L'intelligenza artificiale vola alla cieca: perché le grandi aziende non comprendono più i propri dati

Il rischio sottovalutato dell'IA: perché il caos dei dati può costare alle aziende milioni

L'entusiasmo che circonda l'intelligenza artificiale sta cedendo il passo a una realtà ben più cruda per i vertici aziendali. Mentre i modelli linguistici di OpenAI, Google e altri diventano sempre più potenti, il loro utilizzo produttivo nella pratica fallisce spesso a causa di un problema enorme, ma spesso ignorato: il caos dei dati interni. Quando contratti, cronologie di chat, email e fogli di calcolo sono sparsi in modo disorganizzato in innumerevoli silos e dipartimenti, anche gli agenti IA più intelligenti si ritrovano in difficoltà o semplicemente non riescono a ottenere risultati. È proprio in questa vulnerabilità che sta emergendo un mercato in rapida crescita, del valore di miliardi di dollari. Startup specializzate e colossi tecnologici affermati stanno costruendo i cosiddetti livelli di dati semantici: il nuovo sistema operativo centrale per i dati aziendali. Ma questa tecnologia non solo offre enormi vantaggi in termini di efficienza e modelli di pagamento rivoluzionari, bensì cela anche rischi concreti in termini di sicurezza informatica e dipendenza. Questo articolo offre un'analisi approfondita dell'architettura del futuro dell'IA ed esplora cosa significhi questa trasformazione per l'economia, dalle grandi aziende alle medie imprese.

Correlato a questo:

• Unframe AI | Dati pronti per l'IA. Creati a partire dai sistemi che già utilizzi.

Da un vecchio problema sta emergendo un mercato da un miliardo di dollari

Negli ultimi due anni, il dibattito sull'intelligenza artificiale in ambito aziendale ha subito una svolta radicale. Se inizialmente l'attenzione si concentrava su quale modello linguistico fornisse le risposte migliori, ora un aspetto ben più pragmatico ha assunto un ruolo centrale: la qualità, la tempestività e l'accessibilità dei dati con cui questi modelli dovrebbero operare. Un sondaggio condotto su cento dirigenti senior del settore dati e tecnologia di aziende con un fatturato superiore a due miliardi di dollari e più di cinquemila dipendenti offre un quadro allarmante. Quasi tutti gli intervistati – il 99% per l'esattezza – faticano a definire metriche aziendali coerenti tra i diversi strumenti e reparti. Quasi l'80% dei team di dati dedica più della metà del proprio tempo alla preparazione dei dati anziché all'estrazione di informazioni utili. Questi dati rivelano che l'incoerenza semantica non è più un problema marginale, ma rappresenta il sistema operativo stesso su cui molte grandi aziende si basano ancora.

Una nuova categoria di fornitori si sta inserendo proprio in questo vuoto, posizionandosi come anello di congiunzione tra la realtà frammentata delle aziende e le esigenze dei moderni sistemi di intelligenza artificiale. La loro promessa è quella di consolidare tutte le fonti di dati di un'azienda – dalle email e dai contratti ai sistemi ERP e CRM – in un livello costantemente sincronizzato e con funzionalità di governance. Il successo di questa promessa è evidente nel caso della startup californiana-israeliana-tedesca Unframe, che, a dodici mesi dal suo lancio ufficiale sul mercato, si è assicurata contratti per oltre cento milioni di dollari. L'ultimo round di finanziamento da cinquanta milioni di dollari, guidato da Highland Europe, ha portato il totale dei fondi raccolti a cento milioni di dollari. Tali cifre di crescita sono un segnale notevole di un'esigenza reale, e non solo dichiarata, in un segmento di mercato che esiste solo da pochi anni.

Perché le architetture dati tradizionali ostacolano l'intelligenza artificiale

Per comprendere le implicazioni di questo sviluppo, è utile esaminare la funzione storica dei data warehouse. Per decenni, questi sono stati ottimizzati per un unico scopo: la reportistica retrospettiva. Dati trimestrali, statistiche di vendita, indicatori chiave di performance per il management: tutto ciò poteva essere rappresentato in modo soddisfacente utilizzando database altamente strutturati e aggiornati periodicamente. Tuttavia, l'intelligenza artificiale, in particolare i sistemi basati su agenti progettati per prendere decisioni autonome o attivare azioni, richiede qualcosa di fondamentalmente diverso. Necessita di informazioni operative aggiornate in tempo reale e collegate ai processi aziendali effettivi. Un agente di intelligenza artificiale destinato a supportare una decisione nella catena di approvvigionamento non può lavorare con dati vecchi di tre settimane e preparati esclusivamente per analisi retrospettive.

