ILa nuova edizione delle previsioni Gartner su D&A – Data&Analytics – mette al centro un cambio di scala nell’impatto dell’intelligenza artificiale sulle imprese: entro il 2027 il 75% dei processi di selezione includerà test di competenza AI, segnando una trasformazione diretta nel modo in cui le aziende costruiscono talento e competitività. Il dato apre un quadro più ampio in cui l’AI diventa infrastruttura strategica, ridefinisce la produttività e accelera l’evoluzione dei modelli di gestione.
“Il ritmo del cambiamento nel campo dei dati e dell’intelligenza artificiale è così rapido che ogni anno sembra l’inizio di un nuovo capitolo di un romanzo di fantascienza”, osserva Rita Sallam, Distinguished VP Analyst. La riflessione sintetizza la velocità con cui tecnologie, processi e ruoli aziendali si sovrappongono, spingendo verso sistemi sempre più autonomi e workflow intelligenti.
Le previsioni evidenziano inoltre come l’espansione degli agenti autonomi, la crescita dei dati generati dal mondo fisico e la necessità di nuovi layer semantici impongano scelte strutturali alle organizzazioni. La sfida diventa mantenere equilibrio tra opportunità e rischio mentre le imprese integrano l’AI nei processi operativi e cercano modelli di governance in grado di garantire affidabilità e continuità.
Indice degli argomenti
La nuova centralità delle competenze
Uno dei cambiamenti più immediati riguarda le professionalità. La transizione verso un lavoro fondato sull’interazione uomo‑macchina rende necessario misurare in modo puntuale la padronanza degli strumenti. Secondo Sallam, “i leader D&A dovrebbero incoraggiare una misurazione rigorosa e data‑driven delle competenze”. La dichiarazione illumina una criticità diffusa: i gap di skill possono diventare barriere strutturali che frenano la competitività.
Il potenziamento delle competenze diventa un elemento strutturale dei piani industriali. L’integrazione dell’AI nei processi quotidiani richiede una cultura digitale più profonda e una familiarità con strumenti che governano pipeline di dati, agenti intelligenti e modelli generativi. In questo contesto le imprese devono costruire ambienti formativi continui, perché il ciclo dell’innovazione riduce rapidamente la vita utile delle competenze.
Produttività e la sfida degli agenti generativi
La produttività entra in una nuova fase grazie all’espansione dei sistemi generativi e degli agenti autonomi. Gartner stima che entro il 2027 GenAI e agenti intelligenti daranno vita alla prima vera sfida ai tradizionali strumenti d’ufficio degli ultimi trent’anni, con una discontinuità da 58 miliardi di dollari. Il cambiamento sposta il valore dai documenti statici a esperienze operative orchestrate da sistemi capaci di scrivere, interpretare e riformulare contenuti.
Il processo di generazione non parte più da una pagina vuota. Prende forma da modelli avanzati che sintetizzano informazioni e creano versioni alternative dei materiali. L’autore svolge un ruolo di supervisione, rivede e decide. La dinamica cambia l’economia dei tempi di produzione e introduce interfacce basate su Api e comandi conversazionali. Per questo Gartner invita i responsabili D&A a richiedere strumenti costruiti per la nuova fase, con nuovi formati, plug‑in e modelli di interazione.
L’avanzata dei dati fisici
Il peso crescente degli agenti autonomi che operano nel mondo reale apre un fronte ulteriore. Entro il 2029 la quantità di dati generata dagli ambienti fisici supererà di dieci volte quella prodotta dalle applicazioni digitali. Si tratta di informazioni multidimensionali che descrivono movimenti, relazioni spaziali e interazioni tra sistemi. Questa massa alimenta world model capaci di simulare scenari e prevedere comportamenti complessi.
La crescita dei dati fisici impone nuove esigenze di raccolta e governance. La qualità diventa un fattore critico per evitare distorsioni nei modelli predittivi. Servono sistemi di etichettatura coerenti, pipeline in tempo reale e controlli che mantengano la coerenza tra i diversi ambienti operativi. L’evoluzione apre opportunità per logistica, industria, monitoraggio urbano e mobilità, perché consente di analizzare pattern che prima sfuggivano ai modelli digitali tradizionali.
Governance e affidabilità degli agenti
La governance rappresenta uno snodo decisivo nella trasformazione del settore D&A. Gartner prevede che entro il 2030 la metà delle imprese utilizzerà agenti autonomi per interpretare policy e standard, traducendoli in data contract verificabili automaticamente. L’obiettivo è ridurre gli errori e accelerare il controllo delle operazioni.
Il percorso richiede però cautela. Gartner stima che il 50% dei fallimenti nei progetti basati su agenti deriverà da insufficiente supervisione, interoperabilità limitata e assenza di controlli in tempo reale. Sallam invita ad adottare un approccio graduale: “I leader D&A dovrebbero sperimentare agenti di governance in pipeline a basso rischio per orchestrare e automatizzare i processi di negoziazione”. La validazione in ambienti protetti diventa una condizione necessaria prima della scalabilità.
L’ascesa delle aziende AI‑native
Il report mostra anche la nascita di una nuova generazione di startup con ricavi per dipendente pari a due milioni di dollari, capaci di raggiungere valutazioni miliardarie grazie a una forte efficienza. Queste imprese concentrano le risorse su problemi specifici e inseriscono l’AI nei processi operativi, con interfacce intuitive e modelli di adozione immediata.
La loro capacità di crescere rapidamente deriva da team ridotti e da un forte orientamento ingegneristico. Sallam osserva che le aziende dovrebbero puntare su “ingegneri full stack e generalisti in grado di adattarsi rapidamente ai nuovi strumenti AI”. Il modello cambia gli equilibri del mercato, perché riduce la dipendenza dal capitale e valorizza la qualità dell’esecuzione.
Il ritorno delle competenze relazionali
La direzione strategica non si definisce solo con la tecnologia. Entro il 2030, secondo Gartner, il 60% delle organizzazioni che otterranno un vantaggio competitivo grazie all’AI sarà guidato da dirigenti con forti capacità relazionali. Le competenze umane restano centrali nell’allineamento delle funzioni, nella costruzione di consenso e nella definizione della visione.
Verso un’infrastruttura semantica condivisa
La complessità crescente delle architetture AI porta all’affermazione dei semantic layer universali, considerati da Gartner infrastrutture critiche al pari delle piattaforme dati e della sicurezza. Questo strato logico riduce i costi, evita incoerenze e limita il debito AI. La sua funzione è allineare modelli, agenti e applicazioni, creando un vocabolario comune che garantisce interoperabilità e precisione.
L’investimento in semantic layer diventa quindi parte integrante della strategia D&A. Senza questo componente le organizzazioni rischiano di generare errori che si propagano rapidamente attraverso sistemi automatizzati.
Rischi e funzioni di controllo integrate nello sviluppo
La gestione dei rischi evolve insieme ai modelli. Gartner prevede che entro il 2028 metà dei ruoli dedicati al contenuto rischioso si sposterà dalle funzioni legali e di sicurezza verso l’ingegneria AI. Le attività di mitigazione diventano parte della progettazione, con sistemi predisposti a generare output controllabili e coerenti con il contesto.
Questa transizione consente un’innovazione più rapida, ma richiede un forte coordinamento tra funzioni tecniche e strategiche. Le organizzazioni devono quindi costruire processi che assicurino qualità, verificabilità e coerenza lungo tutta la pipeline.
