AI Trends 2026 - Cinque tendenze chiave dell'AI che influenzano i CIO
Navigazione Rapida
Tag
Condividi le slide
AI Trends 2026 - Cinque tendenze chiave dell'AI che influenzano i CIO
Vista dettagliata di ogni pagina di slide, inclusi layout, contenuto chiave ed elementi visivi.
Slide del titolo con 'AI TRENDS 2026' e sottotitolo 'CINQUE TREND CHIAVE DELL'AI CHE INFLUENZANO I CIO' e branding di Info-Tech Research Group su uno sfondo sfumato con effetti di luce
Tipografia grande e in grassetto per il titolo, layout centrato con logo Info-Tech in alto a destra, schema di colori sfumati moderno dal blu scuro al verde acqua/rosa
Riepilogo per i dirigenti che elenca i cinque trend chiave: 1) I principi fondamentali dell'AI riscriveranno il DNA organizzativo, 2) Dai copiloti al vibe coding: l'AI continuerà a reinventare l'IT, 3) L'AI agentica raggiungerà la maturità e alimenterà l'impresa esponenziale, 4) La gestione del rischio sarà il prezzo di ammissione per l'AI, 5) L'AI sarà in bilico tra libertà e controllo
Sfondo sfumato scuro con formato elenco basato su icone, ogni trend ha un'icona colorata (viola, verde, blu, arancione, rosa) con titolo e descrizione
Panoramica della base del sondaggio con oltre 700 risposte di leader IT da maggio-giugno 2025, principalmente nordamericani ma con rappresentanza globale, posizioni di livello director+, che coprono oltre 12 settori tra cui governo, servizi finanziari, istruzione, produzione, servizi professionali, sanità e altri
Contenuto testuale sul lato sinistro con mockup di laptop sul lato destro che mostra l'interfaccia del sondaggio, sfondo bianco con testo scuro
Divisore di sezione che introduce il primo trend con un visual a tema viola che mostra lettere 3D astratte di AI con integrazione del paesaggio urbano, lo slogan recita 'Le strategie di AI saranno informate da una serie emergente di principi'
Visual artistico a tutta pagina con icone dei trend in alto a sinistra, sovrapposizione di testo grande sul lato sinistro, rendering 3D astratto sulla destra
Framework che mostra che la strategia AI è guidata dalla strategia organizzativa e dai driver di valore, con quattro componenti chiave: AI Vision (impegno lungimirante), Business Value Drivers (metodi di riconoscimento del valore), Strategic AI Principles (allineamento business-AI) e Foundational AI Principles (mitigazione del rischio)
Diagramma centrale con hub AI Strategy collegato a quattro elementi circostanti, sfondo bianco con icone illustrate per ogni componente
Spiegazione che i principi fondamentali dell'AI affrontano i rischi dell'AI e si allineano ai principi guida dell'organizzazione, fondamentali per la governance dell'AI e utilizzati per identificare le categorie di rischio. Il diagramma mostra otto principi disposti in una struttura simile a un atomo: Sostenibilità, Sicurezza e protezione, Privacy dei dati, Spiegabilità e trasparenza, Contestabilità, Validità e affidabilità, Responsabilità, Equità e rilevamento dei pregiudizi
Testo a sinistra, diagramma circolare in stile atomo a destra che mostra i principi interconnessi
Spiega che i principi fondamentali dell'AI continuano a evolversi con i requisiti di governance aziendale. Elenca i principi candidati da considerare: Sostenibilità (efficienza energetica), Agenzia umana e autonomia, Ambientale (risultati positivi), Contestabilità (sfida le decisioni dell'AI), Proprietà intellettuale e altri principi personalizzati
Il lato sinistro mostra lo stesso diagramma atomico della pagina precedente, il lato destro elenca i principi candidati aggiuntivi in una casella viola
Dati del sondaggio che mostrano che, sebbene lo sviluppo di una strategia AI formale sia un trend in crescita, la maggioranza non ha stabilito una strategia formale a livello di organizzazione: il 23% ha una strategia a livello aziendale, il 26% ha una strategia per alcune aree, il 34% si sta sviluppando a breve, il 13% si integrerà con le strategie IT/organizzative, il 3% ha una strategia obsoleta, l'1% non ha piani
Grafico a torta sul lato sinistro, casella di approfondimento sul lato destro con sfondo lavanda che spiega i risultati
Oltre la metà degli intervistati comprende la necessità di principi fondamentali dell'AI per affrontare i rischi dell'AI: il 31% ha stabilito e integrato i principi, il 24% sta attualmente implementando con piani di espansione, il 35% sta valutando e nelle prime fasi, il 6% è consapevole ma non ha piani, il 4% non è consapevole, lo 0% non vede alcuna necessità (nessun intervistato lo considera un ostacolo all'innovazione)
Grafico a torta a sinistra, casella di approfondimento a destra con sfondo viola chiaro
