// TOM'S HARDWARE ITALIA — INTELLIGENZA ARTIFICIALE
Gli agenti AI non falliscono per mancanza di budget: falliscono per dati sbagliati
Il 72% degli IT leader mondiali dichiara che la mancanza di infrastruttura dati in tempo reale blocca la scalabilità dell'AI nelle proprie organizzazioni. È il dato principale del 2026 Data Streaming Report di Confluent, condotto su 4.625 responsabili IT in 14 Paesi, giunto al quinto anno consecutivo: un osservatorio longitudinale che permette di leggere le tendenze nel tempo, non un'istantanea isolata.
Questo numero rovescia la narrativa che ha dominato il discorso enterprise sull'AI negli ultimi due anni. La conversazione pubblica si è concentrata su budget, accesso ai modelli, competenze interne. Il report di Confluent sposta il problema a monte: la vera barriera è il carburante, non il modello. E il carburante, nelle architetture enterprise tipiche, arriva sporco, frammentato e in ritardo.
Solo il 32% degli IT leader interpellati ha agenti AI effettivamente in produzione. Non in sperimentazione, non in pilota: in produzione, con utenti reali e processi operativi dipendenti. Il 66% di chi ancora non ci è arrivato cita esplicitamente infrastruttura dati e qualità dati come barriera principale all'adozione agentica. Come emerge da analisi precedenti, i progetti AI finiscono in rosso secondo Gartner proprio quando il gap tra promessa del modello e qualità dell'input non viene affrontato in fase progettuale.
Il report identifica tre problemi ricorrenti che si presentano insieme, non in sequenza. Il primo è l'elaborazione insufficiente dei dati in tempo reale, citata dal 72% del campione. Il secondo è l'incertezza su tracciabilità dei dati, aggiornamento tempestivo e qualità complessiva, segnalata dal 66%. Il terzo è la frammentazione dell'ownership sui dati, che riguarda il 65% degli intervistati. Tre numeri ravvicinati, tre sintomi dello stesso problema strutturale: l'infrastruttura dati enterprise è stata costruita per la reportistica periodica, non per l'inferenza continua.
Shaun Clowes, Chief Product Officer di Confluent (ora parte di IBM), sintetizza la situazione con una chiarezza che raramente si trova nei comunicati aziendali: "La maggior parte delle organizzazioni non ha un problema di investimenti AI, ha un problema di dati." L'infrastruttura esistente, aggiunge, "non era progettata per l'intelligenza continua". È una distinzione che vale la pena tenere ferma: un sistema pensato per elaborare dati in lotti periodici non diventa adatto agli agenti AI aggiungendo un layer di orchestrazione sopra. La struttura sottostante rimane quella che è.
Il problema della tracciabilità dei dati merita attenzione separata. Un agente AI che deve prendere decisioni operative ha bisogno di sapere non solo cosa dicono i dati, ma quando sono stati prodotti, da quale sistema, attraverso quale catena di trasformazioni. Senza questa visibilità, l'agente ragiona su informazioni di cui non conosce l'affidabilità. È un rischio operativo, non solo tecnico: una decisione presa su dati obsoleti o di provenienza incerta può avere conseguenze concrete su processi di business, approvvigionamento, customer experience. Come spiega un'analisi sull'AI agentica che comincia dai dati, la qualità dell'output agentico è vincolata alla qualità dell'input strutturale molto più di quanto i vendor di modelli tendano ad ammettere.
La frammentazione dell'ownership aggiunge un livello di complessità organizzativa che si sovrappone a quella tecnica. In molte aziende i dati rilevanti per un caso d'uso AI attraversano tre o quattro domini diversi, ciascuno con il proprio responsabile, le proprie policy di accesso, i propri cicli di aggiornamento. Coordinare questa frammentazione è un lavoro di governance che precede qualsiasi decisione tecnologica. Chi salta questa fase e installa direttamente gli agenti si trova a gestire output incoerenti senza strumenti per diagnosticare perché. È esattamente il profilo di errore che emerge quando i dati sono spazzatura anche in assenza di consapevolezza interna che lo siano.
Il dato sul data streaming è forse quello che più