Partite dal business case e la tecnologia seguirà: lezioni sulla preparazione all’IA tratte dallo StrategieGipfel IT Management

La prima sorpresa all’evento StrategieGipfel IT Management di Berlino è arrivata subito, durante il discorso di apertura. Il relatore ha chiesto al pubblico quale fosse il loro livello di adozione dell’intelligenza artificiale e quasi tutti i presenti hanno alzato la mano. Alla fine del 2026, questo dato forse non è poi così sorprendente. È stata la domanda successiva a rivelarsi più interessante.

Ai partecipanti (dirigenti e strateghi del settore IT provenienti da tutta la Germania) è stato chiesto di valutare il livello di preparazione delle rispettive organizzazioni in materia di intelligenza artificiale. Da una rapida stima a occhio è emerso che il livello medio di preparazione era inferiore al 50%. E proprio questo divario avrebbe caratterizzato i due giorni successivi della conferenza.

L'architettura è il lavoro di base che sta dietro al successo dell'IA

In tutto il settore, il dibattito sull’IA si sta spostando dalla semplice adozione ai casi d’uso aziendali e alle modalità di misurazione dei benefici dell’IA. Questa transizione sposta il dibattito da un ambito puramente tecnico a un livello organizzativo. Ciò è importante perché i casi d’uso che dimostrano un valore concreto tendono ad abbracciare diversi ambiti tecnici, seguendo il percorso del valore aziendale. Nel superare tali confini, i casi d’uso dell’IA evidenziano quali organizzazioni non abbiano “fatto i compiti” in termini di architettura. 

In particolare, le organizzazioni che hanno già implementato un data fabric integrato nell’ambito di iniziative precedenti, come quelle relative ai Big Data, possono ora trarne vantaggio in termini di risultati più rapidi e efficaci nell’ambito dell’intelligenza artificiale. Al contrario, le organizzazioni che non hanno colto in precedenza l’opportunità di rivedere le proprie architetture IT si trovano ora a dover recuperare molto terreno prima ancora di poter iniziare a implementare iniziative di intelligenza artificiale su larga scala.

Un altro “compito” consiste nel comprendere correttamente la divisione di lunga data tra IT e OT, ovvero tra i sistemi di supporto generici, acquistabili già pronti, e quelli mission-critical, che dovrebbero essere sviluppati internamente o almeno ampiamente personalizzati.

Il problema dei costi dei token

Tra le organizzazioni che avevano spinto più in là l’adozione dell’IA, molte hanno segnalato notevoli pressioni sui costi legate a tale adozione, con costi simbolici per strumenti di IA progettati in modo semplicistico che superavano già il costo del personale umano. La domanda che si trovavano ad affrontare non era più se fosse possibile fare qualcosa con l’IA, ma se fosse opportuno farlo. 

È possibile che la velocità, la prevedibilità e, sì, il costo inferiore della logica deterministica siano, in alcuni casi, più adatti rispetto alla logica probabilistica dell’IA generativa? E come si possono combinare questi due approcci?

La sicurezza e la sovranità sono alla base dell’approccio DACH

Un aspetto che in Germania, e nel mercato DACH in generale, riveste forse maggiore importanza rispetto a paesi come gli Stati Uniti è quello della privacy e della sovranità. I partecipanti erano tutti concordi nel ritenere che gli agenti di intelligenza artificiale non dovrebbero avere un accesso più ampio rispetto agli utenti per conto dei quali agiscono e che i dati dovrebbero rimanere sotto il loro controllo — e, del resto, devono farlo per motivi legali. 

Anche in questo caso, però, non si parlava di divieti generalizzati, bensì di architetture sofisticate in grado di distinguere tra applicazioni sensibili dal punto di vista legale o fondamentali per la missione — che potrebbero tollerare costi maggiori e, eventualmente, funzionalità più limitate dei modelli locali — e casi d’uso più generici, che potrebbero avvalersi di modelli standard senza rischi o altri impatti negativi.