La maggior parte delle organizzazioni si sente preparata a mettere in pratica i principi dell'AI: il 70% si sente preparato (3) a completamente preparato (5) su una scala a 5 punti, con una distribuzione che mostra una forte asimmetria verso livelli di preparazione più elevati
Grafico a barre orizzontali che mostra la distribuzione su scala a 5 punti, casella di approfondimento a destra
Visione bilanciata degli impatti della strategia AI. Opportunità: Implementazioni accelerate, miglioramento della customer experience, attrazione/retention dei talenti, innovazione e crescita, aumento della produttività. Rischi: Possibile perdita di posti di lavoro, eccessiva dipendenza dall'AI, deepfake per frodi, disallineamento con i principi, violazioni della privacy
Layout a due colonne con sezioni Opportunità e Rischi, sfondo scuro con elemento visivo astratto sul lato destro
Analisi situazionale del rilascio di DeepSeek il 20 gennaio 2025, inclusi i modelli R1 per il ragionamento complesso e il chatbot V3. Punti salienti: primo modello open-source che corrisponde alle prestazioni di OpenAI o1, open-source con disponibilità commerciale, nuove tecniche di reinforcement learning, costo di soli $6M e 2 mesi contro l'investimento di $6.6B di OpenAI, costi inferiori di 27 volte rispetto a OpenAI
Layout a due colonne con logo DeepSeek, analisi situazionale a sinistra, punti salienti del modello a destra
Organizzazioni che vietano DeepSeek (agenzie statunitensi, Australia, India, Italia, Corea del Sud, Taiwan) a causa di violazioni dei principi fondamentali dell'AI: Sicurezza (rischio per la sicurezza nazionale) e Privacy dei dati (violazioni del GDPR). Raccomandazione: richiedere che le tecnologie AI siano allineate ai principi fondamentali prima dell'adozione
Colonna di sinistra con azioni e analisi delle tendenze, a destra diagramma dei principi fondamentali
Raccomandazioni per stabilire i principi fondamentali dell'AI come componente centrale della strategia e della governance dell'AI: sfruttare i principi come categorie di rischio AI, utilizzarli per il programma di gestione del rischio, far evolvere i principi al variare della strategia, ampliare l'attenzione alla creazione di valore, considerare principi aggiuntivi come la sostenibilità e la contestabilità
Lato sinistro con elenchi puntati di azioni, lato destro immagine architettonica astratta con striature di luce
Divisore di sezione per la seconda tendenza: 'Dai copiloti al vibe coding: l'AI continuerà a reinventare l'IT' con tema verde e design astratto a quadrifoglio che incorpora immagini tecnologiche (circuiti stampati, natura, edifici)
Immagine a tutta pagina con icone di tendenza in alto a sinistra, testo sovrapposto sul lato sinistro, quadrifoglio 3D astratto a destra
Visione completa dello stack tecnologico AI che mostra cinque livelli: Applicazioni (Amazon Q, Copilot, Workday, Writer, ServiceNow, Glean, SAP, ecc.), Data and AI Tools (Bedrock, SageMaker, Azure ML, Vertex AI, LangChain, Hugging Face, PyTorch, Kafka, DataRobot, Domino), Foundational Models (OpenAI, Anthropic, Mistral, Stability.ai, Runway, Bloom, Gemma, LLaMA, DeepSeek), Data Platform (AWS, Azure, Google Cloud, Salesforce, Snowflake, Redis, Databricks, Elastic, Pinecone, Stardog, Milvus, Chroma), Infrastructure (AWS, Azure, Google Cloud, Nvidia, AMD, Intel, Qualcomm)
Tabella a cinque righe che mostra lo stack tecnologico con i loghi delle aziende su ogni livello
Diagramma che mostra l'evoluzione da Prompt Engineering/Inferencing (più semplice) attraverso RAG (con knowledge base), Fine-Tuning (dati specifici per attività), a Full Training (più complesso). Mostra la progressione in accuratezza e complessità, con le competenze richieste ai data scientist che aumentano per approcci più complessi
Griglia 2x2 che mostra quattro approcci con icone e descrizioni, accuratezza sull'asse Y, complessità sull'asse X
Confronto di due approcci - Best-of-Breed AI Tools (migliore per attività specifiche, costi inferiori, flessibilità) vs AI Development Platform (orientata alla soluzione, gestione più semplice, complessità di integrazione ridotta). Mostra i compromessi tra cui il vendor lock-in, le sfide di integrazione e le considerazioni sui costi
Confronto a due colonne con pro/contro per ogni approccio, grafica della bilancia bilanciata in basso
Il dipartimento IT è in testa all'adozione dell'AI con il 70% già acquisito, seguito da Creative (50%), Marketing e Sales (46%), R&D (45%), Operations (44%), HR e Finance/Administration. Mostra l'adozione pianificata fino al 2026 e oltre
Grafico a barre orizzontali impilate che mostra lo stato di adozione tra le funzioni aziendali, casella di approfondimento a destra
