L’intelligenza artificiale sta entrando in una nuova fase, quella degli agenti capaci di prendere decisioni autonome e attivare processi operativi. Ma proprio in questo passaggio emerge un problema strutturale: la fiducia nei dati. Secondo il report The AI Trust Gap Report di Denodo, il vero limite all’adozione dell’Agentic AI non sono i modelli, ma la qualità e l’accessibilità delle informazioni su cui si basano.
Dati frammentati e mancanza di governance rallentano l’Agentic AI
La ricerca, condotta su 850 executive a livello globale, evidenzia come il 63% delle organizzazioni fatichi a trovare dati rilevanti e affidabili o a prepararli per l’utilizzo operativo. Un dato che diventa ancora più critico se si considera che l’AI agentica richiede informazioni aggiornate e contestualizzate in tempo reale.
Il 66% delle aziende indica infatti l’accesso ai dati in tempo reale come requisito indispensabile per considerare affidabili i sistemi AI. Tuttavia, molte architetture dati esistenti sono ancora progettate per analisi storiche e non riescono a supportare scenari a bassa latenza.
A questo si aggiungono problemi di performance e sicurezza: quasi il 60% degli intervistati segnala difficoltà nella gestione dei carichi di lavoro AI su larga scala, mentre il 67% evidenzia criticità nel mantenere livelli coerenti di controllo e protezione dei dati tra sistemi diversi.
“Quando un agente AI deve portare a un risultato di business, non c’è spazio per dati obsoleti o non governati” sottolinea Dominic Sartorio, Vice President of Product Marketing di Denodo. “Per adottare l’Agentic AI con sicurezza e fiducia, le aziende devono andare oltre i silos statici di dati”.
Italia: maturità crescente, ma ancora centrata sull’IT
Nel contesto italiano emerge un quadro in evoluzione. Da un lato, il 62% delle aziende ha già strutturato iniziative AI a livello enterprise, segno di una crescente maturità organizzativa. Dall’altro, però, l’AI resta ancora fortemente concentrata nelle funzioni IT, che guidano il 44% dei progetti.
Il dato più rilevante riguarda la qualità delle informazioni: per oltre la metà delle aziende italiane (52%), identificare dati affidabili rappresenta la principale criticità, il valore più alto registrato in Europa.
Parallelamente, però, si osservano segnali positivi sul fronte dell’integrazione: il 74% delle organizzazioni dichiara di non avere particolari difficoltà nel connettere dati distribuiti tra sistemi diversi. Un elemento che suggerisce come le basi tecnologiche stiano migliorando, anche grazie a investimenti in architetture moderne e cloud-native.
Europa tra governance e regolamentazione
A livello europeo, la sfida si sposta sempre più sul terreno della governance. In Paesi come Francia e Germania, sicurezza, privacy e qualità del dato emergono come ostacoli principali all’adozione dell’AI, con percentuali superiori alla media globale.
Questo approccio riflette un contesto normativo più stringente e una maggiore attenzione alla conformità, anche in vista dell’implementazione dell’AI Act. Il risultato è un percorso di adozione più prudente, ma anche più strutturato, in cui la governance dei dati diventa un prerequisito per la scalabilità.
Dalla sperimentazione all’AI operativa
Il report evidenzia un punto chiave: il cosiddetto “divario di fiducia” non deriva da limiti tecnologici dei modelli, ma dall’architettura dei dati sottostante. Per passare da progetti pilota a un’AI realmente operativa, le aziende devono ripensare il modo in cui gestiscono, governano e rendono accessibili le informazioni.
In questo scenario, il passaggio all’Agentic AI rappresenta una discontinuità significativa. Non si tratta più di supportare decisioni, ma di eseguirle. E questo richiede dati affidabili, aggiornati e coerenti in tempo reale.
La direzione è chiara: senza una base dati solida, l’AI resta confinata alla sperimentazione. Con una governance efficace, invece, può diventare un vero motore operativo per il business.
