e nelle case, dove la latenza, la sovranità e la residenza dei dati contano più dei punteggi dei benchmark. World Labs di Fei-Fei Li sta costruendo il livello di intelligenza spaziale – modelli del mondo che percepiscono e ragionano in 3D – che costituirà l’àncora della prossima generazione di gemelli digitali industriali. Palantir e Anduril hanno costruito interi franchise partendo dal presupposto che il piano di controllo, non il modello, sia il vantaggio duraturo.

I dirigenti dovrebbero misurare l’economia unitaria per attività utile, il carico operativo per agente implementato e il rapporto tra le risorse di inferenza impiegate per la struttura di governance che la circonda. Tale rapporto è in genere di 1:5 o peggiore.

Cosa riserva il futuro a banche, operatori di telecomunicazioni e fabbriche

È in arrivo un secondo cambiamento architettonico: l’attenzione sub-quadratica. Gli approcci di DeepSeek, Google e Cartesia stanno riducendo il costo del ragionamento a lungo termine di diversi ordini di grandezza, con benchmark recenti che mostrano riduzioni dei costi da 100 a 300 volte a parità di accuratezza.

Per le grandi banche, questo trasforma la modellizzazione del rischio dell’intero portafoglio, il rilevamento di modelli di frode su più decenni e il Know-Your-Customer (KYC) intergiurisdizionale in operazioni a passaggio singolo piuttosto che soluzioni alternative di recupero a blocchi.

Per le società di telecomunicazioni, le operazioni di rete agentiche, la manutenzione predittiva e il ragionamento pluriennale sul percorso del cliente diventano economicamente sostenibili su larga scala.

Per i produttori, la simulazione dell’intero impianto e la previsione delle interruzioni della catena di approvvigionamento passano da lavori batch periodici a un ragionamento continuo.

L’architettura vincente non sarà quella con il token più economico. Sarà quella che colloca la potenza di calcolo il più vicino possibile ai dati, sotto la giusta giurisdizione, con una governance che regge. Sostenibile, sovrana, controllata: questa è la nuova triade. Le imprese che la costruiranno ora definiranno il prossimo decennio.

Articolo a cura di Abhas Ricky, Chief Strategy Officer, Cloudera

L'articolo Dai token alla fiducia: un passaggio che vale 2,5 trilioni di dollari per l’IA proviene da Data Manager Online.

Lo studio, realizzato su 2.500 dirigenti di PMI in dieci Paesi europei, evidenzia come il principale ostacolo all’adozione responsabile dell’intelligenza artificiale non sia la tecnologia, bensì la cultura organizzativa.

La Shadow AI arriva fino al top management

La ricerca fotografa un fenomeno in rapida espansione: l’uso “silenzioso” dell’intelligenza artificiale è ormai diffuso a tutti i livelli aziendali.

Tra i dati più significativi emerge che:

• il 44% dei dirigenti utilizza strumenti di AI per apparire più competente sul lavoro senza comunicarlo ai colleghi;
• il 45% dei dipendenti adotta applicazioni di intelligenza artificiale senza informare il management;
• il 37% dei manager ha utilizzato l’AI in progetti aziendali senza coinvolgere il proprio team;
• il 33% dei leader teme che dichiarare apertamente l’utilizzo dell’AI possa essere interpretato come una mancanza di professionalità;
• il 31% riconosce che un utilizzo non controllato dell’intelligenza artificiale rappresenta un rischio concreto per l’organizzazione.

Il fenomeno mostra quindi una contraddizione evidente: l’AI viene utilizzata sempre di più, ma continua a essere percepita come qualcosa da nascondere.

Il problema non è la tecnologia, ma la cultura aziendale

Secondo Sharp Europe, il motivo principale è che molte organizzazioni hanno investito rapidamente negli strumenti di intelligenza artificiale senza costruire allo stesso tempo un quadro di riferimento condiviso fatto di regole, formazione e fiducia.