Le applicazioni AI più popolari per l'IT: IT Security (54%), IT Service Management (44%), Business Intelligence and Analytics (41%), IT Asset Management (37%), Service Desk (35%), Code Generation and Quality (32%), Data Management (31%), Software Testing (24%), Source Code and Build Management (23%), Infrastructure (19%), Synthetic Data Generation (18%)
Grafico a barre orizzontali con casella di approfondimento a destra
Mentre molti preferiscono acquistare soluzioni pronte all'uso, la maggior parte avrà bisogno di personalizzare: il 41% acquista soluzioni disponibili in commercio, il 13% costruisce tramite messa a punto, il 46% sia acquista che costruisce. Insight rileva che l'ecosistema dei fornitori continua a crescere e molti sono disposti a mettere a punto
Grafico a torta sulla sinistra con tre segmenti, riquadro di approfondimento sulla destra
Opportunità: Migliore time to market, costi iniziali inferiori, minore manutenzione, migliore scalabilità. Rischi: Eccessiva dipendenza dal fornitore, sfide di integrazione, personalizzazione limitata, controllo limitato per nuove funzionalità
Layout a due colonne con sfondo scuro/verde, visualizzazione astratta del dashboard sulla destra
Introduce il vibe coding come nuova categoria di strumenti di AI annunciata a febbraio 2025, che consente lo sviluppo di software senza background tecnico. Mostra una tabella di confronto tra Traditional Coding vs AI-Assisted Coding vs Vibe Coding, evidenziando le differenze in termini di definizione, obiettivo primario e ruolo umano. Prende nota dell'incidente di Replit in cui l'AI ha cancellato il database di produzione
Layout a due colonne con tabella di definizione e descrizione dell'incidente
Raccomandazioni: sfruttare i framework di selezione del software esistenti, incluso l'allineamento dei principi fondamentali dell'AI, pianificare una strategia di uscita per i fornitori per prevenire il lock-in, identificare i percorsi di migrazione dei dati, includere un piano di continuità aziendale
Elementi di azione sul lato sinistro, immagine architettonica astratta con striature di luce sul lato destro
Divisore di sezione per la terza tendenza: 'L'AI agentica raggiungerà la maturità e alimenterà l'impresa esponenziale' con tema blu che mostra una composizione 3D astratta di immagini aziendali/tecnologiche tra cui strette di mano e circuiti stampati
Visualizzazione a tutta pagina con icone di tendenza in alto a sinistra, sovrapposizione di testo sul lato sinistro, immagini composite 3D a destra
Tabella comparativa di cinque approcci di automazione: Business Process Management (note spese, dati strutturati), RPA (elaborazione fatture, dati strutturati/semi-strutturati), Intelligent Automation (rilevamento frodi, aggiunge funzionalità AI), Generative AI (assistente virtuale, genera nuovi contenuti), Agentic AI (ricerca e reporting autonomi, ragiona ed esegue programmi). Mostra la progressione delle capacità di automazione, della tecnologia e della gestione dei dati
Tabella comparativa completa con cinque colonne e sei righe che coprono casi d'uso, capacità, tecnologia e dati
Mostra quattro componenti architettonici chiave in un flusso circolare attorno all'LLM centrale: Sense (raccoglie dati sensoriali, pre-elabora, monitora le dipendenze), Reason (valuta/pianifica le attività, riflette sulle opzioni, pianifica l'orchestrazione, convalida i principi dell'AI), Act (orchestra le azioni, gestisce la persistenza, sintetizza i risultati, verifica), Adapt (misura gli impatti, ottimizza i flussi di lavoro, aggiorna la knowledge base e le policy). I protocolli includono Model Context Protocol e Agent2Agent
Diagramma di flusso circolare con icona del cervello centrale, quattro componenti con frecce di collegamento
Mostra tre modelli di progettazione comuni: Planning (decompone gli obiettivi in sotto-attività con ciclo di feedback di valutazione), Multi-agent orchestration (l'orchestratore assegna le attività, il sintetizzatore consolida i risultati), Tool usage and Reflection (sfrutta strumenti esterni, esegue l'autovalutazione). Include diagrammi di flusso che mostrano IN/OUT e cicli di feedback
Tre sezioni di pattern con diagrammi di flusso che mostrano i flussi di processo e i punti decisionali
Driver principali per l'AI agentic: Migliorare l'efficienza operativa (70%), Migliorare l'esperienza utente (61%), Supportare le iniziative di crescita (48%), Abilitare l'innovazione (40%), Migliorare la gestione del rischio (25%), Non perseguire agenti AI (5%). L'insight rileva che l'efficienza operativa rimane il driver principale
Grafico a barre orizzontali con riquadro di insight a destra
