L’AI enterprise è uscita dalla fase delle promesse e si misura ormai con un banco di prova molto più severo: la capacità di diventare infrastruttura di business. È questo il punto di caduta del report Omdia The Enterprise AI Blueprint: A Strategic Implementation Guide, che sposta il baricentro del dibattito. Non più la fascinazione per i modelli, ma la tenuta dell’architettura, la qualità della governance, la sovranità dei dati e il controllo del rischio. Il dato che più colpisce è anche il più rivelatore: secondo Omdia, solo l’11% delle aziende sta ottimizzando l’AI per risultati di business, mentre quasi il 90% resta nelle fasi iniziali di adozione. In altre parole, il mercato parla di maturità, ma nella pratica è ancora lontano dalla scala industriale.
Indice degli argomenti
Il vero collo di bottiglia non è il modello, ma lo stack
Per mesi il confronto si è concentrato sui chip, sulla potenza di calcolo e sulla disponibilità di Gpu. Tuttavia Omdia segnala che, mentre le imprese passano da sperimentazioni isolate a casi d’uso più continui, l’attenzione si allarga allo stack sottostante, in particolare allo storage e alla gestione del dato. Il motivo è semplice: l’AI non vive di sola potenza computazionale. Ha bisogno di dati accessibili, puliti, protetti e disponibili con latenze compatibili con i nuovi carichi inferenziali.
Qui emerge una prima frattura tra narrazione e realtà operativa. Omdia rileva che il 70% delle imprese considera le criticità legate allo storage una barriera importante al successo dei progetti di AI. È un passaggio decisivo, perché smonta l’idea che basti aggiungere capacità di calcolo per liberare valore. Se lo storage rallenta, le Gpu restano in attesa dei dati e il costo dell’infrastruttura cresce senza generare produttività. Inoltre, con l’aumento delle finestre di contesto e con l’avanzata di sistemi più sofisticati, il peso di memoria, indicizzazione, metadata e vettorizzazione diventa centrale.
Il punto, allora, non è solo tecnico. È organizzativo. Omdia lo dice con una formula efficace: “Se il team che gestisce l’infrastruttura storage non conosce ancora i data engineer o i data scientist, questo è il momento per iniziare”. Tradotto: l’AI enterprise chiede una convergenza stretta tra infrastruttura, layer dati e capacità applicative. Non basta comprare tecnologia. Serve ricucire silos che in molte aziende sono ancora profondi.
Dalla corsa all’adozione alla stagione della sovranità
C’è poi un secondo livello, più politico e industriale, che il report mette al centro: la sovranità dell’AI. Non è una formula di moda, né un tema confinato alle istituzioni. Per Omdia è un requisito che entra nel cuore delle strategie aziendali, perché riguarda il controllo su dati, modelli, infrastrutture e regole di utilizzo. La definizione proposta è chiara: capacità di sviluppare, distribuire e governare sistemi di intelligenza artificiale in linea con interessi strategici e valori specifici.
Per le imprese questo significa una cosa precisa: non affidare all’esterno, in modo inconsapevole, gli elementi più delicati del proprio patrimonio informativo e decisionale. Non sorprende quindi che, nella ricerca Omdia citata nel report, quasi la metà delle organizzazioni dichiari con forza che le soluzioni preconfigurate debbano garantire la sovranità del dato, mentre il 35% considera sovranità, privacy e compliance condizioni essenziali per qualsiasi implementazione di AI “enterprise-ready”. Sono numeri che confermano un cambio di stagione. L’adozione non si giudica più solo dalla velocità del deployment, ma dalla qualità del controllo che l’impresa mantiene sul proprio ecosistema.
In questo quadro, la nuvola pubblica non scompare, ma perde il ruolo di risposta universale. Come già accaduto con il cloud, anche l’AI spinge verso architetture ibride, dove performance, conformità normativa, localizzazione dei dati e dipendenza dai fornitori devono trovare un equilibrio. È qui che la parola “sovranità” smette di essere un tema geopolitico astratto e diventa una leva di competitività. Chi governa meglio il proprio perimetro digitale riduce il rischio, accelera le decisioni e difende il valore dei dati.
L’era agentica alza il potenziale, ma moltiplica l’esposizione
Il report dedica molta attenzione all’Agentic AI, che Omdia descrive come una nuova generazione di sistemi capaci di decisione autonoma e azione orientata agli obiettivi con intervento umano ridotto. È uno scarto importante rispetto ai sistemi che rispondono a input specifici con output predefiniti. Proprio per questo, però, l’impatto sull’impresa è più ambivalente. Cresce il potenziale di automazione, ma aumentano anche le superfici di attacco, le zone d’ombra della compliance e i rischi collegati a decisioni prese dai sistemi su dati sensibili o incompleti.
Omdia osserva che oltre un terzo delle organizzazioni sta già distribuendo agenti AI, mentre un altro terzo si trova in fase pilota. La velocità dell’adozione, quindi, è molto più alta della maturità dei presidi. Non a caso, tra le principali criticità segnalate emergono security e compliance, indicate come prima sfida dal 49% delle organizzazioni quando si passa dalla sperimentazione alla produzione. Il nodo è evidente: più autonomia si attribuisce agli agenti, più bisogna definire confini, policy, supervisione e auditabilità.
