L’intelligenza artificiale corre veloce nelle strategie aziendali europee, ma la governance dei dati fatica a tenere il passo. È questa la fotografia che emerge dalla ricerca The Data Readiness Index: Understanding the Foundations for Successful AI condotta da Cloudera nel primo trimestre 2026 presso 1.270 responsabili IT a livello globale di grandi aziende appartenenti a differenti settori industriali: 312 nell’area EMEA, tra cui 55 in Italia. L’indagine ha messo in luce le contraddizioni di un mercato sempre più consapevole del valore strategico dell’AIma ancora lontano da una reale maturità nella gestione dei dati, nell’integrazione delle informazioni e nella costruzione di architetture realmente scalabili.
Forte entusiasmo verso l’AI, maenormi difficoltà operative
Il Regional Vice President per l’Italia, Grecia, Cipro e Malta, Fabio Pascali ha sottolineato come il mercato italiano presenti criticità persino più marcate rispetto alla media EMEA. “Quanto emerso dalla ricerca trova effettivamente riscontro parlando con i clienti – ha spiegato Pascali –. Esiste una percezione molto elevata da parte del management sull’importanza di investire nell’intelligenza artificiale: oltre il 90% delle aziende. A questo, però, si contrappone una bassa governance di tutto il mondo dati e BI. Quindi l’idea di dove andare è chiara, ma manca ancora il come arrivarci”.
Il paradosso emerso dall’indagine è proprio questo: forte entusiasmo verso AI e generative AI, accompagnato però da enormi difficoltà operativelegate a qualità del dato, integrazione, compliance, costi e sicurezza. Un divario che, secondo Cloudera, rappresenta oggi uno dei principali ostacoli alla trasformazione digitale delle imprese.
In Europa, nessun Paese è in una situazione ideale
Yari Franzini, Group Vice President Southern Europe di Cloudera, ha evidenziato come il problema della governance rappresenti una criticità diffusa a livello europeo. “Se parliamo di governance completa, solo circa il 30% delle aziende europee ritiene di avere una governance adeguata: la Francia attorno al 30% e la Germania si avvicina al 40%: quindi, nessuno è realmente in una situazione ideale – ha sottolineato –. E se guardiamo anche alle scadenze dell’AI Act, tutte le nazioni sono fondamentalmente in ritardo”.
Secondo Franzini, una delle principali cause di questa situazione è la crescita disordinata delle architetture IT negli ultimi anni. “Si è cresciuti in un’ottica best of breed, con silos hardware prima e silos software poi. Continuiamo a ragionare per compartimenti separati e questo presuppone costi di integrazione enormi”, ha precisato.
Un’Italia all’insegna della frammentazione dei dati
Il tema della frammentazione emerge con forza anche nei dati italiani. Soltanto il 16% delle aziende dichiara infatti di avere una completa integrazione delle informazioni aziendali, mentre appena il 26% sostiene di poter accedere immediatamente ai dati indipendentemente dal formato. Ancora più bassa la percentuale relativa all’accesso self-service alle informazioni: solo il 18% delle organizzazioni del nostro paese afferma di aver realizzato piattaforme realmente aperte ai diversi team aziendali.
Per Pascali, questi numeri confermano quanto il tema dei silos sia ancora centrale. “Il dato continua a essere percepito come potere – ha evidenziato –. Ci sono organizzazioni che non rilasciano accesso ai propri dati e questo rende molto complicato costruire modelli realmente integrati”.
La cultura oltre alla tecnologia
La conseguenza diretta riguarda l’efficacia stessa dell’intelligenza artificiale. Sistemi AI alimentati da dati frammentati o incompleti generano inevitabilmente risultati parziali. “Se si fa lavorare l’AI solo su un pezzo dell’organizzazione, si ottiene una vista circoscritta – ha osservato Pascali –. Si costruiscono tanti modelli frammentati per HR, produzione, finance o operation, ma non si riesce a creare una visione realmente olistica”.
Accanto al problema dell’integrazione emerge quello della qualità del dato, indicato dalla ricerca come uno dei principali ostacoli al ritorno sugli investimenti in AI. Oltre il 20% delle aziende attribuisce proprio alla scarsa qualità delle informazioni il mancato raggiungimento di risultati concreti.
Secondo Franzini, il punto centrale non è soltanto tecnologico, ma culturale e manageriale. “Si parla tanto di carenza di competenze tecniche, ma ritengo che manchi soprattutto la giusta vision a livello manageriale – ha affermato –. Manca una governance trasversale sui dati che stia sopra le linee di business e che governi realmente il ciclo di vita delle informazioni”.
Il difficile approccio all’AI generativa
La questione assume ancora maggiore rilevanza con l’accelerazione impressa dall’AI generativa. Negli ultimi mesi, infatti, le aziende hanno avviato molteplici proof of concept, spesso sviluppati rapidamente utilizzando servizi cloud pubblici e modelli preconfigurati. Un approccio che, secondo Cloudera, consente velocità iniziale ma rischia di creare problemi enormi nel momento in cui si tenta di scalare i progetti.
