L’Impatto della Trustworthy AI: Governance e Trasparenza per un ROI Moltiplicato

Un recente studio condotto da SAS, utilizzando dati di IDC, ha rivelato che l’adozione di pratiche di Trustworthy AI, caratterizzate da governance, trasparenza dei dati e spiegabilità, può incrementare significativamente il ritorno sugli investimenti (ROI) delle aziende. In particolare, le organizzazioni che implementano rigorosi protocolli sulla qualità dei dati, la tracciabilità e l’auditabilità riescono a raddoppiare i risultati economici derivanti dall’uso dell’intelligenza artificiale.

Secondo la ricerca, meno del 5% delle aziende che non adottano tali pratiche riesce a ottenere ritorni simili. Un aspetto critico emerso dallo studio è che l’assenza di spiegabilità nei sistemi di AI limita notevolmente la loro efficacia. Infatti, fino al 97,2% degli utenti si sente costretto a intervenire manualmente per correggere o modificare i risultati, vanificando così i potenziali guadagni di produttività. Inoltre, la fiducia degli operatori diminuisce con l’aumentare dell’autonomia dei sistemi: dal 76% per l’IA generativa al 66% per l’IA agentica.

Lo studio ha anche evidenziato che le aziende impegnate a garantire l’affidabilità dell’IA ottengono performance superiori su 13 indicatori aziendali, tra cui il contenimento dei costi, la crescita del fatturato e l’esperienza del cliente. In questo contesto, l’85% delle aziende più avanzate prevede di aumentare gli investimenti in governance dell’IA di oltre il 10% nell’anno in corso.

Tuttavia, un limite comune riscontrato è l’architettura informativa: solo il 17,5% delle aziende dispone di un’infrastruttura dati completamente ottimizzata per supportare l’IA agentica. Le fondamenta dati solide, infatti, quadruplicano la probabilità di ottenere un ROI elevato.

La variazione nell’adozione di framework strutturati è evidente anche tra diversi settori. Nel settore bancario, l’85% delle aziende ad alta maturità ha definito linee guida di governance, rispetto al 29% di quelle che si trovano in ritardo. Nel settore pubblico, il 41% dei leader prevede aumenti di spesa superiori al 20% per l’IA affidabile, mentre nelle scienze della vita, la penetrazione dell’IA su scala aziendale è attualmente del 23%.

Bryan Harris, CTO di SAS, ha sottolineato che anche gli agenti avanzati possono registrare tassi di errore superiori al 25% nelle attività più complesse. Per garantire accuratezza e ripetibilità, è fondamentale integrare competenze di dominio nei workflow agentici, mantenendo sempre le persone al centro dei controlli. Chris Marshall, Vice President di IDC, ha aggiunto che supervisione, spiegabilità, responsabilità e solide basi dati sono prerequisiti essenziali per scalare con successo l’autonomia dell’IA.