La verità che nessuno nel boardroom ama sentirsi dire è che la maggior parte dei programmi GenAI aziendali non fallisce per colpa del modello. Il colpevole è quasi sempre la piattaforma, un gigante di silicio che dovrebbe sostenere la trasformazione e invece la rallenta con una complessità che ricorda le infrastrutture legacy degli anni in cui ci si preoccupava ancora dei floppy disk. La ricerca di McKinsey & Company, che ha passato al setaccio oltre centocinquanta deployment enterprise, ha messo in luce un filo conduttore che suona tanto ovvio quanto imbarazzante per molti CIO. Le soluzioni puntuali non scalano. La fantasia del progetto isolato che diventa un caso di successo da presentare al prossimo consiglio di amministrazione evapora quando la realtà del day two arriva a bussare alla porta, chiedendo controlli, governance, compliance e performance. L’unica vera via di fuga, secondo l’analisi, risiede in un’architettura aperta, modulare, riusabile e immune alle logiche di vendor lock in, un tema che pochi ammettono ma quasi tutti temono.
La keyword centrale di questa riflessione è architettura modulare GenAI, accompagnata da due concetti che ne determinano il destino: open architecture e governance automatizzata. Il risultato di questa combinazione produce una potenza operativa che non si può improvvisare. La promessa seducente della GenAI richiede molto più di un modello potente. Richiede un ecosistema capace di sostenere velocità, controllo e un riuso intelligente dei componenti, esattamente come un’azienda abituata a scalare dovrebbe già sapere di dover fare. Le organizzazioni che hanno ottenuto risultati tangibili non hanno costruito una cattedrale monolitica di codice e policy, ma una struttura disordinata solo in apparenza, con una logica interna precisa, quasi geometrica, e sorprendentemente elegante.
La prima tessera di questo mosaico è il self service portal, un oggetto tanto banale da essere stato a lungo sottovalutato. Una finestra unica e sicura da cui i team possono lanciare, monitorare e governare le proprie applicazioni GenAI non è un capriccio, ma una necessità che permette di evitare quella giungla di strumenti paralleli che finisce per far perdere più tempo di quanto non ne faccia guadagnare. Le aziende che hanno capito il valore di questo approccio hanno creato pattern preapprovati, librerie condivise e capacità validate per impedire ai team di reinventare la ruota ogni volta, un’abitudine che nella tecnologia aziendale sembra difficile da abbandonare. Le società che hanno abbracciato questa disciplina hanno scoperto di poter accelerare lo sviluppo mantenendo un controllo rigoroso sui costi, una combinazione rara e quasi magica in un panorama dominato da hype e improvvisazione.
La seconda componente è un’architettura davvero aperta, non quella pseudo flessibile che molti vendor tentano di vendere impacchettandola come interoperabile. Qui parliamo di servizi modulari, riusabili e realmente agnostici rispetto al provider, dove funzioni come RAG, chunking o prompt routing diventano asset condivisi, non soluzioni artigianali costruite per una singola app e destinate a rompersi alla prima evoluzione. L’infrastruttura e le policy diventano codice, uno strumento vivo che cambia al ritmo del business e non un documento statico che nessuno aggiorna finché non arriva l’audit. Una curiosità che emerge dalle analisi di McKinsey riguarda la velocità con cui le aziende più mature in questa direzione riescono a cambiare modello senza alterare l’esperienza utente, un’abilità che riduce al minimo l’impatto tecnico e massimizza la libertà di sperimentare.
La terza dimensione è la governance automatizzata, quella che confina definitivamente la tentazione del fai da te in un angolo remoto della memoria aziendale. Ogni prompt e ogni risposta vengono registrati, controllati e attribuiti. Ogni rischio di allucinazione viene intercettato da sistemi attivi e non da fogli Excel pieni di check manuali. I filtri PII non sono suggerimenti, ma barriere invalicabili. La bias audit non è un’attività periodica, ma un processo continuo. I modelli sono accessibili solo tramite un gateway centrale, una scelta che suona quasi autoritaria ma che è l’unica in grado di garantire che l’intelligenza artificiale rimanga uno strumento operativo e non una miniera pronta a esplodere al primo uso improprio. Molte aziende scoprono troppo tardi che la mancanza di governance non genera creatività, ma caos. McKinsey, con la sua solita compostezza consulenziale, ha semplicemente quantificato ciò che molti CTO vivono ogni giorno.
La quarta colonna portante è la full stack observability, una disciplina che in teoria tutti comprendono, ma che in pratica pochi riescono a implementare seriamente. Un logging centralizzato e una telemetria che copra modelli, infrastrutture e applicazioni non è un lusso, è l’unica rete di sicurezza possibile in un contesto che si evolve a una velocità superiore a qualsiasi altra tecnologia precedente. La maturità di una piattaforma GenAI si riconosce non dalla bellezza delle sue interfacce, ma dalla granularità di ciò che riesce a osservare. Senza una visibilità completa diventa impossibile mantenere quel delicato equilibrio tra FinOps, sicurezza e rapidità che definisce l’efficacia del programma. Molti dimenticano che un sistema senza osservabilità è un sistema che opera alla cieca. E nelle aziende, come nel volo, la cecità non è una strategia.
La quinta e ultima componente è quella più vicina al business, le production grade use cases. Si tratta di casi d’uso che non si limitano a funzionare, ma sono progettati come prodotti. Separano l’interfaccia utente dalla logica di business, integrano agenti, prompt avanzati e API modello con un rigore quasi ingegneristico e soprattutto incorporano guardrail, feedback e osservabilità nella struttura stessa. Sono soluzioni che non devono essere reinventate ogni volta, ma replicate, adattate e migliorate nel tempo. È l’essenza stessa della scalabilità. Una piattaforma che non riesce a generare casi d’uso riproducibili è come una fabbrica senza catena di montaggio. Può produrre qualcosa di interessante, ma non potrà mai competere davvero.
La sintesi implicita dello studio di McKinsey suona quasi provocatoria nella sua semplicità. Se il tuo programma GenAI è bloccato, smetti di guardare il modello e guarda la piattaforma. Le aziende che stanno vincendo questa corsa non stanno investendo solo nei modelli più avanzati, stanno costruendo sistemi che possono sopravvivere alla prossima generazione tecnologica senza essere riscritti da zero. È un approccio che richiede disciplina, visione e una buona dose di umiltà, un tratto non sempre comune nei dipartimenti IT abituati a celebrare progetti brillanti ma isolati. La vera rivoluzione GenAI non vive in un modello da trecento miliardi di parametri, vive in un’architettura capace di farlo lavorare con dignità, continuità e velocità. E come ogni consulente con un pizzico di ironia direbbe, la tecnologia cambia, la strategia resta.
Overcoming two issues that are sinking gen AI programs — McKinsey, in cui si parla dell’analisi su oltre 150 programmi GenAI e delle strategie per evitare che falliscano. McKinsey & Company+1
From promising to productive: Real results from gen AI in services — McKinsey su come scala GenAI nei reparti operativi. McKinsey & Company