AI, governance e produttività: la settimana dei CIO

La settimana 21-28 settembre 2026 mostra una priorità netta per i CIO: portare l’AI in produzione senza perdere controllo su governance, privacy e produttività. Le aziende non stanno più chiedendo se adottarla, ma come integrarla nei processi, nei team e nei budget senza moltiplicare rischio e complessità [1][2][4][5].

Perché l’AI è diventata una questione di organizzazione, non solo di tecnologia?

Il filo conduttore delle fonti è chiaro: il valore dell’AI dipende meno dal modello e più da come l’IT la inserisce nel lavoro quotidiano. Madhu Narasimhan, CIO di DaVita, collega le priorità tecnologiche alla missione clinica dell’azienda e parla di un uso “super intentional” della tecnologia per risolvere problemi reali dell’organizzazione e dei pazienti [1].

Questa impostazione si ritrova anche nella ristrutturazione IT proposta da Deloitte e rilanciata da CIO.com: la produttività non nasce dal ridisegnare l’organigramma, ma dal cambiare come il lavoro tecnologico viene prioritizzato, finanziato, costruito e scalato [2]. In altre parole, l’AI non è un progetto a sé, ma un criterio per ripensare l’unità di misura del lavoro IT.

Il punto è strategico per chi decide budget e priorità: se l’AI resta un’aggiunta a processi frammentati, produce più attività ma non più scala [2]. Se invece viene incorporata in architettura, delivery, operations e decision-making, può diventare un moltiplicatore di capacità. Questa differenza spiega perché le organizzazioni più mature stanno spostando l’attenzione dal “fare AI” al “governare l’AI dentro il business”.

Quanto pesa davvero la governance dell’AI sui leader IT?

La governance non è più un tema accessorio. Secondo una survey citata da CIO.com e condotta da OneTrust, quattro decision-maker senior su cinque, inclusi CIO, CISO e CDO, dedicano più tempo alla gestione del rischio AI, e le loro ore di lavoro sono aumentate del 26% in media per questo motivo [4].

Il dato più rilevante per i dirigenti non è solo l’aumento del carico, ma la natura del problema. Il 33% degli intervistati segnala l’uso di AI non approvata perché strumenti o processi autorizzati non erano disponibili abbastanza in fretta; l’86% dichiara di aver registrato incidenti legati all’AI; oltre un quarto ha vissuto due o più episodi di sistemi AI che hanno agito senza autorizzazione [4].

Questo spiega perché la governance stia diventando una funzione operativa continua e non un controllo finale. Blake Brannon, chief innovation officer di OneTrust, osserva che il volume di adozione è in forte crescita e che ciò che un’organizzazione usava all’inizio dell’anno è probabilmente più che raddoppiato nel giro di pochi mesi [4]. Per i CIO, il problema non è più solo approvare strumenti, ma contenere l’uso spontaneo e distribuire regole abbastanza velocemente da non incentivare scorciatoie.

Come si evita che l’AI aumenti il lavoro invece di ridurlo?

La risposta delle fonti è convergente: l’AI deve essere progettata per ridurre attrito, non per aggiungere passaggi. Nel caso DaVita, il team IT ha adottato Glean per cercare, recuperare e sintetizzare più rapidamente grandi quantità di dati clinici, assicurativi e amministrativi; ha lavorato con i clinici su capacità di ambient listening; ha avviato modelli per identificare i pazienti a rischio di saltare i trattamenti; e usa funzioni di AI coding per accelerare lo sviluppo [1].

Il messaggio è che il guadagno operativo arriva quando l’AI si inserisce in punti di lavoro ad alta intensità informativa o decisionale. Se invece viene trattata come un layer aggiuntivo, il rischio è di spostare tempo umano dalla produzione al controllo. La survey citata da CIO.com mostra infatti che il tempo speso dai leader per gestire il rischio AI cresce proprio mentre gli utenti finali ottengono risparmi di tempo non sempre governati [4].

Un altro elemento rilevante è l’allineamento con il business. Narasimhan insiste sul fatto che la tecnologia deve servire i bisogni dei pazienti [1]; Raskovich sostiene che l’IT deve essere organizzato intorno al valore di business [2]. In entrambi i casi, l’AI funziona quando è ancorata a un outcome misurabile, non quando viene introdotta per imitazione competitiva.

Perché privacy e budget AI stanno diventando la stessa discussione?

La privacy non è più un vincolo separato dal procurement, ma una parte del calcolo economico dell’AI. Nell’analisi pubblicata da CIO.com, il punto centrale è che nei contratti enterprise il numero del budget privacy viene spesso citato da solo, ma quel numero non dimostra di per sé che il modello sia stato addestrato entro quel limite [5].

Il problema è di governance tecnica e contrattuale insieme: il budget privacy dipende dall’unità protetta, dal metodo di accounting, dal numero di round, dal clipping degli aggiornamenti e dal rumore applicato [5]. Se questi elementi non sono esplicitati, il valore dichiarato rischia di essere solo una promessa commerciale. Per un CIO o un CTO, questo significa che la negoziazione con il vendor non può fermarsi alla cifra.

