Le imprese che sperano di ricavare valore reale dall'IA e di implementarla con successo dovrebbero concentrarsi sulla governance pratica e sistematica necessaria per costruire flussi di lavoro AI fondati su fiducia, trasparenza e interoperabilità, secondo un dirigente di Google Cloud.

Il flusso costante di nuovi modelli di IA che arrivano ogni settimana può far sembrare il settore un lungo ciclo pubblicitario — un panorama confusionario per le organizzazioni che cercano di capire cosa serve davvero per rendere efficaci i propri flussi di lavoro AI. Per andare oltre le promesse di modelli, strumenti e agenti AI, le aziende dovrebbero evitare di riporre aspettative irrealistiche sulla tecnologia e invece stabilire le giuste fondamenta per costruire applicazioni AI pratiche basate su fiducia, trasparenza e interoperabilità.

"L'interoperabilità e l'apertura sono due concetti davvero chiave, e anche la trasparenza", ha affermato Michael Clark, direttore della product management di Google Cloud, nel podcast Targeting AI di AI Business.

L'enfasi sull'apertura riflette un cambiamento più ampio nel settore: mentre le imprese passano dalla sperimentazione di singoli strumenti AI all'implementazione di sistemi multi-agente, fornitori tra cui Google hanno sostenuto standard di interoperabilità aperti come il protocollo Agent2Agent, presentato da Google nel 2025 con decine di aziende partner per consentire agli agenti AI di fornitori diversi di scambiare informazioni.

Secondo Clark, i sistemi in grado di collegarsi ad altri sistemi sono centrali per il successo delle applicazioni di IA generativa e agentica. Affinché un agente AI abbia successo in un contesto di servizio clienti, ad esempio, le imprese necessitano di interoperabilità con sistemi eterogenei.

"In molti call center le persone lavorano in modo molto manuale, senza usare API né altri strumenti quando risolvono i problemi dei clienti", ha detto Clark. "Perciò si trattava di avere agenti oppure altro contesto su ciò che accade in altre parti dell'azienda e la capacità di intraprendere azioni."

Anche il contesto può essere un elemento distintivo fondamentale tra un'applicazione agentica che funziona e una che non funziona, ha aggiunto Clark.

"Vediamo il contesto come audio e video, in alcuni casi cose come il lidar e altri tipi di informazioni, dati finanziari in streaming e altro ancora per aiutare gli agenti a prendere decisioni ogni giorno", ha spiegato.

Oltre all'interoperabilità e al contesto, le imprese hanno bisogno anche di governance e fiducia — un tema divenuto più urgente man mano che i regolatori dell'Unione Europea e di altri Paesi introducono norme sull'IA che impongono obblighi alle aziende che implementano sistemi di IA ad alto rischio.

"Come azienda, capite chiaramente i vostri obiettivi e la vostra tolleranza al rischio", ha detto Clark. "Una volta identificato quel rischio, inserite un umano nel circuito per tutto ciò che lo supera."