La settimana scorsa, SnapLogic ha partecipato all'edizione di quest'anno dell'evento Gartner Data & Analytics a Londra. Come suggerisce il nome, si trattava di un pubblico a noi molto familiare, che condivide le nostre stesse preoccupazioni e priorità. Le conversazioni sono state interessanti e stimolanti, sia con i clienti esistenti desiderosi di conoscere le nostre recenti attività, sia con persone con cui non avevamo ancora avuto l'occasione di lavorare.
La pressione di dover dimostrare il valore dell'IA
Il tema dell'evento è emerso chiaramente fin dal discorso di apertura, che ha messo in evidenza la crescente necessità di fornire un valore reale, misurabile attraverso un ritorno concreto sugli investimenti che le aziende hanno già effettuato nell'IA.
Come si leggeva nelle diapositive:
«Grazie all'intelligenza artificiale, abbiamo catturato l'attenzione di tutti.
Il rovescio della medaglia è che abbiamo catturato l'attenzione di tutti!»
Per troppe organizzazioni, l'intelligenza artificiale è ancora un esperimento costoso. L'anello mancante è il collegamento con i sistemi, le app e i dati utilizzati oggi per gestire l'attività. Senza il contesto fornito da tali integrazioni, gli operatori non saranno in grado di agire in modo realmente efficace.
L'integrazione come anello mancante: la storia della CCB
Questo è stato anche il punto che ho voluto sottolineare nel raccontare la storia di ciò che siamo riusciti a costruire insieme alla Cambridge and Counties Bank. Se non avete partecipato all'evento, potete guardare il video in cui David Holton, Chief Transformation Officer della banca, racconta questa storia all'AgentFest tenutosi all'inizio di quest'anno.
In definitiva, per ottenere un vero ritorno sull'investimento (ROI) è necessaria un'attenta progettazione dei processi e dell'architettura. La combinazione tra l'integrazione con i sistemi aziendali principali, le nuove funzionalità flessibili dell'IA agente e una logica deterministica prevedibile offre agli esperti umani gli strumenti necessari per cogliere nuove opportunità e ottenere risultati innovativi.
Da "human-in-the-loop" a "human-in-the-lead"
Il cambiamento terminologico più interessante è stato il passaggio da «human in the loop» a «human in the lead». Gli utenti non sono più solo una fase di escalation nella gestione degli errori o, peggio ancora, non ci si aspetta più che individuino gli errori senza rallentare i processi che ora funzionano alla velocità delle macchine.
Questo nuovo approccio è importante perché cambia radicalmente il modo in cui le organizzazioni concepiscono la progettazione dei processi. Anziché aggiungere la supervisione umana a un flusso di lavoro automatizzato come rete di sicurezza, l'obiettivo diventa quello di progettare processi in cui le persone dispongano del contesto adeguato per prendere decisioni migliori in tempi più rapidi. L'intelligenza artificiale gestisce il volume di dati e il riconoscimento dei modelli; le persone apportano il giudizio, la responsabilità e la direzione strategica che le macchine non sono in grado di replicare.
Al contrario, la riprogettazione dei processi può fornire il contesto di riferimento di cui sia gli utenti umani che quelli basati sull'intelligenza artificiale hanno bisogno per operare in modo efficace. Le organizzazioni che stanno adottando questo approccio non si limitano ad automatizzare i flussi di lavoro esistenti, ma stanno ripensando alla loro finalità e a chi o cosa sia più adatto a gestire ciascuna fase.
Lettura consigliata: È arrivata l'era dell'esecuzione dell'IA: un resoconto dell'AgentFest 2026
La governance è una capacità in ritardo
Una questione sollevata più volte sia dagli analisti di Gartner che dai partecipanti è che la governance rappresenta un punto debole nel settore dell'intelligenza artificiale. Ciò significa che nuove e promettenti funzionalità faticano a entrare in produzione a causa del timore di conseguenze indesiderate. Infatti, per la prima volta, le capacità IT si stanno evolvendo più rapidamente di quanto il business riesca ad assorbirle.
Questo mi riporta a uno dei punti sollevati da David di CCB quando racconta la storia del nostro progetto comune. Egli consiglia ai suoi colleghi di concentrare le nuove funzionalità di IA sui limiti di capacità della situazione attuale. Il successo consiste nel collegare l'IA a un obiettivo strategico misurabile: intervenire sui flussi di lavoro più complessi, con un chiaro ritorno sull'investimento.
Questo stretto ciclo di feedback con il mondo reale garantisce che l'impatto abbia la precedenza sulla sperimentazione e che i progetti non rimangano bloccati in una fase di sperimentazione a tempo indeterminato. Non che ci sia nulla di sbagliato nell'apprendimento. Ma a un certo punto diventa più produttivo imparare iterando su qualcosa che già funziona e ricavando feedback dal suo impatto e dalla sua accoglienza.
