La governance AI rischia di diventare il principale collo di bottiglia nella trasformazione digitale delle imprese italiane. Gli investimenti accelerano, gli agenti entrano nei processi e il management chiede risultati più rapidi. Tuttavia, strumenti di controllo, architetture e modelli finanziari non avanzano allo stesso ritmo.
Il divario emerge dal nuovo studio dell’Ibm Institute for Business Value, realizzato con Oxford Economics. La ricerca ha coinvolto 2.000 Cio, Cto e responsabili tecnologici in 33 aree geografiche e 19 settori. Tra questi figurano anche le telecomunicazioni, insieme ad altri comparti regolati e ad alta complessità operativa. L’analisi prende in esame le sfide finanziarie, infrastrutturali e organizzative che accompagnano il passaggio dai progetti pilota alla produzione su larga scala.
Il focus sull’Italia restituisce un quadro particolarmente netto. L’86% dei tech leader segnala una pressione medio-alta da parte dell’amministratore delegato o del vertice aziendale per accelerare gli agenti AI. Eppure, appena il 9% si considera pienamente pronto a governarne la crescita.
A questa debolezza operativa si somma un’espansione rapida della spesa. La quota dei budget It destinata all’intelligenza artificiale dovrebbe salire dal 16% del 2025 al 28% nel 2027. Tuttavia, il 90% degli intervistati italiani non dispone ancora di una visibilità completa e in tempo reale sugli investimenti.
La sfida, quindi, non riguarda più soltanto l’adozione. Le aziende devono creare le condizioni per una scalabilità sicura, sostenibile e responsabile, evitando che la velocità tecnologica superi la capacità di controllo.
Indice degli argomenti
La diffusione degli agenti supera la capacità di governo
A livello globale, due terzi dei Cio e Cto dichiarano di rispondere dei risultati prodotti da sistemi che non controllano pienamente. Inoltre, il 70% sostiene che i team aziendali introducano tecnologie più velocemente di quanto l’It riesca a monitorarle.
Il problema crescerà con la diffusione degli agenti. Entro il 2027, le organizzazioni prevedono di impiegarne in media 1.661, con un incremento del 38% rispetto ai livelli attuali. Ciascun sistema potrà effettuare centinaia o migliaia di operazioni quotidiane, moltiplicando le decisioni autonome.
Questo scenario rende inadeguati i tradizionali processi di supervisione. Documenti, comitati e autorizzazioni manuali funzionavano quando i rilasci seguivano cicli trimestrali o annuali. Gli agenti, invece, operano in modo continuo e generano effetti che si accumulano in tempo reale.
Secondo lo studio, il 77% delle organizzazioni vede l’adozione dell’AI avanzare più velocemente delle proprie capacità di governo. Quasi il 60% considera sicurezza e conformità tra i principali ostacoli alla crescita. Solo l’11% dei responsabili tecnologici globali si sente completamente preparato per i volumi attesi nei prossimi dodici mesi.
Il dato italiano, fermo al 9%, indica quindi una distanza ancora maggiore. Le imprese si trovano davanti a una contraddizione. Devono aumentare la velocità, ma non possono sacrificare affidabilità, conformità e continuità dei servizi.
Per le Tlc la maturità diventa un requisito industriale
Nelle telecomunicazioni, la governance AI assume una rilevanza ancora più marcata. Le reti sostengono servizi essenziali, gestiscono grandi volumi di dati e collegano sistemi distribuiti. Inoltre, devono rispettare vincoli rigorosi su sicurezza, sovranità e continuità operativa.
Il report colloca le Tlc tra i settori complessi e regolati nei quali la maturità dei controlli riduce sensibilmente gli incidenti durante la crescita degli agenti. Lo stesso principio riguarda energia, farmaceutica e servizi bancari. In questi ambiti, aumentare le implementazioni senza rafforzare la governance trasforma l’innovazione in esposizione operativa.
Per gli operatori telefonici, gli agenti possono intervenire nell’assistenza, nella gestione delle reti, nella manutenzione predittiva e nell’ottimizzazione delle risorse. Possono anche supportare la configurazione dei servizi e la prevenzione delle anomalie. Tuttavia, ogni livello di autonomia amplia la superficie di rischio.
Un errore in un processo interno può rallentare un’attività. Un errore nelle reti può invece propagarsi tra infrastrutture, clienti e fornitori. Per questo, gli operatori devono definire in anticipo quali dati possano essere utilizzati, quali azioni siano consentite e quando il sistema debba fermarsi.
La logica riguarda anche l’osservabilità. Un’impresa non può governare ciò che non riesce a identificare, misurare e ricostruire. Registri centralizzati, tracciamento delle attività, gestione delle identità e procedure di arresto diventano quindi componenti dell’architettura, non adempimenti successivi.
Dai controlli manuali alla governance incorporata
Lo studio distingue tra supervisione tradizionale e controllo progettato nell’architettura. Nel primo modello, le persone verificano richieste, approvano implementazioni e intervengono dopo le anomalie. Nel secondo, limiti e responsabilità diventano parte del funzionamento dei sistemi.
Come spiega Dena Almansoori, Group Chief Technology and Innovation Officer di Adnoc: “Il controllo è passato dall’approvazione degli input alla supervisione continua degli output e dei risultati: dai cancelli alle barriere di protezione”.
Questa impostazione non implica una centralizzazione completa. Al contrario, consente ai team di lavorare con maggiore autonomia, ma all’interno di confini comuni. Le piattaforme gestiscono registri, telemetria, identità e ripristino. Le funzioni di rischio definiscono soglie ed evidenze. I gruppi di business rispondono invece dei risultati dei singoli casi d’uso.