Questa discrepanza è aggravata da un altro problema strutturale. Le stime delle principali aziende tecnologiche suggeriscono che fino al 90% dei dati aziendali non è strutturato, essendo disperso tra documenti, cronologie di chat, ticket di assistenza, fatture e voci di calendario. Questa enorme quantità di informazioni si trova in gran parte al di fuori dell'ambito dei tradizionali repository di dati basati su fogli di calcolo ed era semplicemente inaccessibile ai tradizionali strumenti di analisi. Senza un livello semantico unificato che rappresenti in modo coerente sia i contenuti strutturati che quelli non strutturati, rimane praticamente impossibile consolidare le informazioni provenienti da fonti diverse e fornirle a un modello di intelligenza artificiale come contesto affidabile.

Un progetto di benchmarking separato, volto a valutare la maturità dei dati per l'IA generativa, giunge a una conclusione strutturalmente simile, seppur con una diversa ponderazione. In questo studio, il 59% dei manager intervistati ha indicato la qualità e la coerenza dei dati come il principale ostacolo all'utilizzo produttivo dell'IA generativa, seguito dalla frammentazione dei dati (50%) e dalle problematiche relative alla sicurezza e alla privacy dei dati (anch'esse al 50%). È inoltre degno di nota che solo il 13% delle aziende che già utilizzano l'IA generativa è in grado di impedire che dati sensibili, come le informazioni sui clienti o sui dipendenti, vengano convogliati senza filtri nei modelli linguistici. Ciò evidenzia una lacuna nella governance che va ben oltre le problematiche di compatibilità tecnica e si estende direttamente all'ambito della protezione dei dati e della responsabilità normativa.

Il modello di business alla base del nuovo livello di dati

Il principio fondamentale perseguito da fornitori come Unframe può essere descritto in quattro fasi funzionali. In primo luogo, sistemi aziendali, applicazioni, repository di dati, file e API vengono connessi alla piattaforma. Successivamente, queste fonti eterogenee vengono trasformate in un unico livello dati con governance abilitata, applicabile all'intera organizzazione. La terza fase prevede la sincronizzazione continua con i sistemi di origine, garantendo che il livello dati non diventi una semplice istantanea obsoleta, ma rifletta invece lo stato reale dell'azienda. Solo nella quarta fase questa base viene utilizzata per alimentare l'intelligenza artificiale, l'analisi e l'automazione, il tutto costruito sulla stessa solida base.

Concettualmente, questo approccio assomiglia a una sorta di gemello digitale dell'organizzazione, ma non principalmente per simulare processi fisici. Serve piuttosto a mappare clienti, prodotti, contratti e transazioni in una rappresentazione coerente. Il vantaggio economico di un modello di questo tipo risiede nel fatto che ogni nuova applicazione di intelligenza artificiale non deve partire da zero per accedere ai dati aziendali rilevanti. Al contrario, ogni applicazione si basa sulla stessa struttura di dati, già elaborata e arricchita. Ciò riduce potenzialmente in modo significativo i costi di ogni successiva iniziativa di intelligenza artificiale, poiché la parte più complessa e spesso sottovalutata di un progetto di IA, ovvero l'integrazione e la pulizia dei dati, deve essere eseguita una sola volta.

Unframe descrive la sua offerta come composta da blocchi modulari e riutilizzabili che possono essere assemblati in soluzioni personalizzate senza richiedere un addestramento separato del modello per ogni caso d'uso. Il cosiddetto Framery funziona come un livello di piattaforma aperto in grado di connettersi a qualsiasi offerta Software-as-a-Service, API, database o formato di file, indipendentemente dal fatto che l'infrastruttura sia gestita nel cloud, on-premise o in un ambiente ibrido. Per le aziende europee, e in particolare tedesche, un altro aspetto è di notevole importanza: la piattaforma opera indipendentemente da qualsiasi fornitore specifico di modelli linguistici, il che significa che non vi è alcun vincolo con un fornitore particolare. Inoltre, viene esplicitamente pubblicizzata la conformità al Regolamento generale sulla protezione dei dati (GDPR) europeo e alla legge UE sull'intelligenza artificiale. I dati, per impostazione predefinita, non dovrebbero uscire dai confini del sistema del cliente a meno che non venga esplicitamente richiesto.

