Nel panorama tecnologico contemporaneo, l'intelligenza artificiale generativa sta vivendo una fase di crescita più tortuosa del previsto, con ostacoli significativi che frenano la sua diffusione nelle aziende. Secondo Rania Succar, neo-amministratore delegato di Kaseya, il problema principale non risiede nelle potenzialità della tecnologia, ma nella frammentazione dei dati aziendali e nella difficoltà di integrazione tra sistemi diversi. La dirigente, intervenuta durante il recente DattoCon di Dublino che ha radunato 1.500 partecipanti, ha delineato un quadro complesso dove le aspettative iniziali si scontrano con una realtà implementativa più complessa.
Il paradosso della connettività dei dati
La questione centrale emerge con chiarezza nell'analisi di Succar: l'adozione dell'IA è "embrionale nelle grandi aziende" e "molto embrionale nelle PMI". Il motivo principale? I dati aziendali rimangono isolati in compartimenti stagni, mentre l'efficacia dell'intelligenza artificiale dipende proprio dalla capacità di accedere a informazioni interconnesse. Un agente virtuale dedicato al successo del cliente, per esempio, deve poter attingere simultaneamente dalla piattaforma CRM, dal sistema di inventario e dai software finanziari aziendali.
La realtà operativa delle piccole e medie imprese rende questa sfida ancora più complessa. Le aziende utilizzano mediamente oltre 15 applicazioni diverse per gestire le proprie attività, creando un ecosistema dove i dati dei clienti, degli ordini e finanziari risultano dispersi in silos separati. Questa frammentazione rappresenta il primo ostacolo da superare prima di poter implementare agenti artificiali davvero utili.
Le lacune tecnologiche attuali
Nonostante le promesse del settore, la qualità degli strumenti disponibili rimane inadeguata. "I bot e gli strumenti non sono molto efficaci", afferma Succar senza mezzi termini. Questa valutazione trova conferma in recenti benchmark accademici che hanno evidenziato performance scadenti degli agenti basati su modelli linguistici di grandi dimensioni nei test standard sui sistemi CRM.
La consulenza Gartner ha stimato che quasi un terzo dei progetti pilota di IA generativa verrà abbandonato entro la fine del 2025, principalmente a causa di "scarsa qualità dei dati, controlli di rischio inadeguati, costi crescenti o valore aziendale poco chiaro". Gli analisti hanno inoltre evidenziato come sia "molto facile sprecare denaro nell'IA generativa", con possibili errori di stima dei costi compresi tra il 500 e il 1.000 percento.
Il fattore umano nella trasformazione
Oltre alle sfide tecniche, Succar identifica nel change management un ulteriore elemento critico. La dirigente sottolinea come sia "molto difficile per le persone trovare il tempo per implementare nuovi strumenti", un'esperienza che conosce direttamente. L'iperoccupazione delle giornate lavorative non lascia spazio per apprendere nuove tecnologie, contribuendo agli alti tassi di abbandono dei progetti.
La governance aziendale rappresenta un'altra problematica significativa, anche se Succar cita esempi positivi di clienti che hanno creato regole specifiche per governare le interazioni degli agenti IA con i clienti. La strutturazione e classificazione dei dati diventa fondamentale per garantire che gli utenti accedano solo alle informazioni appropriate.
L'esperienza di Kaseya e le prospettive future
Kaseya ha integrato Cooper AI nella propria piattaforma 365, registrando risultati incoraggianti tra i fornitori di servizi gestiti che la utilizzano. L'azienda riporta un risparmio del 40% nel tempo di lavoro attraverso l'automazione di attività ripetitive e manuali, oltre a un miglioramento nell'utilizzo tecnologico dei propri prodotti e servizi.
Con l'80% dei ricavi generati tramite MSP che servono principalmente piccole imprese, Kaseya punta a incrementare l'adozione della piattaforma 365. "Vediamo un'adozione molto disomogenea tra gli MSP, il che significa che il nostro compito è uniformarla", spiega Succar, che ha assunto il ruolo solo poche settimane fa, sostituendo Fred Voccola dopo circa un decennio di leadership aziendale.
La dirigente definisce l'attuale fase come "IA molto precoce" o "IA pre-agente", esprimendo l'intenzione di accelerare la roadmap aziendale pur mantenendo riservatezza sui tempi di consegna specifici. Come riferimento temporale, ricorda che il cloud ha impiegato due decenni per maturare, e oggi circa il 55% delle PMI gestisce i propri carichi di lavoro nel cloud pubblico, suggerendo che anche per l'IA potrebbe essere necessario un percorso simile di graduale evoluzione.