È inutile girarci intorno: oggi il vero nodo per qualsiasi organizzazione si chiama AI Governance o, in termini più semplici, una strategia solida per governare l’intelligenza artificiale.
La rivoluzione dei Big Data, avviata circa venticinque anni fa, ha messo a disposizione un nuovo patrimonio informativo capace di alimentare crescita, conoscenza e innovazione organizzativa. Nel 2001 Douglas Laney introdusse il celebre modello delle tre V, volume, velocità e varietà, fornendo una definizione destinata a diventare un punto di riferimento per descrivere il fenomeno dei Big Data. Da allora, grazie all’evoluzione tecnologica e alla progressiva maturazione di competenze specialistiche, dai data scientist in poi, utilizzare i dati a supporto dello sviluppo organizzativo è diventato sempre più accessibile. Eppure, osservando le numerose ricerche pubblicate nel corso degli anni e confrontandole con l’esperienza maturata sul campo insieme a professionisti ed esperti del settore, emerge una considerazione ricorrente: solo una parte delle organizzazioni è riuscita a cogliere davvero il potenziale offerto dai dati. Le realtà più preparate, indipendentemente dalle dimensioni, hanno saputo integrare il dato in modo strutturale nei processi decisionali e operativi. Molte altre, invece, sono rimaste indietro a causa di ostacoli culturali, psicologici e tecnologici.
La data science e le discipline legate alla gestione del dato, dalla qualità dei dati alla progettazione di architetture dedicate, dall’analisi all’attribuzione dei metadati, richiedono infatti trasformazioni profonde: cambiamenti culturali, disponibilità delle persone coinvolte, investimenti significativi e una capacità di comprendere benefici che spesso non si manifestano nell’immediato. La Data Governance è nata proprio per affrontare e governare questa complessità, ma nella pratica si è consolidata soprattutto nei contesti caratterizzati da forti vincoli normativi, come il settore bancario, assicurativo e farmaceutico. In sintesi, ritengo che la rivoluzione dei Big Data sia stata un processo di evoluzione graduale più che una trasformazione improvvisa. Il dato non è diventato davvero patrimonio di tutti e, in larga misura, continua a non esserlo. Basta osservare il panorama attuale per accorgersi che esistono ancora molte organizzazioni ferme a modelli operativi di trent’anni fa, incapaci di sfruttare le opportunità generate da una gestione efficace dei dati. Per questa ragione la data science e il data management non sono mai diventati una commodity universale: richiedono infatti una serie di condizioni abilitanti che non tutte le organizzazioni possiedono.
Con l’intelligenza artificiale, però, le cose sono andate diversamente. Nella sua forma più semplice, quella che secondo le più recenti ricerche continua a rappresentare la modalità di utilizzo più diffusa, ossia l’interazione tramite chat (Osservatorio Polimi, 2025), è accaduto qualcosa di inatteso e profondamente dirompente, tanto da rendere appropriata la definizione di vera e propria rivoluzione. Per la prima volta, infatti, le persone all’interno delle organizzazioni hanno iniziato ad adottare l’intelligenza artificiale autonomamente, senza aspettare indicazioni, strategie o iniziative aziendali. L’interazione basata sul linguaggio naturale ha abbattuto alla radice gran parte delle barriere tecniche che in passato limitavano l’adozione delle innovazioni digitali. Per un momento mettiamo da parte le soluzioni più avanzate che emergono ogni giorno, dagli assistenti specializzati agli agenti autonomi. Basta osservare ciò che accade intorno a noi: quanti colleghi, partner o amici utilizzano già l’AI per attività quotidiane che spaziano dalla riscrittura di un’e-mail alla produzione di codice software? È sufficiente rispondere a questa domanda per comprendere la portata del cambiamento. In questa trasformazione, gli individui hanno corso molto più velocemente delle organizzazioni, creando un divario che oggi rappresenta una delle sfide più rilevanti per chiunque debba governare l’adozione dell’intelligenza artificiale.
Per le organizzazioni tutto questo rappresenta al tempo stesso una straordinaria opportunità e una sfida complessa. Ed è proprio qui che entra in gioco l’AI Governance. Governare l’intelligenza artificiale significa infatti prendere il controllo di un cambiamento già in corso, rapido, diffuso e per molti versi caotico. Da questo punto di vista il Work Trend Index 2026 di Microsoft offre una chiave di lettura particolarmente interessante: il compito dei leader non è più semplicemente introdurre l’AI, ma ripensare il lavoro alla luce della sua presenza sempre più pervasiva. Le persone, infatti, stanno adottando l’intelligenza artificiale a una velocità superiore rispetto a quella con cui le organizzazioni riescono a trasformarsi.
