L’Agentic AI è al centro di una crescente crisi di fiducia nelle organizzazioni di tutto il mondo: non per colpa dei modelli di intelligenza artificiale, ma a causa delle architetture dati che li supportano. È quanto emerge da The AI Trust Gap Report, la nuova ricerca di Denodo — leader nella gestione dei dati — condotta su 850 executive a livello globale, che fotografa con precisione il divario tra ciò che serve per rendere affidabile l’AI e ciò che le aziende sono oggi effettivamente in grado di offrire.

Il “divario di fiducia” frena l’Agentic AI: i dati globali

Con il passaggio dell’intelligenza artificiale da chatbot passivi ad agenti capaci di prendere decisioni autonome e attivare flussi operativi, la qualità e l’affidabilità dei dati diventano fattori critici. Eppure, secondo la ricerca, la maggior parte delle organizzazioni si trova ancora impreparata su questo fronte.

Il 63% delle aziende intervistate indica come principale ostacolo all’adozione dell’AI la difficoltà di trovare dati rilevanti e affidabili, o di prepararli per il loro effettivo utilizzo. Per quasi due terzi degli intervistati (66%), i dati che alimentano l’AI devono essere accessibili in tempo reale per essere considerati affidabili: un requisito che le architetture tradizionali, progettate per l’analisi storica, non riescono a soddisfare.

Quasi il 60% degli executive segnala difficoltà nell’ottimizzazione delle prestazioni per i carichi di lavoro intensivi richiesti dall’AI su larga scala. Sul fronte della sicurezza, il 67% fatica a mantenere livelli coerenti di controllo degli accessi tra sistemi diversi — un requisito fondamentale per operazioni agentiche sicure. A complicare ulteriormente il quadro, il 42% delle aziende attinge a oltre 400 fonti di dati per le proprie iniziative di AI.

Dominic Sartorio, Vice President of Product Marketing di Denodo, ha inquadrato così la sfida: “L’AI sta rapidamente passando da sistemi che si limitano a rispondere alle domande a sistemi capaci di agire in modo autonomo, e questa transizione cambia radicalmente le esigenze in termini di dati. Quando un agente AI deve portare a un risultato di business, non c’è spazio per dati obsoleti o non governati. Per adottare l’Agentic AI con sicurezza e fiducia, le aziende devono andare oltre i silos statici di dati e affidarsi a una base di informazioni aggiornate in tempo reale, governate e contestualmente rilevanti.”

Italia: maturità crescente, ma l’AI resta ancora un affare del dipartimento IT

Il contesto italiano presenta caratteristiche specifiche che lo distinguono dal panorama europeo. In quasi due terzi delle aziende italiane (62%), le iniziative di AI vengono sviluppate e gestite da un team centrale con responsabilità a livello enterprise: un segnale di strutturazione organizzativa significativo. Tuttavia, nel 44% dei casi la spinta verso l’intelligenza artificiale rimane prevalentemente in capo al dipartimento IT, con un coinvolgimento ancora limitato delle altre funzioni di business.

La sfida principale per le organizzazioni italiane non è l’adozione tecnologica in sé, ma la qualità del dato. Identificare dati rilevanti e affidabili rappresenta la criticità più sentita per oltre la metà delle aziende (52%), il valore più alto a livello europeo. Il 30% degli intervistati segnala inoltre difficoltà nell’accesso ai dati in tempo reale, a conferma di un utilizzo dell’AI sempre più orientato a scenari operativi e decisionali.

Sul fronte della gestione dei dati distribuiti, invece, emergono segnali incoraggianti: il 74% delle organizzazioni italiane dichiara di non incontrare particolari difficoltà nel connettere e rendere accessibili dati distribuiti tra sistemi diversi. Un risultato che riflette investimenti crescenti in architetture moderne e piattaforme cloud-native.

Europa: la governance dei dati come condizione abilitante

A livello europeo, il report evidenzia un’attenzione marcata ai temi di sicurezza, privacy e qualità del dato, con differenze rilevanti tra i singoli Paesi. In Francia, il 43% delle aziende indica la sicurezza e la protezione dei dati come ostacoli significativi all’implementazione dell’AI, a fronte di una media globale del 20,5%. In Germania, il 37% segnala difficoltà legate alla definizione di una fonte di dati coerente e affidabile, contro il 27% a livello globale.

Queste differenze riflettono non solo diversi livelli di maturità tecnologica, ma anche specifiche sensibilità normative e culturali. L’entrata in vigore dell’AI Act europeo e la tradizionale attenzione alla tutela dei consumatori spingono le organizzazioni di questi Paesi a consolidare solidi modelli di governance prima di accelerare sulla scalabilità delle soluzioni AI.

Il risultato è un approccio più prudente ma strutturato, in cui la governance dei dati non viene percepita come un vincolo, bensì come una condizione abilitante per costruire iniziative di intelligenza artificiale affidabili e capaci di generare valore nel lungo periodo.