La determinazione dei prezzi in base ai risultati come segnale di fiducia in un mercato diffidente

Un aspetto particolarmente rivelatore della strategia aziendale risiede nel modello di prezzo. A differenza dei tradizionali fornitori di software che addebitano canoni di licenza a prescindere dai benefici effettivi, Unframe si basa su un modello di fatturazione a risultati. I clienti pagano solo quando una soluzione dimostra di funzionare e di produrre risultati concreti. Questa scelta non è affatto casuale, ma piuttosto una risposta diretta al profondo scetticismo presente nei consigli di amministrazione. Come ha dichiarato pubblicamente il co-fondatore dell'azienda, le imprese sono stanche di finanziare soluzioni che falliscono nella stragrande maggioranza dei casi, ed è per questo che richiedono un modello in cui il pagamento avvenga solo in caso di successo effettivo.

Questa osservazione si allinea con l'esperienza più ampia di molte aziende che da anni sperimentano i cosiddetti progetti "proof-of-concept" senza integrarli nei sistemi di produzione. Un considerevole arretrato di casi d'uso promettenti per l'IA, numerosi progetti pilota, eppure quasi nulla di effettivamente utilizzato nelle operazioni quotidiane: questo riassume il punto di partenza per molte aziende che si rivolgono a questa nuova categoria di fornitori. Il nucleo economico di questa promessa risiede nel trasferire il rischio di un progetto fallimentare dal solo cliente ad almeno una parte del rischio del fornitore. Ciò modifica radicalmente la struttura degli incentivi ed è probabilmente una delle ragioni principali delle dinamiche di crescita osservate, in particolare il già citato tasso di fidelizzazione dei ricavi netti del 400%, il che significa che i clienti esistenti hanno quadruplicato la loro spesa media in un anno.

Chi sono i clienti e cosa rivelano sul livello di maturità del mercato

I clienti di riferimento citati delineano un quadro interessante dei vari settori. Tra questi figurano le società immobiliari Cushman & Wakefield e Avison Young, l'azienda di cybersicurezza Armis e la casa editrice svizzera NZZ. Inoltre, vengono riportati casi d'uso per le compagnie aeree, per ottimizzare la pianificazione degli equipaggi, e per i rivenditori, per programmare le promozioni di vendita. Questa distribuzione tra settore immobiliare, media, sicurezza, aviazione e commercio al dettaglio suggerisce che non si tratta di una soluzione di nicchia per un singolo settore, bensì di un problema infrastrutturale trasversale che si manifesta evidentemente in contesti economici molto diversi.

Di particolare interesse è anche la struttura geografica e organizzativa dell'azienda. Con sede centrale a Cupertino, in California, e uffici aggiuntivi a Tel Aviv e Berlino, Unframe incarna una configurazione transatlantica o transcontinentale tipica del settore tecnologico, che combina capitali americani, sviluppo tecnologico israeliano e vicinanza al mercato europeo. Per un'azienda con un focus tedesco, è particolarmente rilevante che il co-fondatore responsabile delle attività operative lavori esplicitamente da Berlino e che l'azienda abbia partecipato ripetutamente a eventi digitali europei come la conferenza Mind the Tech di Berlino. Ciò segnala una precisa focalizzazione strategica sul mercato europeo che, a causa di requisiti più rigorosi in materia di protezione dei dati e di un atteggiamento generalmente più cauto nei confronti del trasferimento incontrollato dei dati aziendali ai fornitori di servizi cloud americani, presenta esigenze diverse rispetto al mercato nordamericano.

Il panorama competitivo e la corsa dei giganti della tecnologia

La tendenza descritta non è affatto limitata alle startup specializzate. Anche le aziende tecnologiche consolidate hanno individuato nel problema della frammentazione dei dati aziendali un'area chiave di crescita. Dell Technologies, insieme a Nvidia, ha sviluppato una piattaforma dati basata sull'intelligenza artificiale il cui obiettivo dichiarato è trasformare decenni di dati aziendali frammentati in informazioni utili. Un dirigente senior del marketing di prodotto di Dell ha giustamente affermato che la soluzione al problema dei dati non deve limitarsi al livello di archiviazione, ma deve comprendere l'intera pipeline, dall'acquisizione e gestione dei dati all'orchestrazione, in modo che i dati raggiungano in modo affidabile la potenza di calcolo dei processori grafici.