Non sorprende quindi che il 35% dei dirigenti dichiari di non sentirsi sufficientemente preparato dal punto di vista tecnico. La stessa percentuale afferma di non fidarsi completamente dei risultati prodotti dall’AI, mentre il 33% teme che un utilizzo esplicito dell’intelligenza artificiale possa ridurre la propria autorevolezza.

In altre parole, la tecnologia è disponibile, ma manca ancora una cultura organizzativa che ne favorisca un utilizzo trasparente e consapevole.

Servono governance e fiducia

Secondo Roland Singer, Vice President di Sharp DX Europe, il problema non riguarda singoli comportamenti scorretti, ma l’assenza di modelli condivisi.

“I leader non si esprimono sull’IA non perché stanno facendo qualcosa di sbagliato, ma perché la maggior parte dei quadri normativi, delle policy e della visione comune su come utilizzare correttamente l’intelligenza artificiale non esiste ancora. Queste non sono le preoccupazioni di chi resiste all’IA, ma di chi cerca di orientarsi in materia senza un supporto adeguato.”

Singer sottolinea come le aziende abbiano adottato rapidamente nuovi strumenti, ma abbiano investito molto meno nella costruzione di fiducia, trasparenza e linee guida condivise.

La prossima sfida sarà rendere l’AI trasparente

Per Sharp Europe, la fase successiva dell’adozione dell’intelligenza artificiale non riguarderà tanto l’accesso agli strumenti quanto la capacità delle aziende di creare ambienti in cui il loro utilizzo sia dichiarato, regolamentato e accettato.

Governance, cybersecurity, infrastrutture cloud e formazione dovranno procedere insieme per consentire un’integrazione dell’AI realmente sostenibile.

Secondo Singer, il cambiamento deve partire proprio dal management.

“I leader sono nella migliore posizione per dare l’esempio su questo. Non perché abbiano tutte le risposte, ma perché dimostrano apertamente come utilizzano essi stessi l’intelligenza artificiale. Questo cambia la cultura più rapidamente di qualsiasi politica.”

L’obiettivo diventa quindi trasformare la Shadow AI in un utilizzo trasparente e governato, capace di valorizzare il contributo dell’intelligenza artificiale senza generare nuove aree di rischio per le organizzazioni.

L'articolo Shadow AI, quasi un manager su due usa l’intelligenza artificiale senza dirlo ai colleghi proviene da Data Manager Online.

L’intelligenza artificiale sta trasformando il modo in cui le imprese organizzano processi, prendono decisioni e sviluppano nuove competenze. La sfida è tradurre questa evoluzione tecnologica in valore per l’organizzazione, integrandola nei modelli operativi e nelle attività quotidiane.

«La domanda non è più “cosa farà l’AI per noi”, ma “che tipo di azienda vogliamo diventare”, spiega Alessandro Turetta, Chief Business & Growth Officer di Nextea, nel corso di un recente webinar intitolato “La centralità delle persone e della conoscenza nell’AI Strategy”.

«L’intelligenza artificiale è ormai accessibile a tutti. Il vantaggio competitivo nasce dalle persone che sanno utilizzarla e dalla conoscenza che alimenta i modelli», prosegue Turetta. Da questa visione prende forma l’offerta Nextea, società di Consulting e Management di Altea Federation: un percorso che accompagna le aziende nella definizione della strategia AI, nell’individuazione delle priorità, nella costruzione della governance e nello sviluppo delle competenze necessarie per portare l’innovazione nei processi.

Supporto alle imprese

Il punto di partenza è l’assessment della maturità AI dell’organizzazione. L’analisi consente di fotografare il livello di preparazione dell’impresa, individuare gli ambiti con maggiore potenziale e definire una roadmap coerente con gli obiettivi di business.

«Un progetto di AI riguarda l’intera azienda. Riguarda il modo in cui si lavora, si prendono decisioni e si costruisce il futuro dell’organizzazione. La tecnologia è un abilitatore che deve essere inserito in un percorso più ampio», spiega Turetta.