Perché il mercato dell'integrazione dei dati sta crescendo più rapidamente del previsto
Questo tema è emerso anche nelle previsioni di Gartner sui prossimi cinque anni dell'IA: le pressioni sui costi non fermeranno l'IA, ma la frammentazione degli strumenti e le scorciatoie in materia di semantica impediranno di trarne valore. I clienti di SnapLogic sono in vantaggio su questo fronte, grazie a un data fabric astratto basato su agenti che copre l'intero panorama aziendale e colma le lacune tra sistemi precedentemente scollegati.
Questa visione olistica e interconnessa deve includere anche quella che è stata definita la «materia oscura» dei processi aziendali: i dati non strutturati che giacciono inutilizzati in file (ad esempio PDF, fogli di calcolo, file CSV e simili) in tutto il panorama IT aziendale.
Questo è il motivo per cui un relatore di Gartner ha sottolineato che il mercato dell'integrazione dei dati sta crescendo del 13,4%, ben al di sopra della stima formulata dalla società nel rapporto dello scorso anno sulle quote di mercato del software di integrazione dei dati, che prevedeva una crescita di circa il 6%: i responsabili IT di tutto il mondo hanno compreso che una visione completa dei propri dati nel loro contesto è un requisito imprescindibile per il successo in un settore di alta priorità come quello dell'intelligenza artificiale.
A favore di approcci federati e distribuiti
Ovviamente, non è possibile realizzare questa visione con un unico sistema centralizzato, a causa dei tempi necessari per la sua implementazione e delle inevitabili interruzioni che ne derivano. Dopotutto, i sistemi esistenti sono stati scelti per soddisfare specifiche esigenze aziendali e, se sono ancora in uso, presumibilmente continuano a farlo.
Gartner raccomanda approcci distribuiti e federati piuttosto che la centralizzazione, a causa dei rischi che essa comporta. Secondo l'azienda, la combinazione di una gestione distribuita dei dati con una governance federata dei dati consente di ottenere risultati tre volte migliori.
Proprio questo punto mi è stato poi specificatamente ribadito da un attuale cliente di SnapLogic. Proprio per questo motivo stanno pianificando un ulteriore ampliamento del loro utilizzo, sottolineando la sintonia tra questo obiettivo di alto livello e le funzionalità concrete della nostra piattaforma.
Parti dal cliente, non dal processo
Concludo con un ottimo consiglio tratto dall'ultima presentazione a cui ho assistito durante l'evento: partite dal cliente, non dal processo attuale. Dopotutto, quel processo è stato costruito sulla base di realtà e limiti che potrebbero non essere più validi.
Un modo migliore per inquadrare la questione sarebbe:
- Di quali dati abbiamo bisogno per creare nuovi tipi di valore per i clienti?
- Qual è il modo più efficiente per accedere a tali dati, nel rispetto di tutti i requisiti di sicurezza, governance e conformità?
Le organizzazioni che pongono queste domande al centro della propria strategia in materia di IA sono quelle che hanno maggiori probabilità di passare dalla fase sperimentale a un impatto duraturo.
Dall'esperimento all'impresa: l'imperativo dell'integrazione
Il filo conduttore di tutte le discussioni tenutesi al Gartner Data & Analytics di Londra era chiaro: l'era della sperimentazione dell'IA sta lasciando il posto all'era della responsabilità dell'IA. Le organizzazioni non si chiedono più:«L'IA è in grado di fare questo?», ma piuttosto:«Quali risultati concreti sta effettivamente producendo?».
La risposta, immancabilmente, è sempre la stessa: l'integrazione. L'intelligenza artificiale senza contesto è un'intelligenza artificiale senza impatto. Che si tratti di collegarsi ai sistemi di riferimento che gestiscono l'azienda, di far emergere la "materia oscura" non strutturata nascosta nei file di tutta l'azienda o di progettare processi in cui gli esseri umani mantengano un ruolo di guida effettivo, le organizzazioni che ottengono risultati concreti sono quelle che hanno considerato l'integrazione una priorità strategica, non un ripensamento.
Il caso della CCB lo dimostra chiaramente: un ROI misurabile si ottiene combinando le capacità dell'IA con un'architettura ben progettata, concentrandosi sui flussi di lavoro più complessi e creando circuiti di feedback efficaci con risultati concreti. La governance e un approccio alla progettazione dei processi incentrato sul cliente non rappresentano un freno all'ambizione. Sono proprio questi elementi a trasformare l'ambizione in risultati concreti.
Per chi sta ancora affrontando questa transizione, il consiglio è semplice: non partite da ciò che l'IA è in grado di fare. Partite invece dalle esigenze dei vostri clienti, dai dati necessari per soddisfarle e dai sistemi che già li contengono. È lì che risiede il vero valore.
Unitevi a noi il 10 giugno per un dibattito dal titolo «Gestione degli agenti IA: accesso sicuro, identità e controllo su scala aziendale». Iscrivetevi alla trasmissione per il Nord America o a quella per l'area EMEA.