IBM, nella sua valutazione delle principali tendenze dei dati per il 2026, ha anche sottolineato che senza una piattaforma convergente che offra un accesso unificato a dati strutturati e non strutturati, le aziende non saranno in grado di implementare analisi e automazione autonoma con la velocità e l'affidabilità necessarie. Questa valutazione, proveniente da una delle più antiche e grandi aziende IT al mondo, evidenzia che non si tratta di un problema di nicchia per i piccoli fornitori, bensì di una sfida strutturale fondamentale identificata come un collo di bottiglia critico per l'intero settore. Significativamente, IBM sottolinea esplicitamente che nessun singolo fornitore può risolvere questo problema da solo, poiché l'integrazione di dati distribuiti e lo sviluppo dell'infrastruttura necessaria per i sistemi di intelligenza artificiale autonomi richiedono un ampio ecosistema di partner e tecnologie.

Questa valutazione getta una luce importante sulle dinamiche competitive reali. Non si sta delineando un mercato in cui un unico vincitore domina l'intera catena del valore, bensì una moltitudine di fornitori con focus diversi, alcuni complementari, altri in competizione tra loro. Fornitori specializzati come K2View si concentrano esplicitamente su architetture dati operative e pronte per la produzione, mentre aziende infrastrutturali come Dell e Nvidia forniscono la capacità di calcolo sottostante e fornitori di piattaforme come Unframe colmano il divario tra i dati grezzi e le applicazioni di intelligenza artificiale implementabili.

Qui scoprirai come la tua azienda può implementare soluzioni di intelligenza artificiale personalizzate in modo rapido, sicuro e senza elevate barriere all'ingresso.

Una piattaforma di intelligenza artificiale gestita è la soluzione completa e senza pensieri per l'intelligenza artificiale. Invece di dover gestire tecnologie complesse, infrastrutture costose e lunghi processi di sviluppo, riceverai una soluzione pronta all'uso, su misura per le tue esigenze, da un partner specializzato, spesso entro pochi giorni.

I principali vantaggi in sintesi:

⚡ Implementazione rapida: dall'idea all'applicazione pronta all'uso in pochi giorni, non mesi. Forniamo soluzioni pratiche che creano un valore aggiunto immediato.

🔒 Massima sicurezza dei dati: i tuoi dati sensibili restano con te. Garantiamo un'elaborazione sicura e conforme alle normative, senza condividere i dati con terze parti.

💸 Nessun rischio finanziario: paghi solo per i risultati. Gli elevati investimenti iniziali in hardware, software o personale vengono completamente eliminati.

🎯 Concentrati sul tuo core business: concentrati su ciò che sai fare meglio. Ci occupiamo dell'intera implementazione tecnica, del funzionamento e della manutenzione della tua soluzione di intelligenza artificiale.

📈 A prova di futuro e scalabile: la tua IA cresce con te. Garantiamo ottimizzazione e scalabilità continue e adattiamo i modelli in modo flessibile alle nuove esigenze.

Maggiori informazioni qui:

• Piattaforma di intelligenza artificiale gestita

La governance come fattore competitivo sottovalutato

Un aspetto spesso trascurato nel dibattito pubblico sull'intelligenza artificiale è la questione della governance, ovvero il controllo su chi ha accesso a quali dati, su come vengono elaborati e su come possono essere ricondotti a specifiche decisioni dell'IA. Il sondaggio condotto su cento responsabili della gestione dei dati, citato in precedenza, mostra che l'87% degli intervistati richiede maggiore trasparenza su come l'intelligenza artificiale utilizza e interpreta i loro dati. Si tratta di una percentuale notevolmente elevata, che suggerisce come la fiducia nell'affidabilità dei sistemi di IA non sia un aspetto secondario, bensì un prerequisito fondamentale per una loro più ampia accettazione all'interno delle organizzazioni.

Le priorità a medio termine delle aziende intervistate per i prossimi tre-cinque anni confermano questo quadro. Il 92% cita come priorità la scalabilità tra diverse fonti di dati, l'83% la portabilità dei dati e degli indicatori chiave di prestazione (KPI), e l'82% la governance e l'osservabilità dell'intelligenza artificiale. Queste tre priorità sono strettamente interconnesse. Senza strutture dati scalabili e coerenti tra i diversi sistemi, non è possibile stabilire una governance affidabile e, senza governance, qualsiasi scalabilità rimane associata a rischi legali e reputazionali significativi, in particolare in relazione al Regolamento generale sulla protezione dei dati (GDPR) europeo e alla legge sull'IA dell'Unione Europea, ora in vigore.