A partire dall’assessment, Nextea supporta le imprese nella definizione delle priorità applicative, nella costruzione dei modelli di governance e nella selezione delle soluzioni più coerenti con le esigenze aziendali.

Un secondo elemento riguarda il patrimonio di conoscenza dell’impresa. Ogni organizzazione possiede un capitale fatto di esperienze, competenze, processi e informazioni che spesso rimane distribuito tra funzioni e persone. Per Nextea, rendere questa conoscenza strutturata e accessibile è una condizione necessaria per valorizzare appieno il potenziale dell’intelligenza artificiale: i modelli possono generare risultati efficaci solo quando hanno accesso al sapere specifico dell’azienda.

Accompagnare la trasformazione

La preparazione delle persone rappresenta uno degli elementi distintivi dell’approccio Nextea. L’introduzione dell’intelligenza artificiale nei processi aziendali richiede nuove competenze, capacità di valutazione e una cultura diffusa dell’utilizzo consapevole degli strumenti.

È questo il principio alla base della Human Readiness, ovvero la capacità dell’organizzazione di creare le condizioni per un’adozione efficace dell’AI.

«La trasformazione AI dipende dalla capacità dell’azienda di integrare tecnologia, governance e persone – afferma Massimiliano Caviglia, Partner and Manager People Value Area di Nextea -. Il fattore umano ha un peso determinante, anche se richiede tempi di maturazione più lunghi».

Per questo Nextea interviene sul fronte People & Culture con programmi di formazione, sviluppo delle competenze e accompagnamento dei team.

L’approccio si traduce in interventi di change management, revisione dei ruoli, workshop strategici ed esperienziali, percorsi dedicati all’intelligenza emotiva e alle brain skills, fino alla formazione tecnica per sviluppare l’AI literacy e accompagnare l’adozione dell’intelligenza artificiale nell’organizzazione.

L’AI come moltiplicatore

L’intelligenza artificiale può esprimere il suo valore quando entra nei processi aziendali e diventa parte del modo in cui l’organizzazione lavora e prende decisioni. «L’AI è un moltiplicatore delle capacità dell’impresa perché amplifica ciò che l’azienda sa fare – conclude Turetta «La tecnologia mette a disposizione nuove possibilità, ma il valore nasce dalla capacità delle persone di utilizzarle e trasformarle in risultati tangibili. Per questo puntiamo a integrare la visione consulenziale con una piattaforma che trasformi l’AI in infrastruttura e consenta di valorizzare la conoscenza aziendale e trasformarla in una capability operativa, mettendo a disposizione delle persone un patrimonio strutturato di informazioni e competenze a supporto delle attività quotidiane».

L'articolo Nextea, costruire valore con l’intelligenza artificiale proviene da Data Manager Online.

Il dato conferma come l’agentic commerce, ovvero il commercio gestito da agenti intelligenti autonomi, stia passando rapidamente dalla fase sperimentale a quella operativa. Una trasformazione che coinvolge non solo i consumatori, ma anche i retailer, sempre più orientati a preparare infrastrutture, sistemi di pagamento e processi per dialogare con gli assistenti AI.

L’AI entra nel percorso d’acquisto

Secondo l’indagine, il 34% degli italiani ha già utilizzato strumenti basati sull’intelligenza artificiale per semplificare lo shopping online negli ultimi dodici mesi. L’adozione è particolarmente elevata tra le generazioni più giovani: il 52% della Gen Z e il 44% dei Millennial dichiarano di aver già sperimentato assistenti AI durante gli acquisti.

Il fenomeno continua inoltre ad allargarsi: il 13% degli intervistati afferma di aver iniziato a utilizzare queste tecnologie proprio nell’ultimo anno, segnale di una diffusione ancora in piena crescita.

Oltre le raccomandazioni: l’AI arriva fino al checkout

L’aspetto più interessante della ricerca riguarda il futuro dello shopping digitale. Il 43% dei consumatori italiani si dichiara disposto a lasciare che un assistente AI completi autonomamente un acquisto, una volta definiti budget, preferenze e criteri di scelta.

