Le 5 principali barriere al successo dell’AI secondo i leader IT

L’intelligenza artificiale, e in particolare la GenAI, sta rapidamente dimostrando di essere una soluzione utile per aumentare la produttività in tutta l’azienda, ma permangono diversi ostacoli comuni al successo.

Quanto prima i leader IT saranno in grado di identificare e superare questi problemi, tanto più rapidamente consentiranno alle loro aziende di ottenere più valore dai sistemi basati sull’AI.

Di seguito sono riportati alcuni degli ostacoli più impegnativi che le aziende devono superare e come i leader IT possono farlo.

Scarsa qualità dei dati

Un sondaggio di IDC [in inglese] condotto su 2.920 responsabili delle decisioni IT e aziendali a livello globale e sponsorizzato dal fornitore di hardware Lenovo ha mostrato che i problemi di qualità dei dati sono il principale ostacolo che impedisce ai progetti di intelligenza artificiale di soddisfare le aspettative.

Per aggirare questo problema, un terzo degli intervistati sostiene che le proprie imprendere intendono dare priorità al miglioramento delle capacità di gestione dei dati.

Sathish Muthukrishnan [in inglese] di Ally Financial, per esempio, sta affrontando la questione abbattendo i silos [in inglese] e ponendo l’accento sulla governance dei dati [in inglese].

“L’AI dipende fortemente dai dati che elabora, quindi gestiamo con attenzione le difficoltà e i rischi legati a un loro uso più ampio dei dati”, sottolinea il Chief Information, Data and Digital Officer dell’azienda di digital banking.

“Abbiamo consolidato il 98% dei nostri dati in un database centralizzato nativo del cloud, che ci consente di sfruttare la loro potenza”, spiega Muthukrishnan. “Abbiamo implementato processi progettati per garantire una forte sicurezza dei dati, una solida privacy dei clienti e una rigorosa revisione del rischio dei modelli prima dell’implementazione, nonché un monitoraggio continuo dei risultati”.

I problemi relativi alla qualità dei dati sono una preoccupazione reale e un ostacolo concreto all’adozione dell’AI, ma la questione è molto più ampia della tradizionale e tipica discussione sulla loro qualità in ambienti transazionali o analitici, afferma John Thompson [in inglese], vice president senior e direttore della società di consulenza sull’AI The Hackett Group.

“Con l’intelligenza artificiale generativa, il 100% dei dati, dei documenti, dei video, delle policy, delle procedure e altro ancora di un’azienda sono disponibili per un uso attivo”, commenta Thompson. Si tratta di una questione molto più ampia della qualità dei dati nei sistemi per la pianificazione delle risorse aziendali (ERP) o per la gestione delle relazioni con i clienti (CRM), spiega.

Quando si ha a che fare con la qualità dei dati per l’AI generativa [in inglese], piuttosto che cercare di controllare la qualità dei dati prima di introdurla, le imprese devono caricare le informazioni nella GenAI e interrogarle  e sollecitarle attivamente per trovare dove le informazioni sono accurate e aggiornate e dove mancano di precisione, pertinenza e chiarezza, aggiunge il manager.

“L’AI generativa è lo strumento giusto per capire dove è necessario migliorare le informazioni”, precisa Thompson. “E il modo corretto di eseguire questo processo è introdurla e capire come migliorare la qualità dei dati, non il contrario”.

La mancanza di competenze interne

Un rapporto del marzo 2025 dell’American Management Association [in inglese], un’organizzazione che si occupa di sviluppo professionale, ha recentemente intervistato oltre 1.100 professionisti in Nordamerica e ha scoperto che molti dipendenti (il 57% del campione) ritengono di non essere al passo con l’AI. Meno della metà (49%) ha ricevuto una formazione in materia [in inglese].

Le imprese hanno bisogno di un’infrastruttura adeguata per istruire e formare i propri dipendenti affinché comprendano le capacità e i limiti dell’intelligenza, avverte Muthukrishnan di Ally.

“Senza una formazione adeguata, l’adozione e l’utilizzo non porteranno ai risultati sperati”, aggiunge. “Sebbene ritenga che l’AI sia una delle più grandi trasformazioni tecnologiche della nostra vita, integrarla nei processi quotidiani è un’impresa enorme in termini di gestione del cambiamento”.

Ally ha preparato i propri dipendenti a utilizzare l’intelligenza artificiale in modo responsabile offrendo a tutti la formazione necessaria, un manuale, corsi brevi per aumentare la familiarità e “le giornate dell’AI” aperte a tutta l’azienda.