Questo aspetto è particolarmente importante per le aziende tedesche ed europee, poiché il quadro normativo è significativamente più rigoroso rispetto a quello degli Stati Uniti o di gran parte dell'Asia. Le aziende europee che implementano un livello dati per l'intelligenza artificiale devono considerare fin dall'inizio come verranno protetti i dati personali, come verranno documentate le procedure di elaborazione e come le decisioni del sistema di IA potranno essere rese trasparenti in caso di controversia. I fornitori che integrano questi requisiti nella propria architettura fin dalle prime fasi, ad esempio consentendo ai dati di rimanere interamente all'interno dei propri confini di sistema, ottengono un vantaggio strutturale rispetto ai concorrenti che si affidano principalmente a infrastrutture cloud statunitensi con normative meno stringenti.

Implicazioni economiche per le PMI tedesche

Sebbene i clienti di riferimento menzionati finora siano prevalentemente grandi aziende operanti a livello internazionale, sorge spontanea la domanda sulla rilevanza di questo argomento per le PMI tedesche, che tradizionalmente costituiscono la spina dorsale dell'economia tedesca. A prima vista, la situazione per le aziende più piccole appare meno critica, poiché naturalmente dispongono di un numero inferiore di sistemi e di una minore quantità di dati. Tuttavia, un esame più attento rivela che le PMI cresciute organicamente nel corso degli anni e che hanno implementato diverse soluzioni isolate per la contabilità, la gestione delle scorte, la gestione delle relazioni con i clienti e la comunicazione, si trovano ad affrontare un problema di frammentazione strutturalmente simile, seppur su scala ridotta.

La questione economica cruciale, quindi, non è se il problema esista, ma se un investimento in un livello dati unificato sia economicamente giustificabile, considerando i budget IT limitati. L'emergere di modelli di prezzo basati sui risultati, come quello introdotto da Unframe , probabilmente giocherà un ruolo significativo in questo contesto, poiché questo modello riduce considerevolmente il rischio finanziario per le aziende più piccole. Allo stesso tempo, si può presumere che per le medie imprese si affermeranno soluzioni più snelle e specializzate, piuttosto che piattaforme complete progettate per multinazionali da miliardi di dollari. Tuttavia, la logica fondamentale secondo cui un livello dati coerente e costantemente sincronizzato è un prerequisito per qualsiasi applicazione di intelligenza artificiale significativa rimane valida indipendentemente dalle dimensioni dell'azienda.

Rischi e interrogativi aperti relativi al nuovo livello di dati

Sebbene questo sviluppo meriti notevole attenzione, non bisogna sottovalutare i rischi associati. La migrazione dell'intero panorama dei dati aziendali verso un livello centrale unificato crea inevitabilmente un bersaglio estremamente appetibile per i criminali informatici. Una violazione di successo di questo livello centrale di dati potrebbe avere conseguenze ben più estese rispetto alla violazione di un singolo sistema isolato, in quanto potrebbe garantire istantaneamente l'accesso ai dati di clienti, contratti e finanziari dell'intera azienda. L'architettura di sicurezza di tali piattaforme deve quindi essere eccezionalmente robusta e le aziende dovrebbero esaminare attentamente come vengono controllati i diritti di accesso granulari e come vengono implementati gli standard di crittografia nella scelta di un fornitore.

Un altro rischio, di natura più strategica, risiede nella dipendenza da un unico fornitore di piattaforma. Sebbene Unframe sottolinei esplicitamente di non essere vincolato a uno specifico modello linguistico, il livello dati sottostante rappresenta comunque una significativa dipendenza strutturale. Qualora un'azienda decidesse di passare a un altro fornitore, la migrazione di un livello dati aziendale consolidatosi nel corso degli anni si rivelerebbe probabilmente un'impresa considerevole, analoga alle ben note difficoltà legate al passaggio a sistemi ERP di grandi dimensioni. Questo tipo di effetto lock-in viene raramente affrontato dai fornitori stessi, ma dovrebbe essere preso in considerazione nella valutazione di ogni decisione strategica.

