Le imprese che vogliono tenere il passo con il rapido ritmo di sviluppo dell'IA hanno bisogno di una comprensione approfondita dei propri processi aziendali — e di flessibilità nei modelli e negli agenti che distribuiscono, secondo un alto dirigente di Dataiku.

L'IA generativa e agentica è stata ampiamente utilizzata nelle imprese negli ultimi anni. Tuttavia, così come all'inizio del boom dell'IA seguito al rilascio di ChatGPT da parte di OpenAI nel 2022, la velocità dello sviluppo tecnologico non sembra essere stata accompagnata da un'adozione equivalente. Con l'attenzione ormai concentrata sul costo dell'utilizzo dell'IA, le imprese sono costrette a esaminare criticamente il modo in cui applicano l'IA generativa e ad assicurarsi di ricavarne valore.

Di recente, tuttavia, è iniziato un cambiamento, con le imprese che hanno attenuato il proprio scetticismo su come la tecnologia dell'IA generativa e agentica potrebbe aiutarle. Le aziende hanno avvertito un bisogno pressante di implementare la tecnologia alla luce del fenomeno dell'agente personale open source OpenClaw, del rilascio da parte di Anthropic di Claude Cowork, adattabile ai domini, e dei potenti modelli Mythos, e dell'appello del CEO di Nvidia Jensen Huang alle imprese perché abbraccino una “strategia OpenClaw”.

In un'intervista tenutasi questo mese alla conferenza Ai4 2026 di Las Vegas, Jed Dougherty, senior vice president di AI e piattaforma presso Dataiku, fornitore di piattaforme di IA e machine learning per le imprese, ha discusso gli ostacoli che le imprese affrontano con l'autonomia agentica e con la scelta dei modelli o degli agenti giusti. A suo avviso, indipendentemente dal marchio di IA scelto da un'impresa, la tecnologia va gestita in modo che funzioni per l'organizzazione. Dataiku, fondata nel 2013 e valutata 3,7 miliardi di dollari nel round di finanziamento del 2022, vende una piattaforma centralizzata per creare, distribuire e governare l'IA aziendale — un posizionamento in linea con la sua tesi a favore di un livello di orchestrazione centralizzato e agnostico.

Le imprese dovrebbero ormai accettare pienamente l'autonomia degli agenti IA, dato il successo di OpenClaw, o c'è ancora bisogno di un maggiore coinvolgimento umano?

Dougherty: C'è ancora bisogno della guida umana. I maggiori guadagni e successi che le persone vedono nell'uso degli agenti si registrano ancora in imprese in cui gli esseri umani restano coinvolti nel ciclo. Ogni azienda ha bisogno di una strategia per individuare ciò che può essere interamente trasferito a sistemi completamente autonomi. È importante identificare quali politiche e processi all'interno della propria organizzazione possano essere resi autonomi, o quali loro sottoinsiemi.

La sua cautela trova conferma nella ricerca di settore: Gartner ha previsto che più del 40% dei progetti di IA agentica sarà annullato entro la fine del 2027 dopo che le prove di concetto non avranno prodotto i risultati attesi, citando costi crescenti, valore aziendale poco chiaro e controlli dei rischi inadeguati.

Che ruolo svolgono gli FDE, ovvero gli ingegneri forward-deployed, nell'aiutare le imprese ad adottare la tecnologia IA?

Dougherty: Abbiamo investito molto tempo e denaro nell'assumere e costruire un solido team di ingegneria forward-deployed con cui supportiamo i nostri clienti. È molto importante. Per esempio, stavo aiutando un cliente. Cercavamo di realizzare alcuni siti web relativamente semplici. Non avevo previsto il numero di piccoli ostacoli tecnici che io do totalmente per scontati perché li affronto ogni giorno, ma che bloccano le persone sul nascere o che rallentano drasticamente il primo momento in cui sarebbe possibile mettere online un sito web. Avere un ingegnere forward-deployed che sa gestire le questioni di infrastruttura più semplici resta prezioso.

Il modello di ingegneria forward-deployed è stato reso popolare da Palantir e da allora si è diffuso nel panorama dei fornitori di IA, che lavorano per tradurre le capacità di laboratorio in implementazioni aziendali funzionanti.

Quanto è necessario il contributo degli esperti per far funzionare l'IA agentica? E direbbe che i fornitori si sono sbagliati nella loro comunicazione all'inizio dell'uso diffuso dell'IA generativa, cercando di farla apparire come uno strumento che non richiede esperti?

