Il tuo agente IA è buono solo quanto il tuo sistema di archiviazione

Il 30 dicembre 2025, il servizio postale della Danimarca ha consegnato l’ultima lettera nella sua storia di 401 anni. Le 1.500 cassette postali rimanenti sono state rimosse dalle strade durante quell’anno. Nel frattempo, nel luglio 2026 il gabinetto federale tedesco ha approvato GeDIG, la legge sui dati sanitari e l’innovazione digitale, che elimina gradualmente il fax dagli studi medici entro l’autunno 2029 e rende obbligatorie le referenze elettroniche.

Allora, come è possibile che un paese possa attuare tali cambiamenti mentre un altro sta ancora eliminando la dipendenza dai fax in questo secolo? Considerando l’uso dell’IA nelle imprese di ciascun paese, il 42 % delle aziende danesi ha utilizzato almeno una tecnologia di IA nel 2025, la quota più alta d’Europa. La Germania si attestava al 26 %, sopra la media UE ma sedici punti dietro la Danimarca.

Per me, il contrasto ci spinge a rivedere le nostre convinzioni sull’adozione dell’IA. In particolare la credenza che la scelta del modello sia il punto di partenza dell’adozione dell’IA, ignorando le condizioni dei sistemi intorno al modello. Entrambi i paesi hanno accesso agli stessi modelli e fornitori cloud, ma la differenza sta nel fatto che i processi aziendali e pubblici producano già registri digitali affidabili. Poiché un agente IA non lavora direttamente con la realtà, ma con la versione della realtà disponibile in un sistema, ciò genera naturalmente alcune limitazioni.

Il Primo Vincolo: L’Informazione Non È Mai Stata Digitalizzata

Un agente non può recuperare un documento che non è mai entrato nel sistema. La struttura del flusso informativo dell’organizzazione determina ciò che un agente può percepire come compito.

A livello nazionale, i dati Eurostat mostrano che l’adozione dell’IA nelle imprese è correlata alla digitalizzazione dei processi amministrativi. Tuttavia il meccanismo chiave è che i paesi in cui i cittadini ricevono già i documenti ufficiali in formato digitale hanno meno interazioni fuori dal sistema da riconciliare per le imprese, riducendo la quantità di lavoro di interpretazione necessario prima che l’IA possa essere utilizzata in modo sicuro nelle operazioni.

A livello aziendale, uno studio IZA del 2026 su 1.907 imprese danesi rileva che un aumento di una deviazione standard nella digitalizzazione è associato a una probabilità dell’8‑10 % più alta di adottare sistemi IA di base. Ciò suggerisce che l’adozione dell’IA dipende dal fatto che le operazioni interne dell’azienda siano già organizzate in modo digitalmente strutturato e leggibile da macchine. Se i processi sono frammentati, vi è poca informazione stabile su cui i sistemi o gli agenti IA possano agire.

Questo può anche aiutare a spiegare perché la digitalizzazione guidata dalle politiche non si traduce automaticamente in prontezza all’IA. L’obbligatoria fatturazione elettronica B2B in Italia ha creato un canale completamente digitale, ma l’adozione complessiva dell’IA rimane al di sotto della media UE. Digitalizzare un singolo passaggio non elimina il sistema analogico circostante.

Il Secondo Vincolo: L’Informazione Esiste Solo nella Testa di Qualcuno

Gli esseri umani gestiscono le operazioni, il che significa che nella maggior parte dei casi conoscono dettagli che l’IA non ha. Un amministratore finanziario sa che un inquilino ha pagato in contanti, ma il pagamento non è mai stato inserito nel sistema contabile. Di conseguenza, i registri bancari e il sistema non si riconciliano. L’amministratore comprende il motivo, mentre l’IA vede solo dati incoerenti. Un gestore immobiliare ricorda che un proprietario ha chiesto di non essere contattato per due settimane. Un team conosce la soluzione alternativa per un edificio o cliente, ma nessuno l’ha documentata.

ClarEval ha testato compiti con obiettivi mancanti, premesse assenti e terminologia ambigua. Le prestazioni del modello sono scese da circa l’89 % dopo la chiarificazione a circa il 9 % quando l’ambiguità rimaneva irrisolta. Ambig-SWE ha scoperto che consentire a un modello di interrogare un utente che possiede l’informazione mancante ha recuperato fino al 74 % delle prestazioni perse. Ciò implica che gli ingegneri dovrebbero costruire un sistema capace di chiedere chiarimenti fin dall’inizio.

Il Terzo Vincolo: L’Informazione Esiste ma Non Può Essere Trasferita

Alcuni dati sono disponibili all’interno dell’azienda ma non possono comunque raggiungere il modello a causa di norme sulla privacy, controlli di sicurezza, contratti o politiche interne.

Uno studio basato su sette anni di dati cloud ha rilevato che il GDPR — la principale legge europea sulla privacy dei dati — ha ridotto l’archiviazione dei dati del 26 % e l’elaborazione del 15 % tra le imprese UE rispetto a quelle statunitensi comparabili. In altre parole, la normativa sulla privacy ha reso le imprese meno intensive di dati, limitando la quantità di informazioni che potevano conservare e processare per analisi e IA. L’adozione dell’IA generativa era quasi pari, al 37 % delle imprese UE e al 36 % di quelle USA. Tuttavia il divario nella profondità dell’adozione dell’IA è enorme, con l’81 % delle imprese USA che utilizza l’IA in almeno due processi interni, rispetto al 55 % nell’UE. Una possibile ragione è che le informazioni già presenti all’interno delle organizzazioni sono spesso più difficili da riutilizzare per l’IA in Europa. Le conversazioni del supporto clienti, ad esempio, contengono spesso dati personali raccolti per risolvere le problematiche dei clienti. Secondo il principio di limitazione della finalità del GDPR (Articolo 5(1)(b)), questi dati non possono semplicemente essere riutilizzati per l’addestramento dell’IA senza una valida base legale. Le imprese USA generalmente affrontano meno restrizioni federali equivalenti sul riutilizzo di tali dati.

Come Costruire il Sistema Corretto

Il recupero funziona solo quando la risposta esiste nel sistema. Gli agenti dovrebbero chiedere quando le informazioni mancano, non indovinare mai, e trasformare chiamate o decisioni informali in registri strutturati. Le aziende dovrebbero anche eliminare i flussi di lavoro cartacei paralleli perché, se un compito può avvenire al di fuori del sistema, parte del contesto rimarrà invisibile.

Ogni azienda deve confrontarsi con le proprie lacune. Misurare se un dato necessario per agire correttamente era presente nel sistema o meno. Testare i flussi di lavoro con e senza i campi di revisione della privacy esclusi. Infine, per il flusso di lavoro che può essere completato su carta, è quell’agente da costruire per ultimo.

Gli agenti possono migliorare la produttività umana, ma non riparano ciò che manca.