Infine, rimane aperta la questione dell'effettiva qualità dei risultati. Anche il livello dati più avanzato non può garantire che le decisioni dell'IA che ne derivano siano prive di errori. In particolare, con i sistemi autonomi basati su agenti che avviano azioni in modo indipendente, la questione della responsabilità in caso di errori rimane irrisolta. Se un agente di IA prende una decisione aziendale errata basandosi su un livello dati sincronizzato in modo difettoso – ad esempio, interpretando male una clausola contrattuale o prendendo una decisione errata nella catena di approvvigionamento – si pone immediatamente la questione della responsabilità, una questione che finora è stata affrontata in modo inadeguato sia a livello contrattuale che normativo.

Una valutazione obiettiva dei progressi effettivi

Una valutazione critica di questo sviluppo impone cautela riguardo alle promesse esagerate di una soluzione miracolosa. L'idea che l'intelligenza artificiale possa essere implementata e resa operativa in un ambiente aziendale consolidato in pochi giorni può essere vera in casi d'uso selezionati e ben definiti, ma per la stragrande maggioranza dei processi aziendali complessi, è probabile che rappresenti una semplificazione eccessiva della realtà. L'esperienza con le precedenti ondate di trasformazione digitale, come l'introduzione dell'infrastruttura cloud o l'implementazione di sistemi ERP, dimostra che anche le soluzioni tecnicamente più sofisticate falliscono regolarmente a causa della resistenza organizzativa, dell'insufficiente qualità dei dati nei sistemi di origine e della mancanza di volontà di cambiamento da parte dei dipendenti.

Allo stesso tempo, la diagnosi di fondo è innegabilmente corretta. La frammentazione dei dati aziendali è reale, ben documentata empiricamente e rappresenta effettivamente uno dei principali ostacoli all'utilizzo produttivo dell'intelligenza artificiale. La questione, quindi, non è tanto se un livello dati unificato e compatibile con l'IA abbia senso, quanto piuttosto quale percorso specifico per realizzarlo sia il più economicamente sostenibile per una determinata azienda, tenendo conto del suo specifico contesto di sistema, della sua propensione al rischio e del budget disponibile. Per le aziende che finora hanno esitato ad affrontare questo problema, gli sviluppi del mercato degli ultimi due anni forniscono un indizio importante: chi continua a sperimentare con progetti pilota isolati e non coordinati rimarrà indietro nel medio termine rispetto ai concorrenti che hanno investito tempestivamente in una solida infrastruttura dati.

Superare i silos di dati: il percorso verso un'IA aziendale interoperabile

Lo sviluppo dei prossimi anni dipenderà in larga misura dalla definizione di standard uniformi per l'interoperabilità tra i diversi livelli di dati e le piattaforme di intelligenza artificiale. Se il settore riuscirà a sviluppare protocolli aperti che consentano a diversi fornitori di livelli di dati e modelli di IA di collaborare senza soluzione di continuità, si ridurranno considerevolmente i rischi di dipendenza esistenti e si intensificherà la concorrenza a vantaggio dei clienti. I primi passi in questa direzione sono già visibili, ad esempio, attraverso il supporto di protocolli di interfaccia aperti che consentono l'integrazione con gli assistenti IA interni esistenti senza richiederne la completa sostituzione.

Per le aziende tedesche, tradizionalmente piuttosto restie ad adottare nuove tecnologie digitali, ma che al contempo vantano una cultura della protezione dei dati rigorosa secondo gli standard internazionali e per molti aspetti esemplare, questo sviluppo rappresenta un'interessante opportunità strategica. I fornitori che integrano fin da subito i requisiti di conformità europei nella propria architettura potrebbero ottenere un vantaggio significativo in termini di fiducia, soprattutto nei paesi di lingua tedesca, rispetto ai fornitori puramente americani, le cui pratiche di trattamento dei dati sono tradizionalmente meno trasparenti e soggette a normative meno stringenti. Le aziende tedesche che implementano tempestivamente un livello dati coerente e pronto per la governance otterranno non solo un vantaggio competitivo tecnologico, ma anche normativo, che si rivelerà probabilmente sempre più prezioso nei prossimi anni, man mano che l'attuazione pratica della legislazione europea sull'IA prenderà ulteriore slancio.

Sarei felice di fungere da tuo consulente personale.

Puoi contattarmi all'indirizzo wolfenstein∂xpert.digital o

Chiamami al numero +49 7348 4088 965 .

LinkedIn