Questo apre prospettive enormi in termini di produttività, innovazione e sviluppo delle competenze, ma porta con sé anche interrogativi rilevanti sul piano organizzativo. A questi si aggiungono i temi della sicurezza, della gestione dei dati e della conformità normativa, ambiti nei quali la regolamentazione ha iniziato a definire con sorprendente rapidità limiti, responsabilità e criteri di utilizzo. Occorre poi distinguere tra due fenomeni molto diversi. Da una parte c’è l’uso spontaneo dell’AI conversazionale, più o meno esplicito, spesso associato al concetto di Shadow AI. Dall’altra vi è la progettazione di soluzioni strutturate capaci di trasformare e ottimizzare realmente i processi di lavoro attraverso l’intelligenza artificiale. È proprio in questo passaggio che emerge il divario tra sperimentazione e adozione organizzativa. Non a caso, secondo lo State of Organization Maturity 2026 di McKinsey, l’88% dei leader intervistati ritiene che la propria organizzazione non sia ancora pronta a integrare l’intelligenza artificiale in modo sistematico nelle operazioni quotidiane. Se il potenziale dell’AI appare ormai evidente, la capacità di governarlo resta quindi una questione ancora aperta. Ecco perché l’AI Governance non è soltanto necessaria: è destinata a diventare una delle competenze strategiche fondamentali per le organizzazioni dei prossimi anni. Ma, concretamente, che cos’è l’AI Governance?
Al di là delle interpretazioni dei singoli esperti, una delle fonti più autorevoli per comprendere il significato dell’AI Governance è la ricerca scientifica. In questo contesto assume particolare rilevanza il lavoro di Batool, Zowghi e Bano che nel 2025 hanno pubblicato l’articolo “AI Governance: A Systematic Literature Review”, oggi citato da centinaia di studi successivi. Gli autori hanno analizzato 28 pubblicazioni scientifiche con l’obiettivo di individuare gli elementi distintivi e condivisi del concetto di AI Governance. Le conclusioni sono particolarmente interessanti: la governance dell’intelligenza artificiale emerge come un impegno intrinsecamente olistico, capace di intrecciare aspetti tecnologici, organizzativi, normativi, etici e umani.
Allo stesso tempo, la letteratura evidenzia come questa visione integrata sia ancora poco sviluppata sia nella ricerca sia nella pratica aziendale. In particolare, gli studi analizzati mostrano una limitata attenzione ai temi etici e, soprattutto, al ruolo che le persone svolgono all’interno dei processi supportati dall’intelligenza artificiale. Eppure sappiamo che è proprio la supervisione umana a rappresentare uno degli elementi chiave per garantire qualità, affidabilità, trasparenza e rispetto dei principi etici nell’utilizzo dell’AI. Seguendo le conclusioni di questa ricerca, i modelli di AI Governance oggi disponibili appaiono quindi spesso incompleti o sbilanciati verso specifiche dimensioni del problema.
Midjourney / MIT TR IT
Se osserviamo gli standard e i framework più diffusi, emerge chiaramente questa tendenza. La norma ISO/IEC 42001:2023, dedicata ai sistemi di gestione dell’intelligenza artificiale, adotta un approccio fortemente orientato agli aspetti organizzativi e tecnici. I principi sull’intelligenza artificiale promossi dall’OECD, così come il più noto Artificial Intelligence Act europeo, pongono invece una maggiore enfasi sulle implicazioni etiche, sociali e regolatorie. Tutte queste iniziative rappresentano contributi fondamentali, ma osservano una sfida molto più ampia attraverso prospettive necessariamente parziali. Ed è proprio questa natura multidimensionale dell’AI Governance a renderla oggi uno dei temi più complessi e strategici per le organizzazioni.
Il punto centrale è che le organizzazioni hanno bisogno di una visione più ampia e della capacità di agire rapidamente, perché l’intelligenza artificiale si evolve e si diffonde a una velocità superiore rispetto a quella con cui le aziende riescono a trasformarsi. In questo scenario, l’esperienza maturata nel Data Management e nella Data Governance rappresenta un vantaggio significativo. Chi ha già affrontato la sfida di comprendere e governare la trasformazione generata dai Big Data dispone infatti di competenze preziose per supportare le organizzazioni nel percorso di adozione dell’AI. La visione olistica richiamata in precedenza è, in fondo, la stessa che caratterizza da sempre i professionisti del mondo dei dati.
Un modello efficace di AI Governance deve partire dalla conoscenza approfondita del patrimonio informativo aziendale e dal suo censimento sotto il profilo della sicurezza, ma anche dalla consapevolezza degli strumenti di intelligenza artificiale già presenti in azienda, compresi quelli adottati informalmente dai dipendenti. È infatti molto probabile che qualcuno stia già utilizzando l’AI. Il primo pilastro della governance è quindi la conoscenza: conoscere i dati, valutarne qualità, affidabilità e rilevanza, e comprendere quali soluzioni di AI siano già in uso all’interno dell’organizzazione.
