Al Think di IBM di maggio 2026, il CEO Arvind Krishna ha pronunciato il riassunto più nitido del momento AI enterprise:
"Le aziende che stanno avanzando non stanno distribuendo più AI — stanno riprogettando come opera il loro business."
I numeri dietro quell'affermazione meritano attenzione. Secondo la ricerca IBM presentata al Think 2026, solo il 25% delle iniziative AI enterprise produce il ROI atteso. Solo il 16% ha scalato oltre un singolo dipartimento o caso d'uso.
Quel divario — tra implementazione e valore — è la domanda di business definitiva di questo momento.
Cosa ha annunciato IBM, e cosa rivela
Al Think 2026, IBM ha presentato quello che chiama l'AI Operating Model: un framework costruito su quattro sistemi integrati — agenti che eseguono autonomamente attraverso il business, dati in tempo reale che danno a ogni team una visione condivisa delle operazioni, automazione end-to-end e infrastruttura di governance che mantiene sovranità e accountability su scala.
L'architettura che IBM ha descritto è significativa per quello che nomina prima: i dati. Dati in tempo reale, connessi, con visione condivisa — prima degli agenti, prima dell'automazione, prima di qualsiasi capacità che genera titoli.
La sequenza conta. Gli agenti eseguono sui dati. Quando quei dati sono aggiornati, unificati e affidabili, gli agenti agiscono con fiducia. Quando sono frammentati tra sistemi che si aggiornano con cadenze diverse, l'agente produce output su cui nessun executive agisce.
IBM watsonx Orchestrate, IBM Confluent per i dati in tempo reale, IBM Concert per le operazioni intelligenti — questi sono i componenti di un operating model che tratta la data governance come il muro portante, non come il tocco finale.
Cosa ha costruito prima il 25% che consegna ROI
Le aziende che producono ritorni misurabili dall'AI condividono una base comune. Hanno investito nell'infrastruttura dei dati operativi prima che iniziasse la conversazione sugli agenti. Hanno unificato la versione della verità attraverso ERP, CRM, interfacce bancarie e sistemi operativi. Hanno costruito modelli di dati che riflettono come il business opera realmente — attraverso filiali, valute e linee di prodotto — piuttosto che come era strutturato per il reporting legacy.
Quella base, costruita per il processo decisionale umano, si rivela essere esattamente ciò di cui l'AI autonoma ha bisogno per operare su scala.
Il CFO che oggi chiede a un agente AI di analizzare il capitale circolante su 14 entità legali e riceve una risposta affidabile e verificabile in minuti — quell'executive ha costruito qualcosa anni fa. La risposta arriva veloce perché la domanda può essere formulata in modo pulito. I dati ci sono, aggiornati e affidabili.
La domanda sull'operating model
Il framework IBM Think 2026 nomina il nuovo standard per l'AI enterprise. Le organizzazioni che lo raggiungono stanno accelerando. Ogni capacità che valutano arriva a una base pronta per essa. Ogni workflow autonomo che distribuiscono gira su dati di cui la loro leadership si fida.
La domanda davanti a ogni executive team oggi non è quale piattaforma AI scegliere. È se i dati operativi nell'organizzazione soddisfano lo standard che un AI operating model richiede. Quello standard è preciso: tempo reale, unificato tra sistemi, verificabile, strutturato per decisioni piuttosto che per registrazioni.
Il 25% delle aziende che consegna ROI dall'AI ha risposto a quella domanda prima di acquistare un modello. Il percorso per unirsi a loro passa attraverso l'infrastruttura operativa, non attraverso il catalogo dei modelli.
Fonti: IBM Think 2026 comunicato stampa · IBM annunci al Think 2026