Internet Manager Blog

In questo mese di marzo, ho avuto modo di partecipare a diversi eventi e di leggere contributi interessanti che mi permettono di continuare un discorso cominciato alla fine dell’anno scorso sulle fondamenta aziendali e sul valore della tecnologia.

Questa volta parliamo di capitale semantico e di strutturazione della conoscenza come vero motore di competitività delle aziende e, probabilmente, come unico modo per far davvero scalare la potenza dell’intelligenza artificiale generativa all’interno delle organizzazioni.

LA CONOSCENZA AZIENDALE È IL VERO PATRIMONIO, EPPURE…

Il punto di partenza è un’intuizione semplice ma potente, emersa nel keynote dell’evento Quantyca a cui ho partecipato nella prima metà di marzo: se pensiamo all’AI come a un cervello, i dati rappresentano il sistema nervoso e l’azienda il corpo. Ma un sistema nervoso senza contesto non trasmette segnali utili, i dati, privati del loro significato, non hanno valore. Per renderli azionabili serve un layer semantico.

Non è la prima volta che incontro questo tema. Mi era già capitato di parlare di capitale semantico a partire dai lavori del professor Luciano Floridi, che avevo avuto il piacere di ascoltare di persona in Sicilia l’anno scorso. E a gennaio avevo citato il report Martech for 2026 di Chiefmartec e Martech Tribe, in cui si parla dell’evoluzione necessaria dal prompt engineering al context engineering: non basta sapere come interrogare un sistema AI, bisogna progettare quali dati e quali universi di informazioni mettergli a disposizione. Nel prossimo futuro, l’AI sarà sempre più una commodity; il contesto aziendale fornito al sistema sarà il vero fattore di differenziazione.

Mettendo insieme questi elementi si capisce perché il contrario, usare l’output dell’AI generalista come punto di arrivo anziché come punto di partenza, genera contenuti “anonimizzati”, paragonabili a un hamburger di fast food: standardizzati, privi di sapore unico, indistinguibili e ormai riconoscibili come artificiali.

E si capisce anche perché la causa dei fallimenti dei progetti AI è molto spesso organizzativa: la conoscenza è tacita, frammentata, rinchiusa in silos. Quando usiamo agenti AI senza un contesto condiviso, rischiamo l’incomunicabilità. Gli esseri umani fanno riunioni per allinearsi; gli agenti, senza una guida semantica, bruciano solo token. La sfida è dunque trasformare la conoscenza da “una pagina su Confluence” a un vero e proprio prodotto e la differenza tra i due è la stessa che passa tra un appunto su un tovagliolo e la ricetta di uno chef stellato.

UNA SFIDA IMPOSSIBILE?

Oggi ogni azienda ha il budget per acquistare i modelli migliori. Il vero punto di forza non è più la tecnologia, ma la capacità di mappare la “conoscenza tribale” collettiva e trasformarla in ontologie e grafi di relazione. Questo lavoro non è un compito solo per l’IT: sapere “cosa è un cliente” o definire un “tronco” per le autostrade è responsabilità del Business a 360 gradi.

L’architettura informativa, inoltre, non è statica: deve essere continuamente aggiornata per rispondere alle nuove esigenze e alle opportunità emergenti, il che richiede collaborazione costante tra tutte le parti interessate.

Una missione impossibile, in organizzazioni che nell’evento sono state definite “bipolari”, dove da una parte c’è una spinta alla velocità e dall’altra alla strutturazione, con pesi che si alternano nel tempo? Probabilmente no, ma serve un approccio incrementale, guidato dai casi d’uso, dove il business si riappropria del contesto e l’IT garantisce scala e governance. In questo, le tecnologie AI possono essere di grande aiuto: sia per facilitare l’acquisizione dei dati, sia per creare tracce che possano poi essere discusse e confutate, ma che almeno offrono un punto di partenza al ragionamento, altrimenti molto complesso da avviare.

PERCHÉ NON POSSIAMO FARE FINTA DI NIENTE

C’è un punto più profondo per cui questo lavoro va fatto: l’AI è una tecnologia che impone di ripensare i processi per scalare, non di “mettere gli steroidi” a qualcosa che già non funzionava. È il tema tipico delle trasformazioni digitali, nell’evento si è citato il diverso approccio all’introduzione del barcode tra Walmart e Kmart negli anni ’80, ma qui la velocità è esponenziale.

Torniamo quindi al discorso con cui ho chiuso il 2025: il problema non sono le AI, ma le fondamenta aziendali. Per 20-30 anni abbiamo introdotto tecnologie rivoluzionarie senza davvero capirle appieno e senza sistemare le basi sottostanti. L’intelligenza artificiale generativa ci sta “solo” presentando il conto.

Un esempio concreto, ascoltato all’evento Predictions 2026 Milan di Forrester, rende bene l’urgenza: una delle previsioni più discusse è che l’implementazione di un’agentic AI nel 2026 causerà una breach pubblica e porterà al licenziamento di dipendenti, CISO in testa. Le aziende hanno molte sperimentazioni in corso con gli agenti, ma tipicamente conservano dati personali in luoghi non ottimali, accessibili da dipendenti con permessi troppo ampi. Il punto critico è che gli agenti hanno gli stessi accessi ai dati dei dipendenti che li creano ma, diversamente dagli umani, sono molto più metodici e “motivati” a usarli al massimo. Gli errori si moltiplicano velocemente, con impatto intenso, anche perché singoli agenti triggerano altri agenti a cascata.

