La settimana scorsa ho partecipato al Gartner Application Innovation & Business Solutions Summit a Las Vegas insieme al team di SnapLogic. L'evento ha riunito architetti aziendali, responsabili delle applicazioni, team di ingegneri del software, direzioni IT e dirigenti del settore tecnologico provenienti da diversi settori, tutti accomunati da una sfida comune: come tradurre gli investimenti nell'intelligenza artificiale in risultati aziendali misurabili e in un valore aziendale sostenibile.
SnapLogic ha partecipato sia in qualità di sponsor che di relatore. Nella nostra sessione, intitolata “Dagli esperimenti di IA ai risultati concreti: il livello di esecuzione che vi manca”, Bhavin Patel ha approfondito un tema che sarebbe tornato più volte nel corso della conferenza: l’IA di per sé non è più il fattore limitante. La sfida più ardua è l’attuazione. In che modo le organizzazioni integrano l’IA nei sistemi aziendali, nei flussi di lavoro e nei modelli di governance che consentono di ottenere risultati concreti per il business?
Il dibattito sull'intelligenza artificiale è ormai maturo
Una delle cose che mi ha colpito di più alla conferenza è stato quanto sia cambiato il dibattito sull'intelligenza artificiale.
L'entusiasmo non è certo venuto meno. Ma l'attenzione si è spostata.
Molti dei temi affrontati durante l’AgentFest di SnapLogic ad aprile, in particolare quelli relativi all’esecuzione, alla governance e all’adozione dell’IA in ambito aziendale, sono stati ribaditi nel corso della conferenza. Durante le sessioni degli analisti, le conversazioni con i clienti e le dimostrazioni tecnologiche, il dibattito si è concentrato costantemente su una nuova sfida: come far passare l’IA dalla fase sperimentale a risultati aziendali misurabili.
Le aziende non si chiedono più se l'intelligenza artificiale sia in grado di creare valore. Si chiedono piuttosto come metterla in pratica.
- Come si individuano i flussi di lavoro più adatti?
- Come si fa a infondere fiducia nei risultati generati dall'intelligenza artificiale?
- Come si gestiscono le azioni autonome?
- Come si integra l'intelligenza artificiale con i sistemi, le applicazioni e i dati che sono alla base dell'attività aziendale?
E, cosa forse ancora più importante, come si dimostra il ritorno sugli investimenti già effettuati?
Il tono della conversazione era decisamente più pragmatico rispetto a un anno fa. Non perché le aziende siano meno ottimiste riguardo all'intelligenza artificiale, ma perché ora comprendono quanto possa essere difficile la sua implementazione a livello aziendale.
Ora la parte difficile è metterlo in pratica
Nel corso della conferenza è emerso più volte un tema ricorrente: la sfida non consiste più nel produrre informazioni, bensì nel metterle in pratica.
Le organizzazioni stanno comprendendo che l'intelligenza artificiale crea valore solo quando è integrata nei flussi di lavoro appropriati, gode della fiducia degli utenti giusti, è regolata da controlli adeguati ed è integrata nei sistemi in cui si svolge effettivamente il lavoro.
Le discussioni si sono concentrate meno sulle funzionalità dei modelli e più sulla progettazione dei flussi di lavoro, sulla governance, sull'integrazione e sui risultati misurabili. Il dibattito si è spostato da ciò che l'IA è in grado di fare a come le organizzazioni possano implementarla con successo su scala aziendale.
Per i leader del settore tecnologico, si tratta di un problema molto più difficile da risolvere.
Il contesto sta diventando il collo di bottiglia
Una parola è tornata più volte nel corso della conferenza: contesto.
Gli agenti di intelligenza artificiale sono in grado di ragionare, sintetizzare e generare contenuti. Tuttavia, senza l'accesso al contesto aziendale, non possono intraprendere azioni significative.
Questo contesto è presente in applicazioni, API, cloud , data warehouse, documenti e flussi di lavoro aziendali. Nella maggior parte delle aziende, è il risultato di anni di investimenti tecnologici e di compartimentazioni organizzative.
Ecco perché l'integrazione sta assumendo un ruolo sempre più strategico.
