// TOM'S HARDWARE ITALIA — INTELLIGENZA ARTIFICIALE
AI e produzione, il 40% dei dati era falso in una pipeline che sembra a posto
Per undici giorni un sistema di monitoraggio ha segnato ogni job come completato e ogni partizione come presente, mentre sotto quel verde i conteggi di audience erano sbagliati del 40%. Succede in InMarket, società di dati pubblicitari che elabora oltre un petabyte di segnali di localizzazione e pubblicità al giorno. A raccontarlo è Siddharth Arun, oggi senior MTS in Salesforce e in passato ingegnere dei dati proprio in InMarket, in un pezzo pubblicato il 6 settembre 2026.
Un partner pubblicitario ha rinominato in silenzio un campo dentro il payload degli eventi, e la chiave di join usata da Spark per abbinare i dati ha smesso di trovare corrispondenza. Il controllo verificava solo che il job fosse partito e che il file esistesse: un test di presenza dei dati, più che della loro esattezza. Per undici giorni la discrepanza è passata inosservata, finché un cliente ha notato che le sue campagne rendevano meno del previsto.
In un episodio distinto sullo stesso sistema, una partizione su Amazon S3 esisteva ma restava priva di qualsiasi file di dati, perché un feed SDK a monte si era interrotto senza segnalazione. Spark ha elaborato la partizione vuota e ha segnato comunque il job in verde, cancellando tre giorni di dati di audience prima che un cliente, vedendo uno zero sul proprio pannello, se ne accorgesse per primo.
Il caso si inserisce in una tendenza più ampia: secondo un sondaggio di Wakefield Research per Monte Carlo del marzo 2023, il 68% dei team dati impiega almeno quattro ore per accorgersi di un incidente. Arun lo riassume in una frase sola: un errore di schema individuato in fase di ingestion costa pochi minuti, individuato dopo undici giorni di propagazione a valle costa relazioni con i clienti.
Arun propone tre correzioni concrete: validare lo schema già al momento dell'ingestion, prima della trasformazione; monitorare risultati di business come i conteggi di audience, oltre allo stato dei processi; controllare la completezza reale dei file, contando byte e numero di file invece di limitarsi all'esistenza della partizione. Queste correzioni spostano l'attenzione dai job che girano ai numeri che quei job producono.
Il problema si aggrava quando a leggere quei numeri è un agente AI che decide in autonomia interventi operativi, come la correzione di uno schema o il ricalcolo di un backfill. Una proiezione ripresa da Qlik stima che entro il 2027 il 70% delle organizzazioni adotterà strumenti di qualità dei dati pensati apposta per sostenere l'adozione dell'AI. Tom's Hardware aveva già scritto di agenti che falliscono per l'infrastruttura dei dati sotto di loro più che per il budget, e di quanto un agente vada governato prima di essere acceso in produzione.
La distinzione che Arun descrive vale da sempre nel mondo del software, e diventa più urgente ora che gli agenti AI iniziano a decidere sulla base degli stessi numeri, senza il passaggio umano che finora rileggeva un report prima che una decisione partisse. Un controllo che si accontenta di vedere il segnale verde basta finché a fidarsene è una persona capace di dubitarne; una volta che a fidarsene è un sistema che agisce da solo, quel controllo va costruito diversamente.
L'IA non sbaglia da sola: il 60% dei progetti falliti nasce da dati sporchi e prompt scritti male
Se i documenti aziendali sono un pasticcio, non c'è AI che ti salverà
Il 75% delle aziende ha provato gli agenti AI, ma quasi nessuno li sa orchestrare