IBM: dall’AI agentica ai dati in tempo reale, la strategia passa dal cloud ibrido e dall’acquisizione di Confluent

C’è un dato che più di altri fotografa il momento che stanno vivendo le aziende di fronte all’intelligenza artificiale: secondo una ricerca McKinsey citata da IBM, l’80% delle organizzazioni che ha già avviato progetti di IA non ha ancora ottenuto benefici misurabili sulla profittabilità aziendale. Un numero che stride con l’enorme attenzione mediatica e con l’accelerazione degli investimenti, ma che secondo Alessandro La Volpe, Amministratore Delegato di IBM Italia, non è il segnale di un fallimento bensì l’indicatore di una fase storica molto precisa.

“Siamo nel momento forse più interessante di sempre per chi lavora in questo settore”, ha spiegato La Volpe durante un incontro con la stampa a Milano. “La tecnologia oggi corre più veloce della capacità delle aziende di farla propria. È un’enorme opportunità, ma anche una complessità che va governata”.

Il contesto è noto: incertezza geopolitica, volatilità economica, pressioni sui budget IT. Ma è proprio in questo scenario che l’IA, in particolare la sua evoluzione verso modelli agentici, può diventare uno strumento per reagire e anticipare, a patto di superare la fase delle sperimentazioni scollegate dai processi reali.

Dalla fase del “panico” alla trasformazione dei processi

IBM osserva da tempo un pattern ricorrente nell’adozione dell’IA. Una prima fase, definita senza mezzi termini “di panico”, in cui board e top management chiedono di “fare qualcosa con l’IA” per non restare indietro. Segue una seconda fase, oggi largamente prevalente, in cui l’IA viene utilizzata soprattutto per accedere alle informazioni e alla conoscenza, con benefici di produttività limitati ma tangibili.

La vera discontinuità, però, arriva solo quando l’IA entra nei processi e li trasforma in profondità. È qui che, secondo La Volpe, si gioca la partita dei prossimi anni. “Non parliamo più di strumenti che rispondono a domande, ma di agenti capaci di automatizzare servizi, prendere decisioni e interagire con altri agenti. Questo cambia radicalmente il modo di lavorare”.

I numeri italiani confermano questa lettura. Oltre la metà delle aziende dichiara di aver avviato iniziative di IA con qualche beneficio di produttività, ma solo una minoranza – circa il 13% – sta già vedendo un impatto trasformativo. Il problema non è la tecnologia in sé, ma il modo in cui viene adottata.

Il nodo dei dati: il vero collo di bottiglia

Il punto di partenza, e di arrivo, sono sempre i dati. Oggi quasi la totalità dei dati pubblici è stata utilizzata per addestrare i grandi modelli generativi, mentre meno dell’1% dei dati aziendali entra realmente in questi processi. È un paradosso che spiega perché migliaia di proof of concept restino confinati in laboratorio senza produrre valore.

“Se lavori solo con dati pubblici”, ha sottolineato La Volpe, “non stai toccando il vero vantaggio competitivo di un’azienda. I dati proprietari sono ciò che distingue un’organizzazione dalle altre”. Ma per utilizzarli servono basi solide: qualità, governance, integrazione, capacità di metterli in relazione.

Questo messaggio trova riscontro nei dati dello studio dell'IBM Institute for Business Value, presentato di recente e richiamato durante l’evento. L’81% dei Chief Data Officer considera prioritari gli investimenti in IA, ma solo una minoranza è convinta che i propri dati siano davvero pronti a sostenere nuovi flussi di valore basati sull’IA. In Italia, in particolare, governance e qualità del dato restano la priorità assoluta, insieme alla carenza di competenze avanzate.

Modelli più piccoli, impatti più concreti

Un altro tema chiave riguarda la scelta dei modelli. Nel mondo enterprise, spiega IBM, non sempre “più grande” significa “migliore”. In molti casi, modelli più piccoli e specializzati, addestrati su dati mirati e benchmark solidi, possono risolvere problemi di business in modo più rapido, controllabile e sostenibile.

È una scelta che ha implicazioni dirette non solo sui costi, ma anche sull’impatto ambientale e sulla scalabilità. Quando l’IA entra in produzione e l’inferenza diventa pervasiva, il controllo della spesa e delle risorse computazionali diventa un fattore critico. Da qui l’insistenza di IBM su un’architettura di cloud ibrido, capace di combinare la flessibilità del cloud pubblico con il controllo e la prossimità ai dati del cloud privato.

Cloud ibrido e orchestrazione: l’IA va governata

L’adozione dell’IA, soprattutto nella sua forma agentica, pone un problema di governance che non può essere affrontato a posteriori. La Volpe insiste su un approccio top-down, guidato dal board e allineato alla strategia aziendale, affiancato da un percorso bottom-up di evoluzione culturale e delle competenze.

