AI, i limiti infrastrutturali ostacolano i progetti

L’intelligenza artificiale sta rapidamente diventando parte integrante delle operazioni aziendali, ma le infrastrutture tecnologiche non sembrano essere all’altezza della situazione. Recenti studi hanno rivelato che una stragrande maggioranza delle aziende ha dovuto rinviare o addirittura cancellare progetti legati all’AI. I motivi principali? Problemi di governance dei dati, compliance e normative. La necessità di rivedere profondamente l’architettura dei dati è quindi evidente.

Le architetture tradizionali frenano l’intelligenza artificiale

Secondo un’indagine globale condotta da Cloudera su 1.500 professionisti del settore IT, il 77% delle organizzazioni ha già iniziato a utilizzare l’intelligenza artificiale. Tuttavia, molti di questi sistemi sono stati progettati originariamente per l’analisi dei dati tradizionale, risultando inadeguati per gestire le crescenti esigenze legate all’AI. Circa il 75% degli intervistati ha osservato che l’integrazione dell’intelligenza artificiale ha modificato le pratiche di archiviazione e architettura dei dati, ma spesso queste modifiche sono state superficiali e reattive piuttosto che approfondite e strategiche.

Questo scenario si traduce in picchi nei costi infrastrutturali, con l’84% delle aziende che segnala un aumento delle spese legate ai carichi di lavoro AI. Di fronte a questa sfida, il 72% dei partecipanti è consapevole della necessità di una revisione radicale delle proprie strutture, per rendere i dati più accessibili e governabili per essere utilizzati efficacemente dall’AI.

La governance come pilastro strategico

Non è una sorpresa che la governance dei dati emerga come uno degli aspetti più critici per il passaggio dai progetti pilota a un’applicazione sistemica dell’AI. Uno studio precedente di Cloudera ha già evidenziato come il 75% delle aziende stesse riconoscendo le debolezze delle proprie pratiche di governance emergenti. Nella nuova indagine, il quadro appare ancora più complesso: il 73% degli intervistati ha affermato che l’AI ha reso più complessa la governance dei dati. Molti ammettono di aver dovuto annullare o posticipare progetti cruciali a causa di problemi normativi e di compliance.

La distribuzione dei dati su più piattaforme, da ambienti cloud pubblici a sistemi on-premises, aggrava ulteriormente questo problema. La quasi totalità degli intervistati ha confermato di trasferire dati almeno una volta al mese, evidenziando l’urgenza di stabilire criteri di controllo e sicurezza uniformi. La governance diventa quindi un elemento strategico per garantire che le applicazioni AI possano operare in modo sicuro ed efficiente.

L’emergere del modello ibrido

Le aziende stanno sempre più orientando le proprie scelte verso infrastrutture ibride, un approccio che sembra bilanciare prestazioni e costi. Il 66% degli intervistati ha spostato carichi di lavoro dall’ambito cloud pubblico a soluzioni private o on-premises nell’ultimo anno. Questa tendenza sottolinea la necessità di adattare le scelte di deployment in base alle specifiche esigenze operative, prestando attenzione alla sicurezza, ai costi e alle normative.

Questo orientamento si riflette negli investimenti previsti, con un quarto delle aziende che intende adottare un approccio “ibrido-first” nei prossimi due anni. La flessibilità diventa quindi il criterio principale per l’evoluzione delle strategie IT.

Conclusione

L’intelligenza artificiale rappresenta una grande opportunità per le aziende, comprese quelle italiane, ma per sfruttarne appieno il potenziale è necessario un cambiamento radicato nelle infrastrutture esistenti e nelle pratiche di governance. Solo affrontando questi aspetti, le aziende potranno passare dall’adozione dell’AI a una sua ottimizzazione sostenibile, garantendo non solo efficienza operativa ma anche conformità alle normative vigenti. In un contesto di rapida evoluzione tecnologica, la capacità di adattarsi e governare i dati sarà fondamentale per ottenere un vantaggio competitivo duraturo.