Le organizzazioni dotate di un controllo orchestrato distribuiscono un numero di agenti sedici volte superiore rispetto a quelle affidate alla governance manuale. Secondo l’analisi, impiegano anche una quota di budget AI quattro volte inferiore e registrano margini operativi più alti del 18%. I dati non dimostrano automaticamente un rapporto causale, come precisa la metodologia. Indicano però una forte associazione tra maturità organizzativa, capacità di crescita e risultati economici.
Per le aziende italiane, il passaggio più difficile consiste nel trasformare le policy in meccanismi eseguibili. Non basta stabilire che un agente debba rispettare determinate regole. Occorre tradurre quelle regole in accessi, soglie, verifiche automatiche e procedure di arresto.
Architetture rigide frenano la capacità di adattamento
La governance rappresenta solo una parte del problema. L’altra riguarda la flessibilità delle infrastrutture. L’AI evolve con cicli più brevi rispetto al software tradizionale. Modelli, servizi cloud e strumenti possono cambiare prima che un investimento completi il proprio percorso finanziario.
Secondo il report, i costi cloud hanno superato le previsioni iniziali del 48% in media. L’80% dei leader tecnologici segnala inoltre costi di trasferimento dei dati superiori alle attese. Sebbene l’88% delle organizzazioni stia valutando o pianificando lo spostamento dei carichi verso un altro fornitore, soltanto il 25% risulta facilmente trasferibile.
Il lock-in, quindi, non rappresenta soltanto una questione contrattuale. Può limitare la possibilità di sostituire modelli, introdurre nuove capacità e modificare rapidamente le scelte tecnologiche. Nelle Tlc, dove piattaforme e infrastrutture possono restare operative per molti anni, questa rigidità assume un peso ancora maggiore.
Boris Alexandre, Cio North America di Airbus, sintetizza il principio: “Progettiamo architetture modulari affinché i componenti possano evolvere con il progresso tecnologico, senza compromettere il sistema complessivo. Questo approccio ci permette di assorbire rapidamente l’innovazione, sostenendo prodotti con cicli di vita lunghi decenni”.
La preparazione non coincide più con la stabilità, ma con la capacità di cambiare senza dover ricostruire ogni volta sistemi, integrazioni e processi. Le organizzazioni che hanno progettato fin dall’inizio una maggiore flessibilità hanno registrato nel 2025 un ritorno sugli investimenti AI superiore del 10%.
La spesa cresce, ma manca una gestione finanziaria matura
Il focus italiano mostra una dinamica più intensa rispetto alla media globale. Nel Paese, il peso dell’AI sui budget It dovrebbe raggiungere il 28% entro il 2027. A livello internazionale, il report stima invece un passaggio da poco meno del 15% a quasi il 25%.
La differenza non riguarda soltanto l’ammontare degli investimenti. Conta soprattutto la capacità di capire dove vengono impiegate le risorse e quali risultati generano. Globalmente, l’85% dei tech leader non dispone di una piena visibilità in tempo reale sulla spesa AI. In Italia, la quota sale al 90%.
Inoltre, l’84% delle organizzazioni non ha ancora reso pienamente operativa la gestione finanziaria dell’intelligenza artificiale. Senza informazioni aggiornate, le decisioni rallentano e le aziende tornano a privilegiare tagli generalizzati. Questo approccio rischia di penalizzare i progetti più promettenti insieme a quelli meno efficaci.
I tradizionali business case, costruiti su cicli da tre a cinque anni, faticano infatti ad adattarsi. La vita utile media di un modello AI è di circa 14 mesi. Nel 71% dei casi, le imprese lo sostituiscono perché trovano una soluzione migliore. Il 60% indica invece l’evoluzione delle esigenze aziendali. La gestione deve quindi assumere una logica di portafoglio. I casi d’uso consolidati richiedono controllo dei costi e ottimizzazione. I progetti sperimentali necessitano invece di criteri chiari, responsabili identificati e possibilità di interrompere rapidamente gli investimenti.
Il ruolo di Cio e Cto diventa più strategico
La crescita dell’AI amplia il mandato dei responsabili tecnologici. Cio e Cto non si limitano più a supportare la strategia aziendale. Le loro scelte determinano quali trasformazioni risultano concretamente possibili. Architettura, controllo e allocazione del capitale diventano tre dimensioni inseparabili. La flessibilità senza governance aumenta l’esposizione. I controlli senza adattabilità rallentano l’innovazione. Gli investimenti senza visibilità generano invece inerzia e sprechi.
Le organizzazioni che combinano questi tre elementi stimano una crescita dei ricavi superiore del 38% e margini operativi più alti del 7% nel 2026. Inoltre, utilizzano già un numero di agenti 2,6 volte maggiore rispetto alle altre imprese.
Per l’Italia, la priorità consiste nel ridurre la distanza tra ambizioni e capacità esecutiva. La pressione del vertice può accelerare l’adozione, ma non sostituisce le fondamenta operative. Al contrario, rischia di amplificare vulnerabilità già presenti. La governance AI deve quindi entrare nella progettazione dei sistemi, nella pianificazione economica e nelle responsabilità aziendali. Solo così le imprese potranno passare dalla sperimentazione alla scala senza perdere controllo.
Nelle Tlc, questo passaggio risulterà ancora più decisivo. Gli agenti potranno contribuire all’efficienza delle reti e alla qualità dei servizi, ma dovranno operare entro limiti verificabili. Il vantaggio competitivo non dipenderà dal numero di sistemi introdotti. Dipenderà dalla capacità di renderli osservabili, sostituibili, arrestabili e finanziariamente sostenibili.
Partecipa alla community