Non si tratta più solo di infrastrutture. È la base fondamentale che determina se l'IA è in grado di comprendere il business, operare in modo trasversale tra i sistemi e produrre risultati misurabili.
Anche il Model Context Protocol (MCP) è stato uno dei temi principali dell'evento. Gli analisti di Gartner hanno discusso del suo ruolo sempre più importante nel facilitare l'interazione degli agenti con gli strumenti e i sistemi aziendali. Allo stesso tempo, molte organizzazioni stanno scoprendo che garantire l'accesso agli agenti è solo una parte della sfida. Connettività, esecuzione, governance, sicurezza e osservabilità rimangono requisiti fondamentali per l'implementazione aziendale.
Le organizzazioni che avranno successo saranno quelle che integreranno l'intelligenza artificiale nei sistemi in cui è già presente il know-how aziendale.
La governance sta assumendo un ruolo centrale
Un altro tema importante è stato quello della governance.
Man mano che l'intelligenza artificiale passa dalla generazione di contenuti all'esecuzione di attività lavorative, la governance assume un ruolo fondamentale.
Nel corso della conferenza sono emerse questioni relative alla sicurezza, all'applicazione delle politiche, alla verificabilità, al controllo degli accessi, all'osservabilità e alla gestione dei costi. I leader del settore tecnologico si stanno concentrando sempre più sul garantire che l'intelligenza artificiale possa operare in modo sicuro, trasparente e prevedibile all'interno degli ambienti aziendali.
Un tema ricorrente durante tutta la conferenza è stato quello degli aspetti economici dell'IA. Man mano che le organizzazioni superano la fase pilota e iniziano a implementare agenti su larga scala, il dibattito si sta spostando sempre più da ciò che l'IA è in grado di fare a quanto costa gestirla, regolarla e scalarla. Il consumo di token, la selezione dei modelli e l'efficienza operativa stanno diventando fattori importanti da considerare quando le imprese valutano gli aspetti economici a lungo termine dell'IA. I dirigenti valutano sempre più spesso non solo ciò che una soluzione di IA è in grado di fare, ma anche l'efficienza con cui è in grado di produrre risultati nel tempo.
Diverse sessioni di Gartner hanno sottolineato che la governance dovrebbe essere considerata un fattore che favorisce la scalabilità, piuttosto che un semplice esercizio di conformità. Le organizzazioni che instaurano fin dall'inizio un clima di fiducia, un sistema di controllo e una visibilità sui costi saranno in una posizione migliore per implementare l'IA in ambiente produttivo.
Questo riflette perfettamente ciò che ci viene riferito dai clienti.
L'IA applicata alla produzione non si limita a un modello e a un prompt. Richiede l'infrastruttura operativa necessaria per gestire l'IA in modo responsabile in contesti aziendali complessi.
Come si presenta l'intelligenza artificiale applicata alla produzione
Una cosa che ho apprezzato della conferenza è stata la crescente attenzione rivolta alle applicazioni concrete piuttosto che alle possibilità teoriche.
La discussione non ha riguardato tanto i singoli modelli, quanto piuttosto ciò che serve per rendere operativa l'intelligenza artificiale all'interno degli ambienti aziendali. Le organizzazioni sono sempre più interessate al modo in cui gli agenti accedono al contesto aziendale, svolgono il proprio lavoro su più sistemi e operano nel rispetto dei quadri di governance stabiliti.
Queste sfide non sono solo teoriche. Sono le stesse sfide che le organizzazioni devono affrontare nel passaggio dai progetti pilota di IA alle implementazioni in produzione.
Li abbiamo sperimentati in prima persona grazie a Jean-Paul, l'agente di IA aziendale sviluppato internamente da SnapLogic. A differenza dei tradizionali assistenti di IA incentrati sulla ricerca o sulla produttività personale, Jean-Paul opera come un sistema agentico regolamentato che collega applicazioni aziendali, dati e flussi di lavoro per eseguire attività aziendali concrete. Combinando il ragionamento basato sull'IA con la connettività aziendale, i flussi di lavoro riutilizzabili e i controlli di governance, aiuta i team ad automatizzare il lavoro e ad accelerare il processo decisionale, garantendo al contempo visibilità, sicurezza e tracciabilità.
