L’intelligenza artificiale è ormai entrata nelle attività aziendali, ma le fondamenta tecnologiche faticano a sostenerne la diffusione su larga scala. Il 95% delle organizzazioni ha rinviato o cancellato iniziative AI nell’ultimo anno a causa di problemi legati alla governance dei dati, alla compliance o ai requisiti normativi. E il 72% ritiene necessaria una profonda revisione della propria architettura dati.
È quanto emerge da The Great AI Re-Architecture, indagine globale pubblicata da Cloudera e condotta su 1.500 Enterprise Architect, Cloud Infrastructure Lead e Data Architect. La ricerca fotografa un cambiamento di rotta nell’IT aziendale: dopo una fase in cui l’intelligenza artificiale è stata adattata alle infrastrutture esistenti, le imprese iniziano a riprogettare dalla base gli ambienti destinati a dati e applicazioni.
Indice degli argomenti
Le architetture legacy ostacolano la crescita dell’AI
Il 77% delle organizzazioni coinvolte nella ricerca utilizza già attivamente l’intelligenza artificiale. L’adozione diffusa si scontra però con sistemi costruiti in origine per l’analisi tradizionale, poco adatti a gestire la scala, la flessibilità e i controlli richiesti dai nuovi carichi di lavoro.
Secondo Cloudera, le modifiche introdotte finora hanno consentito alle imprese di avviare e ampliare i casi d’uso, ma spesso attraverso interventi circoscritti. Tre quarti degli intervistati, il 75%, affermano che le integrazioni legate all’AI hanno già modificato le pratiche di archiviazione e l’architettura dei dati. Nella maggior parte dei casi si è trattato di adeguamenti realizzati sotto la pressione delle esigenze operative, più che di una trasformazione strutturale.
Il risultato si riflette anche sui bilanci: l’84% delle organizzazioni segnala un aumento dei costi infrastrutturali legato ai workload di intelligenza artificiale. È in questo scenario che il 72% dei partecipanti riconosce la necessità di una revisione profonda, capace di rendere i dati disponibili ai sistemi AI in maniera più sostenibile, sicura e governata.
Cloudera definisce questo passaggio “The Great AI Re-Architecture“: una transizione dalle architetture legacy verso ambienti ibridi, nei quali dati e applicazioni possono essere gestiti nei luoghi più adatti alle specifiche esigenze operative.
“L’attuale era dell’AI sta spingendo le organizzazioni a ripensare la propria infrastruttura tecnologica dalle basi – spiega Sergio Gago, Chief Technology Officer di Cloudera – Molte imprese stanno scoprendo che le architetture costruite per l’analisi tradizionale non sono state progettate per la scala, la governance e la flessibilità che l’AI richiede oggi. Il successo delle iniziative dedicate dipenderà dalla capacità di costruire una base dati che offra alle organizzazioni la libertà di eseguire l’AI dove ha più senso, senza compromettere il controllo o la sicurezza.”
La governance diventa un’infrastruttura critica
La gestione dei dati emerge come uno dei principali fattori in grado di condizionare il passaggio dai progetti pilota a un utilizzo esteso dell’intelligenza artificiale. Una precedente rilevazione di Cloudera, il Data Readiness Index, aveva già evidenziato che il 75% delle organizzazioni considerava l’AI un elemento capace di portare alla luce i limiti dei processi di governance legacy.
La nuova indagine mostra un ulteriore aumento della complessità. Il 73% degli intervistati ritiene che l’intelligenza artificiale abbia reso più difficile la governance dei dati, mentre il 55% dichiara di aver ritardato o cancellato più di sei iniziative negli ultimi dodici mesi per problemi legati a governance, compliance o normative.
A complicare il quadro contribuisce la distribuzione delle informazioni fra ambienti diversi. La quasi totalità dei partecipanti, il 97%, riferisce di spostare dati almeno una volta al mese. Diventa quindi centrale la capacità di applicare criteri coerenti di controllo e sicurezza tra cloud pubblico, cloud privato, sistemi on-premises ed edge.
La governance assume così il ruolo di componente strutturale dell’architettura. La possibilità di sapere dove si trovano le informazioni, chi può utilizzarle e secondo quali regole è indispensabile per estendere le applicazioni AI mantenendo il controllo sui dati aziendali.
Il modello ibrido guadagna terreno
La risposta delle imprese si orienta sempre più verso architetture ibride, considerate uno strumento per bilanciare prestazioni, costi, flessibilità e requisiti di governance. Il 66% degli intervistati ha riportato workload AI dal cloud pubblico verso infrastrutture private o on-premises nell’ultimo anno.
Il dato segnala una revisione delle scelte iniziali di deployment. Le organizzazioni valutano la collocazione dei singoli carichi di lavoro in base alle prestazioni richieste, alla sensibilità delle informazioni, ai costi e agli obblighi normativi. Il cloud pubblico resta parte del modello, affiancato da data center aziendali, ambienti privati ed edge.
Gli investimenti previsti confermano questa impostazione. Le risorse saranno distribuite tra cloud, infrastrutture on-premises, edge e soluzioni ibride. Un quarto dei partecipanti intende adottare un approccio “hybrid-first” nei prossimi due anni, facendo della flessibilità il criterio guida per l’evoluzione dei sistemi.
Dall’adozione all’ottimizzazione
La diffusione dell’intelligenza artificiale sta spostando l’attenzione dalla sperimentazione alla capacità di ottenere risultati su scala aziendale. In questa fase, il vantaggio competitivo dipende dalla qualità delle architetture e dalla possibilità di governare i dati in modo uniforme nei diversi ambienti.
La modernizzazione dovrà consentire alle imprese di collocare i workload nel contesto più appropriato, mantenendo continuità nelle politiche di sicurezza, accesso e compliance. L’obiettivo è costruire una base dati capace di sostenere applicazioni AI affidabili, scalabili e sostenibili sotto il profilo economico.
La metodologia della ricerca
Il sondaggio è stato commissionato da Cloudera e condotto da Wakefield Research tra il 5 e il 22 giugno 2026. Ha coinvolto 1.500 Enterprise Architect, Cloud Infrastructure Lead e Data Architect in nove mercati distribuiti tra Americhe, Emea e Asia-Pacifico.
La ricerca ha interessato aziende con almeno mille dipendenti, con una soglia ridotta a 250 addetti per Spagna, Singapore e Sudafrica. I Paesi analizzati sono Stati Uniti, Canada, Brasile, Sudafrica, Spagna, Regno Unito, Singapore, India e Giappone.
Partecipa alla community