Strumenti leader per lo sviluppo di AI agentic: Microsoft Copilot Studio (60%), Google Vertex AI Agent Builder (37%), Microsoft AutoGen (28%), Strumenti Amazon (24%), Salesforce Agentforce, Botpress, CrewAI, LangChain, Eliza, LangGraph, Fine e altre piattaforme commerciali/open source. L'insight rileva l'aspettativa di crescita per nuovi strumenti come OpenAI
Grafico a barre orizzontali con riquadro di insight a destra
Due grafici che mostrano: 1) Fiducia nella comprensione degli agenti AI con la maggioranza ai livelli 4-5, 2) Piani di investimento che mostrano che oltre il 50% sta attualmente utilizzando e prevede di aumentare, il 20% prevede di adottare entro la fine del 2026, percentuali inferiori per l'adozione successiva o nessun piano. Le note di approfondimento indicano le organizzazioni che investono e sviluppano competenze con l'aspettativa di una crescita significativa
Due grafici a barre orizzontali affiancati con riquadro di approfondimento in basso
Opportunità: Operazioni autonome, sistemi adattivi, esperienze iperpersonalizzate, time to market migliorato, crescita esponenziale. Rischi: Possibili spostamenti di posti di lavoro, problemi di privacy con la condivisione dei dati, consumo eccessivo di risorse, agenti non allineati con i principi fondamentali dell'AI, maggiore complessità
Layout a due colonne con sfondo blu scuro, visualizzazione astratta del dashboard a destra
Analisi situazionale del CTO di Walmart, Hari Vasudev, che descrive l'approccio chirurgico all'agentic AI incentrato su casi d'uso specifici. Note su due componenti chiave: clienti che addestrano i propri agenti con preferenze e rivenditori che consentono agli agenti di personal shopping di comunicare con gli agenti interni. Si discute delle vaste risorse e dell'impegno di dati di Walmart
Layout a due colonne con analisi situazionale e sezioni di azione
Raccomandazioni per prepararsi all'organizzazione esponenziale: comprendere le caratteristiche dell'applicazione più adatte per l'agentic AI (evitare per attività fisse/ripetitive, risultati deterministici, esigenze di bassa latenza, ambienti con vincoli di costo), implementare la supervisione umana con revisione/approvazione per operazioni ad alto rischio, rivedere le prestazioni con sistemi di feedback
Elementi di azione sul lato sinistro, immagine architettonica astratta sul lato destro
Divisore di sezione per la quarta tendenza: 'La gestione del rischio sarà il prezzo di ammissione per l'AI' con tema arancione che mostra una struttura geometrica 3D astratta con connessioni di rete
Visualizzazione a tutta pagina con icone di tendenza in alto a sinistra, sovrapposizione di testo sul lato sinistro, struttura geometrica 3D a destra
Tabella comparativa di cinque framework: NIST AI RMF (non normativo, focus sull'affidabilità), ISO/IEC 23894:2023 (standard internazionale, focus sull'etica e sui diritti umani), ISO 31000 (rischio aziendale adattabile all'AI), COSO ERM (rischio aziendale adattabile all'AI), Info-Tech AI RMF (specificamente progettato per l'AI, focus sui principi fondamentali). Confronta focus, natura normativa, principi AI, categorie di rischio, adattabilità e approccio di implementazione
Tabella comparativa completa con sei righe e cinque colonne di framework
Mostra quattro funzioni chiave: Risk Governance (requisiti legali/normativi, principi fondamentali dell'AI, tolleranza al rischio, trasparenza, monitoraggio, inventario, dismissione), Risk Identification (stabilire il contesto, categorizzazione del sistema AI, valore/benefici, rischi, categorizzazione dell'impatto), Risk Measurement (metriche di rischio AI, valutazioni di allineamento dei principi fondamentali, monitoraggio del rischio del sistema, valutazione delle misurazioni), Risk Response (risposta prioritaria, strategie di rischio del sistema, rischi/benefici di terze parti, piani di trattamento e comunicazione). Include artefatti di esempio per ogni funzione
Layout orizzontale a quattro riquadri con elenchi puntati dettagliati e artefatti di esempio sotto ciascuno
Quattro esempi di droni che mostrano come la stessa tecnologia abbia diversi livelli di rischio in base al contesto: Rischio minimo (drone per il tempo libero manuale, nessuna raccolta di dati), Rischio limitato (consegna di pacchi con override umano, interazione di conferma della consegna), Rischio elevato (consegna di forniture mediche in infrastrutture critiche dove il fallimento ha gravi conseguenze), Rischio inaccettabile (sorveglianza di massa con riconoscimento facciale per le forze dell'ordine senza causa - vietato)
Layout a quattro quadranti con immagini di droni e descrizioni dei rischi