“Ci sono tantissimi POC, ma spesso non vengono considerati tutti gli aspetti non funzionali necessari per industrializzare quei progetti – ha spiegato Franzini –. Parliamo di governance, compliance, controllo dei costi e sicurezza”.
Costi operativi molto superiori alle attese
Ed è proprio il tema economico uno degli aspetti più critici emersi dalla ricerca. Molte aziende, dopo una prima fase di sperimentazione basata su modelli a consumo e token cloud, stanno infatti iniziando a confrontarsi con costi operativi molto superiori alle attese.
“Quando si parte con pochi token sembra tutto sostenibile – ha osservato Pascali –. Ma nel momento in cui si scala e si mettono in produzione numerosi casi d’uso, i costi aumentano in maniera esponenziale”.
Da qui la crescente attenzione verso modelli di Private AI e architetture ibride capaci di riportare dati, modelli e inferenza all’interno del perimetro aziendale. Una direzione che Cloudera considera sempre più strategica soprattutto nei settori ad alta sensibilità informativa come pubblica amministrazione, sanità e finance.
“La sovereign AI sta diventando un tema reale – ha sostenuto Franzini –. In Francia il livello di maturità è sicuramente più avanzato. Hanno iniziato prima con il cloud e oggi stanno accelerando sul tema della sovranità del dato e dell’intelligenza artificiale”.
Pieno controllo sui dati evitando il lock-in
Secondo Pascali, anche il mercato italiano sta iniziando a muoversi nella stessa direzione, soprattutto nella pubblica amministrazione e nella sanità. “Le aziende si stanno rendendo conto di quanto sia diverso fare analytics su dati anonimizzati in cloud e fare inferenza su dati sensibili – ha chiarito –. Quando si devono portare dati clinici, sanitari o finanziari dentro modelli AI, il tema della sicurezza diventa centrale”.
Proprio per rispondere a queste esigenze, Cloudera sta spingendo il paradigma Data Anywhere e AI Anywhere, fondato su architetture aperte basate su Iceberg e data lakehouse distribuite. L’obiettivo è consentire alle aziende di mantenere pieno controllo sui dati evitando fenomeni di lock-in tecnologico.
“Il nostro approccio è scrivere il dato una sola volta e renderlo accessibile a tutti i motori aziendali– ha aggiunto Pascali –. Lavoriamo per garantire apertura, sicurezza e possibilità di spostare dati e modelli dove il cliente preferisce”.
Tracciare l’intero ciclo di vita del dato
Un ruolo centrale in questa trasformazione è svolto anche dal data lineage e dal data catalog, strumenti sempre più necessari per tracciare l’intero ciclo di vita del dato. Lo studio evidenzia infatti come oltre il 90% delle aziende riconosca l’importanza di questi strumenti, ma soltanto il 47% abbia implementato soluzioni basilari di catalogazione e tracciabilità.
“Il data lineage permette di conoscere tutto sul flusso del dato, dall’origine alla destinazione – ha spiegato Pascali –. Quando si hanno migliaia di sistemi e trasformazioni stratificati nel tempo, senza strumenti automatici diventa impossibile governare davvero il dato”.
Per questo Cloudera ha investito nello sviluppo di soluzioni cross-platform in grado di integrarsi con oltre 60 differenti tecnologie, da database tradizionali a sistemi di analytics e dashboarding.
Il ruolo centrale dell’ecosistema di partner
Accanto all’aspetto tecnologico, però, emerge anche il ruolo fondamentale dell’ecosistema di partner e di system integrator. Cloudera sottolinea infatti come la trasformazione AI non possa essere affrontata senza competenze verticali e senza una stretta collaborazione con gli integratori di sistema.
“È un circolo virtuoso – ha dichiarato Pascali –. I system integrator sono vicini ai clienti, ne comprendono i bisogni e aiutano a posizionare le tecnologie corrette”. Tra i partner citati figurano nomi come Accenture, Almaviva, Engineering, Capgemini, Lutech, Reply e numerosi player specializzati.
Con Accenture, in particolare, Cloudera ha sviluppato a Roma un GenAI Studio dedicato all’intelligenza artificiale generativa. Qui vengono realizzati casi d’uso concreti basati su modelli open source e private AI. Uno dei progetti mostrati riguarda la generazione assistita di ricorsi amministrativi attraverso modelli addestrati sulle normative italiane. “L’human in the loop deve esserci sempre – ha precisato Pascali –. Ma questi sistemi possono aiutare enormemente nella velocità e nella qualità del lavoro”.
La convinzione condivisa dai due manager è che il mercato stia entrando in una fase nuova, in cui l’intelligenza artificiale non potrà più essere affrontata come semplice sperimentazione tattica ma richiederà visione strategica, governance e capacità di integrazione profonda.
“La governance non deve essere vista come un freno all’innovazione – ha concluso Franzini –. Se costruita correttamente, diventa invece l’abilitatore che permette di scalare davvero l’intelligenza artificiale in modo sostenibile, sicuro e competitivo”.
