TDWI, MongoDB e Capgemini hanno rilasciato lo studio “The State of Data and Operational Readiness for AI”, che analizza lo stato attuale dell’intelligenza artificiale e il livello di preparazione delle aziende alla sua implementazione, evidenziando le principali sfide da affrontare durante questo percorso. Il report offre inoltre riflessioni e best practice per avanzare verso la prontezza operativa e dei dati per l’AI.
Come affermano gli autori dello studio, nel 1999, l’allora presidente di Microsoft Steve Ballmer tenne un famoso discorso in cui affermava: “La chiave della trasformazione dei settori, la chiave del successo sono gli sviluppatori sviluppatori sviluppatori sviluppatori sviluppatori sviluppatori sviluppatori sviluppatori sviluppatori sviluppatori sviluppatori sviluppatori sviluppatori sviluppatori! Sì!”
Un mantra analogo vale oggi per avere successo con l’intelligenza artificiale: adattamento, adattamento, adattamento. L’intelligenza artificiale ha già iniziato a trasformare il modo in cui lavoriamo e viviamo, e i cambiamenti che sta apportando non potranno che accelerare.
Le aziende fanno sempre più affidamento sul software per operare ed eseguire le proprie strategie. Per restare al passo con la concorrenza, i processi e i prodotti devono offrire ciò che gli utenti finali si aspettano sempre di più: velocità, facilità d’uso, personalizzazione – e, naturalmente, funzionalità basate sull’AI. Per fornire tutto questo, e farlo bene, è fondamentale disporre del giusto stack tecnologico e di solide fondamenta software, per poi eseguirle con successo.
Per comprendere meglio le sfide che le organizzazioni affrontano nell’adozione dell’intelligenza artificiale, MongoDB e Capgemini hanno collaborato con l’organizzazione di ricerca TDWI per valutare lo stato di preparazione all’AI in diversi settori. Sono state identificate cinque aree fondamentali per il successo dell’AI: prontezza organizzativa, prontezza dei dati, disponibilità di competenze e strumenti, prontezza operativa e prontezza di governance.
La strada da percorrere
Basata su un sondaggio che rappresenta un mix eterogeneo di settori e dimensioni aziendali, la ricerca di TDWI “The State of Data and Operational Readiness for AI” offre numerosi spunti interessanti. Uno dei dati più rilevanti riguarda la percentuale di aziende con applicazioni AI già in produzione: sebbene molte imprese riconoscano il potenziale dell’AI, solo l’11% degli intervistati afferma di averle implementate. Il punteggio mediano complessivo della prontezza all’AI si attesta a 56 su 100, il che pone le aziende a metà del percorso verso una piena adozione. In media, molte organizzazioni stanno ancora lavorando alla definizione di una strategia chiara per l’integrazione dell’intelligenza artificiale.
Il lavoro da fare è ancora significativo: tra le principali sfide relative alla prontezza dei dati, il report evidenzia la gestione di formati eterogenei, la garanzia di accessibilità e la disponibilità di risorse computazionali adeguate. Meno della metà delle aziende intervistate (39%) gestisce i nuovi formati di dati, e solo il 41% ritiene di disporre di una potenza di calcolo sufficiente.
Il report mostra anche quanto l’AI abbia cambiato la definizione stessa di software e il modo in cui il software viene sviluppato e gestito. In particolare, le applicazioni AI si adattano continuamente, apprendono e rispondono in tempo reale al comportamento degli utenti finali, e possono prendere decisioni ed eseguire vari task in autonomia.
Tutto ciò dipende da una base software solida e flessibile. Poiché agilità e adattabilità del software sono intrinsecamente legate all’infrastruttura dati su cui è costruito, i sistemi legacy rigidi non sono in grado di tenere il passo con le esigenze del cambiamento AI-driven. Le soluzioni di database moderne, progettate per supportare l’evoluzione continua, diventano quindi una parte essenziale di uno stack tecnologico efficace per l’intelligenza artificiale.
Stare al passo con il cambiamento dell’intelligenza artificiale
Lo stack tecnologico può essere suddiviso in tre livelli: in alto, il livello dell’interfaccia o dell’esperienza utente; al centro, il livello della logica di business; e alla base, le fondamenta dei dati.
Con l’AI, questi stessi livelli si sono evoluti: a differenza delle applicazioni software tradizionali, quelle basate sull’AI sono dinamiche. Poiché il software potenziato da AI è in grado di ragionare e apprendere, le richieste poste allo stack tecnologico sono cambiate.
