Perché l’AI genera valore solo se governa i dati aziendali

Secondo le analisi pubblicate da Bain & Company nel 2026, i budget sull’AI continuano a crescere, ma i ritorni stentano ad arrivare: a tre anni dal lancio di ChatGPT, pochissime aziende stanno effettivamente scalando l’AI oltre la sperimentazione, e il 41% indica l’integrazione dei dati come il principale ostacolo. I board hanno ben chiaro che il 2026 è l’anno in cui l’AI deve tradursi in risultati concreti sul conto economico.

AlixPartners, monitorando il mercato software europeo, arriva a una stima analoga: tra il 15 e il 20% delle aziende del continente ha le carte in regola per affrontare la transizione. Il mercato italiano dell’AI ha raggiunto 1,8 miliardi di euro nel 2025, con una crescita del 50% anno su anno. È una crescita reale. Ma la crescita della spesa non equivale a una crescita del valore generato, e la distanza tra le due metriche è esattamente il problema che chi opera in questo mercato deve saper leggere.

La governance AI aziendale oltre la crescita della spesa

Il consenso emergente tra i principali operatori di settore è che la tecnologia AI di base stia diventando una commodity. I modelli linguistici sono scalabili, accessibili, sempre più performanti. È necessario investire nell’AI agentica per costruire sistemi autonomi su scala globale e sviluppare architetture indipendenti. Impresoft, infatti, sceglie di disegnare framework di governance enterprise.

Una strategia coerente con la dimensione e il posizionamento del Gruppo e delle aziende clienti che accompagna nel percorso di trasformazione digitale. Il punto cruciale è chiaro: la competizione non si gioca più sul modello che scegli. Si gioca su ciò che riesci a fargli sapere, e su come governi quella conoscenza nel tempo.

Se la tecnologia è una commodity

La risposta sta nella conoscenza dei processi: non quella astratta, ma quella stratificata in anni di implementazioni verticali, in ERP che conoscono i cicli di approvazione crediti, in sistemi gestionali che sanno come funziona una catena di pianificazione manifatturiera o un percorso di diagnosi clinica. Questa è la materia con cui un sistema di AI deve lavorare. E questa è la materia che non si genera acquistando un modello o sottoscrivendo una piattaforma.

Nell’azienda che guido, il 70% dei ricavi viene da aziende di medie dimensioni. Come Group CEO di Impresoft ho l’opportunità di osservare una contraddizione che si ripete: interesse alto per l’AI, governance quasi assente. L’intelligenza artificiale entra dalla porta di servizio, i dipendenti usano strumenti consumer, condividendo inconsapevolmente dati sensibili, processi interni, informazioni strategiche con sistemi non governati. Non è una questione di intenzione. È una questione di struttura. E le aziende che non presidiano questo perimetro stanno di fatto trasferendo il proprio patrimonio informativo a soggetti esterni.

La governance del dato: da vincolo normativo ad asset strategico

C’è un equivoco persistente sulla governance del dato: che sia un adempimento, una risposta al GDPR o all’AI Act. Non lo è, o non lo è solo. È la condizione che trasforma l’AI da servizio generico ad asset proprietario. Quando un’azienda costruisce uno strato semantico sui propri dati, stabilendo cosa significa ciascun termine nel proprio contesto, chi accede a cosa, come viene aggiornata la conoscenza, sta costruendo qualcosa che un competitor non può replicare acquistando lo stesso modello sul mercato.

Il dato senza governance è rumore. Il dato governato è la differenza tra un sistema che risponde e uno che capisce. E in un’economia in cui l’AI amplifica tutto ciò che trova, la qualità di ciò che trova è la vera leva competitiva. Chi non investe su questo strato oggi non sta rimandando un investimento tecnologico: sta erodendo un asset strategico già formato, lasciandolo non presidiato.

Nel mercato attuale non mancano certo soluzioni AI, ma spesso mancano soluzioni capaci di parlare il linguaggio specifico del business di chi le usa con una governance AI by design: policy di accesso granulari, versioning automatico e audit trail completo garantiscono che ogni interazione con la conoscenza aziendale sia tracciata e verificabile, in piena conformità con l’AI Act europeo senza mai cedere il controllo dei dati all’esterno.

La differenza tra AI orizzontale e AI verticale

Un CFO non ha bisogno di un agente AI generico: ha bisogno di un sistema che conosca la semantica della sua marginalità, la logica del suo ciclo di chiusura, le anomalie rilevanti nel suo piano dei conti. Un responsabile della pianificazione in un’azienda manifatturiera ha bisogno di un sistema che conosca i vincoli della sua supply chain, non di uno addestrato su tutto e preciso su nulla.

Questa è la differenza tra AI orizzontale e AI verticale. La prima abbassa il costo di accesso alla tecnologia. La seconda genera valore misurabile su problemi specifici. In Impresoft sviluppiamo soluzioni con l’idea che le aziende del manifatturiero, retail, moda, healthcare, financial istitution, non hanno bisogno di più tecnologia. Hanno bisogno di tecnologia che conosce il loro business e che è in grado di verificarne gli output con la stessa profondità.

“La tecnologia non è neutrale”

Nella Magnifica Humanitas, la prima enciclica di Leone XIV interamente dedicata all’intelligenza artificiale, Papa Leone scrive che la tecnologia “non è neutrale, perché assume il volto di chi la pensa, la finanzia, la regola, la usa”. È una formulazione che descrive con precisione una realtà che chi governa un’impresa conosce bene: i sistemi AI non sono strumenti passivi. Riflettono le scelte di chi li costruisce, le priorità di chi li adotta, e soprattutto, la qualità della conoscenza con cui vengono alimentati. Governare l’AI, in questo senso, non è solo una decisione tecnologica: è una responsabilità sul tipo di organizzazione che si vuole costruire.

Tre asimmetrie da costruire, adesso

Il vantaggio competitivo nell’AI si costruisce su tre asimmetrie. La prima è la conoscenza di processo: non si acquista sul mercato, si accumula nel tempo, nei sistemi, nelle implementazioni verticali. Chi la possiede, già parte avvantaggiato; chi non la governa la sta cedendo senza rendersene conto. La seconda è la governance del dato: non è compliance, è la condizione per cui l’AI produce valore proprietario, non fungibile, difficile da replicare da chi non conosce il contesto. La terza è la verticalizzazione: l’AI orizzontale ha un ruolo, ma i problemi aziendali sono verticali, e la specializzazione è l’unica risposta che scala senza perdere precisione.

Chi investe prioritariamente in tecnologia e trascura queste tre asimmetrie sta costruendo, nel migliore dei casi, un vantaggio effimero. Nel peggiore, una dipendenza strutturale da chi gestisce quella conoscenza al posto suo. Il momento per costruire queste fondamenta è adesso, prima che la distanza tra chi ha governato il proprio dato e chi non lo ha fatto diventi incolmabile.