Se i progetti di intelligenza artificiale sono ormai una priorità nelle strategie delle grandi organizzazioni europee, molte aziende faticano a trasformare le sperimentazioni in valore concreto e scalabile. Il motivo è legato principalmente a una visione distopica: le imprese si sentono generalmente pronte per l’AI, ma solo una minoranza ha costruito a supporto un’infrastruttura dati adeguata.
Lo scenario emerge dal report The Data Readiness Index: Understanding the Foundations for Successful AI pubblicato recentemente da Cloudera. L’indagine è stata condotta nel primo trimestre 2026, coinvolgendo 1.270 responsabili IT a livello globale, di cui 312 nell’area Emea e 55 in Italia.
Indice degli argomenti
L’illusione di AI readiness
«Nel nostro Paese – esordisce Fabio Pascali, Regional Vice President Italy, Greece & Cyprus di Cloudera, durante un incontro stampa – c’è una netta percezione dell’importanza degli investimenti in intelligenza artificiale, ma non è così chiaro come procedere, considerando controllo, qualità dei dati, processi, organizzazione. È un paradosso evidente: moltissime aziende italiane hanno iniziato attività attorno all’AI, ma si va con i piedi di piombo, con casi d’uso verticali e un approccio a PoC, senza riuscire realmente a scalare».
Il gap tra intenzione e know-how è evidente e mette in luce una certa “illusione di AI readiness”, per cui la fiducia nelle strategie di data governance, fondamentali per il successo dell’intelligenza artificiale, supera le effettive capacità del sistema in essere.
In Italia, il 91% dei responsabili IT ritiene che la propria infrastruttura dati supporterà le priorità strategiche nei prossimi due o tre anni, ma appena il 56% afferma di disporre di una strategia dati realmente definita e soltanto il 2% opera in ambienti completamente governati.
Tuttavia, come rivela lo studio, lo scollamento tra percezione e realtà non è un fenomeno solo italiano, seppure con qualche schiarita oltreconfine. A livello EMEA, infatti, il 91% delle organizzazioni ha fiducia nella propria infrastruttura e addirittura il 92% afferma di avere una strategia ben delineata. Tuttavia, soltanto il 26% sostiene di operare con dati completamente governati.
Qui sta il vero freno per i progetti di intelligenza artificiale. «L’AI – sostiene Yari Franzini, Group Vice President Southern Europe di Cloudera – è efficace solo quanto i dati che la alimentano. Senza una governance coerente in tutti gli ambienti, le organizzazioni si trovano di fronte a limitazioni nell’accuratezza, nella fiducia e nel valore di business che l’AI può generare».
Gli ostacoli al successo dei progetti AI
In questo scenario, i Proof of Concept proliferano ma la maggioranza non arriva mai in produzione. Oppure, se riesce a scalare, presenta costi e criticità imprevisti.
Il motivo, secondo i manager di Cloudera, è strutturale: chi avvia un Poc raramente considera fin dall’inizio i requisiti non funzionali – compliance, governance, sostenibilità dei costi – che diventano invece determinanti nel momento in cui il progetto deve essere industrializzato. «Se non si ragiona adeguatamente in termini di scalabilità – sintetizza Franzini – ci si ritrova con costi che esplodono e bisogna tornare indietro a rivedere calcoli e architetture di riferimento».
L’analisi condivisa da Pascali suggerisce tre principali fattori che bloccano il ritorno sugli investimenti dei progetti AI, deludendo le aspettative delle aziende. Innanzitutto la qualità del dato, indicata dal 18% dei responsabili IT in EMEA e dal 24% in Italia. Poi, i silos informativi che limitano la “vista” e, quindi, l’efficacia del modelli AI. Infine, l’aumento incontrollato dei costi. Molti progetti, infatti, partono nel cloud pubblico pagando a token. Se il modello funziona per piccoli test, quando si scala i costi aumentano in modo esponenziale, costringendo i manager a contenere l’uso dell’AI tramite budget rigidi, con la conseguenza di limitarne anche i potenziali ritorni.
A complicare ulteriormente il quadro intervengono inoltre i limiti infrastrutturali. Per il 74% del campione EMEA e il 71% italiano, le iniziative operative della propria azienda sono ostacolate da problemi di performance.
Il supporto di Cloudera alla data governance
Per supportare le imprese nei progetti di data governance e intelligenza artificiale, come spiegano Franzini e Pascali, la strategia di Cloudera include l’Open Data Lakehouse basato sul formato tabellare Apache Iceberg e l’approccio AI anywhere, che permette di garantire la sovranità dei dati e la portabilità dei modelli.
La piattaforma ibrida della multinazionale americana indirizza così le principali esigenze delle aziende in materia di AI e Data Readiness. Ad esempio, consente di sviluppare modelli nella nuvola pubblica per poi portarli on premise o in ambienti cloud privati su GPU Nvidia quando la scalabilità lo richiede, ottimizzando i costi, il controllo e la compliance.
Tra i componenti a portafoglio, i due manager citano anche le soluzioni Data Catalog (per organizzare e classificare informazioni eterogenee) e Data Lineage (frutto dell’acquisizione Octopi, in grado di estrarre automaticamente metadati da oltre 60 tool di mercato, ricostruendo l’intero ciclo di vita del record). Da notare che, secondo la ricerca, oltre il 90% dei rispondenti riconosce l’importanza dei sistemi di catalogazione e tracciabilità dei dati per costruire applicazioni AI affidabili.
Un problema soprattutto manageriale
Secondo Pascali, la proposta di Cloudera sta trovando buoni riscontri anche sul territorio italiano, dove Pubblica Amministrazione, Sanità e Finance si dimostrano particolarmente sensibili al tema della gestione dei dati e rappresentano oggi i principali mercati di riferimento.
Come emerge dalla discussione, però, prepararsi all’AI non è solo una questione tecnologica, ma anche culturale, organizzativa e di esecuzione.
La governance deve essere pensata e costruita a monte dei progetti, come substrato e conditio sine qua non. «Non va percepita – conclude Franzini – come un freno a mano tirato per l’innovazione. Soluzioni come la nostra possono garantire una frenata assistita, perché permettono sia di muoversi velocemente per sviluppare i casi d’uso sia di mantenere il controllo per scalare i progetti, garantendo la compliance». Ciò che spesso manca, però, è una governance decisionale sui dati: la figura del Chief Data Officer esiste, ma servirebbe un ruolo trasversale e più simile a un Chief Operating Officer che gestisca i dati in tutta l’azienda, al di sopra delle linee di business.
