Trustworthy AI: Come la Governance e la Trasparenza Possono Moltiplicare il ROI

Un’analisi condotta da SAS, supportata da dati IDC, ha rivelato che l’adozione di pratiche di Trustworthy AI, caratterizzate da governance, trasparenza dei dati e spiegabilità, può aumentare significativamente il ritorno sugli investimenti (ROI) delle aziende. Secondo lo studio, le organizzazioni che implementano protocolli rigorosi in materia di qualità dei dati, tracciabilità e auditabilità hanno la possibilità di raddoppiare i risultati economici derivanti dall’uso dell’intelligenza artificiale.

In particolare, le aziende che non adottano tali pratiche vedono meno del 5% di ritorni comparabili. La mancanza di spiegabilità nei sistemi di IA limita la loro efficacia: fino al 97,2% degli utenti si sente costretto a intervenire manualmente per correggere o modificare i risultati, compromettendo i guadagni di produttività. Inoltre, la fiducia degli operatori diminuisce con l’aumentare dell’autonomia dei sistemi: il 76% degli utenti si fida dell’IA generativa, rispetto al 66% per l’IA agentica.

Lo studio ha anche evidenziato che le imprese che si impegnano a garantire l’affidabilità dell’IA ottengono performance superiori su 13 indicatori aziendali, come contenimento dei costi, crescita del fatturato e miglioramento dell’esperienza del cliente. Inoltre, l’85% delle aziende più avanzate prevede di aumentare gli investimenti in governance dell’IA di oltre il 10% nel prossimo anno.

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. Avere solide fondamenta dati può quadruplicare la probabilità di ottenere un ROI elevato.

L’adozione di framework strutturati varia notevolmente tra i settori: nel settore bancario, l’85% delle aziende ad alta maturità ha definito linee guida di governance, mentre solo il 29% dei ritardatari ha fatto lo stesso. Nel settore pubblico, il 41% dei leader prevede di aumentare la spesa per l’IA affidabile di oltre il 20%, 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 presentare tassi di errore superiori al 25% nelle attività 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.