Il passaggio da progetti pilota di AI generativa all’impiego su larga scala di agenti autonomi e semi-autonomi sta rendendo l’accesso a dati aggiornati, affidabili e semanticamente coerenti una delle principali sfide per le aziende di oggi. Per comprendere il valore di un approccio governato alla gestione dei dati per l’AI, Denodo, leader nell’ambito della gestione dei dati, presenta i risultati dello studio “The ROI of an AI Data Layer for Agentic AI”, realizzato da Veqtor8.
La ricerca mette in luce i vantaggi economici e operativi derivanti dall’adozione di un AI Data Layer, evidenziando come questo possa generare un ritorno sull’investimento (ROI) del 290% in tre anni, accelerando fino a 3 volte l’implementazione degli Agenti di AI e riducendo del 68% i costi operativi dell’intelligenza artificiale.
Tra gli highlight dello studio
Lo studio si basa su un modello finanziario rappresentativo di un’azienda tipo, elaborato a partire dalla media delle organizzazioni coinvolte nella ricerca. Il modello ipotizza una crescita progressiva dell’adozione dell’AI agentica, passando da 100 agenti nel primo anno a 900 entro il terzo, connessi a circa 100 fonti di dati distribuite all’interno dell’organizzazione. Su un orizzonte di tre anni, l’analisi evidenzia una serie di benefici economici e operativi significativi, a conferma del valore di un approccio governato e unificato alla gestione dei dati per l’intelligenza artificiale.
- Ritorno sull’investimento (ROI) del 290%: l’implementazione di un AI Data Layer consente di generare un valore netto quasi tre volte superiore all’investimento iniziale, calcolato combinando aumenti di produttività, risparmi operativi e valore creato dai nuovi utilizzi dell’AI.
- Implementazione degli agenti di AI fino a 3 volte più rapida: l’utilizzo di Data Product predefiniti riduce la necessità di ricorrere a sviluppi specifici e integrazioni personalizzate, accelerando così la messa in produzione di nuovi casi d’uso.
- Riduzione del 68% dei costi operativi legati all’AI: delegando le query direttamente all’AI Data Layer, si ottimizza l’accesso ai dati e si limita il volume di informazioni trasmesse ai modelli. In questo modo, i payload possono diminuire in media da 18.000 a 5.760 token, migliorando di conseguenza i costi associati ai carichi di lavoro dell’intelligenza artificiale.
- Oltre il 75% di risparmio sui costi di integrazione e governance: la centralizzazione dell’accesso ai dati semplifica la gestione evitando la proliferazione di connettori e server MCP. Lo studio stima, quindi, una riduzione del 79% dei costi di manutenzione e una riduzione del 76% degli sforzi dedicati all’amministrazione delle policy di governance e sicurezza.
In un contesto in cui le aziende cercano di industrializzare le proprie iniziative di AI agentica, tali risultati sottolineano la crescente importanza dell’architettura dei dati come leva per le performance, il controllo dei costi e la governance su larga scala.
La sfida della proliferazione dei server MCP
In assenza di un AI Data Layer unificato, ogni nuova connessione ai dati richiede di solito meccanismi di integrazione dedicati, controllo degli accessi e gestione del contesto, aumentando rapidamente la complessità dell’architettura. Gli agenti AI aziendali finiscono così per dipendere da server Model Context Protocol (MCP), pipeline RAG e controlli di sicurezza sviluppati ad hoc per ciascuna data source.
Nei settori regolamentati, dove un singolo agente può interagire con decine di sistemi eterogenei, tra ambienti cloud, applicazioni SaaS, piattaforme legacy e sistemi operativi, questo approccio rallenta l’integrazione, aumenta i costi di gestione ed espone l’organizzazione a maggiori rischi in termini di governance e conformità.
“L’efficacia degli agenti dipende dai dati a cui riescono ad accedere”, dichiara Andrew Milroy, Chief Analyst di Veqtor8 e autore del report. “Collegare un singolo sistema è semplice, ma orchestrare decine di sistemi in un flusso di lavoro coerente e affidabile, nel rispetto di policy di sicurezza uniformi, è estremamente complesso. Il Data Layer basato sull’intelligenza artificiale di Denodo astrae questa complessità, consentendo alle aziende di profilare i dati una sola volta e di riutilizzare Data Product governati su tutti gli agenti autorizzati ad accedervi.”
“Quando si tratta di scalare l’AI, le aziende non possono permettersi di scegliere tra velocità, governance ed efficienza in termini di costi”, spiega Alberto Pan, Chief Technology Officer di Denodo. “Unificando l’accesso, la semantica e l’applicazione centralizzata delle policy in ambienti di dati distribuiti, senza richiedere un massiccio trasferimento dei dati, la piattaforma Denodo fornisce le basi essenziali per agenti di AI affidabili e di livello enterprise”.