Tra i Millennial questa disponibilità sale al 45%, mentre resta sorprendentemente omogenea anche nelle altre fasce generazionali: Gen Z (42%), Gen X (42%) e Baby Boomer (41%).

Per chi utilizza già questi strumenti, i benefici sono evidenti:

• il 65% apprezza il risparmio di tempo;
• il 64% ritiene che l’AI aiuti a orientarsi tra l’enorme quantità di prodotti disponibili online;
• il 54% vorrebbe ricevere suggerimenti proattivi e personalizzati dai retailer.

L’intelligenza artificiale viene quindi percepita sempre meno come un semplice motore di raccomandazione e sempre più come un vero assistente personale per gli acquisti.

La fiducia resta il fattore decisivo

Se l’interesse cresce rapidamente, la piena adozione dipenderà dalla capacità delle piattaforme di garantire trasparenza e sicurezza.

Gli italiani indicano con chiarezza le condizioni necessarie per affidare all’AI anche la fase di pagamento:

• 38%: procedure semplici di reso, rimborso e assistenza post-vendita;
• 34%: certezza che l’assistente scelga realmente il miglior prezzo o il miglior rapporto qualità-prezzo;
• 32%: chiarezza sulle responsabilità in caso di errori;
• 32%: protezione dei dati personali e delle informazioni di pagamento;
• 31%: possibilità di verificare e annullare l’acquisto prima della conferma definitiva.

Permangono tuttavia alcune resistenze. Tra chi non intende delegare gli acquisti all’AI, il 48% teme di perdere il controllo sulle proprie decisioni, mentre il 39% ritiene che fare shopping sia già sufficientemente semplice senza ulteriori automatismi. Il 36% teme errori nella scelta del prodotto o problemi legati alla privacy e alla sicurezza dei dati.

Anche i retailer preparano l’agentic commerce

La ricerca evidenzia come il cambiamento stia interessando anche il lato dell’offerta.

L’80% dei retailer italiani si dichiara favorevole all’introduzione dell’agentic commerce, con il 41% che considera questa evoluzione una priorità strategica e il 48% intenzionato a investire nella tecnologia entro i prossimi dodici mesi.

Le principali priorità individuate dalle aziende riguardano soprattutto gli aspetti di governance:

• protezione dei dati sensibili e prevenzione delle frodi (30%);
• gestione dei rischi derivanti da eventuali errori degli agenti AI (30%);
• conformità alle normative e alle policy aziendali (29%);
• semplicità di integrazione con i sistemi IT esistenti (28%).

Resta però una preoccupazione importante: il 37% dei retailer teme che l’intermediazione dell’intelligenza artificiale possa ridurre il rapporto diretto con il cliente, modificando profondamente le dinamiche di fidelizzazione.

Lo shopping cambia, ma il rapporto di fiducia resta centrale

L’evoluzione delineata dalla ricerca suggerisce che l’intelligenza artificiale stia rapidamente assumendo un ruolo operativo nell’e-commerce. Se finora gli algoritmi aiutavano a trovare prodotti e confrontare prezzi, la prossima fase potrebbe vedere gli agenti AI gestire direttamente l’intero processo di acquisto.

Perché questo scenario diventi realtà su larga scala, tuttavia, non basterà la tecnologia. Consumatori e aziende chiedono infatti garanzie su sicurezza, trasparenza, protezione dei dati e controllo delle decisioni. In altre parole, l’AI potrà diventare un nuovo canale di vendita solo se riuscirà a conquistare la stessa fiducia che oggi gli utenti ripongono nei retailer e nei sistemi di pagamento digitali.

L'articolo Sempre più italiani pronti a lasciare gli acquisti all’AI: cresce l’interesse per l’agentic commerce proviene da Data Manager Online.

