Dal Summit alla strategia: uno sguardo al D&A Summit 2026 di Gartner

Dal 9 all'11 marzo, Rocket ha partecipato al Data and Analytics Summit di Gartner a Orlando, in Florida. Quest'anno, il tema era "Valore alla velocità dell'IA: navigare tra presente e futuro", e gli oltre 3.000 fornitori, leader nel settore dei dati, CIO e tecnologi presenti lo hanno incarnato nelle loro riflessioni e domande.

I tre giorni del summit sono stati ricchi di conversazioni stimolanti con clienti, partner e colleghi. Sia durante la sessione che ho moderato, sia durante i pranzi e gli incontri informali, sia nei corridoi tra un forum e l'altro, il tema ricorrente è stato come risolvere i problemi di accesso, fiducia e controllo dei dati.

Ora che l'evento è terminato, la priorità è l'implementazione. Ecco come tradurre i punti salienti di Gartner D&A in azioni concrete e a breve termine per la strategia dei dati della vostra organizzazione.

Sfruttare appieno il potenziale dei tuoi dati

Ho moderato una sessione intitolata "Dal progetto pilota alla produzione: 5 fasi per un data warehouse pronto per l'IA". Ho notato uno schema comune che molti riscontrano: un progetto pilota di IA funziona bene in una demo, poi si scontra con la "barriera del passaggio dal progetto pilota alla produzione". È in questa fase che la fiducia viene messa alla prova, i dati e i contenuti non corrispondono, i controlli diventano un ostacolo e i successi iniziali si arrestano.

Mi sono concentrato sui cambiamenti pratici che i team stanno apportando per superare gli ostacoli, soprattutto in considerazione della crescente diffusione di LLM e flussi di lavoro basati su agenti nelle operazioni reali. Il mio obiettivo era identificare e chiarire i problemi che i professionisti affrontano quotidianamente, come la mancanza di fiducia misurabile, la disconnessione tra dati e contenuti e la debolezza dei controlli di utilizzo. Gli agenti accedono a tabelle non elaborate, gli schemi si evolvono e si rompono, le automazioni falliscono e, a causa dell'assenza di meccanismi di controllo, gli utenti si accorgono dei problemi, mettendo a rischio la propria fiducia e quella dell'azienda.

Qui trovate un'analisi completa dei 5 cambiamenti chiave che ho individuato per scalare l'IA dalla fase sperimentale all'impatto aziendale.

A cosa si riduce tutto questo?

Durante l'evento, un tema ricorrente è stato che l'intelligenza artificiale amplifica i dati errati più velocemente di qualsiasi altra tecnologia precedente. La mia principale conclusione dal D&A Summit di Gartner è che se i set di dati principali non sono affidabili, nemmeno i risultati dell'IA lo saranno.

Un concetto che mi ha colpito particolarmente durante il keynote di Gartner è stato quello di "policy come codice" come fondamento pratico per la governance di questo nuovo scenario. In un ambiente altamente distribuito e basato su agenti, la governance non può affidarsi esclusivamente a controlli centralizzati. Le policy devono accompagnare i dati stessi, garantendo che la protezione, l'accesso e la conformità siano applicati nel punto di utilizzo, ovunque tali dati finiscano.

Allo stesso tempo, la fiducia nei dati rimane un pilastro fondamentale. Man mano che le organizzazioni si orientano verso dati pronti per l'IA, funzionalità come la tracciabilità e il monitoraggio della qualità dei dati non sono più opzionali, ma essenziali. Senza una chiara visibilità sulla provenienza dei dati e la certezza della loro integrità, i sistemi basati su agenti rischiano di amplificare gli errori su larga scala. Le organizzazioni devono formalizzare la "fiducia" negli SLA (Service Level Agreement) che garantiscono una fornitura di dati coerente e governata in tutte le iniziative di modernizzazione e IA.

Molti team stanno sperimentando con la GenAI, ma lo fanno in un modo scollegato dalla governance, ed è qui che sorgono i problemi. Invece di lasciare che i modelli di IA attingano a fonti a caso o incorporino indiscriminatamente qualsiasi cosa, dobbiamo definire modalità standardizzate e regolamentate affinché i sistemi recuperino le informazioni.

Sta diventando sempre più chiaro che una solida gestione dei dati è alla base di tutto. I confini tradizionali tra dati strutturati e non strutturati stanno iniziando a sfumare, soprattutto perché gli agenti consumano e generano informazioni in diversi formati. Le organizzazioni stanno iniziando a pensare ai dati in modo più olistico, concentrandosi meno sulla tipologia e più su usabilità, contesto e governance. È qui che il contesto, un altro tema caldo del summit, entra davvero in gioco. Gli agenti di intelligenza artificiale non hanno bisogno solo di accedere ai dati, ma anche di contesto e struttura. Le organizzazioni che si muovono più velocemente sono quelle che rendono i propri dati accessibili e interpretabili per l'IA.

Ciò che conta di più

Sebbene il percorso da seguire sia ancora in evoluzione, l'urgenza di agire rimane immutata. Man mano che i leader portano avanti le loro iniziative, è fondamentale comprendere chiaramente la loro posizione attuale e gli obiettivi futuri, e sviluppare una strategia concreta per raggiungerli. Ciò implica definire obiettivi precisi, stabilire roadmap per la gestione e l'architettura dei dati e collaborare con i giusti alleati strategici per il successo.

Rocket è progettato per aiutarti a trasformare queste intuizioni in azioni concrete, liberando il potenziale dei tuoi dati per raggiungere un successo reale e duraturo. Scopri come sfruttare l'intelligenza artificiale con successo e ottimizzare l'intero ecosistema dei tuoi dati in vista del futuro.