Da questo punto di vista il report evita sia il catastrofismo sia l’entusiasmo ingenuo. L’Agentic AI può migliorare l’esposizione al rischio, per esempio accelerando discovery, prioritizzazione e remediation nelle funzioni di cybersecurity. Però, avverte Omdia, la stessa tecnologia può peggiorare la postura aziendale se non vengono gestiti validazione degli input, sanificazione degli output, minimizzazione del dato, controllo della supply chain software e limiti dell’autonomia operativa. Il principio che emerge è netto: l’automazione utile non elimina l’uomo, ma ne sposta il ruolo verso la supervisione dei passaggi critici.
Il lavoro digitale non reggerà senza orchestrazione
Se l’infrastruttura è il primo snodo e la governance il secondo, il terzo riguarda il posto in cui l’AI incontra davvero i processi quotidiani: il digital workplace. Qui Omdia individua un rischio molto concreto, quello della frammentazione. Nelle aziende si moltiplicano infatti strumenti approvati, funzioni AI incorporate nelle suite più diffuse, agenti verticali e applicazioni di terze parti. Il risultato è un mosaico disomogeneo, spesso poco governato.
La risposta, secondo il report, passa dalle piattaforme di orchestrazione. Non come semplice livello di integrazione, ma come tessuto connettivo tra sistemi isolati, capace di coordinare agenti differenti, imporre regole sui modelli usati e rendere più coerente il flusso dell’intelligenza dentro l’organizzazione. Omdia parla apertamente della necessità di “domare il Far West” dell’AI nei luoghi di lavoro. È un’immagine efficace, perché restituisce bene il problema: senza orchestrazione, l’adozione resta dispersa e il valore si perde tra duplicazioni, incoerenze e rischi di sicurezza.
In questo scenario acquistano peso sia le mosse dei vendor, sia l’emergere di standard come Mcp, che il report considera sempre più rilevanti per scalare l’uso dell’AI in modo responsabile e strutturato. L’analogia proposta è interessante: come le Api hanno rivoluzionato la comunicazione tra applicazioni, così le piattaforme di orchestrazione possono ridefinire le interazioni tra agenti. La differenza è che qui il tema non è solo la connessione, ma anche il governo degli esiti. Chi decide quale agente agisce, su quali dati, con quali limiti e con quale tracciabilità? L’AI enterprise si gioca precisamente su questa capacità di coordinamento.
La lezione del cloud che le imprese non possono ignorare
La parte forse più utile del report è il parallelo con il cloud. Omdia suggerisce che l’AI rischia di ripetere errori già visti: entusiasmo iniziale, slogan totalizzanti, sottovalutazione della complessità, poi ritorno brusco alla realtà di integrazioni difficili, costi opachi, lock-in, problemi di sovranità e performance. È una lezione che il mercato dovrebbe avere già imparato, ma che oggi tende a rimuovere nella fretta di presentare ogni iniziativa come “AI first”.
Il punto non è frenare gli investimenti. Al contrario, Omdia sostiene che l’intelligenza artificiale diventerà sempre più rilevante per affrontare sfide complesse, dalla resilienza delle supply chain all’efficienza industriale. Tuttavia invita a non confondere spesa tecnologica e preparazione aziendale. Investire nello stack senza affrontare i problemi di fondo porta fuori strada. La readiness, ricorda il report, va valutata lungo tre dimensioni: tecnologia, persone e processi. È qui che si decide se un progetto supera la prova pilota e diventa trasformazione reale.
Per il settore telco e digitale il messaggio vale doppio. Da un lato, operatori e fornitori sono chiamati a offrire piattaforme, servizi e modelli di governance che rendano l’AI concretamente adottabile. Dall’altro, le stesse aziende della filiera devono affrontare per prime il tema della maturità interna. Non basta vendere AI. Bisogna dimostrare di saperla integrare in ambienti ibridi, regolati, distribuiti e sempre più esposti al rischio.
La scala non si compra, si costruisce
Il merito del report Omdia sta proprio qui: riporta la discussione sul terreno meno spettacolare, ma decisivo. L’AI enterprise non fallisce per mancanza di casi d’uso. Fallisce quando l’impresa tratta l’intelligenza artificiale come un prodotto da aggiungere, anziché come una capacità da costruire. E questa costruzione richiede storage adeguato, dati ben governati, sovranità, sicurezza, orchestrazione e una regia aziendale capace di far dialogare funzioni che finora hanno lavorato in parallelo.
Per questo il numero più importante del report non è solo quel 90% di progetti che rischia di non arrivare a maturità, ma il suo significato. Non descrive una condanna inevitabile. Descrive una selezione. Le imprese che continueranno a inseguire l’AI come etichetta resteranno bloccate nella sperimentazione. Quelle che la affronteranno come tema di architettura industriale avranno invece un vantaggio competitivo più solido, perché fondato su controllo, continuità e capacità di scala. In fondo, è il passaggio che separa la moda dalla trasformazione. E il mercato, oggi, è esattamente su quella soglia.