L’intelligenza artificiale sta rapidamente cambiando il modo in cui i consumatori cercano informazioni, confrontano prodotti e acquistano online. Se fino a pochi anni fa gli strumenti basati sull’AI erano utilizzati soprattutto per attività generiche, oggi stanno diventando un vero e proprio assistente durante il percorso d’acquisto.

È quanto emerge da un sondaggio europeo realizzato da idealo, una delle principali piattaforme di comparazione prezzi in Europa, secondo cui gli italiani figurano tra gli utenti più propensi ad affidarsi all’intelligenza artificiale per lo shopping online. Allo stesso tempo, però, rimangono forti le preoccupazioni legate all’affidabilità delle informazioni generate dall’AI e alla protezione dei dati personali.

L’Italia tra i Paesi più aperti allo shopping assistito dall’AI

Secondo la ricerca, il 47% degli italiani ha già utilizzato strumenti o funzionalità basati sull’intelligenza artificiale durante gli acquisti online.

Il dato colloca l’Italia ai primi posti in Europa, dietro soltanto alla Spagna (50%) e davanti a Regno Unito (46%), Germania (41%), Austria (39%) e Francia (39%).

Più in generale, l’intelligenza artificiale è ormai entrata nella quotidianità degli utenti italiani: il 77% dichiara di aver utilizzato consapevolmente applicazioni AI, mentre il 69% afferma di ricorrervi almeno più volte alla settimana.

L’AI convince quando aiuta a scegliere il prodotto migliore

L’interesse verso l’intelligenza artificiale cresce soprattutto quando questa semplifica il processo decisionale.

Tra gli utilizzi considerati più utili dagli italiani figurano:

• confronto dei prezzi (52%);
• ricerca di prodotti alternativi (36%);
• individuazione dell’articolo più adatto alle proprie esigenze (32%);
• analisi delle recensioni (30%).

I principali benefici percepiti riguardano la possibilità di trovare offerte migliori (27%), il risparmio di tempo (25%) e una consulenza personalizzata durante la scelta del prodotto (17%).

La ricerca evidenzia come il valore dell’AI non venga associato soltanto all’automazione, ma soprattutto alla capacità di orientare gli utenti in un mercato sempre più ricco di alternative.

Gli assistenti AI per lo shopping convincono quasi l’80% degli italiani

Uno degli aspetti più interessanti emersi dall’indagine riguarda la disponibilità a utilizzare veri e propri assistenti virtuali dedicati agli acquisti.

Il 78% degli intervistati ritiene utile un assistente basato sull’intelligenza artificiale capace di spiegare le caratteristiche dei prodotti, confrontare diverse opzioni e individuare il prezzo più conveniente.

Anche guardando al futuro emerge un atteggiamento favorevole:

• il 63% immagina di utilizzare strumenti AI per fare acquisti online;
• il 59% ritiene che l’intelligenza artificiale possa migliorare le decisioni d’acquisto;
• il 43% sarebbe disposto a completare l’intero processo di acquisto direttamente attraverso un assistente AI.

Il quadro suggerisce una crescente fiducia verso esperienze di shopping conversazionale, destinate probabilmente a diffondersi con l’evoluzione degli agenti AI e delle piattaforme di e-commerce.

Fiducia sì, ma con alcune condizioni

L’apertura verso l’intelligenza artificiale non elimina però le preoccupazioni.

Il 65% degli italiani teme che l’utilizzo dell’AI possa mettere a rischio la protezione dei dati personali, mentre il 66% dichiara di fidarsi meno dell’intelligenza artificiale quando si tratta di prendere decisioni importanti.

Tra le principali criticità emerge anche il tema della qualità delle informazioni generate dall’AI. Il rischio di ricevere indicazioni errate o fuorvianti rappresenta infatti uno dei principali fattori che frenano un’adozione ancora più ampia di questi strumenti.

Per questo motivo, trasparenza, qualità dei dati e verificabilità delle informazioni diventano elementi sempre più centrali nello sviluppo dei servizi di AI applicati al commercio elettronico.