“Il divario di competenze è destinato ad aumentare”, dichiara Thompson di Hackett Group. ‘È ora di iniziare. Potete già farlo con il vostro team. Fateli lavorare su casi di prova. Fateli lavorare su progetti personali. Fateli lavorare su progetti che li appassionano. Far fare un corso a tutti fa solo perdere tempo nel ridurre il gap di competenze. L’AI generativa è accessibile a tutti. Potete sfruttare questa accessibilità per offrire alle persone l’opportunità di imparare facendo”.

L’esperienza è un insegnante molto migliore dell’ascolto, aggiunge Thompson.

“Create un ambiente di GenAI e consentite a tutti di accedervi per un periodo compreso tra sei mesi e un anno”, afferma. “I vostri dipendenti impareranno più di quanto potrebbero mai fare in un corso o anche in più corsi. Non sto dicendo di non formare le persone; è comunque necessario che seguano dei corsi. Ma quando i vostri dipendenti avranno esperienza diretta con un ambiente di AI generativa, vedrete il divario di competenze ridursi ogni giorno”.

Le imprese devono puntare sulla combinazione di esperti interni in grado di individuare casi d’uso appropriati dell’AI [in inglese] con talenti esterni che hanno visto come altre aziende utilizzano l’AI, riflette Jared Coyle [in inglese], Chief AI Officer della società di software aziendale SAP Americas. “Le conoscenze interne sono fondamentali per garantire l’integrazione con i sistemi e i processi esistenti, mentre i talenti esterni aiutano a sfruttare appieno le nuove funzionalità dell’intelligenza artificiale per garantire il corretto funzionamento dei sistemi di AI”, dice Coyle.

Trovare casi d’uso in grado di competere per le risorse

Ogni azienda ha un elenco consolidato di priorità, molte delle quali non riguardano l’AI o la GenAI. Per ottenere finanziamenti, personale e l’attenzione del senior management, i responsabili IT dovranno presentare argomenti convincenti a favore dei loro progetti basati su queste tecnologie.

“Una delle nostre sfide più grandi è identificare i casi aziendali giusti, in cui l’AI può generare un valore reale e misurabile senza aggiungere inutili complessità“, indica Chandra Venkataramani [in inglese], CIO dell’azienda di outsourcing TaskUs.

“È facile lasciarsi trasportare dallo slancio dell’AI generativa”, afferma Venkataramani. “Il successo deriva dal resistere a quell’impulso e concentrarsi invece sulle aree in cui la tecnologia può aumentare le nostre capacità interne, come il miglioramento della produttività, il potenziamento dei processi decisionali o la riduzione degli attriti nei flussi di lavoro-chiave. Abbiamo scoperto che la chiarezza degli obiettivi, che si tratti di ridurre i costi, aumentare la velocità o migliorare l’esperienza utente, è fondamentale prima di andare avanti con qualsiasi iniziativa di AI”.

Altrettanto impegnativa è la questione delle priorità concorrenti [in inglese], aggiunge il manager. “Quando un’azienda è in forte crescita e orientata al cliente, le risorse IT sono sottoposte a una pressione costante”, riconosce. “E le iniziative di AI devono competere per il budget, i talenti e l’attenzione dei dirigenti; è qui che l’allineamento diventa essenziale”.

L’azienda sottolinea la responsabilità condivisa delle iniziative di intelligenza artificiale tra le diverse funzioni aziendali, garantendo che gli investimenti siano tecnicamente fattibili e sostenuti dai leader aziendali che comprendono il ritorno sull’investimento [in inglese].

“Abbiamo adottato una mentalità che enfatizza la sperimentazione con guardrail: progetti pilota ben ponderati, KPI [Key Performance Indicators] chiari e cicli di feedback”, fa notare Venkataramani. “Questo approccio ci ha aiutato a rimanere agili, a evitare investimenti eccessivi in soluzioni non collaudate e a concentrarci sul valore a lungo termine piuttosto che sull’entusiasmo nel breve”.
I casi aziendali, i casi d’uso e le priorità concorrenti “ci accompagnano sin dall’inizio della nostra carriera”, dichiara Thompson di Hackett Group. “Il bello della GenAI è che si applica alla maggior parte dei problemi. Consiglio di iniziare dalla questione più urgente, la più strategica che preoccupa la C-suite, e partire da lì. Non perderei molto tempo sui casi aziendali o sui casi d’uso. È ora di fare la differenza”.

Sistemi legacy obsoleti

Molte aziende hanno avviato iniziative di trasformazione digitale per migliorare l’efficienza e i servizi offerti a clienti e dipendenti. Quelle che non l’hanno fatto sono in ritardo nei loro sforzi e devono renderlo una priorità, perché i sistemi e le applicazioni legacy obsoleti sono potenziali ostacoli al successo dell’AI.

