Il mercato dell’intelligenza artificiale sta affrontando una svolta cruciale, abbandonando le fasi embrionali della sperimentazione per entrare in una dimensione di adozione strutturata e diffusa nelle architetture core delle imprese. In un recente incontro approfondito tenutosi a Las Vegas, in occasione della conferenza Google Cloud Next ’26, i conduttori della testata theCUBE, Alison Kosik e John Furrier, hanno analizzato questo scenario insieme a Giovanni Carraro, senior vice president of Alliances presso Kyndryl. Dalle dichiarazioni dei protagonisti emerge con chiarezza come la modernizzazione tecnologica non sia più legata a progetti isolati, ma richieda una revisione profonda della gestione dei sistemi informativi e delle regole di controllo, ponendo la AI governance al centro dell’agenda dei decisori aziendali.
Indice degli argomenti
Dall’esperimento all’adozione: la centralità della AI governance
La transizione verso l’uso su larga scala dell’intelligenza artificiale comporta una profonda riorganizzazione del modo in cui le grandi organizzazioni concepiscono i propri flussi di lavoro. Come sottolineato da Carraro, il settore tecnologico si sta lasciando alle spalle la fase dei progetti pilota per muoversi verso un’integrazione pervasiva e strutturata. Secondo il manager di Kyndryl, l’ecosistema aziendale ha ormai superato i dubbi iniziali legati alle potenzialità teoriche dello strumento. La riflessione strategica si è spostata in modo definitivo sulle modalità pratiche di esecuzione e integrazione nei sistemi operativi quotidiani.
Carraro ha sintetizzato questa evoluzione con una considerazione netta: « Non è più una questione di “se” o “cosa” fare, ma si tratta davvero di come implementarla e utilizzarla. ».
In questa nuova fase, stabilire una solida ed efficiente AI governance diventa il pilastro fondamentale per garantire che l’adozione delle nuove tecnologie non si traduca in frammentazione operativa o in rischi strutturali per l’impresa. Senza un quadro di regole preciso, la velocità imposta dal mercato rischia di travolgere le strutture di controllo tradizionali. Gestire le modalità di implementazione significa infatti determinare chi ha accesso ai modelli, quali dati alimentano gli algoritmi e in che modo le decisioni automatizzate si allineano con i requisiti di conformità e sicurezza dell’organizzazione.
La governance deve essere interpretata come l’infrastruttura regolamentare indispensabile per permettere un’accelerazione sicura e scalabile all’interno di ambienti complessi, garantendo la piena tracciabilità delle operazioni.
La metamorfosi infrastrutturale: da sistemi di registrazione a motori di insight
Il cloud agile e il patrimonio dei dati legacy
Un esempio concreto di questa trasformazione è rappresentato dalle attività che Kyndryl sta portando avanti nel supporto a organizzazioni complesse come PiSA. L’obiettivo strategico risiede nella modernizzazione dei sistemi core di queste realtà, partendo dalla migrazione e trasformazione delle piattaforme SAP storiche verso un ambiente agile e flessibile come Google Cloud. Le aziende si trovano oggi a gestire un immenso patrimonio informativo accumulato in anni di attività produttiva, che tuttavia spesso rimane bloccato all’interno di silos tecnologici legacy diffusi e stratificati.
La partnership tra Kyndryl e Google Cloud si focalizza esattamente sull’unione di due competenze complementari: da un lato l’esperienza profonda di Kyndryl nella gestione di infrastrutture ibride e sistemi mission-critical ad altissima affidabilità, dall’altro le soluzioni tecnologiche all’avanguardia fornite da Google.
Attraverso questa collaborazione, le imprese possono sbloccare il valore latente dei propri dati storici per orientarli verso il raggiungimento di nuovi traguardi operativi. Il passaggio al cloud non rappresenta un semplice trasferimento di carichi di lavoro, ma la creazione di un ecosistema pronto a recepire le evoluzioni future e a sostenere carichi computazionali elevati.