Ad esempio, le esperienze AI-powered includono interfacce in linguaggio naturale, realtà aumentata e funzionalità predittive in grado di anticipare le esigenze dell’utente imparando da interazioni precedenti (e dai dati). Al contrario, il software tradizionale è in gran parte statico: richiede input o eventi per eseguire operazioni, e la sua logica è limitata da regole predefinite.
Per questo motivo, un database che supporta applicazioni AI deve essere flessibile e adattabile, capace di gestire ogni tipo di dato; deve permettere un recupero dei dati di alta qualità, reagire in tempo reale alle nuove informazioni e soddisfare i requisiti fondamentali di tutte le soluzioni di dati: sicurezza, resilienza, scalabilità e performance.
In sintesi, per poter agire in modo efficace e generare risposte affidabili e attendibili, il software alimentato dall’AI deve aver accesso a dati aggiornati e ricchi di contesto. Senza la giusta base dati, anche la strategia di AI più solida resta destinata a fallire.
Restare al passo con l’intelligenza artificiale può far girare la testa, sia per l’elevato numero di attori presenti nel settore (dal 2022, anno in cui è stato lanciato ChatGPT, il numero di startup nel campo AI è aumentato drasticamente), sia per il ritmo sempre più rapido con cui si evolvono le capacità dell’AI.
Le organizzazioni che vogliono rimanere all’avanguardia devono evolversi più rapidamente che mai. Questa capacità di adattamento diventa oggi essenziale per la sopravvivenza.
Esecuzione, esecuzione, esecuzione
Tuttavia, il successo nell’ambito dell’intelligenza artificiale non dipende solo dalla tecnologia giusta: ciò che conta è l’esecuzione esperta.
In altre parole, la differenza tra successo e fallimento nell’adattarsi a un cambiamento di paradigma non sta solo nell’avere gli strumenti giusti, ma nel saperli usare. Mentre altri sperimentano, MongoDB è già impegnata nella realizzazione di progetti concreti, aiutando le organizzazioni a modernizzare le proprie architetture per l’era dell’AI e a sviluppare applicazioni AI con velocità e sicurezza.
Ad esempio, MongoDB ha collaborato con la banca svizzera Lombard Odier per modernizzare i suoi sistemi tecnologici. I risultati sono stati eccellenti, afferma l’azienda: il codice è stato migrato da 50 a 60 volte più velocemente rispetto alle precedenti migrazioni e molte attività ripetitive sono state automatizzate per velocizzare il ritmo dell’innovazione, riducendo i tempi di progetto da giorni a poche ore. Per ottenere questi risultati, MongoDB ha lavorato con la banca per creare strumenti personalizzabili basati su GenAI, inclusi script e prompt progettati su misura per lo stack tecnologico, accelerando la modernizzazione grazie all’automazione dei test di integrazione e alla generazione del codice per un deployment fluido.
Anche Victoria’s Secret, dopo aver trasformato la propria architettura dati con MongoDB Atlas, ha utilizzato MongoDB Atlas Vector Search per alimentare un sistema di ricerca visuale basato su AI in grado di generare raccomandazioni mirate e aiutare i clienti a trovare i prodotti desiderati.
Un altro modo in cui MongoDB supporta le organizzazioni nel successo con l’AI è offrendo accesso sia a partner tecnologici che a competenze professionali. MongoDB ha integrato le proprie soluzioni con numerosi attori dell’ecosistema AI, tra cui hyperscaler (AWS, Google Cloud, Microsoft), system integrator (Capgemini) e innovatori come Anthropic, LangChain e Together AI.
Adattarsi (oppure restare indietro), nell’era dell’intelligenza artificiale
Nell’era dell’AI, ciò che le organizzazioni devono fare è evidente: modernizzarsi e adattarsi, oppure rischiare di rimanere indietro.
Basta guardare la storia degli smartphone, che hanno rivoluzionato il modo di fare business e comunicare. Nel quarto trimestre del 2007, qualche mese dopo il lancio del primo iPhone, Apple ha registrato un fatturato di 6,22 miliardi di dollari, di cui meno del 2% derivante dalle vendite di iPhone; nel primo trimestre del 2025, il fatturato è salito a 124,3 miliardi di dollari, con l’iPhone a rappresentare il 56% del totale. Oggi, il mercato delle app mobili vale centinaia di miliardi e ci sono più smartphone che persone nel mondo. L’ascesa degli smartphone ha anche portato a un enorme incremento del numero di utenti connessi a internet a livello globale.
Tuttavia, dire “bisogna adattarsi” è molto più facile che farlo. Per questo, il report di TDWI è così rilevante: fornisce alle aziende una roadmap per orientarsi nel futuro e le aiuta a rispondere alle domande più urgenti che emergono con l’avvento dell’AI.