Le applicazioni vecchie di decenni [in inglese], progettate per conservare una quantità limitata di dati a causa dei costi di archiviazione dell’epoca, difficilmente possono essere integrate facilmente con gli strumenti di intelligenza artificiale e, in molti casi, le applicazioni obsolete bloccano completamente l’adozione della tecnologia.

“Il successo non si ottiene semplicemente collegando il LLM [Large Language Model] del momento e la tecnologia lakehouse di vostra scelta e sperando che tutto funzioni”, suggerisce Coyle di SAP Americas. “La passione di molti leader per il potenziale dell’AI è incredibile, ma la chiave è davvero la concentrazione. È importante evitare di lanciare troppe iniziative senza le risorse necessarie per supportarle”.

Veho, un fornitore di servizi di spedizione e logistica, fa ampio uso dell’intelligenza artificiale e dell’apprendimento automatico per costruire e stabilire i prezzi dei percorsi di consegna e migliorare la qualità delle consegne, afferma Fred Cook [in inglese], cofondatore e CTO. Tuttavia, per ottenere il massimo dagli strumenti di questa tecnologia, l’azienda ha dovuto aggiornare i propri sistemi.

 “Le piattaforme principali originali di Veho sono state sviluppate nel 2017 ed erano generalmente piuttosto fragili”, aggiunge Cook. “Alla fine del 2023 e per tutto il 2024 abbiamo ricostruito tutti i nostri sistemi principali. Man mano che sono stati messi online, abbiamo scoperto che le applicazioni di AI erano molto più facili da integrare nella nostra tecnologia e, con il completamento della rifattorizzazione, oggi stiamo procedendo molto più rapidamente con la sperimentazione dell’AI”.

Veho ha iniziato con casi d’uso quali un AI agent per l’assistenza clienti e un altro per l’assistenza ai driver-partner. “Abbiamo anche creato alcuni sagenti più semplici per attività quali avvisi, analisi dei dati e [garanzia della qualità] di varie fasi del processo di consegna dei pacchi che altrimenti sarebbero noiose e manuali”, precisa Cook.

Un altro potenziale ostacolo legato all’infrastruttura è rappresentato dai costi elevati. L’integrazione dell’intelligenza artificiale può essere un’impresa costosa. A seconda del loro grado di modernizzazione IT, le imprese potrebbero dover sostenere spese per l’integrazione dei sistemi, lo sviluppo di software personalizzati, la creazione di interfacce di programmazione delle applicazioni e l’aggiornamento dei sistemi legacy.

Il sabotaggio da parte dei dipendenti

Un recente sondaggio condotto su 1.600 knowledge worker [in inglese] (800 dirigenti di alto livello e 800 dipendenti) dal fornitore di servizi di GenAI Writer 2025 e dal gruppo di ricerca indipendente Workplace Intelligence ha rilevato che il 31% dei lavoratori ha ammesso di sabotare attivamente gli sforzi della propria azienda in materia di intelligenza.

Il sabotaggio dei dipendenti è “un problema serio che può minare le iniziative di AI e portare a uno spreco di risorse e a opportunità mancate”, evidenzia Orla Daly, CIO di Skillsoft, un fornitore di servizi e tecnologie per la formazione.

“Questo sabotaggio spesso deriva dalla paura di perdere il posto di lavoro, dalla mancanza di comprensione dei vantaggi dell’AI o dalla resistenza al cambiamento”, afferma Daly. “Per affrontare questo problema, le aziende dovrebbero prendersi il tempo necessario per comprendere le preoccupazioni al loro interno, promuovere una cultura dell’apprendimento continuo e generare entusiasmo intorno al cambiamento coinvolgendo i dipendenti nelle iniziative di intelligenza artificiale”.

Le imprese devono identificare casi di impiego dell’AI e condividere esempi di come possa creare un’esperienza più positiva per i dipendenti, per esempio riducendo il tempo dedicato all’amministrazione e aumentando quello dedicato ai clienti, specifica Daly.

“Una leadership efficace è fondamentale in questo processo”, prosegue il manager. “I leader devono comprendere questa tecnologia e articolare il suo impatto positivo sui talenti e sui loro ruoli’. Ciò richiede un equilibrio tra competenze tecniche, comunicative e di leadership, aggiunge. ‘Quando i dipendenti vedono i loro leader utilizzarla per potenziare il lavoro con casi d’uso e risultati chiari, sono più propensi ad accettarla, trasformando la paura in fascino”, conclude.