L’intelligenza artificiale è senza dubbio al centro di quasi tutti i dibattiti sull’innovazione a ogni livello, dagli sviluppatori ai CEO. Tuttavia, ciò che molte organizzazioni stanno scoprendo, man mano che entrano nel mondo della Generative AI, è che questa è utile solo quanto lo sono i dati e l’infrastruttura che la supportano. Decenni di adozione tecnologica significano decenni di sistemi con dati critici che però non sono archiviati in ambienti real-time e AI-ready, e adeguare sistemi ormai obsoleti sembra poco fattibile.
Indice degli argomenti
Il costo nascosto del debito tecnico
In tutti i settori, sistemi legacy e debito tecnico sono diventati uno dei maggiori ostacoli al progresso: non sono stati progettati per il ritmo, la complessità o l’agilità richiesti oggi. Le stime globali valutano il costo del debito tecnico a quasi quattro trilioni di dollari. I sistemi legacy possono rallentare l’innovazione, creare colli di bottiglia e rendere difficili le esperienze in tempo reale che i clienti si aspettano sempre più spesso. Ma molte aziende stanno scoprendo che modernizzare le proprie applicazioni non significa solo riparare ciò che non funziona: la modernizzazione permette di muoversi e innovare più velocemente per gli utenti finali.
In Italia e in tutto il mondo, i leader IT affrontano lo stesso dilemma: sono intrappolati da applicazioni legacy critiche per il business, soggette a downtime, vulnerabilità di sicurezza e lentezza nel rispondere alle opportunità di mercato, assorbendo inoltre una quota significativa del budget IT.
Gli executive vorrebbero liberare queste risorse per investirle in innovazione e velocità, al fine di guidare la trasformazione digitale, abilitare iniziative AI a livello enterprise e far diventare le loro organizzazioni più competitive, ma i sistemi legacy bloccano ogni mossa strategica.
Detto ciò, modernizzare un’infrastruttura costruita nel corso di anni o addirittura decenni non è certo una strada in discesa. La maggior parte dei progetti di modernizzazione richiede anni, se non si blocca fin dall’inizio, ostacolata da sistemi legacy fragili, flussi di lavoro personalizzati ad hoc e strumenti obsoleti.
Ma i maggiori ostacoli non sono solo la complessità: sono paura e incertezza. Spesso i team non sanno bene come funzionano i sistemi legacy. La documentazione è solitamente scarsa e gli sviluppatori originali potrebbero non essere più disponibili, il che lascia i team insicuri su come intervenire. Toccare una singola riga di codice può innescare una catena di conseguenze imprevedibili. E quando questi sistemi, pur fragili, “funzionano ancora”, il rischio di compromettere qualcosa può superare i possibili benefici. Alla fine, a vincere è l’inerzia.
Dal rischio all’opportunità: un approccio collaudato alla modernizzazione full-stack
Fortunatamente, la modernizzazione delle applicazioni legacy non deve essere un salto nel buio. In oltre un decennio nel supportare le imprese di diversi settori, abbiamo imparato che il database è spesso il singolo ostacolo più grande alla trasformazione digitale. È lì che si annidano decenni di logiche aziendali, dipendenze critiche moltiplicate e la complessità che blocca effettivamente l’innovazione. Trasformare il data layer può eliminare le barriere che hanno frenato i precedenti tentativi di modernizzazione.
La modernizzazione non consiste semplicemente nel sostituire sistemi obsoleti; significa ripensare il modo in cui i dati vengono strutturati, accessi e scalati per alimentare le applicazioni di nuova generazione. Architetture moderne basate su data layer flessibili e cloud-ready consentono alle organizzazioni di accelerare la distribuzione, migliorare le performance e ridurre i rischi di sicurezza.
Il percorso di modernizzazione di Generali
Trasformare la teoria in pratica è ciò che conta davvero. Guardiamo ad un esempio del settore finanziario. Oggi le aziende del settore affrontano una complessa dinamica di forze contrapposte: da un lato la necessità di prudenza, cautela, stabilità e prevedibilità; dall’altro, le richieste da parte dei clienti per nuove applicazioni, velocità e disponibilità.
Molti istituti finanziari sono stati early adopter del digitale, ma decenni di sistemi legacy ora li rallentano, poiché il debito tecnico ostacola sia la soddisfazione dei clienti sia la competitività. Modernizzare la tecnologia in un contesto altamente regolamentato diventa quindi un impegno significativo.
Generali, uno dei maggiori gruppi europei nel settore assicurativo e di asset management, con 71 milioni di clienti e 87.000 dipendenti in 50 Paesi, si è trovata esattamente davanti a questa sfida. L’azienda doveva modernizzare i sistemi di gestione dei sinistri, sebbene critici per il business ma spesso considerati come cost centre più che come investimento, per creare un’architettura moderna, scalabile e AI-ready, in grado di migliorare l’efficienza complessiva dell’azienda.
Modernizzare un’architettura monolitica richiede un approccio graduale. Con MongoDB AMP, è stato possibile testare e refactorizzare i sistemi. Il progetto articolato su tre anni, dal 2025 al 2027 sta già dando i primi risultati tangibili sia a livello applicativo sia a quello di database, oltre a un impatto misurabile sul business.
Generali sta passando ora da sistemi frammentati a un approccio platform-based: un unico sistema scalabile costruito su microservizi indipendenti o componenti serverless. Un sistema di scambio dati bidirezionale sincronizza database legacy e moderna, assicurando continuità operativa e creando una Single View, oltre a layer dedicati ad aggregazione, staging e propagazione degli eventi verso altri sistemi e API. Questa base abilita oggi prestazioni superiori, scalabilità orizzontale, resilienza e cicli di sviluppo più rapidi.
Come osserva Claudio Borean, Head of IT Claims di Generali, «È stata per noi una piacevole sorpresa scoprire un approccio così rigoroso alla modernizzazione basata sulla Generative AI, applicato in pratica e misurabile. Questo è solo un primo passo, ma abbiamo già visto il suo impatto in termini di tempi e costi. Considerando che in passato i progetti di modernizzazione richiedevano almeno un anno, oggi possiamo raggiungere una fase minima di modernizzazione del backend in molto meno tempo, liberando risorse da dedicare a funzionalità di valore per il business e avvicinandoci a una vera eccellenza AI-driven».
La modernizzazione come strategia continua
La modernizzazione non è più un progetto IT isolato ma un processo continuo di adattamento. Il ritmo del cambiamento tecnologico, l’emergere di nuove capacità dell’AI e le crescenti aspettative di clienti e regolatori richiedono infrastrutture in grado di evolvere senza interruzioni. Affrontando il debito tecnico, ripensando l’architettura dei dati e integrando l’automazione basata sull’AI nei workflow di modernizzazione, le organizzazioni possono gettare le basi per un’innovazione sostenibile.
Le aziende più lungimiranti hanno già capito che la vera innovazione non inizia con l’adozione dell’AI, ma con la ricostruzione delle fondamenta che permettono all’AI di diventare un moltiplicatore di valore, in grado di trasformare l’approccio per affrontare le sfide della modernizzazione a una velocità e su una scala senza precedenti, nel 2026 e oltre.
