Tra il SAS Innovate On Tour e il Richmond AI Business Forum, nelle ultime settimane abbiamo avuto l’opportunità di confrontarci con CIO, IT Director e responsabili dell’innovazione impegnati a trasformare l’Intelligenza Artificiale da promessa tecnologica a leva concreta di business.

Pur trattandosi di contesti diversi, è emerso con chiarezza un elemento comune: la conversazione sull’AI sta cambiando.

Fino a pochi mesi fa il confronto ruotava principalmente attorno ai modelli linguistici, ai primi casi d’uso e alle potenzialità della Generative AI. Oggi, invece, gli LMM sono commodities e le domande sono a un livello più alto.

Come si porta l’AI all’interno dei processi aziendali? Come si governa? Come si garantiscono sicurezza, affidabilità e trasparenza? E soprattutto, su quali informazioni può realmente fare affidamento?

È qui che la discussione diventa interessante.

Costruire un agente AI o implementare una soluzione RAG (Retrieval-Augmented Generation) rappresenta infatti solo una parte del percorso. La vera sfida è fare in modo che il sistema operi all’interno di un ecosistema informativo governato, sappia utilizzare le fonti corrette e restituisca risposte coerenti con il contesto aziendale.

Durante gli incontri svolti in queste occasioni è emerso più volte un tema ricorrente: il problema non è più capire se utilizzare l’AI, ma come renderla affidabile quando incontra la complessità reale dell’organizzazione. Pensiamo, ad esempio, a ciò che accade quando un sistema RAG non lavora più su una selezione di documenti preparata per una demo, ma accede ai repository aziendali così come sono stati costruiti negli anni.

Procedure aggiornate in momenti diversi, policy distribuite tra più funzioni, documentazione tecnica, ticket storici, knowledge base, contenuti duplicati o mai formalmente dismessi.

È in quel momento che emerge una domanda diversa da quelle a cui siamo stati abituati.

Se domani l’AI interrogasse il patrimonio informativo della vostra organizzazione, troverebbe conoscenza realmente governata oppure semplicemente una grande quantità di contenuti?

La differenza è sostanziale, perché la qualità di una risposta non dipende solo dal modello, ma dalle fonti che alimentano il sistema, dalle regole con cui vengono selezionate e dal livello di governance che l’organizzazione è in grado di garantire.

Per questo, temi come governance, explainability, sicurezza, guardrail, qualità delle fonti sono emersi con la stessa frequenza dei modelli linguistici e approcci come RAG.

È un segnale importante. Significa che il mercato sta entrando in una fase più matura, nella quale l’attenzione si sposta dall’entusiasmo per la tecnologia alla capacità di costruire soluzioni realmente adottabili, scalabili e sostenibili nel tempo.

Ed è proprio su questo che continuiamo a lavorare insieme alle aziende: trasformare il potenziale dell’AI in sistemi affidabili, governabili e in grado di generare valore nei processi di business. Perché, alla fine, la domanda non è più se introdurre l’AI in azienda, è se l’organizzazione è pronta a farla lavorare con la propria conoscenza.