«Moltissime aziende, oggi, usano l’intelligenza artificiale generativa, ma ancora poche sono quelle che hanno adottato le giuste strategie per ricavarne un vero vantaggio competitivo». Cos dichairano Giuseppe Castiello, GenAI Hub Leader e Partner Deloitte e Angelo Fienga, GenAI Senior Advisor Deloitte.
Secondo il report di Deloitte State of AI in the Enterprise, la quota di leader che osserva un impatto «trasformativo» dell’AI è salita al 25%, più del doppio rispetto all’anno prima, eppure solo il 20% delle organizzazioni dichiara già ricavi in crescita. E mentre il 74% dei leader conta di usare agenti entro il 2027, solo un’azienda su cinque ha oggi una governance agentica matura. «La tecnologia, insomma, si è diffusa molto più in fretta della capacità di ricavarne valore», scrivono gli autori. «E l’esperienza maturata in molti progetti con le imprese, ci ha aiutato a mettere a fuoco cosa separa chi crea valore da chi resta fermo ai pilot».
In tutti i casi, il fattore differenziante non è un singolo ingrediente, ma la convergenza di tre elementi – secondo Castiello e Fienga: «Il primo è la disciplina nella scelta: bisogna individuare i casi d’uso che muovono davvero un indicatore di business e rimettere in ordine i dati che li alimentano. L’AI senza dati, per usare un’immagine, è un motore potente montato su un’auto senza ruote».
Il secondo è ciò che si è definito come “Capital Intelligence”, ovvero «la conoscenza operativa dell’azienda, le regole, le eccezioni, i criteri di giudizio che prima vivevano nella testa delle persone, e che l’AI converte in un asset codificato – attraverso la combinazione di Agenti, workflow, modelli LLM e altro ancora». Perché, in sostanza, «l’AI non “crea” quella conoscenza, la “converte” da patrimonio implicito a capitale strategico».
Il terzo è la padronanza degli economics, scrivono gli autori: «Bisogna capire e ottimizzare quanto costa davvero “far girare l’AI”, ora che l’unità di consumo è il «token», ovvero il piccolo blocco di testo che i modelli elaborano, e non più la licenza o il server. Il parametro che conta non è il costo per token, ma il costo per risultato utile. E non sempre serve il modello di linguaggio (lo LLM) più grande». Ad esempio, una ricerca ripresa da Stanford mostra che un modello piccolo, con un fine-tuning leggero, può passare dal 41% al 78% di accuratezza su un compito ben delimitato. «Spesso serve quello giusto, non il più potente».
«Da qui una quarta conseguenza, più silenziosa. Più questo sistema funziona, più la Capital Intelligence al suo centro diventa preziosa e, insieme, esposta. Su questo terreno Deloitte ha costruito Solaria, la sua piattaforma agentica proprietaria: è insieme un marketplace e un framework che orchestra oltre 1000 agenti intelligenti configurati dai professionisti Deloitte per automatizzare e ridisegnare processi complessi, permette di crearne di nuovi anche a chi non scrive codice, in logica “no-code”, e porta con sé governance, sicurezza e controllo dei costi», osservano Castiello e Fienga.
Ma come assicurare la sicurezza dei dati? «I dati si proteggono generalmente bene quando sono “a riposo” e “in transito”, cifrati nel cassetto e spediti in un plico blindato. Ma nel momento in cui l’agente li usa e li elabora con il modello LLM, tornano in chiaro, come una lettera che per essere letta va pur sempre riaperta. È la finestra che il perimetro, la cifratura del disco e quella in transito non chiudono. È esattamente il problema che affronta DataKrypto con l’approccio di “Confidential AI”: estendere la cifratura al dato e al modello anche mentre sono in uso, sulle superfici di un’architettura agentica, e proteggere anche il modello LLM addestrato che contiene conoscenza aziendale preziosa. In pratica è la chiusura di un’esposizione che gli altri controlli e sistemi lasciano aperta. In questo senso DataKrypto è un complemento naturale a Solaria: se Solaria costruisce e orchestra il valore, la soluzione di Confidential AI lo protegge mentre lavora», scrivono gli autori.
La sintesi, allora, è semplice. «Selezionare bene i casi d’uso, riconoscere e costruire la propria Capital Intelligence, governare i costi: tutto è necessario, niente sufficiente da solo. Il vantaggio resta nostro solo finché resta nostro l’asset che lo genera, e resta nostro solo se è protetto anche mentre viene usato», concludono Castiello e Fienga.
