Evento

Summit Gartner su dati e analisi 2026: come portare con successo l'IA dalla fase pilota alla produzione.

Michael Curry, Presidente della divisione Data Modernization di Rocket Software, ha condiviso i 5 cambiamenti chiave necessari per scalare l'IA dalla fase sperimentale all'impatto aziendale. Scoprite di seguito i principali spunti emersi dalla sua presentazione.

Porta le informazioni ricavate dalla sessione nella tua organizzazione

 

Rocket Booth

 

Al Gartner Data & Analytics Summit del 2026, abbiamo appreso che le aziende non hanno un "problema di IA", bensì un problema di accesso, fiducia e controllo dei dati. I progetti pilota si bloccano quando si imbattono in dati legacy, documenti protetti e vincoli di governance. Abbiamo anche capito che il modo in cui affrontiamo questi problemi è direttamente collegato a grandi sfide come la scalabilità dell'IA, la gestione dei cambiamenti e il bilanciamento tra rischio e governance. Rocket è qui per aiutarvi a trasformare queste intuizioni in azioni concrete, liberando il potenziale dei vostri dati per generare un successo reale e duraturo.

 

Tre azioni che puoi eseguire rapidamente

Le organizzazioni possono compiere progressi concreti e rapidi attraverso:

  • Definizione degli SLA di affidabilità per i loro 10 set di dati più critici.
  • Implementazione di modelli di recupero controllati sia per i dati che per i contenuti.
  • Creazione di modelli preliminari di semantica e dati che gli agenti di intelligenza artificiale possano utilizzare immediatamente.

Questi elementi creano slancio, riducono le rilavorazioni e minimizzano i rischi della sperimentazione con l'IA. Rocket è qui per aiutarti a trasformare queste intuizioni in azioni concrete, liberando il potenziale dei tuoi dati per generare un successo reale e duraturo.

Parla con un esperto

Principali spunti emersi dal summit Gartner Data & Analytics del 2026

  • La predisposizione all'IA inizia con la fiducia, non con i modelli: fiducia nella qualità, nella provenienza, nella sicurezza e nel contesto dei dati. Le organizzazioni devono formalizzare accordi sui livelli di servizio (SLA) che garantiscano una fornitura di dati coerente e governata in tutte le iniziative di modernizzazione e IA.
  • Il recupero controllato delle informazioni deve essere una capacità strategica: l'intelligenza artificiale obbliga le aziende a gestire il recupero di dati strutturati, contenuti non strutturati e conoscenze residenti nei mainframe. I vincitori saranno coloro che considereranno il recupero controllato delle informazioni come un pilastro architetturale di primaria importanza, non come un semplice controllo aggiuntivo.
  • La sovranità dei dati deve passare da un modello "basato sulla posizione" a uno "basato sull'utilizzo": i framework di sovranità tradizionali non reggono di fronte ai modelli di accesso dinamici dell'IA. Le aziende necessitano di una sovranità adattiva e basata sull'utilizzo, in cui le regole seguono il contesto d'uso, non il sistema, la regione o i confini di archiviazione.
  • La semantica è la nuova interfaccia per gli agenti di intelligenza artificiale: gli agenti di IA non possono funzionare con tabelle grezze o schemi obsoleti. Hanno bisogno di una semantica pronta per l'agente, ovvero significato, relazioni e intenti chiari, espressi attraverso metadati gestiti, modelli di conoscenza e prodotti dati ben progettati.
  • I prodotti dati devono essere allineati all'IA, non solo pronti per l'analisi: le aziende necessitano di prodotti dati arricchiti con semantica leggibile dalle macchine, progettati per la generazione aumentata del recupero (RAG), l'orchestrazione degli agenti e l'intelligenza continua del machine learning, non solo di dashboard o output ETL.
Contenuti correlati
video

Il vantaggio dell'intelligenza artificiale: massimizzare i dati del mainframe per l'analisi

Nonostante i limiti, i dati provenienti dai mainframe offrono un vantaggio competitivo.

Guarda ora
Insight

Dai silos alla strategia: liberare il vero potenziale dei dati

Oggi il ruolo della gestione dei dati non è solo quello di accumulare e archiviare dati, ma di visualizzarli, renderli affidabili ed estrarne il massimo valore per un vantaggio competitivo, indipendentemente da dove siano archiviati.

Leggi ora
Insight

Oltre il lato acquirente: i dati del tuo mainframe non sono bloccati. La tua strategia è

Supera i colli di bottiglia dei dati e trasforma i sistemi centrali in un vantaggio competitivo.

Leggi ora