La lezione per i budget è semplice: quando si compra AI, si compra anche il modo in cui i dati vengono trattati, misurati e limitati. L’articolo parla di buyer sempre più curiosi su come i modelli siano stati addestrati e su cosa accada ai dati, ma anche di vendor spesso impreparati a rispondere bene [5]. La conseguenza è che privacy, compliance e costo totale di proprietà vanno valutati insieme, non in sequenza.

Che cosa cambia quando sicurezza, sviluppo e architettura lavorano insieme?

La produttività IT cresce quando i team smettono di difendere confini rigidi e iniziano a condividere responsabilità. Nel pezzo sulla ristrutturazione IT, Jeremy Koppen, CISO di Equifax, propone di unire sicurezza, tecnologia, engineering e architettura e di trattare la sicurezza come un acceleratore, non come un gatekeeper [2].

Questa impostazione ha un effetto diretto sulla velocità di delivery. Koppen afferma che il suo team supporta il rilascio sicuro di oltre 180 nuove innovazioni di prodotto nel 2025 [2]. Il dato è interessante non perché sia replicabile ovunque, ma perché mostra che la sicurezza può diventare parte del flusso di sviluppo invece di rallentarlo.

Per i dirigenti IT, il punto di discontinuità è culturale prima che tecnico. Se l’AI viene inserita in team separati, con regole separate e obiettivi separati, aumenta la frizione. Se invece governance, architettura e delivery condividono obiettivi di business, l’AI può essere scalata con meno attrito e meno eccezioni.

Le aziende devono adattare il software o adattarsi al software?

Il caso del retail raccontato da CIO.com mette in scena una scelta che molti CIO conoscono bene: personalizzare pesantemente un ERP per riflettere i processi interni, oppure accettare la configurazione standard proposta dall’integratore [3]. La domanda non è tecnica, ma strategica: quali processi sono davvero distintivi e quali sono solo abitudini consolidate?

Il valore dell’esempio sta nel mostrare che due aziende possono partire dalle stesse condizioni e divergere per una sola decisione di governance. Quando un’organizzazione ritiene che i propri processi siano il vantaggio competitivo, tende a difenderli nel software; quando invece il budget o la disciplina impongono standardizzazione, il software finisce per modellare il modo di lavorare [3].

Per i CIO, la lezione è utile anche sull’AI. Non tutto ciò che è specifico va preservato, e non tutto ciò che è standard va imposto. La vera scelta è distinguere tra processi che generano valore differenziante e processi che possono essere normalizzati per guadagnare scala, controllo e velocità.

Qual è la sintesi per chi deve decidere i budget IT?

La settimana indica una priorità molto concreta: investire in AI solo se esistono governance, architettura e responsabilità organizzative capaci di sostenerla. CIO.com mostra che i leader IT stanno già spostando tempo e risorse verso il controllo del rischio, mentre le aziende più efficaci cercano di trasformare la sicurezza in acceleratore e la produttività in un obiettivo di design [1][2][4][5].

Per chi approva budget, la domanda giusta non è “quanto costa l’AI?”, ma “quale parte del lavoro elimina, quale rischio introduce e quali controlli richiede?”. Le fonti di questa settimana suggeriscono che il vantaggio competitivo non viene dall’adozione più rapida, ma dall’adozione più disciplinata.

FAQ

Perché la governance dell’AI sta assorbendo così tanto tempo ai CIO?

Perché l’adozione sta crescendo più in fretta delle regole interne. Una survey citata da CIO.com indica che quattro decision-maker senior su cinque dedicano più tempo al rischio AI e che le loro ore di lavoro sono aumentate del 26% in media [4].

Come capisco se un progetto AI migliora davvero la produttività?

Un progetto migliora la produttività quando riduce attrito, tempi di ricerca, passaggi manuali o lavoro duplicato. Le fonti mostrano esempi efficaci quando l’AI è integrata in architettura, operations e decision-making, non quando viene aggiunta a processi già frammentati [1][2].

Perché la privacy va trattata come parte del budget AI?

Perché il valore dichiarato da un vendor non basta a dimostrare come è stato addestrato il modello. CIO.com spiega che il budget privacy dipende da parametri tecnici e metodologici precisi; senza questi dettagli, il numero contrattuale resta una promessa difficile da verificare [5].

Che cosa insegna il caso dell’ERP retail ai CIO?

Insegna che la personalizzazione va riservata ai processi davvero distintivi. Se ogni eccezione viene difesa come vantaggio competitivo, il software diventa più costoso e rigido; se tutto viene standardizzato, si rischia di perdere ciò che rende l’azienda diversa [3].

Qual è il messaggio più utile per i budget IT di fine anno?

Che AI, sicurezza, privacy e produttività non sono capitoli separati. Le aziende che ottengono risultati migliori sono quelle che collegano investimento, governance e outcome di business in un unico modello decisionale [1][2][4][5].

Fonti

• [1] CIO.com, 7 projects top of mind for IT leaders today
• [2] CIO.com, 7 ways to restructure IT for maximum productivity
• [3] CIO.com, A decision hiding in plain sight
• [4] CIO.com, AI governance is fast becoming an unmanageable chore
• [5] CIO.com, AI privacy budgets: Ask for the calculation, not the claim