Governare significa capire come l’IA prende decisioni, su quali dati opera, come interagisce con altri sistemi e come può essere spiegata anche a chi non ha un background tecnico. È una condizione essenziale per costruire fiducia, non solo all’interno delle aziende ma anche verso clienti e consumatori, sempre più sensibili alla trasparenza nell’uso dell’IA.

L’acquisizione di Confluent: dai dati in tempo reale all’AI agentica

In questo quadro si inserisce l’annuncio dell’acquisizione di Confluent da parte di IBM per un valore di circa 11 miliardi di dollari. Un’operazione che va ben oltre la dimensione finanziaria e che chiarisce la direzione strategica del gruppo.

Confluent, basata su Apache Kafka, è uno dei principali attori nello streaming di dati in tempo reale. La sua integrazione nel portafoglio IBM mira a creare una data platform end-to-end pensata per l’IA generativa e agentica, capace di connettere, elaborare e rendere disponibili dati ed eventi in tempo reale attraverso ambienti cloud ibridi.

“Agenti e applicazioni di nuova generazione hanno bisogno di dati affidabili e connessi, in tempo reale”, ha ricordato La Volpe. È esattamente questo il tassello che mancava per rendere operativa, su larga scala, la visione di un’IA capace di agire nei processi. Non a caso, l’acquisizione viene letta come un acceleratore per casi d’uso legati alla resilienza operativa, alla supply chain, alle infrastrutture critiche e alla capacità di prendere decisioni rapide in contesti complessi.

Client zero: IBM come primo banco di prova

Un elemento distintivo della narrativa IBM è l’approccio “client zero”: prima di portare una tecnologia sul mercato, IBM la adotta al proprio interno. È così che l’azienda afferma di aver ottenuto risparmi annuali per 4,5 miliardi di dollari grazie alla trasformazione dei processi basata sull’IA, dalla funzione HR allo sviluppo software.

Nel coding, l’adozione di strumenti basati su LLM ha portato incrementi di produttività stimati tra il 40% e il 45%. Nei processi HR, piattaforme come AskHR consentono oggi di gestire in linguaggio naturale attività che vanno ben oltre la semplice consultazione, arrivando all’automazione di decisioni e transazioni. Un percorso che ha richiesto anche un forte investimento sul cambiamento culturale, coinvolgendo decine di migliaia di dipendenti in iniziative di formazione e sperimentazione.

IBM sottolinea che l’adozione dei servizi di IA che ha generato risparmi per 4,5 miliardi di dollari non ha ridotto il livello occupazionale complessivo: l’azienda contava circa 400.000 dipendenti prima dell’ottimizzazione dei processi e ne conta sostanzialmente lo stesso numero oggi. Questo dato, però, non va letto come l’assenza di un impatto sul lavoro. Al contrario, l’impatto dell’IA sulle persone c’è stato ed è stato significativo. Le 400.000 persone che oggi lavorano in IBM non sono le stesse di prima: la trasformazione abilitata dall’IA ha comportato l’uscita di profili non più coerenti con il nuovo modello operativo e l’ingresso di competenze diverse, in linea con una riorganizzazione profonda dei processi e con l’entità dei risparmi ottenuti.

Uno sguardo al 2026, tra agenti e quantum

Guardando al 2026, IBM delinea uno scenario in cui l’IA diventa sempre meno un supporto e sempre più un elemento strutturale delle decisioni aziendali. L’evoluzione verso modelli agentici promette di aiutare le organizzazioni a reagire in tempo reale in contesti caratterizzati da incertezza e volatilità, mentre all’interno delle aziende cresce la pressione dal basso. I dipendenti chiedono più intelligenza artificiale nei processi di lavoro e, in molti casi, appaiono più pronti del management a sperimentarne l’impatto. Allo stesso tempo, aumenta l’attenzione dei consumatori verso un uso trasparente e responsabile dell’IA, un fattore che incide direttamente sulla fiducia nei brand. In questo quadro si rafforza anche il tema della sovranità digitale, intesa come capacità delle aziende di mantenere il controllo su dati, infrastrutture e modelli, trasformandola da vincolo normativo a leva strategica.

A questi si aggiunge il quantum computing, che secondo IBM si avvicina a una fase di “quantum advantage” già nel 2026, con una roadmap pubblica che punta alla piena tolleranza agli errori entro il 2029. Anche qui, l’approccio è quello dell’ecosistema: tecnologia, dati e competenze devono convergere per trasformare il potenziale in valore di business.

Il filo rosso che lega tutti questi elementi è chiaro: l’IA non è più una questione di sperimentazione, ma di architettura, dati e governance. E l’acquisizione di Confluent rappresenta uno dei segnali più concreti di come IBM intenda tradurre questa visione in piattaforme operative per il mondo enterprise.