Il secondo pilastro è la sicurezza. Non solo quella definita dagli obblighi normativi, ma anche quella operativa, che riguarda la gestione concreta degli accessi e delle autorizzazioni. Gli assistenti intelligenti si alimentano di dati e conoscenza aziendale; di conseguenza, non tutti gli utenti devono necessariamente poter accedere agli stessi contenuti o alle stesse fonti informative. Governare questi aspetti significa proteggere il patrimonio informativo senza compromettere il valore generato dall’AI.
Il terzo pilastro è la literacy. L’articolo 4 dell’AI Act introduce esplicitamente il tema dell’alfabetizzazione sull’intelligenza artificiale, ma la questione va oltre il semplice adempimento normativo. Una delle situazioni che osservo più frequentemente è la paura di condividere dati con sistemi di AI di terze parti, mentre nello stesso tempo vengono utilizzati quotidianamente servizi cloud, piattaforme collaborative e strumenti di file sharing esterni.
Questo non è soltanto un problema tecnologico: è un problema di consapevolezza. Comprendere rischi, opportunità e modalità corrette di utilizzo è la condizione necessaria per adottare l’innovazione in modo responsabile.
Il quarto pilastro è la responsabilità. In qualsiasi processo basato sull’intelligenza artificiale deve rimanere centrale il ruolo dell’essere umano, sia nella validazione dei risultati sia nell’assunzione della responsabilità finale delle decisioni. L’AI può supportare, suggerire e automatizzare, ma non può sostituire completamente il giudizio umano.
Il quinto pilastro riguarda audit e monitoraggio. L’esperienza della Data Governance insegna che la gestione dei dati non è un progetto con una data di fine, ma un processo continuo. Lo stesso vale per l’AI Governance. Modelli, dati, rischi e utilizzi evolvono costantemente e richiedono attività permanenti di controllo, misurazione e miglioramento.
Il sesto pilastro è infine la tecnologia. La scelta delle piattaforme, delle soluzioni di mercato, di eventuali implementazioni locali o di altri modelli architetturali non è un elemento separato dalla governance, ma ne costituisce una componente essenziale. Ogni decisione tecnologica ha infatti conseguenze dirette su sicurezza, conformità, costi, scalabilità e capacità di innovazione.
Solo dopo aver definito e consolidato questi sei pilastri ha senso elaborare una vera AI Policy, che dovrà necessariamente includere anche principi e buone pratiche per un utilizzo etico dell’intelligenza artificiale. Questo percorso può apparire impegnativo e, in parte, lo è. Tuttavia si tratta di uno sforzo inevitabile. Se la Data Governance rappresentava un’opportunità strategica, l’AI Governance è ormai una necessità operativa. In assenza di una governance efficace, i rischi coinvolgono tutti gli ambiti appena descritti: utilizzo incontrollato dei dati per sviluppare assistenti intelligenti, vulnerabilità di sicurezza, carenza di competenze, assenza di responsabilità chiaramente definite, mancanza di attività di monitoraggio e scelte tecnologiche inadeguate. Ma la stessa prospettiva può essere letta in modo opposto. Ognuno di questi sei pilastri rappresenta anche un’opportunità concreta di crescita organizzativa, miglioramento dei processi e sviluppo delle competenze.
Le promesse dei Big Data formulate all’inizio degli anni Duemila si sono realizzate solo in parte, ma hanno sicuramente creato le fondamenta tecnologiche e culturali della trasformazione che oggi stiamo vivendo con l’intelligenza artificiale. Se governare i dati poteva essere considerata una scelta strategica, governare l’AI è ormai una decisione non negoziabile. Fortunatamente esiste una generazione di professionisti cresciuta nel mondo del Data Management e della Data Governance che ha maturato una visione multidimensionale dei problemi organizzativi. Per questi esperti non si tratta di ripartire da zero, ma di spostare il focus dai dati all’intelligenza artificiale, senza dimenticare che, in ultima analisi, dietro ogni sistema di AI continuano a esserci i dati.
Proprio per questo le competenze sviluppate nel Data Management e nella Data Governance possono consentire alle organizzazioni di adattarsi più rapidamente alla rivoluzione dell’intelligenza artificiale; gli esperti di queste discipline sono già i candidati naturali a guidare la governance dell’intelligenza artificiale.
Nino Letteriello è un esperto di Project e Data Management, imprenditore e docente presso il MIT di Boston e l’Università di Modena e Reggio Emilia. Dal 2018 presiede l’Associazione Italiana Data e Analytics oltre che capitolo italiano di DAMA International, DAMA Italy