Dougherty: Non lo penso. L'IA è una tecnologia del tutto nuova. Quattro anni fa, le persone se la cavavano piuttosto bene con il machine learning in modalità self-service perché lo praticavano da 10 anni. Ora, con nuove capacità degli agenti che si diffondono ovunque, i fornitori devono dedicare un po' di tempo ad aiutare le persone a superare questo ostacolo iniziale. Tra un anno o due, man mano che più persone avranno preso confidenza con la tecnologia e si saranno abituate, non credo che servirà lo stesso livello di assistenza pratica. Ma in questo momento, quando cerco di spiegare a qualcuno che non ha mai toccato un agente né ne ha mai costruito uno, è semplicemente utile avere un esperto come intermediario. Le capacità di trasformazione aziendale legate ad agenti strutturati che replicano gran parte dei flussi di lavoro aziendali sono relativamente complesse.

Qual è il caso d'uso dell'IA agentica che trasformerà le imprese?

Dougherty: Un'azienda deve conoscersi prima di poter individuare il caso d'uso migliore. Il caso d'uso migliore per l'IA agentica in qualsiasi azienda è il suo processo core. Prendiamo per esempio le assicurazioni. Arriva un sinistro e vengono eseguite alcune lavorazioni sulla pratica. Occorre condurre alcune verifiche sul sinistro. Si prende una decisione se liquidare o meno quel sinistro. C'è probabilmente qualche attività di audit. Forse verrà informato il team legale. Quindi, la parte core del business assicurativo consiste nel decidere come e se pagare i sinistri e se continuare o meno a fare affari con quel cliente. Più un'azienda assicurativa riesce oggi a descrivere come svolge questo processo senza IA generativa, meglio potrà comprendere quali sottoinsiemi del processo di liquidazione dei sinistri possano poi essere replicati o potenziati dall'IA agentica.

A volte le imprese conoscono il proprio valore aziendale ma si trovano davanti a una moltitudine di opzioni. Come possono scegliere con quale fornitore collaborare?

Dougherty: Il lavoro ottimale con i dati nel machine learning e oggi nell'IA significa scegliere lo strumento giusto per il compito giusto e poter sostituire o modificare facilmente. A volte Snowflake è il database migliore, a volte no. A volte OpenAI è l'opzione migliore, e a volte un modello on-prem è l'opzione migliore per dati molto sensibili o per tenere sotto controllo i costi. Avere un livello di orchestrazione, una piattaforma che permette di combinare questi singoli strumenti sottostanti in modo sicuro, controllato e governato — questa è la base. Serve un livello di orchestrazione centralizzato e agnostico che consenta di scegliere facilmente lo strumento giusto per il lavoro giusto.

Come possono le imprese gestire l'aumento dei costi dell'utilizzo dell'IA?

Dougherty: Lo paragono allo shock da prezzo del cloud che le persone hanno provato agli albori dell'era cloud, quando hanno spostato tutto su AWS e l'anno successivo si sono trovate davanti una bolletta enorme.

Succederà nel 2027, man mano che più persone inizieranno a usare l'IA generativa.

Quando lavoro intensamente a qualcosa, non mi è difficile consumare 1.000 dollari di token al giorno, e non è poco.

Credo che ci sarà qualche resistenza in merito, ma è anche incredibilmente prezioso. Nelle mani della persona giusta, le cose che si possono costruire — che io posso costruire in un giorno o in due mesi — non hanno pari. Non esiste un sostituto.

Ecco perché è molto importante non avere un unico agente che svolge tutti i compiti. È opportuno suddividere il lavoro nel maggior numero possibile di piccoli passaggi. Un altro aspetto da presidiare nella gestione dei costi è l'apertura ai cambiamenti del mercato. Restare al passo con il mercato per quanto riguarda i migliori modelli di base e i relativi punti di prezzo fa davvero una differenza drastica, potenzialmente nella gestione dei propri prezzi. Poter passare dall'uno all'altro è fondamentale.

La dinamica descritta ha un precedente sul fronte cloud, dove il FinOps — oggi una disciplina formale con una propria fondazione professionale — ha preso forma dopo che le imprese, colpite dalle prime bollette cloud, hanno costruito processi dedicati al monitoraggio e alla governance della spesa.

E che dire dei modelli aperti di Alibaba, DeepSeek e di altri fornitori cinesi? Come dovrebbero rispondere le imprese a questa tendenza?

Dougherty: Sono ottimi. Stiamo vedendo molti fornitori terzi che offrono questi modelli cinesi di terze parti o gli altri modelli open source, mettendoli a disposizione a un punto prezzo molto competitivo.

Si possono assolutamente inserire modelli open source di terze parti e risparmiare parecchi soldi. Inoltre, la loro scelta dipende essenzialmente dalle capacità.

Man mano che gli agenti si diffondono in un'organizzazione, gestirli diventerà molto più critico, ha affermato Dougherty. “L'IA conversazionale e l'uso dell'IA per sviluppare applicazioni sono destinati a restare. Tutti costruiranno queste cose. Dobbiamo capire cosa funziona e cosa no.”

Nota della redazione: questa intervista è stata modificata per chiarezza e concisione.

Fonte: AI Business