Leadership per la governance dell'AI: AI center of excellence o comitato (31%), CIO (23%), Condiviso da due o più posizioni al di sotto del livello esecutivo (13%), Condiviso da due o più dirigenti (10%), CEO (10%), Responsabile/dirigente per il rischio e la conformità (2%), Altri dirigenti C-suite (5%), Nessuno (6%). L'approfondimento rileva che la governance dell'AI è una responsabilità condivisa con l'AI center of excellence o il CIO che spesso guidano
Grafico a torta a sinistra, riquadro di approfondimento a destra
La stragrande maggioranza considera importante la gestione del rischio: 62% molto importante, 32% abbastanza importante, 6% marginalmente importante, 0% non importante. L'approfondimento rileva che la gestione del rischio è un programma integrante riconosciuto da quasi tutti gli intervistati
Grafico a torta con riquadro di approfondimento
La gestione del rischio aziendale è l'approccio preferito: 33% gestione del rischio aziendale completamente integrata, 28% integrata e centralizzata, 26% specifica per dominio, 13% ad hoc o reattiva. Insight rileva che il 61% preferisce un approccio aziendale rispetto a quello isolato/ad hoc
Grafico a torta con riquadro di approfondimento
Opportunità: Fornire salvaguardie per i sistemi di AI, applicare i principi fondamentali dell'AI, garantire accuratezza e validità, rispettare le normative, massimizzare il valore dall'AI. Rischi: Mancanza di competenze nella governance e nella gestione del rischio, mancanza di supporto esecutivo, mancanza di un programma di formazione a livello aziendale, mancanza di un'efficace identificazione del rischio, mancanza di un efficace monitoraggio e misurazione
Layout a due colonne con sfondo marrone scuro, visualizzazione astratta del dashboard a destra
Analisi situazionale che rileva diversi approcci governativi (US/UK guidati dall'innovazione vs legislazione globale dell'UE) e sfide con gli attuali programmi di rischio che non anticipano l'AI. Discute le classificazioni di rischio dell'EU AI Act (inaccettabile, regolamentato ad alto rischio, trasparenza a rischio limitato, non regolamentato a rischio minimo). Rileva l'ordine esecutivo degli Stati Uniti che impone alle agenzie federali di implementare pratiche minime di gestione del rischio entro aprile 2026
Layout a due colonne con analisi situazionale, azione e sezioni di tendenza, include il diagramma del framework Info-Tech
Raccomandazioni per adottare una cultura di gestione basata sul rischio: coltivare una cultura della gestione del rischio educando la forza lavoro sui rischi/benefici dell'AI e stabilendo i principi fondamentali dell'AI come categorie di rischio, implementare un framework di gestione del rischio AI con valutazioni regolari, rendere operativi i principi di AI responsabile (considerare strumenti di automazione), garantire che il programma sia adattabile per affrontare le applicazioni di AI agentica
Elementi di azione sul lato sinistro, immagine architettonica astratta sul lato destro
Divisorio di sezione per la quinta tendenza: 'L'AI sarà in bilico tra libertà e controllo' con tema rosa/magenta che mostra una struttura geometrica 3D astratta con elemento sferico, lo slogan recita 'La sovranità dell'AI diventerà una priorità per i regolatori'
Visualizzazione a tutta pagina con icone di tendenza in alto a sinistra, sovrapposizione di testo sul lato sinistro, arte geometrica 3D a destra
Tabella comparativa completa delle normative sull'AI in sei regioni: Unione Europea (basata su rischio/diritti, EU AI Act), Stati Uniti (guidata dal mercato, ordini esecutivi), Regno Unito (guidata dal contesto/mercato, Online Safety Act), Cina (guidata dallo stato, Generative AI Regulation), Canada (basata su rischio/diritti, proposta AI and Data Act), Australia (basata su rischio/diritti, AI Ethics Principles). Include approccio normativo, normative/iniziative sull'AI e dettagli sull'applicazione per ciascuna
Ampia tabella comparativa con bandiere dei paesi, struttura a tre righe che copre caratteristiche, normative e applicazione
Confronto dettagliato di approcci contrastanti: gli Stati Uniti si concentrano sull'innovazione e sulla deregolamentazione con politiche volontarie e sanzioni minime, America's AI Action Plan e 'Unbiased AI Principles' (ricerca della verità, neutralità ideologica). L'UE si concentra sulla sicurezza e sull'innovazione con normative sull'AI e sanzioni finanziarie, EU AI Continent Action Plan (AI Factories, Data Union Strategy, AI Skills Academy) e sette principi fondamentali tra cui diversità/equità. Mostra i sistemi di classificazione del rischio per entrambi
Tabella comparativa dettagliata a due colonne che copre driver chiave, framework, principi, piani d'azione e gestione del rischio
