Il Chief Data Officer al centro della rivoluzione AI
Grazie per avere letto questo articolo, non dimenticare di iscriverti al nostro feed!
Il ruolo del Chief Data Officer (CDO) si è trasformato radicalmente: da figura di nicchia focalizzata sulla compliance a posizione strategica cruciale per l’implementazione dell’intelligenza artificiale in azienda. Oggi questi executive operano all’intersezione tra governance dei dati, strategia AI e preparazione della forza lavoro. Le loro decisioni determinano se un’organizzazione riuscirà a passare dai progetti pilota alla produzione su larga scala, oppure rimarrà bloccata nella fase di sperimentazione.
La terza indagine annuale di Informatica — la più ampia mai condotta sui CDO riguardo alla preparazione all’AI, con 600 executive intervistati a livello globale — rivela dati significativi. I risultati espongono una disconnessione pericolosa che spiega perché così tante organizzazioni faticano a scalare l’AI oltre i progetti pilota: mentre il 69% delle aziende ha implementato l’AI generativa e il 47% utilizza sistemi di AI agentici, il 76% ammette che i propri framework di governance non riescono a tenere il passo con il modo in cui i dipendenti utilizzano effettivamente queste tecnologie.
Il paradosso della fiducia: tecnologia veloce, persone lente
L’indagine rivela quello che Informatica definisce un “paradosso della fiducia”: le organizzazioni hanno implementato sistemi di AI generativa più velocemente di quanto abbiano costruito l’infrastruttura di governance e formazione necessaria a supportarli. Il risultato? I dipendenti generalmente si fidano dei dati che alimentano i sistemi AI, ma le aziende riconoscono che la loro forza lavoro manca delle competenze per mettere in discussione quei dati o utilizzare l’AI in modo responsabile.
“Il problema ora è: puoi fidarti dei dati abbastanza da lasciare che un agente autonomo li utilizzi?”, spiega Graeme Thompson, CIO di Informatica. “Gli agenti fanno ciò che dovrebbero fare se gli fornisci le informazioni giuste. C’è semplicemente una tale mancanza di fiducia nei dati che penso sia questo il vero ostacolo.”
Il 75% dei data leader afferma che i dipendenti necessitano di formazione sulla data literacy, mentre il 74% richiede training sull’AI literacy per le operazioni quotidiane.
L’infrastruttura non è il collo di bottiglia
L’adozione dell’AI generativa è balzata dal 48% di un anno fa al 69% di oggi. Quasi metà delle organizzazioni (47%) utilizza ora AI agentici — sistemi che intraprendono azioni autonomamente invece di limitarsi a generare contenuti. Questa rapida espansione ha creato una corsa all’acquisizione di database vettoriali, all’aggiornamento delle pipeline di dati e all’espansione dell’infrastruttura di calcolo.
Ma Thompson respinge l’idea che le lacune infrastrutturali siano il problema principale. La tecnologia esiste e funziona. Il limite è organizzativo, non tecnico. “La tecnologia e l’infrastruttura che abbiamo a disposizione al momento non sono ancora il problema”, afferma Thompson, paragonando la situazione agli atleti amatoriali che incolpano la propria attrezzatura.
I dati dell’indagine lo confermano: quando si parla di priorità di investimento per il 2026, le prime tre riguardano tutte persone e processi: privacy e sicurezza dei dati (43%), governance dell’AI (41%) e upskilling della forza lavoro (39%).
Cinque lezioni concrete per i CDO
1. Smetti di inseguire l’infrastruttura, risolvi il problema delle persone. Il paradosso della fiducia esiste perché le organizzazioni possono implementare la tecnologia AI più velocemente di quanto possano formare le persone a usarla responsabilmente. “È molto più facile far imparare l’AI alle persone che conoscono la tua azienda, i tuoi dati e i tuoi processi, piuttosto che assumere esperti di AI che non sanno nulla di queste cose”, sostiene Thompson.
2. Rendi il CDO una funzione esecutiva, non una torre d’avorio. Thompson struttura Informatica in modo che il CDO riporti direttamente a lui come CIO, rendendo la governance dei dati una funzione esecutiva piuttosto che un livello strategico separato.
3. Costruisci competenze oltre i team IT. I programmi di alfabetizzazione AI devono estendersi oltre i team tecnologici alle funzioni di business. “Hai bisogno di quella competenza sia nei tuoi team aziendali che in quelli tecnologici”, afferma Thompson.
4. Presenta l’AI come espansione strategica, non riduzione dei costi. Thompson critica l’approccio tradizionale: “Sono molto deluso dal fatto che, data questa nuova capacità tecnologica su un piatto d’argento, come professionisti IT e dei dati parliamo immediatamente di risparmi di produttività. Che spreco di opportunità.”
5. Parti verticalmente, poi scala il modello. Non aspettare livelli perfetti di governance orizzontale dei dati prima di fornire valore in produzione. Scegli un caso d’uso ad alto valore, costruisci lo stack completo di governance, qualità dei dati e competenze per quel flusso di lavoro specifico, valida i risultati, poi replica il modello.
