La crescita dell’AI procede rapidamente, ma la capacità delle imprese di sostenere questa evoluzione rimane limitata. Un nuovo studio globale curato da Harvard Business Review Analytic Services per Cloudera mostra infatti che solo il 7% delle organizzazioni possiede dati realmente pronti per alimentare applicazioni di intelligenza artificiale. Il resto avanza tra sperimentazioni, architetture eterogenee e un quadro di governance ancora in costruzione, mentre la pressione normativa aumenta.
La ricerca, realizzata nell’ottobre 2025 su un campione di oltre 230 professionisti con responsabilità nelle decisioni in ambito dati, evidenzia un divario netto tra iniziative e capacità operative. L’AI accelera, ma non trova basi adeguate: il 27% dei rispondenti afferma che i propri dati sono poco o per nulla preparati, un indicatore che mette in discussione la tenuta della trasformazione nei prossimi anni.
Il contesto italiano amplifica il problema. Secondo l’Osservatorio Artificial Intelligence del Politecnico di Milano, il mercato nazionale ha toccato 1,8 miliardi di euro nel 2025 con un incremento del 50%, ma solo il 6% delle aziende ha inserito l’AI nei processi in modo strategico. Il tasso di adozione complessivo si ferma all’8,2%, cinque punti sotto la media europea. L’arrivo dell’AI Act, pienamente applicabile dal 2 agosto 2026, aggiunge un’urgenza ulteriore.
Indice degli argomenti
L’asimmetria tra ambizione e maturità
Il report di Harvard mostra come molte imprese avviino progetti di AI senza un’adeguata strategia dei dati. Le fondamenta restano deboli e i processi mancano di uniformità. Il 73% dei rispondenti ritiene che la qualità dei dati debba diventare una priorità maggiore, mentre una quota identica segnala difficoltà nel prepararli e integrarli per alimentare modelli e applicazioni.
Le organizzazioni operano in ambienti sempre più distribuiti che includono cloud, data center ed edge, ma i dati critici restano spesso on-premise per motivi di sicurezza, sovranità e costi. La difficoltà nel connettere questi mondi genera rallentamenti, inefficienze e rischi operativi. Le aziende riconoscono il valore dell’AI, ma faticano a creare una base coerente su cui farla funzionare.
Secondo Sergio Gago, Chief Technology Officer di Cloudera, il superamento di questo blocco richiede un cambio di paradigma. “L’AI è potente quanto i dati che la alimentano”, spiega. “Per passare dai pilot alla produzione, le organizzazioni hanno bisogno di un accesso sicuro al 100% dei propri dati, ovunque risiedano. Portare l’AI al dato, invece di spostare il dato verso l’AI, è ciò che distingue la sperimentazione dall’impatto su scala enterprise”.
Il nodo strutturale dei silos
La frammentazione emerge come ostacolo principale. Il 56% dei partecipanti indica nei silos informativi la barriera più critica. La presenza di fonti non integrate e piattaforme eterogenee complica il lavoro di preparazione, aumenta il rischio di incoerenze e rende più complessa la governance.
Molte imprese hanno architetture legacy accumulate nel tempo, senza un disegno organico che permetta di far convergere i dataset. Le strategie sono ancora immature: solo il 23% dei rispondenti afferma di avere un piano consolidato per gestire i dati in ottica AI, mentre il 53% dichiara di essere nella fase di definizione.
L’Italia non fa eccezione. Come sottolinea Fabio Pascali, Regional Vice President di Cloudera per Italia, Grecia e Cipro, “oltre la metà delle organizzazioni indica i dati in silos come ostacolo principale. Si tratta di un problema che in Italia è strutturale: architetture legacy, sistemi eterogenei, governance frammentata”. Pascali chiarisce che la soluzione non consiste nel movimentare informazioni sensibili rischiando di esporle. “La risposta non è spostare i dati verso l’AI anche a costo di portarli fuori dal perimetro di sicurezza aziendale: è portare l’AI al dato ovunque risieda, con lineage, qualità e governance unificate”.
La pressione normativa dell’Ai Act
Il fattore regolatorio accelera la necessità di intervenire sulle fondamenta dei dati. Il 2 agosto 2026 rappresenta una scadenza cruciale: da quella data gli obblighi dell’AI Act per i sistemi ad alto rischio entreranno in piena applicazione. Le imprese dovranno garantire trasparenza, tracciabilità, supervisione umana, robustezza e gestione del rischio.
La sanzione prevista può arrivare fino al 7% del fatturato globale annuo, un impatto rilevante per chi non ha ancora costruito una governance efficiente. L’adeguamento richiede una visione unitaria del patrimonio informativo, una qualità dei dati costante e la possibilità di certificare i processi che alimentano i modelli. Le aziende meno mature rischiano di trovarsi in affanno.
La spinta dell’AI agentica
Parallelamente, le aspettative sulla cosiddetta AI agentica aumentano. Il 65% dei rispondenti ritiene che molti processi aziendali verranno trasformati da agenti intelligenti entro i prossimi due anni. I nuovi modelli operano in autonomia su task complessi e richiedono dati perfettamente integrati, continui e verificabili.
Secondo il 47% del campione, gli agenti intelligenti potrebbero persino contribuire a migliorare la qualità dei dati, automatizzando una parte delle attività di pulizia e normalizzazione. Tuttavia, senza una base coerente, gli agenti rischiano di amplificare errori e bias invece di mitigarli. La scalabilità dipende quindi dall’integrazione e dalla governance.
Una trasformazione che richiede architetture e scelte chiare
L’analisi mostra un ecosistema industriale già consapevole del ruolo dei dati, ma ancora lontano dalla maturità necessaria per scalare l’AI. La trasformazione passa da architetture ibride integrate, una governance unificata e processi di qualità costanti. Le imprese devono identificare le priorità operative e costruire una base solida per rendere l’AI affidabile, sicura e continua.
In Italia la capacità tecnologica non manca, ma serve un salto organizzativo per colmare il divario con la media europea e prepararsi alle scadenze normative. Le aziende che sapranno rafforzare le proprie fondamenta potranno trasformare la pressione regolatoria in un vantaggio competitivo e consolidare l’AI come leva centrale della modernizzazione.