Diagramma circolare che mostra i componenti della governance adattiva dell'AI: AI Guiding Principles (icona dell'atomo centrale), Organizational Structure (icona della persona), Risk & Compliance (icona della bilancia), Policies/Processes/Standards (icona della checklist), Assurance (icona dello scudo), Accountability (icona della stretta di mano), Adaptability & Resilience (icona del cervello). Elenca i vantaggi: minimizza il rischio, garantisce la conformità, fornisce attribuibilità, consente la gestione dinamica delle politiche, fornisce garanzia in tempo reale, consente la mitigazione in tempo reale, promuove il miglioramento continuo, si allinea con NIST AI RMF 1.0 e EU AI Act
Diagramma di governance circolare sul lato sinistro, elenco dei vantaggi sul lato destro
Molte organizzazioni perseguono l'AI sovrana: il 40% utilizza esclusivamente l'AI sovrana, il 21% utilizza sia l'AI sovrana che quella non sovrana, il 14% sta valutando attivamente i modelli di AI sovrana, il 13% non ha piani immediati, il 3% non ha opzioni sovrane disponibili, il 9% non è una considerazione. L'insight indica la sicurezza nazionale, l'autonomia, il controllo dei dati e la crescita economica come driver
Grafico a torta con riquadro di approfondimento
La maggior parte delle organizzazioni è fiduciosa che i fornitori creeranno misure di salvaguardia: il 72% si sente fiducioso (3) o molto fiducioso (5) che i fornitori di AI si autoregolamenteranno e implementeranno le necessarie misure di salvaguardia. La distribuzione mostra una forte inclinazione verso livelli di fiducia più elevati (4 è la risposta più comune)
Grafico a barre orizzontali con scala a 5 punti e riquadro di approfondimento
Forte sostegno all'introduzione di normative sull'AI: 33% fortemente a favore, 45% moderatamente a favore (78% di sostegno totale), 11% neutrale, 6% moderatamente contrario, 5% fortemente contrario (11% di opposizione totale). L'analisi sottolinea che la maggior parte degli intervistati supporta la regolamentazione governativa
Grafico a torta con box di analisi
Opportunità: Geografie come Stati Uniti/Regno Unito potrebbero attrarre più capitali a causa della mancanza di regolamentazioni, le normative sull'AI possono essere adattate per riflettere le priorità nazionali/economiche, promuovere l'indipendenza dall'oligopolio dell'AI delle Big Tech. Rischi: Regolamentazioni uniche possono essere una barriera all'ingresso, mancanza di fiducia dei consumatori in assenza di normative sull'AI, l'innovazione potrebbe stagnare se eccessivamente regolamentata
Layout a due colonne con sfondo viola scuro, visualizzazione astratta di una dashboard sulla destra
Analisi situazionale dei paesi che perseguono strategie sovrane di AI guidate dalla sicurezza nazionale, dall'indipendenza tecnologica dalle Big Tech, dalla preservazione dell'identità/cultura/lingua nazionale e da fattori economici. Mostra un diagramma a triangolo con tre vertici: Sovranità LLM (autonomia strategica, sicurezza nazionale, IP, supporto linguistico), Sovranità dei dati (sicurezza nazionale, privacy dei dati, legislazione, performance), Sovranità dell'infrastruttura (sicurezza/resilienza nazionale, guida l'economia locale, controllo, performance), con i Principi fondamentali dell'AI al centro
Analisi situazionale sul lato sinistro, diagramma a triangolo sul lato destro con tre componenti di sovranità
Elenca le iniziative di sovranità dell'AI annunciate a livello globale, tra cui l'America's AI Action Plan, la Canadian Sovereign AI Compute Strategy, l'EU AI Continent Action Plan, l'UK AI Opportunities Action Plan, le strategie di Germania, Francia, Spagna, Svezia, Cina, India, Corea del Sud, Emirati Arabi Uniti e Brasile. Nota l'US Executive Order 14320 che promuove l'esportazione dell'American AI Technology Stack come standard globale. Spiega le tendenze dello sviluppo disgiunto della regolamentazione dell'AI e i fattori trainanti per lo sviluppo di modelli di AI locali (iniziative nazionali, mercificazione, forze geopolitiche)
Layout a due colonne con sezioni di azioni e analisi delle tendenze
Raccomandazioni per affrontare la regolamentazione disgiunta dell'AI: comprendere i nuovi rischi associati alle applicazioni AI indipendentemente dalla prospettiva del governo (introdurre un programma di gestione del rischio AI, implementare un sistema di classificazione del rischio), valutare la fattibilità dello sviluppo o dello sfruttamento di modelli AI sovrani (assicurarsi che il modello di base candidato soddisfi i requisiti di accuratezza, migliorare la rilevanza affinando per la lingua e la cultura locale)
Elementi di azione sul lato sinistro, immagine architettonica astratta sul lato destro