La conformità nei settori regolamentati
La necessità di ridefinire l’architettura dei dati diventa ancora più stringente quando si analizzano i comparti industriali caratterizzati da rigide restrizioni normative, come il settore farmaceutico. Storicamente, i sistemi informatici aziendali sono nati con lo scopo principale di fungere da sistemi di registrazione, ovvero strutture dedicate alla conservazione e al monitoraggio cronologico dei dati per finalità di rendicontazione. All’interno del mercato farmaceutico, la produzione e la conservazione accurata di tali registri sono elementi vitali per dimostrare agli enti regolatori la conformità assoluta di ogni singolo processo produttivo ed esecutivo.
L’evoluzione guidata dall’intelligenza artificiale richiede la trasformazione di questi vecchi sistemi di registrazione in veri e propri sistemi di insight, ossia in piattaforme analitiche capaci di interpretare i dati in tempo reale e generare visioni strategiche volte a migliorare i risultati di business. Per ottenere questo salto qualitativo, è indispensabile che la AI governance intervenga per mappare e validare i flussi informativi. Solo una governance rigorosa può assicurare che l’estrazione di valore dai dati avvenga nel pieno rispetto dei vincoli regolamentari, mantenendo inalterata la fiducia degli organismi di controllo esterni e la sicurezza dei processi industriali.
Gestire l’ombra tecnologica: il passaggio dalla shadow IT alla shadow AI
L’urgenza di nuovi framework decisionali
Durante il dibattito, John Furrier ha sollevato un parallelismo storico di grande rilievo per comprendere i rischi attuali: l’evoluzione del fenomeno noto in passato come shadow IT. Nell’era della prima diffusione del cloud, era frequente il ricorso a strumenti informatici al di fuori del controllo dei dipartimenti aziendali preposti. I singoli dipendenti o manager utilizzavano le proprie carte di credito personali per acquistare servizi o sviluppare soluzioni indipendenti, mostrandole successivamente alla dirigenza per ottenere approvazioni o promozioni una volta validata l’efficacia del progetto in produzione. Oggi, con la massificazione delle tecnologie intelligenti, si sta assistendo alla nascita e alla diffusione incontrollata della shadow AI.
Furrier ha citato il caso di un direttore finanziario (CFO) che ha ammesso di aver sviluppato in autonomia una propria dashboard decisionale personale utilizzando il modello Claude, mentre parallelamente si osserva una massiccia espansione nell’utilizzo e nel valore di soluzioni come Gemini. Questo utilizzo spontaneo e non regolamentato solleva interrogativi complessi in merito alla sicurezza e alla conformità dei dati aziendali.
Giovanni Carraro ha evidenziato come le vecchie regole non siano più sufficienti per arginare questo fenomeno, richiedendo un aggiornamento immediato delle procedure di monitoraggio. I modelli tradizionali e i vecchi approcci ideati per gli individui o per le tecnologie del passato devono essere superati rapidamente, adattando la AI governance alle specificità dei modelli agentici per sfruttarne appieno le potenzialità operative senza esporsi a minacce sistemiche o violazioni della privacy.
Evitare l’errore del “garbage in, garbage out”
La costruzione di un modello di controllo efficiente non può prescindere dalla qualità strutturale delle fondamenta tecnologiche su cui poggia l’intera impalcatura aziendale. Nel rivolgere un consiglio ai Chief Information Officer (CIO) e ai Chief Technology Officer (CTO) che stanno valutando percorsi di trasformazione digitale, Carraro ha rimarcato l’importanza di mantenere un approccio strategico e incrementale, focalizzato sul risultato finale ma attento alla solidità dei singoli passaggi costruttivi. La co-innovazione e le partnership industriali sono strumenti utili, ma richiedono una disciplina rigorosa nella gestione del patrimonio informativo.