Dati affidabili per il commercio guidato dall’AI

Secondo Jovan Protić, Co-CEO di idealo, il successo dello shopping assistito dall’intelligenza artificiale dipenderà soprattutto dall’affidabilità delle informazioni fornite agli utenti.

Prezzi aggiornati, offerte verificabili, dati di prodotto accurati e criteri trasparenti nella selezione dei risultati rappresentano gli elementi che permetteranno agli assistenti AI di diventare strumenti realmente utili sia per i consumatori sia per gli operatori dell’e-commerce.

La ricerca conferma così una tendenza destinata a consolidarsi: l’intelligenza artificiale non sostituirà completamente il consumatore nelle decisioni di acquisto, ma sarà sempre più utilizzata come supporto per confrontare offerte, valutare prodotti e semplificare un percorso d’acquisto che richiede velocità, personalizzazione e fiducia.

L'articolo Tre italiani su quattro pronti allo shopping con l’IA, ma la disinformazione resta il principale timore proviene da Data Manager Online.

L’intelligenza artificiale sta entrando in una nuova fase. Se negli ultimi anni il tema principale era comprendere come sperimentare e utilizzare i modelli generativi, oggi il problema per CIO e CTO è riuscire a controllare un ecosistema AI sempre più distribuito, autonomo e integrato nei processi aziendali.

È questa la fotografia scattata dal nuovo studio dell’IBM Institute for Business Value, realizzato in collaborazione con Oxford Economics su un campione di 2.000 dirigenti tecnologici in 33 aree geografiche e 19 settori industriali.

La ricerca mostra come la diffusione dell’AI stia superando la capacità delle organizzazioni di governarla, aprendo nuove sfide sul fronte della sicurezza, della conformità normativa, della responsabilità e della sostenibilità economica.

Il dato che emerge con maggiore forza è che due terzi dei CIO e CTO intervistati dichiarano di essere ritenuti responsabili di sistemi AI che non controllano completamente, mentre il 70% ammette che i diversi team aziendali stanno implementando tecnologie più rapidamente di quanto l’IT riesca a monitorarle.

La governance non tiene il passo dell’AI

L’adozione dell’intelligenza artificiale continua ad accelerare, spinta direttamente dai vertici aziendali. L’80% dei leader tecnologici intervistati afferma che il mandato per la trasformazione AI arriva dal CEO.

Questa pressione, tuttavia, non è accompagnata da un analogo livello di preparazione organizzativa. Solo l’11% ritiene infatti di essere completamente pronto a gestire un’implementazione estesa degli agenti AI prevista per il prossimo anno, mentre il 77% riconosce che l’adozione dell’intelligenza artificiale sta già superando le attuali capacità di governance.

Entro il 2027, inoltre, i responsabili tecnologici prevedono un aumento del 38% del numero di agenti AI distribuiti all’interno delle organizzazioni.

Per i CIO si tratta di un cambiamento radicale: non devono più governare soltanto applicazioni software tradizionali, ma sistemi autonomi capaci di prendere decisioni, interagire con altri applicativi, accedere ai dati e svolgere attività operative.

Come approfondito nell’articolo di DataManager dedicato agli agenti AI come cuore operativo della nuova impresa, il passaggio dall’AI generativa all’AI agentica comporta una crescente autonomia nell’esecuzione dei processi e richiede nuovi livelli di integrazione, tracciabilità e controllo.

L’AI agentica aumenta il rischio operativo

La ricerca evidenzia come l’espansione degli agenti AI renda sempre più critici gli aspetti legati alla sicurezza, alla supervisione e alla conformità.

Il 59% dei CIO e CTO individua infatti sicurezza e compliance come i principali ostacoli alla scalabilità degli agenti AI.

Nel corso dell’ultimo anno, le organizzazioni intervistate hanno registrato mediamente 54 incidenti collegati agli agenti AI: eventi indesiderati o dannosi che hanno richiesto un intervento umano correttivo.