Riepilogo esecutivo di cinque tendenze con elementi di azione: Strategia AI (stabilire principi fondamentali), Applicazioni di fornitori AI (approccio incentrato sulla soluzione allineato ai principi), AI agentica (selezionare casi d'uso guidati dal business con supervisione umana), Gestione del rischio AI (coltivare una cultura del rischio con un programma di gestione), Normative AI (sviluppare un framework di governance adattivo, garantire modelli sovrani competitivi)
Riepilogo a cinque sezioni con immagini futuristiche astratte sulla destra che mostrano una figura che cammina attraverso un paesaggio tecnologico
Elenca i collaboratori esterni (Andreu Gomez - UN Vienna CDO, Sunil Gupta - CTBTO CITO, Said Ahmed - UN Technology Development Risk, Rick Pastore - SustainableIT.org, Tom Godden e Paul Weiss - AWS) e i collaboratori interni (Jack Hakimian - SVP Research, Rob Garmaise - VP AI Research, Mark Tauschek - VP Research Fellowships, Brian Jackson - Principal Research Director, Naveli Thomas - AVP Content Marketing, Manoj Atwal - Senior Member Services Director)
Layout a due colonne che elenca i collaboratori esterni e interni con i titoli, sfondo tecnologico astratto sulla destra
Prima pagina della bibliografia che elenca le fonti tra cui AI Act (Commissione Europea), AI Policy and Regulations of Brazil (NewMind AI), NIST AI Risk Management Framework, America's AI Action Plan (The White House), varie strategie internazionali di AI e rapporti tecnici sui modelli DeepSeek
Bibliografia a colonna singola con formato di citazione standard, immagini di sfondo astratte
Continuazione della bibliografia tra cui M-25-21 Memorandum (OMB), Make France an AI Powerhouse, articoli sulla strategia AI di Walmart, documentazione sui prezzi di DeepSeek, strategie internazionali di AI da Svezia, Corea del Sud, Emirati Arabi Uniti, UK AI Action Plan e rapporti sugli incidenti di vibe coding
Bibliografia a colonna singola che continua dalla pagina precedente
Promuove tre risorse Info-Tech: AI Marketplace (sblocca il potenziale dell'AI con supporto personalizzato), Build Your AI Strategy Roadmap (massimizza il valore gestendo i rischi), Build Your AI Risk Management Roadmap (trasforma i processi ad hoc in un programma formale e continuo). Ciascuno include una breve descrizione e una rappresentazione visiva
Tre sezioni con immagini in miniatura e descrizioni per ogni risorsa
Domande comuni su questa slide e il contenuto della presentazione sottostante.
Le cinque tendenze chiave sono: 1) I principi fondamentali dell'AI riscriveranno il DNA organizzativo - Le strategie AI saranno informate da principi emergenti come sicurezza, privacy ed equità; 2) Dai copiloti al vibe coding: l'AI continuerà a reinventare l'IT - L'ecosistema di soluzioni AI per l'IT crescerà con nuove categorie; 3) L'AI agentica raggiungerà la maturità e alimenterà l'impresa esponenziale - L'AI agentica consentirà operazioni autonome e crescita esponenziale; 4) La gestione del rischio sarà il prezzo di ammissione per l'AI - Le organizzazioni devono adottare programmi di gestione del rischio AI; 5) L'AI sarà in bilico tra libertà e controllo - La sovranità dell'AI diventerà fondamentale per i regolatori a livello globale.
L'Info-Tech AI Risk Management Framework è specificamente progettato per i sistemi AI e consiste in quattro funzioni chiave: Risk Governance (definizione dei requisiti legali, dei principi fondamentali, della tolleranza al rischio e dell'inventario AI), Risk Identification (definizione del contesto, categorizzazione dei sistemi AI e identificazione dei rischi), Risk Measurement (definizione delle metriche di rischio AI, conduzione di valutazioni di allineamento e monitoraggio dei sistemi) e Risk Response (prioritizzazione delle risposte, sviluppo di strategie di rischio e implementazione di piani di trattamento). Si basa su NIST AI RMF 1.0 e si concentra sui principi fondamentali dell'AI come categorie di rischio principali.
Le organizzazioni dovrebbero stabilire otto principi fondamentali dell'AI: Sicurezza (protezione dei sistemi e delle persone), Privacy dei dati (protezione delle informazioni personali), Spiegabilità e trasparenza (rendere comprensibili le decisioni dell'AI), Validità e affidabilità (garantire l'accuratezza), Equità e rilevamento dei pregiudizi (prevenire la discriminazione), Responsabilità (assegnazione della responsabilità), Contestabilità (consentire contestazioni alle decisioni dell'AI) e Sostenibilità (riduzione al minimo dell'impatto ambientale). Ulteriori principi emergenti includono l'azione e l'autonomia umana, le considerazioni ambientali e la protezione della proprietà intellettuale.