Il rischio di concentrarsi esclusivamente sulla componente algoritmica o sullo sviluppo dei modelli più complessi e stimolanti dal punto di vista intellettuale è quello di trascurare la qualità dei dati in ingresso. Se i dati utilizzati per addestrare o alimentare gli agenti sono errati, obsoleti o privi di una struttura coerente, i risultati generati saranno inevitabilmente fallimentari.
Il manager di Kyndryl ha formalizzato questo concetto riprendendo un assioma storico dell’informatica, applicato al nuovo contesto dell’automazione: « Se non costruisci le fondamenta giuste, si ritorna alla vecchia situazione del “garbage in, garbage out” ». Una corretta attività di AI governance si configura quindi, prima di tutto, come un’azione di supervisione e pulizia delle fonti informative aziendali.
La C-suite operativa e l’avvento dell’azienda ibrida
Il leader come campione del cambiamento
L’avvento dell’intelligenza artificiale sta modificando profondamente anche le dinamiche interne alla C-suite, ridefinendo le competenze richieste ai massimi dirigenti delle aziende leader globali. John Furrier ha ricordato le riflessioni di Jim Kavanaugh, manager storico di IBM, il quale ha evidenziato come per la dirigenza attuale sia diventato indispensabile assumere un ruolo direttamente operativo nell’implementazione tecnologica. La tecnologia non rappresenta più un elemento isolato o un’esclusiva competenza del reparto IT; quest’ultimo opera come motore centrale, ma le applicazioni pratiche si diffondono ormai capillarmente in ogni singola funzione aziendale.
Questo cambiamento sposta l’asse delle responsabilità direzionali. Carraro ha confermato questa tendenza, richiamando l’evoluzione della figura del Chief Financial Officer operata negli anni da Kavanaugh. Se in passato il ruolo del CFO era strettamente associato alla stabilità finanziaria e alla funzione passiva di guardiano dei libri contabili, oggi il paradigma si mostra completamente capovolto. Il leader moderno deve trasformarsi nel primo promotore dell’innovazione all’interno dell’organizzazione. Nelle parole di Carraro, il profilo del manager contemporaneo deve coincidere con la figura del « campione del cambiamento », capace di guidare l’impresa attraverso una trasformazione radicale che si traduce in una vera e propria discontinuità funzionale rispetto ai modelli di business del passato.
La convergenza tra esseri umani e modelli agentici
L’orizzonte futuro delineato dalla collaborazione tra Kyndryl e Google Cloud vede una progressiva espansione dei servizi legati alle soluzioni di Google Distributed Cloud, finalizzati a ottimizzare la distribuzione dei carichi di lavoro nei diversi ambienti operativi. L’elemento di maggiore novità è rappresentato dall’introduzione dei modelli agentici all’interno dei processi produttivi, un’evoluzione che richiede di ripensare l’intera organizzazione del lavoro aziendale. Se in passato la gestione manageriale si concentrava esclusivamente sul coordinamento delle risorse umane e sul monitoraggio delle tecnologie tradizionali, oggi i leader si trovano a dover governare un ecosistema profondamente mutato.
La direzione intrapresa conduce verso la strutturazione di un modello organizzativo inedito, in cui l’interazione tra forza lavoro umana e agenti software intelligenti diventa quotidiana e interconnessa. Nel commentare le indiscrezioni relative a team esecutivi che simulano il comportamento dei concorrenti attraverso aziende ombra e gemelli digitali, Carraro ha precisato la natura di questa imminente evoluzione aziendale.
Lo scenario reale verso cui ci si sta muovendo non è legato a strutture sommerse, ma alla nascita di un’impresa strutturalmente ibrida. Il senior vice president di Kyndryl ha chiarito questo concetto specificando che: « Più che “ombra”, forse si tratta davvero di iniziare a capire come si combinano agenti e umani, gestendo un mix. ». In questo scenario, l’efficacia della AI governance costituirà il fattore determinante per coordinare in sicurezza questa coesistenza, garantendo il successo e la sostenibilità del business nel lungo termine.