Il 17% di questi episodi è stato classificato come altamente grave e ha richiesto più di quattro ore per essere contenuto. Tra gli incidenti più rilevanti:

• il 37% ha comportato esposizione di dati o violazioni della sicurezza;
• il 33% ha provocato malfunzionamenti a catena tra sistemi;
• il 17% ha generato problemi di conformità normativa.

Il tema non riguarda soltanto la protezione dei modelli. Come evidenziato nell’approfondimento L’agentic AI trasforma il lavoro e accelera i rischi, l’autonomia degli agenti può amplificare rapidamente le conseguenze di un errore, soprattutto quando questi sistemi possono operare su database, applicazioni e infrastrutture critiche.

La governance deve essere integrata nei sistemi

Uno degli aspetti più significativi dello studio è la relazione diretta tra il modello di governance adottato e la resilienza operativa.

Nelle organizzazioni che continuano ad affidarsi prevalentemente a controlli manuali, il rischio di incidenti aumenta con l’espansione dell’AI. Al contrario, le imprese che integrano il controllo direttamente nei propri sistemi AI registrano il 25% di incidenti in meno.

Per i responsabili IT il messaggio è chiaro: la governance non può più essere un’attività separata o successiva alla distribuzione dei sistemi, ma deve essere incorporata nelle piattaforme, nei workflow e negli agenti fin dalla progettazione.

È un principio condiviso anche nell’analisi pubblicata su DataManager sull’AI agentica e sulla necessità di integrare sicurezza, governance e fiducia fin dall’inizio della progettazione delle nuove piattaforme intelligenti.

In termini architetturali, questo significa adottare controlli automatizzati, policy verificabili, gestione delle identità, segregazione dei privilegi, registrazione delle attività, monitoraggio continuo e meccanismi di intervento umano.

Il controllo dell’AI diventa un vantaggio competitivo

Secondo lo studio IBM, integrare la governance nei sistemi non rappresenta soltanto una misura di protezione, ma può diventare un fattore di accelerazione.

Le organizzazioni che incorporano meccanismi di controllo direttamente nelle proprie piattaforme AI:

• implementano un numero di agenti AI 16 volte superiore rispetto alle aziende che adottano una governance prevalentemente manuale;
• registrano margini operativi superiori del 18%;
• spendono fino a quattro volte meno del proprio budget destinato all’intelligenza artificiale.

Il controllo, quindi, non costituisce necessariamente un freno all’innovazione. Al contrario, può rappresentare la condizione necessaria per scalare l’adozione dell’AI senza aumentare in modo proporzionale complessità, costi e superficie di rischio.

Infrastrutture e dati devono sostenere gli agenti AI

La capacità di governare l’intelligenza artificiale dipende anche dall’architettura tecnologica sulla quale operano i modelli e gli agenti.

Gli agenti AI devono accedere a dati aggiornati, applicazioni aziendali, API, strumenti operativi e risorse di calcolo. Senza un’infrastruttura osservabile, interoperabile e adeguatamente protetta, la loro diffusione rischia di creare nuove dipendenze e punti ciechi.

L’approfondimento di DataManager su Agentic AI e infrastrutture pronte per l’intelligenza artificiale sottolinea in particolare il ruolo della qualità, della struttura e della tempestività dei dati per consentire agli agenti di operare su informazioni affidabili e coerenti.

Per i CIO diventa quindi essenziale evitare architetture rigide e difficili da modificare. Lo studio rileva infatti che le aziende che hanno progettato fin dall’inizio sistemi adattabili, mantenendo portabili i workload e sostituibili i modelli, hanno registrato nel 2025 un ritorno sugli investimenti AI superiore del 10%.

L’altra sfida riguarda il FinOps dell’AI

Parallelamente alla governance operativa cresce il tema della sostenibilità economica.

Secondo lo studio, la quota dei budget IT destinata all’intelligenza artificiale passerà da poco meno del 15% nel 2025 a quasi il 25% entro il 2027, con un incremento del 71% in due anni.

Nonostante l’aumento degli investimenti, la maggior parte delle organizzazioni non dispone ancora degli strumenti necessari per governarne i costi.

