Per il successo dell’AI si parte dai dati

Secondo i dati dello studio ‘The Data Readiness Index: Understanding the Foundations for Successful AI’ rilasciato da Cloudera l’Italia risulta indietro rispetto alla media EMEA quando si parla di preparazione delle imprese a supporto dell’AI su scala. Da una parte c’è una percezione molto elevata dell’importanza di investire in AI (91%), associata a innovazione, sviluppo di casi d’uso e trasformazione dei processi (stesso dato EMEA); dall’altra esiste una governance (ossia disporre di una strategia dati ben definita e allineata agli obiettivi di business) ancora bassa (52% contro una media del 92%), con quindi riferimento a tutto ciò che riguarda controllo dei dati, qualità del dato e processi organizzativi, quindi in sostanza il ‘come arrivarci’.

“In quanto realtà leader nel mondo Data & AI, possiamo aumentare la consapevolezza ma soprattutto aiutare le aziende a ottenere risultati concreti attraverso il training delle persone, lo sviluppo di casi d’uso e la riduzione delle resistenze organizzative. In Italia esistono moltissime realtà che hanno avviato attività sull’AI, dai PoC ai casi d’uso verticali, fino a progetti IT for IT e IT for Business, ma spesso con grande cautela e senza ancora riuscire a scalare pienamente”, spiega Fabio Pascali, Regional Vice President Italy, Greece and Cyprus di Cloudera.

Proseguendo, solo il 16% delle aziende italiane dichiara di avere una completa integrazione dei dati, mentre il 53% afferma di avere dati abbastanza integrati. Inoltre, appena il 26% sottolinea di avere accesso immediato ai dati in qualsiasi formato mentre il 18% dispone di un accesso self-service al dato. “Noi ci sentiamo parte attiva di questo percorso perché il nostro core business nasce dal mondo dei dati e dell’open lakehouse. Oggi parliamo di ‘data anywhere’: scrivere il dato una sola volta e renderlo accessibile a tutti i motori. È evidente che ci sia ancora molto da fare, anche se come azienda stiamo vivendo un percorso molto positivo, con il 2025 che è stato un anno record in Italia. Rompere i silos dei dati resta però molto complicato.” Ecco che con la Open Data Lakehouse si crea un layer che permette alle business unit di sentirsi più sicure nel condividere i propri dati, grazie a meccanismi di sicurezza che garantiscono controllo e protezione.

Qualità necessaria

Esiste poi un tema di ROI. A frenare i progetti AI sono innanzitutto la qualità del dato (24%), spesso non sufficiente per ottenere risultati consistenti, e i silos informativi, che portano l’AI a lavorare solo su una parte dell’organizzazione e su dati frammentati. “Questo accade anche perché molte aziende non percepiscono ancora il dato come completamente sicuro in un contesto in cui la maggior parte delle organizzazioni è partita con soluzioni cloud già pronte, esportando anche dati sensibili verso servizi esterni”, osserva Pascali aggiungendo che Public, Finance e Sanità sono i tre settori in cui il tema della sovranità del dato è più sentito.

“Nella Pubblica Amministrazione abbiamo ad esempio avviato diversi progetti e iniziative dopo che avevano intrapreso una prima fase di sperimentazione con servizi cloud esterni, utilizzati però in modo limitato e con dati anonimizzati. Con la necessità di scalare, molte organizzazioni si stanno invece rendendo conto che il nostro approccio rappresenta una soluzione privilegiata: AI generativa anche on-premise, con pieno controllo del dato. Nel settore sanitario, sia pubblico sia privato, esiste poi una differenza importante tra fare analytics e fare inferenza in cloud, che implica aspetti più delicati come fine tuning e gestione di dati sensibili. Per questo cresce l’attenzione verso infrastrutture sicure e controllate. Nel Finance infine emerge soprattutto il tema dei costi. Le aziende del settore hanno già lavorato molto sui dati, ma con l’aumento dei volumi e l’evoluzione verso l’AI agentica, la sostenibilità economica diventa centrale. Qui si inserisce il ruolo dei system integrator, con i quali abiamo diverse partnership e sono le realtà più vicine ai clienti, analizzando i bisogni e identificando le tecnologie più adatte agli obiettivi di business.”