Nuove intelligenze che si muovono più velocemente dei controlli aziendali
L’integrazione dell’IA nei sistemi aziendali fondamentali avviene più rapidamente di quanto molte organizzazioni possano garantire e governare. Uno studio globale mostra che le aziende stanno espandendo l’uso dell’IA, mentre le lacune nella prontezza dell’infrastruttura, nei controlli dell’integrità dei dati e nei framework di governance continuano a limitare un’operazione sicura su larga scala.
Investimenti in crescita nonostante risultati disomogenei
La spesa per l’IA continua a crescere in diverse regioni e settori. L’IA è vista come centrale per la competitività e la strategia a lungo termine, mantenendo i budget in crescita anche quando i risultati variano. Circa la metà delle organizzazioni afferma che le attuali iniziative di IA soddisfano le aspettative, mentre l’altra metà riporta risultati più deboli.
Queste differenze non derivano da una mancanza di interesse. I limiti infrastrutturali emergono come la principale restrizione. I sistemi progettati per carichi di lavoro precedenti faticano sotto modelli grandi, riaddestramenti frequenti e pipeline di dati pesanti, rallentando il dispiegamento e aumentando la complessità operativa man mano che l’uso si espande.
La prontezza dell’infrastruttura è indietro rispetto alla domanda
Solo una piccola percentuale di aziende afferma che la propria infrastruttura può supportare l’IA su larga scala. La maggior parte è in transizione, adattando sistemi legacy o introducendo nuovi componenti accanto a piattaforme più vecchie. Le carenze nella capacità di calcolo, nella larghezza di banda della rete e nella preparazione dei dati si ripetono nelle risposte.
I cicli di sviluppo si allungano, i rilasci di produzione rallentano e l’IA rimane più difficile da operativizzare tra i team. I programmi continuano ad avanzare, mentre si accumula attrito man mano che i carichi di lavoro crescono.
La performance influenza le scelte di design dell’IA
La performance guida la maggior parte delle decisioni infrastrutturali relative all’IA. Le organizzazioni si concentrano prima sul soddisfare i requisiti di dimensione del modello, latenza e affidabilità. L’uso energetico e l’impatto ambientale ricevono spesso attenzione solo più avanti nel ciclo di vita.
Le preoccupazioni riguardo le implicazioni energetiche rimangono comuni durante la pianificazione iniziale. Una grande percentuale di rispondenti crede che gli sforzi di sostenibilità riducano la redditività, influenzando la sequenza degli investimenti infrastrutturali.
La fotonica guadagna attenzione man mano che i carichi di lavoro crescono
La fotonica emerge come una delle tecnologie infrastrutturali più riconosciute nello studio. I rispondenti la associano a maggiore larghezza di banda e minori richieste energetiche, qualità che si allineano con ambienti intensivi di IA. L’interesse aumenta con la dimensione dell’azienda, dove il movimento dei dati e la gestione del calore richiedono un maggiore controllo.
La complessità dell’integrazione, i costi iniziali e l’incertezza sui ritorni rallentano il dispiegamento. Molte organizzazioni pongono la fotonica su un percorso di valutazione a medio termine anziché su un’implementazione immediata.
L’integrità dei dati definisce la fiducia nei sistemi di IA
Le performance dell’IA sono strettamente legate alla qualità e all’integrità dei dati sottostanti. I rispondenti affermano che le loro organizzazioni devono fare di più per pulire, proteggere e governare i dati che alimentano i sistemi di IA.
Una scarsa igiene dei dati introduce rischi. Input errati portano a output inaffidabili, supporto decisionale debole e maggiore esposizione a incidenti di sicurezza. Questi rischi aumentano man mano che i sistemi di IA passano da progetti pilota a flussi di lavoro fondamentali.
L’uso diffuso di strumenti di IA non autorizzati introduce nuovi rischi in tutte le aziende. La perdita di dati sensibili, l’erosione dell’integrità dei dati e le vulnerabilità di sicurezza sono tra le principali preoccupazioni, con output inaccurati che emergono in particolare quando gli strumenti di IA influenzano decisioni aziendali senza supervisione.
Maturità della governance differente tra le organizzazioni
La governance formale dell’IA esiste in molte organizzazioni, sebbene la fiducia nella sua maturità vari. Alcuni riportano una supervisione strutturata attraverso consigli di governance, valutazioni dei rischi e controlli di accesso, mentre altri riconoscono lacune tra politica e pratica quotidiana.
Interesse nei sistemi di IA agentici intensifica queste preoccupazioni. La decisione autonoma aumenta l’impatto delle debolezze nella governance, con la cybersecurity e la protezione dei dati citate come i principali rischi.
Le risposte descrivono controlli stratificati che includono ambienti ristretti per carichi di lavoro sensibili, tecniche di miglioramento della privacy e accesso basato su ruoli più rigoroso. La governance si estende sempre più dalla pianificazione, al dispiegamento e all’operazione.