L’84% dei tech CxO dichiara di non avere ancora reso completamente operativa la gestione finanziaria dell’AI, mentre l’85% non possiede una piena visibilità in tempo reale sulla spesa.

Emerge così un nuovo ambito destinato a diventare centrale: il FinOps applicato all’intelligenza artificiale, ovvero la capacità di monitorare consumi, utilizzo dei modelli, costi infrastrutturali, spesa per le API, carichi inferenziali e ritorno sugli investimenti.

Il tema è approfondito anche nella guida di DataManager dedicata al FinOps e alla gestione dei costi delle infrastrutture tecnologiche, un approccio che diventa ancora più rilevante quando i consumi AI sono distribuiti tra cloud, modelli, dati e applicazioni.

Lo studio IBM mostra che le organizzazioni caratterizzate da una maggiore disciplina finanziaria riescono a implementare 2,4 volte più agenti AI senza aumentare il budget AI e IT e hanno una probabilità tre volte superiore di dichiararsi completamente pronte alla scalabilità.

Il caso italiano: cresce la pressione, ma manca la preparazione operativa

I dati relativi all’Italia confermano la stessa tendenza, con alcune criticità ancora più marcate.

L’86% dei tech leader italiani segnala una pressione medio-alta da parte del CEO o dell’executive leadership per accelerare l’adozione degli agenti AI, ma soltanto il 9% ritiene che la propria organizzazione sia realmente pronta a gestirne la diffusione su larga scala.

Anche gli investimenti sono destinati ad aumentare. La quota del budget IT dedicata all’intelligenza artificiale dovrebbe infatti crescere dal 16% nel 2025 al 28% nel 2027.

Parallelamente, però, il 90% degli intervistati italiani riconosce di non disporre ancora di una visibilità completa e in tempo reale sulla spesa AI.

«Il quadro che emerge è quello di un’ambizione sull’intelligenza artificiale che cresce più rapidamente della capacità delle organizzazioni di governarla: la sfida per le imprese non è rallentare l’innovazione, ma creare le condizioni per scalarla in modo sicuro e sostenibile, integrando fin dall’inizio governance, trasparenza, controllo dei costi e responsabilità nelle architetture, nei processi e negli agenti AI, così che la velocità di adozione si traduca in valore concreto e duraturo».

È il commento di Giuseppe Bottura, Chief Technology Officer di IBM Consulting Italia.

La prossima sfida dei CIO sarà governare ecosistemi AI distribuiti

La ricerca IBM fotografa una trasformazione ormai evidente: l’intelligenza artificiale non è più un progetto sperimentale gestito da singoli team, ma una componente strutturale dell’architettura enterprise.

Per questo motivo, le priorità dei CIO stanno cambiando rapidamente. Non sarà sufficiente distribuire nuovi modelli o aumentare il numero di agenti AI. Occorrerà costruire piattaforme capaci di garantire osservabilità, sicurezza, governance, controllo economico e conformità normativa lungo l’intero ciclo di vita dell’AI.

Le organizzazioni che riusciranno a integrare questi elementi direttamente nell’infrastruttura tecnologica saranno probabilmente quelle in grado di trasformare l’attuale accelerazione dell’AI in un vantaggio competitivo duraturo.

Al contrario, chi continuerà a trattare governance e controllo come attività successive all’implementazione rischia di vedere aumentare complessità, costi operativi e superficie di rischio proprio mentre l’intelligenza artificiale diventa uno dei principali motori della trasformazione digitale.

Lo studio è stato realizzato dall’IBM Institute for Business Value, in collaborazione con Oxford Economics, intervistando 2.000 dirigenti senior responsabili delle decisioni relative a IT, tecnologia e AI in 33 aree geografiche e 19 settori industriali, tra gennaio e aprile 2026.

L'articolo IBM: i CIO accelerano sull’AI, ma cresce il divario tra adozione e governance proviene da Data Manager Online.