Quando ogni reparto attiva il proprio strumento di AI, la conoscenza dell'azienda finisce in sistemi che l'IT non controlla. Forrester indica nell'AI privata, alimentata dalla conoscenza proprietaria, il vantaggio dei prossimi anni: per CTO e CIO è prima di tutto un progetto di integrazione e di governance.
Più casi d’uso, meno controllo?
Quanti strumenti di AI usa oggi la vostra azienda e quanti ne conosce l'IT? Mark Ogne, Principal Analyst di Forrester, descrive in un'analisi dell'11 settembre 2026 due approcci all'AI nel B2B. Il primo punta a dare accesso agli strumenti e a moltiplicare i casi d'uso da testare. Il secondo, prima di estendere l'uso, si assicura che l'AI conosca il business, i clienti e i mercati dell'azienda.
Per chi governa i sistemi il primo approccio ha un esito noto: ogni reparto attiva il proprio assistente, carica documenti e dati dove capita, e l'AI diventa una nuova forma di shadow IT, cioè tecnologia adottata fuori dal controllo dell'IT. I problemi che Forrester segnala (fiducia limitata nei risultati, allucinazioni, benefici difficili da misurare) nascono spesso da questa dispersione.
AI privata: la conoscenza è un asset da integrare
Forrester chiama «privata» l'AI che lavora sulla conoscenza proprietaria dell'organizzazione: comprensione dei buyer, intelligence commerciale, analisi competitive, anni di esperienza accumulata. I modelli pubblici non la possiedono e i concorrenti non possono comprarla. Thomson Reuters e Wolters Kluwer, citati come esempio, hanno costruito la propria strategia AI attorno alla conoscenza affidabile che già possedevano.
Per l'IT la definizione ha una conseguenza precisa. «Privata» descrive la conoscenza su cui l'AI lavora e prescinde dall'infrastruttura su cui gira il modello: un modello in cloud può lavorare su conoscenza privata, un modello on-premise può lavorare su dati sbagliati. La questione architetturale riguarda da dove arrivano i dati, in che stato e con quali permessi.
Da dati frammentati a un golden record governato
In un'azienda B2B la conoscenza proprietaria è distribuita tra ERP, CRM, gestionali, eCommerce e sistemi di assistenza, spesso collegati da integrazioni punto-punto costruite negli anni. Un agente AI collegato direttamente a questi sistemi erediterà i loro conflitti: due anagrafiche dello stesso cliente produrranno due risposte diverse, entrambe plausibili.
La base corretta è un golden record, cioè un'unica verità su ogni cliente che aggrega i dati di tutti i sistemi e si colloca sopra gli ERP. Con un'iPaaS (Integration Platform as a Service) come Boomi Enterprise Platform, 12 volte Leader nel Gartner Magic Quadrant per iPaaS, i flussi tra sistemi passano da connettori standard al posto degli script custom. L'AI riceverà dati deduplicati e tracciati.
Conta anche dove opera l'AI. L'AI nativa in una piattaforma, come Breeze AI dentro HubSpot, lavora sui dati di quella piattaforma. Un agente cross-sistema, come quelli orchestrati con Boomi AgentStep, legge e scrive su più sistemi: il livello di rischio è diverso e richiede controlli diversi.
Quattro controlli prima di aprire i dati agli agenti AI
Prima di collegare un agente alla conoscenza proprietaria, l’architettura dovrà garantire quattro controlli:
- Perimetro dei dati. Ogni agente AI avrà un elenco esplicito di sistemi e campi a cui accede, con permessi minimi. Dati personali e informazioni riservate passeranno da regole di data masking e di gestione del consenso conformi al GDPR.
- Tracciabilità. Ogni lettura, scrittura e decisione dell'agente lascerà un audit trail. Con il data lineage, cioè la tracciabilità dell'origine di ogni dato, si risale al sistema da cui è partita una risposta sbagliata.
- Supervisione umana. Gli agenti partiranno in modalità human-in-the-loop (HITL), con supervisione umana completa e un kill switch per fermarli. L'autonomia crescerà solo quando i dati sull'affidabilità lo giustificheranno.
- Conformità. GDPR, NIS2 e AI Act chiedono, ciascuno per la propria parte, di documentare trattamenti, sistemi e rischi. Un'architettura governata produce questa documentazione mentre lavora.
Conclusione
Forrester suggerisce ai leader di chiedersi quale conoscenza unica possono mettere a disposizione dell'AI, prima di scegliere quale AI usare. Per CTO e CIO quella domanda ne contiene un'altra: in quale architettura quella conoscenza diventa accessibile senza perdere il controllo.
L'IT che darà per primo questa risposta smetterà di inseguire gli strumenti adottati dai reparti e diventerà il garante della conoscenza su cui lavora l'AI.
Sapete quali sistemi e quali flussi contengono la conoscenza che volete dare ai vostri agenti AI? Partite dalla Mappa della Complessità: un assessment tecnico dell'ecosistema dati, con flussi, gap, duplicazioni e rischi di compliance mappati, da cui attivare agenti AI su dati governati.
Fonti
Spunto: