perché le aziende in EMEA devono evolvere la loro architettura GenAI

Frediano Lorenzin, CTO Field, Dell Technologies Italia, spiega i passi concreti che i CXO EMEA possono intraprendere per portare la propria organizzazione a un livello superiore capitalizzando su RAG e Agentic RAG.

Non c’è dubbio: la Generative AI (GenAI) ha catalizzato l’attenzione delle aziende in tutta l’area EMEA. Ciò che è iniziato come una serie di progetti pilota è diventato il centro della modalità operativa delle aziende, supportando i clienti, interni ed esterni, e prendendo decisioni.

Ma le aziende hanno ben realizzato che non è sufficiente disporre di un server con installato un Large Language Model (LLM) nel proprio stack tecnologico per poter affermare di aver realizzato un progetto di GenAI.

Bisogna che la GenAI sia utile, utilizzata e generi un ROI visibile in azienda. Ed è qui che si inserisce il concetto di Retrieval-Augmented Generation (RAG), un approccio trasformativo che collega i sistemi di intelligenza artificiale ai dati unici di un’organizzazione, consentendo a questi sistemi di generare risposte più accurate e contestualmente rilevanti.

Cosa fa veramente la RAG e perché è importante

Malgrado gli LLM abbiano dimostrato una notevole fluidità nella generazione di contenuti, sono limitati dalla natura statica dei loro training data: se obsoleti o misleading, le aziende, soprattutto quelle che operano in ambienti rigidamente regolamentati, incorrono in rischi molto alti.

La RAG è esattamente l’aggiornamento di cui necessitano coloro che operano in ambienti complessi e dinamici; la RAG rende disponibili dati aggiuntivi e specifici dell’azienda agli LLM, aumentando la loro efficienza e scalabilità senza dover riaddestrare il modello. Le aziende possono espandere le implementazioni AI in modo più efficace e adattarsi alle diverse esigenze. Inoltre, la capacità delle RAG di attingere a un set diversificato di fonti di dati esterne permette di adattarsi a esigenze e applicazioni variabili, scalando il modello per arrivare a nuovi casi d’uso.

Questo permette di ottenere non solo risposte intelligenti, ma basate su dati attuali e verificabili, migliorando anche le prestazioni del modello per le query specifiche dell’azienda. Non sorprende che, secondo Precedence Research, il mercato RAG sia destinato a crescere da 1,2 miliardi di dollari del 2024 a oltre 67 miliardi di dollari entro il 2034, con un tasso di crescita annuale composto (CAGR) di quasi il 50%.

Una nuova frontiera: gli Agentic RAG

A differenza dei tradizionali sistemi di AI che si basano su input umani o strutturati, l’Agentic AI è un sistema software che utilizza l’intelligenza artificiale per prendere autonomamente decisioni e intraprendere azioni per raggiungere una serie di obiettivi identificati da esseri umani che, a questo punto, diventano orchestratori. Questi sistemi possono autonomamente negoziare programmi, gestire le supply chain, rispondere ai clienti in un linguaggio naturale e persino eseguire compiti operativi.

I sistemi agentici non sono solo reattivi, ma anche proattivi e collaborativi, operando in modi sempre più human-like. Questa evoluzione apre le porte a una maggiore agilità organizzativa, al processo decisionale in tempo reale e a enormi ottimizzazioni in termini di efficienza.

Non va però dimenticato che esistono anche questioni etiche e che questo nuovo paradigma richiede delle riflessioni più ampie. In Dell accogliamo con favore la possibilità di stabilire principi e standard per uno sviluppo responsabile dell’AI.

Una guida strategica per i CXO EMEA

Le imprese in EMEA stanno abbracciando la GenAI a un ritmo senza precedenti. Secondo i dati Eurostat, il 41% delle grandi imprese nella UE ha dichiarato di aver utilizzato l’AI nel 2024, con quelle del settore ICT in testa al 48%. Nonostante questo slancio, le sfide restano: uno studio di Dell ha rilevato che il 91% delle aziende a livello globale identifica la prontezza dei dati come la principale barriera alla scalabilità dell’AI, e il 94% ritiene che i dipendenti della propria organizzazione debbano sviluppare competenze per sfruttare appieno il potenziale dell’AI.

Per prepararsi a questo cambiamento e capitalizzare su RAG/Agentic RAG, di seguito cinque passi concreti che i CXO possono intraprendere.

1. Creare la giusta infrastruttura e base dati

I sistemi RAG, in particolare quello agentici, sono strettamente legati ai dati con cui vengono alimentati. Molte imprese in EMEA hanno ancora sistemi di dati frammentati e una scarsa data governance.

Investire in architetture dati cloud-native, pipeline di real-time data e protocolli di governance standardizzati è fondamentale. Integrare la generazione di dati sintetici e meccanismi di addestramento AI con una particolare attenzione alla privacy contribuirà anche a scalare rapidamente, rimanendo conformi alle normative come il GDPR.

2. Iniziare sin d’ora a costruire la governance dell’AI

I sistemi Agentic RAG operano con una autonomia maggiore, il che solleva preoccupazioni in merito alla responsabilità. Costruire solidi framework di governance dell’AI, che includono linee guida etiche, possibilità di una supervisione umana, audit e test basati su possibili scenari, è fondamentale.

La trasparenza sarà essenziale anche per le aziende, soprattutto con gli obblighi del GDPR e le nuove linee guida europee delineate sull’intelligenza artificiale (EU AI Act).

3. Preparare le persone

Il futuro del lavoro non è umano o macchina, ma una collaborazione tra uomo e macchina. Per questo è necessario garantire ai team di lavoro la formazione, gli strumenti e la fiducia di cui necessitano per lavorare con i sistemi AI. Ci sarà bisogno di nuove figure, come i prompt engineer e, soprattutto, persone in grado di cogliere opportunità e agire di conseguenza.

Secondo il report Future of Work di LinkedIn, la domanda di competenze AI e machine learning nella regione EMEA è cresciuta di oltre il 40% nel 2023 e questa tendenza accelererà. Le aziende che investono nella formazione saranno quelle che avranno maggiori benefici.

4. Eseguire progetti pilota mirati

Non è necessario distribuire le Agentic RAG in tutta l’azienda: meglio adottare un modello operativo “test-and-learn”, definire progetti pilota controllati con KPI chiari, basati sulle priorità aziendali, basarsi sugli insight e scalare ciò che funziona, come documenti di onboarding, FAQ dei clienti o query sulle politiche interne.

5. Collegare l’AI al valore aziendale

Che si tratti di prendere decisioni veloci, migliorare le esperienze dei clienti o rendere i team più efficienti, è bene legare l’adozione di GenAI a risultati misurabili. Queste tecnologie funzionano meglio quando sono utilizzate per risolvere problemi aziendali reali per le persone.

In sintesi: è il momento di evolvere

Per i CXO dell’area EMEA, la direzione è chiara: non fermarsi agli LLM, ma portare la propria organizzazione a un livello superiore. La crescita della GenAI non si limita a migliorare i modelli, ma contribuisce anche a ottenere risultati aziendali superiori. Questo progresso mira a costruire un’azienda non solo più efficiente, ma anche più intelligente, flessibile e preparata ad affrontare le sfide del futuro.