Nel 2026 l’IA in azienda ha smesso di essere un progetto isolato. Nelle organizzazioni più mature convivono modelli proprietari, servizi di machine learning degli hyperscaler, agenti costruiti su LLM commerciali e prototipi nati nei singoli reparti. Il problema non è più avviare le iniziative, ma tenerle insieme: sapere quante sono, dove operano, con quali dati e all’interno di quali regole. La diffusione della shadow IA, cioè l’adozione di strumenti fuori dal perimetro dell’IT, è diventata una preoccupazione concreta per chi guida la funzione tecnologica. Gartner stima che entro il 2030 oltre il 40% delle aziende registrerà incidenti di sicurezza o di conformità legati proprio all’uso non autorizzato di queste tecnologie. Una ricerca condotta da SAS insieme a IDC aggiunge un elemento: l’adozione di agenti e modelli linguistici sta correndo più veloce degli investimenti necessari a renderli affidabili.
In un contesto simile, la governance dell’IA rischia di essere percepita come un freno, un adempimento che rallenta l’innovazione. È la lettura che SAS prova a ribaltare. "La governance dell’IA viene spesso considerata una misura di compliance, ed è invece un motore di crescita", sintetizza Reggie Townsend, Vice President SAS AI Ethics, Governance and Social Impact. Il ragionamento è che un perimetro chiaro di regole, trasparenza e sicurezza non limita l’uso della tecnologia, lo abilita: permette di andare oltre i progetti pilota senza esporre l’organizzazione a rischi legali, reputazionali o operativi. È la differenza tra un’azienda che sa dove si trova la propria IA e una che la subisce.