I problemi, qui, sono due e si intrecciano: fondamenta leggere nella governance, e dati sparsi e decontestualizzati. Una conoscenza a macchie di leopardo che l’AI agentica, senza un livello di organizzazione delle informazioni, interpreterà in modo pericolosamente letterale. Ed è per questo che, a mio avviso, senza una costruzione strutturata della conoscenza e del contesto, nemmeno i framework di gestione e sicurezza, come lo AEGIS della stessa Forrester, possono eliminare il rischio. Sono strumenti necessari, ma non sufficienti.

DUE ESEMPI DI VALORE DELLA CONOSCENZA: LA MODA E LA LINGUA ITALIANA NEGLI LLM

Questa fragilità delle fondamenta emerge con particolare chiarezza in due ambiti apparentemente molto diversi, ma che illustrano bene cosa si rischia quando la conoscenza non viene gestita in modo strutturato.

Il primo è la moda. Sappiamo tutti che il capitale intangibile del brand e il savoir faire di chi crea il prodotto sono i veri creatori di valore, e la tecnologia può aiutare ad amplificarli e portarli a scala. Eppure questa straordinaria cassaforte di valore aggiunto non è mai stata gestita in modo strutturato: gli archivi storici, le strutture di formazione interna, l’heritage sul prodotto raramente sono messi a fattore comune.

La situazione diventa ancora più critica in un momento in cui management e direzioni creative sono quanto mai volatili, con la dannosa abitudine di fare tabula rasa ad ogni cambio di guardia invece di ibridare vecchio e nuovo. Un lavoro serio di ripensamento della gestione della conoscenza sarebbe invece un asset su cui costruire il futuro, tanto più che l’alto di gamma non avrà mai le moli di dati di altri settori, e sarà quindi la qualità semantica a garantirne il valore differenziale.

Il secondo esempio viene dal podcast Grande Giove di Wired, che tra le altre cose parla di Minerva, l’LLM sviluppato in Italia con base di partenza nella nostra lingua.

La riflessione è suggestiva: la lingua stessa porta con sé sfumature culturali e modi di costruire la realtà che sono propri di ogni storia e popolo. Affidarsi interamente a modelli addestrati su un contesto semantico straniero e standardizzato significa, in un certo senso, sacrificare una parte del nostro capitale culturale, storico e artistico a favore di un modello statistico globale. È un accenno, ma utile a valorizzare il discorso che stiamo facendo: la conoscenza non è solo dati, è identità.

IN CONCLUSIONE

Il più grosso problema nella comunicazione è illudersi che sia avvenuta – George Bernard Shaw.

Vale per le persone, vale ancor di più per le organizzazioni che delegano la comunicazione interna a sistemi AI senza averla prima resa esplicita e strutturata.

L’AI non è un cerotto, è un sistema operativo. Dobbiamo superare l’idea dell’AI come semplice ottimizzazione dell’esistente per vederla invece come un’opportunità, e una necessità, di ripensare l’organizzazione. Ma non si può ripensare ciò che non si conosce.

E non ci si può nemmeno fare prendere dalla fascinazione della tecnologia senza sapere dove si vuole andare: secondo una ricerca dell’Enterprise Strategy Group, il 38% delle organizzazioni cita la mancanza di chiarezza sugli obiettivi aziendali come principale ostacolo alla realizzazione del valore dell’IA.

Il focus deve spostarsi dalla paura della sostituzione o del rimanere indietro alla consapevolezza delle scelte da fare.

Cosa significa tutto questo in termini di scelte concrete?

Prima di tutto, smettere di trattare la conoscenza come un sottoprodotto del lavoro quotidiano e iniziare a gestirla come un asset strategico, con ownership chiara, processi di aggiornamento e metriche di qualità. Non è un progetto IT, è una scelta di business.

In secondo luogo, scegliere dove investire con criterio: non tutti i domini di conoscenza hanno lo stesso valore strategico. Identificare quelli critici, quelli che differenziano davvero l’azienda sul mercato, e iniziare da lì, in modo incrementale, è più efficace che cercare di mappare tutto in una volta.

Terzo, non aspettare la perfezione per cominciare. L’AI può aiutare a costruire le fondamenta mentre si lavora su di esse: generare bozze di ontologie, identificare lacune, rendere esplicita la conoscenza tacita. L’importante è che ci sia un processo umano di validazione e governo.

Infine, collegare esplicitamente la governance dei dati alla strategia AI. I due filoni, spesso gestiti separatamente, devono convergere: senza dati ben governati e contestualizzati, nessuna strategia agentiva può essere sicura né efficace.

Le organizzazioni devono adattarsi a un mondo sempre più complesso, dove le relazioni causa-effetto emergono solo a posteriori, bilanciando l’esplorazione di nuove competenze con la valorizzazione di quelle acquisite nel tempo. In questo, dati e AI sono l’infrastruttura cognitiva che garantisce identità, coerenza e coordinamento, e l’architettura informativa diventa la spina dorsale senza la quale si rischia di non sfruttare il potenziale delle tecnologie emergenti, perdendo anche quanto di buono è già stato costruito.

Non è un lavoro facile, ed è poco notiziabile. Ma è stato procrastinato troppo a lungo. Ora la pressione sale e il conto, come sempre, arriva tutto insieme.

English version is available on Medium.com