L’intelligenza artificiale generativa è ormai entrata in gran parte delle aziende, ma solo una minoranza ha impostato strategie capaci di trasformarla in vantaggio competitivo. È la tesi di Giuseppe Castiello, GenAI Hub leader e partner di Deloitte, e di Angelo Fienga, GenAI senior advisor della società secondo i quali fare la differenza è la combinazione di tre fattori: la selezione dei casi d’uso, la costruzione di una “Capital Intelligence” aziendale e il controllo dei costi di esercizio dell’AI.
Impatto in crescita, ricavi ancora pochi
I numeri del report Deloitte State of AI in the Enterprise fotografano il divario. La quota di leader che osserva un impatto “trasformativo” dell’AI è salita al 25%, più del doppio rispetto all’anno precedente, ma solo il 20% delle organizzazioni dichiara già una crescita dei ricavi. Sul fronte agentico lo scarto è simile: il 74% dei leader prevede di utilizzare agenti AI entro il 2027, mentre appena un’azienda su cinque dispone oggi di una governance agentica matura.
Per Castiello e Fienga la tecnologia, insomma, si è diffusa molto più rapidamente della capacità di estrarne valore. L’esperienza maturata nei progetti con le imprese, spiegano, ha permesso di individuare ciò che separa le aziende che creano valore da quelle rimaste ferme alla fase sperimentale.
Casi d’uso e dati, il primo filtro
Il primo elemento è la disciplina nella scelta. Gli autori indicano di concentrare le risorse sui casi d’uso in grado di muovere un indicatore di business misurabile e, allo stesso tempo, di rimettere in ordine i dati che li alimentano. Un’AI senza dati, è l’immagine scelta dagli autori, è “un motore potente montato su un’auto senza ruote”.
La Capital Intelligence
Il secondo fattore è quella che gli autori chiamano Capital Intelligence: la conoscenza operativa dell’azienda, fatta di regole, eccezioni e criteri di giudizio, che finora risiedeva nell’esperienza delle persone. Combinando agenti, workflow e modelli linguistici di grandi dimensioni (LLM), l’AI può tradurre questo patrimonio implicito in un asset codificato. Nella lettura di Deloitte, quindi, l’AI non crea la conoscenza: la converte in capitale strategico.
Costo per risultato, non per token
Il terzo elemento riguarda gli economics dell’AI. Con i modelli generativi l’unità di consumo non è più la licenza o il server, ma il token, il piccolo blocco di testo elaborato dai modelli. Per gli autori il parametro da monitorare non è il costo del singolo token, bensì il costo per risultato utile.
Ne consegue che il modello più grande non è sempre la scelta migliore. Castiello e Fienga citano una ricerca ripresa da Stanford secondo cui un modello di piccole dimensioni, con un fine-tuning leggero, può passare dal 41% al 78% di accuratezza su un compito ben delimitato. Spesso, sintetizzano, serve il modello giusto, non il più potente.
Agenti AI e dati da proteggere
Gli autori segnalano anche una conseguenza meno evidente: più il sistema funziona, più la Capital Intelligence diventa preziosa e, insieme, esposta. In questo quadro Deloitte colloca Solaria, la propria piattaforma agentica proprietaria. Secondo la società si tratta di un marketplace e di un framework che orchestra oltre 1.000 agenti configurati dai professionisti Deloitte per automatizzare e ridisegnare processi complessi. La piattaforma consente anche a chi non programma di creare nuovi agenti in modalità no-code e integra funzioni di governance, sicurezza e controllo dei costi, aspetti decisivi per portare gli agenti AI in produzione.
Resta il nodo della sicurezza negli ambienti agentici. I dati, osservano gli autori, sono generalmente ben protetti quando sono archiviati o in transito, ma tornano in chiaro nel momento in cui un agente li elabora con un modello LLM. È una finestra che né il perimetro di rete né la cifratura del disco o delle comunicazioni riescono a chiudere. A questo problema si rivolge l’approccio di Confidential AI di DataKrypto, che estende la cifratura a dati e modelli anche durante l’uso, proteggendo pure i modelli addestrati che incorporano conoscenza aziendale. Gli autori lo descrivono come complementare a Solaria: la piattaforma Deloitte costruisce e orchestra il valore, la soluzione di DataKrypto lo protegge mentre è in uso.
Nessuna leva basta da sola
La conclusione di Castiello e Fienga è che i tre fattori sono tutti necessari, ma nessuno è sufficiente da solo. Il vantaggio competitivo resta all’azienda finché le appartiene l’asset che lo genera, e questo accade solo se la conoscenza è protetta anche mentre viene utilizzata. L’intervento pubblicato su Voices sintetizza un’analisi più estesa, “From Adoption to Advantage: The Convergence Behind Secure AI Value Creation”, disponibile sul sito di DataKrypto.