Esperienze come questa confermano un insegnamento più ampio emerso più volte nel corso della conferenza: il valore dell'IA non deriva dal modello in sé, ma dalla sua capacità di integrarsi nei processi aziendali reali, con il contesto, l'attuazione e la governance adeguati.
Una fase più ponderata dell'adozione
Un altro aspetto che ha colpito è stato il livello di rigore con cui le organizzazioni stanno affrontando gli investimenti nell'IA.
Molte aziende stanno rivalutando la complessità tecnologica accumulata nel corso degli anni mentre si preparano alla prossima fase di adozione dell'intelligenza artificiale. Anziché aggiungere ulteriori strumenti non integrati tra loro, i dirigenti stanno cercando modi per semplificare l'architettura, ridurre i costi operativi e creare una base più solida per i flussi di lavoro basati sull'intelligenza artificiale.
Questo è emerso chiaramente nelle discussioni incentrate sulla modernizzazione delle applicazioni, l'integrazione, le API, l'architettura dei dati, i flussi di lavoro basati su agenti e il consolidamento delle piattaforme.
L'attenzione è sempre più rivolta alla creazione di un contesto in grado di supportare l'intelligenza artificiale su larga scala, piuttosto che limitarsi a realizzare l'ennesimo progetto pilota.
Sotto molti aspetti, questa sembra una sana evoluzione per il settore.
Il mercato sta superando la fase in cui l'intelligenza artificiale era vista come un semplice esperimento tecnologico per orientarsi verso quella in cui è considerata una risorsa aziendale.
Dall'ambizione nell'intelligenza artificiale al valore aziendale
La conclusione principale che ne ho tratto è che il mercato sta entrando in una fase più matura di adozione dell'intelligenza artificiale.
La prima fase è stata caratterizzata dalla sperimentazione.
La fase successiva sarà caratterizzata dall'attuazione, dalla governance, dagli aspetti economici e dalla capacità di dimostrare risultati aziendali misurabili.
Si tratta di un'evoluzione positiva.
La cautela che ho percepito durante tutta la conferenza non era scetticismo. Era disciplina. I leader del settore tecnologico vogliono prendere decisioni oculate, scegliere architetture scalabili e garantire che i loro investimenti nell'IA producano risultati concreti.
Durante tutta la conferenza, ho sentito ripetere più volte le stesse tre condizioni fondamentali per il successo dell'IA aziendale:
- Contesto: l'accesso ai sistemi, alle applicazioni, alle API e ai dati in cui risiedono le conoscenze aziendali.
- Esecuzione: la capacità di eseguire in modo sicuro le attività tra agenti, flussi di lavoro, applicazioni e persone.
- Governance: la fiducia, la sicurezza, la trasparenza e il controllo necessari per l'implementazione dell'IA in ambiente operativo.
Questi tre requisiti rispecchiano fedelmente le discussioni che stiamo avendo con i clienti, impegnati a integrare il contesto aziendale, a rendere operativa l'intelligenza artificiale attraverso processi aziendali reali e a definire la governance necessaria per l'implementazione in produzione.
Per le aziende, la questione non è più se l'intelligenza artificiale sia in grado di fornire una risposta.
La domanda è se l'intelligenza artificiale sia in grado di svolgere il proprio lavoro in modo sicuro all'interno dei sistemi, dei dati e dei flussi di lavoro che stanno alla base dell'attività aziendale.
È qui che l'intelligenza artificiale passa dalla fase sperimentale a quella operativa.
Ed è proprio qui che inizia il valore aziendale.
Sarà interessante vedere come le organizzazioni affronteranno questa prossima fase di adozione dell'IA nel corso del prossimo anno. Non vedo l'ora di proseguire il dialogo con clienti, partner, analisti e colleghi del settore man mano che il mercato si evolve.
Vuoi saperne di più? Segui oggi stesso una visita guidata al prodotto o prenota una demo personalizzata con il nostro team.