Fattori che determinano il successo di un progetto di intelligenza artificiale

Ecco sei fattori chiave che influenzano il successo o il fallimento dei progetti di intelligenza artificiale, senza un ordine preciso:

1. Competenze dei dipendenti: nessuno ha dieci anni di esperienza nello sviluppo di strumenti di intelligenza artificiale generativa (GenAI), figuriamoci di agenti; quali competenze dovrebbero quindi cercare di sviluppare o ricercare i datori di lavoro?
2. Casi d'uso concreti end-to-end: partire dal requisito, non dalla tecnologia.
3. Stack tecnologico: le tecnologie più datate possono risultare più difficili da integrare con i framework di IA più recenti
4. Analisi di fattibilità: compreso dove reinvestire i risparmi
5. Contesto: Come consentire agli agenti di intelligenza artificiale di accedere alle app, ai dati e ai sistemi di cui hanno bisogno per essere utili
6. Governance: sia osservabilità/verificabilità che conformità/applicazione delle norme

Il punto fondamentale è che tutti questi elementi di una strategia complessiva devono essere sia flessibili che misurabili. Il panorama sta cambiando così rapidamente che una strategia eccessivamente rigida dovrà essere abbandonata del tutto una volta che il contesto si sarà evoluto a sufficienza. Una strategia più flessibile può evolversi man mano che emergono nuove capacità e si chiariscono nuovi requisiti. Tuttavia, il successo può essere raggiunto solo se tali fattori sono misurabili, per comprendere la direzione e la velocità di avanzamento.

Dal discorso di apertura alle sessioni pratiche

Tutta questa conversazione si è integrata perfettamente con il workshop interattivo che ho tenuto il secondo giorno dell’evento, durante il quale ho sottoposto ai partecipanti proprio queste domande e poi ho condiviso alcuni esempi di clienti SnapLogic che avevano ottenuto risultati positivi affrontando proprio gli stessi argomenti di cui avevamo appena discusso insieme in sala.

Eventi come questo non sono incentrati sui fornitori che promuovono le proprie capacità, ma piuttosto sull’avere conversazioni costruttive; è stato quindi positivo poter condividere le esperienze di altri professionisti che hanno ottenuto risultati positivi, partendo ben prima dell’avvento della tecnologia, dalle esigenze aziendali concrete e dall’analisi di fattibilità su come affrontarle. 

Tornando alla sessione di apertura, il team di SnapLogic concorderebbe pienamente con i partecipanti allo StrategieGipfel IT Management sul fatto che uno dei fattori più importanti per il successo delle iniziative di intelligenza artificiale sia un business case concreto e attuabile. Le ipotesi iniziali potrebbero dover essere riviste nel corso del progetto, ma una direzione chiara è di inestimabile valore.

In che modo SnapLogic affronta i fattori determinanti per il successo dell'IA

Solo allora la tecnologia potrà iniziare a fare la differenza, e SnapLogic soddisfa tutti quei requisiti che ci sono stati ripetuti più volte nel corso dei due giorni:

• Competenze dei dipendenti: la combinazione di un ambiente di sviluppo grafico e dell’assistenza basata sull’intelligenza artificiale in linguaggio naturale garantisce un avvio molto semplice e, di conseguenza, un breve time-to-value
• Casi d'uso concreti end-to-end: modelli pronti all'uso per esigenze comuni
• Stack tecnologico: con oltre 1.000 connettori predefiniti (Snaps) e oltre 500 strumenti MCP, siamo in grado di integrarci praticamente con qualsiasi sistema e, grazie allo SnapLogic Intelligent Modernizer (SLIM), possiamo anche migrare qualsiasi integrazione legacy
• Caso di business: una volta individuato il caso di business, le funzionalità della piattaforma, come le nuove funzionalità di Monitor, consentono di mappare rapidamente il valore di business
• Contesto: SnapLogic è il data fabric che collega gli agenti di intelligenza artificiale ai dati, alle applicazioni e ai sistemi aziendali da cui dipendono per fornire risultati efficaci e mirati
• Governance: la governance completa e l'applicazione delle politiche rendono SnapLogic la scelta più sicura per l'implementazione di agenti di intelligenza artificiale in casi d'uso reali, comprese le opzioni on-premise e la logica deterministica laddove questa rappresenti la scelta migliore

Poiché il panorama è in continua evoluzione, nessuna di queste soluzioni può essere implementata una volta per tutte. I team possono partire da un singolo caso d’uso, misurarne i risultati con l’ausilio dell’IA ed estendere le stesse basi di connettività, contesto e governance man mano che emergono nuove esigenze. È così che un business case iniziale ben definito si trasforma in un’IA in grado di reggere in produzione su scala aziendale.

Unisciti a noi all’IntegrateAI 2026 a Londra

Le discussioni iniziate a Berlino proseguono a Londra. Unisciti ai leader del settore IT e agli esperti di IA all’evento IntegrateAI il 17 novembre per scambiare opinioni su casi aziendali, architettura e governance. Prenota il tuo posto.