Gli Stati Uniti e l'UE adottano approcci contrastanti alla regolamentazione dell'AI. Gli Stati Uniti seguono un approccio guidato dal mercato e focalizzato sull'innovazione con politiche volontarie attraverso ordini esecutivi e nessuna legislazione federale, sottolineando una regolamentazione minima per promuovere la leadership americana nell'AI. L'UE adotta un approccio basato sul rischio e sui diritti con una regolamentazione completa attraverso l'EU AI Act, il GDPR e altre legislazioni, imponendo sanzioni finanziarie per la non conformità. Gli Stati Uniti si concentrano sui 'Principi AI imparziali' (ricerca della verità e neutralità ideologica), mentre l'UE sottolinea sette principi fondamentali tra cui l'azione umana, la trasparenza, la diversità, l'equità e il benessere sociale. Entrambi implementano sistemi di classificazione del rischio, ma quello dell'UE è più prescrittivo con quattro categorie: inaccettabile (proibito), ad alto rischio (regolamentato), a rischio limitato (obblighi di trasparenza) e a rischio minimo (non regolamentato).
L'AI agentica rappresenta un software autonomo in grado di ragionare, scomporre gli obiettivi in sottocompiti ed eseguire programmi esterni senza intervento umano. È l'evoluzione più avanzata oltre RPA, automazione intelligente e AI generativa. Le organizzazioni dovrebbero utilizzare l'AI agentica per attività complesse e dinamiche che richiedono adattamento e processo decisionale, come la ricerca autonoma, l'orchestrazione del servizio clienti e l'automazione del flusso di lavoro multi-step. Tuttavia, le organizzazioni dovrebbero EVITARE l'AI agentica per: attività fisse e ripetitive, situazioni che richiedono risultati deterministici, requisiti di bassa latenza o ambienti con vincoli di costo. Le best practice includono l'implementazione della supervisione umana per le operazioni ad alto rischio, la definizione di processi chiari di revisione e approvazione e l'utilizzo di sistemi di feedback per migliorare continuamente le prestazioni degli agenti.
L'AI sovrana si riferisce a modelli e infrastrutture AI sviluppati e gestiti all'interno di un paese o regione specifica. Secondo il sondaggio, il 40% delle organizzazioni utilizza esclusivamente modelli AI sovrani e il 21% utilizza sia modelli sovrani che non sovrani. Le organizzazioni perseguono l'AI sovrana per diversi motivi chiave: Sicurezza nazionale (protezione di dati e operazioni sensibili), Indipendenza tecnologica (riduzione della dipendenza dai fornitori Big Tech di altri paesi), Identità nazionale (preservazione della cultura e della lingua locale), Crescita economica (guida dell'industria e dei posti di lavoro AI locali) e Controllo dei dati (garanzia della sovranità dei dati e conformità alle normative locali). Paesi come Stati Uniti, Canada, nazioni dell'UE, Cina, India, Corea del Sud, Emirati Arabi Uniti e Brasile hanno tutti annunciato iniziative e strategie AI sovrane.
Secondo il sondaggio, il 41% delle organizzazioni preferisce acquistare soluzioni commerciali pronte all'uso, il 13% costruisce affinando i modelli esistenti e il 46% fa entrambe le cose. Al momento della scelta, considerare: Per le soluzioni dei fornitori - time to market più rapido, costi iniziali inferiori, meno manutenzione, migliore scalabilità, ma rischio di vendor lock-in, sfide di integrazione, personalizzazione limitata e meno controllo sulle funzionalità. Per la costruzione personalizzata - lo strumento migliore per attività specifiche, costi di licenza a lungo termine inferiori, maggiore flessibilità, ma richiede più strumenti, costi di integrazione più elevati e maggiore complessità nella gestione dei fornitori. La best practice consiste nell'adottare un approccio incentrato sulla soluzione che si concentri sul valore aziendale, garantisca l'allineamento con i principi fondamentali dell'AI e pianifichi sempre una strategia di uscita per prevenire il vendor lock-in.
I CIO dovrebbero concentrarsi su cinque aree di azione critiche: 1) Strategia AI - Stabilire principi AI fondamentali che affrontino i rischi e riflettano i principi strategici organizzativi; 2) Applicazioni dei fornitori AI - Adottare un approccio incentrato sulla soluzione utilizzando i framework di selezione del software esistenti che includono l'allineamento dei principi AI fondamentali; 3) AI agentica - Selezionare casi d'uso guidati dal business, comprendere le caratteristiche più adatte per l'AI agentica e includere la supervisione umana per le operazioni ad alto impatto; 4) Gestione del rischio AI - Coltivare una cultura della gestione del rischio educando la forza lavoro e implementando un programma formale di gestione del rischio AI allineato ai processi aziendali; 5) Normative AI - Sviluppare un framework di governance AI adattivo per fornire salvaguardie e autoregolamentarsi indipendentemente dall'ambiente legislativo e garantire che i modelli AI sovrani siano competitivi con i modelli dei fornitori Big Tech.
Create Your Own Slides
Turn your ideas into professional presentations in seconds with 2slides AI.
Fai riferimento a design professionali, scegli il tuo stile e genera slide con rendering del testo perfetto. Alimentato da Nano Banana—inizia a creare la tua presentazione ora.
Il Tuo Agente IA per le slide. Risparmia tempo, brilla più velocemente con la creazione intelligente di presentazioni.
© 2026 2slides. Tutti i diritti riservati.