Nel software tradizionale il comportamento di un sistema sta nel codice: lo scrivono gli ingegneri, riga per riga, e quel codice si può leggere, ispezionare, all’occorrenza portare in tribunale. Con l’AI questo non è più vero. Il comportamento di un modello non lo scrive nessuno: viene appreso dai dati. Un modello di machine learning ha un utilizzo pratico solo quando è stato addestrato su dati di qualità e applicato a nuovi dati coerenti con questi. In altre parole, nell’AI non è tanto il codice a fare la differenza, quanto i dati.
analisi
Attivare i dati: la vera sfida per governare l’intelligenza artificiale
Tra il dato grezzo che si deposita nei sistemi e il dato che alimenta in sicurezza un modello c’è un lavoro ingegneristico preciso: identificazione, sourcing, qualità, lineage, pipeline, anonimizzazione, operating model, sicurezza, compliance. Una mappa tecnica dell’attivazione del dato e degli otto ambiti di servizio che la rendono possibile
Pubblicato il 26 mag 2026
Federico Della Bella
Partner P4I – Responsabile Practice Analytics and AI – Adjunct Professor POLIMI Graduate School of Management
