Nel mondo dell’IT aziendale, specialmente nelle grandi realtà che operano da decenni, l’intelligenza artificiale (AI) viene sempre più spesso presentata come l’innovazione risolutiva, il modo per portare agilità, automazione ed efficienza nei sistemi informatici. Ma c’è un punto di vista sempre più netto che sta emergendo tra i leader del settore, e a esprimerlo con chiarezza è stato Nitin Rakesh, amministratore delegato di Mphasis, una delle principali società globali di servizi IT con sede a Bengaluru, India. Secondo Rakesh, nel contesto delle imprese moderne l’AI non può più essere considerata come una semplice decorazione – una specie di lipstick – da applicare superficialmente ai sistemi IT legacy per renderli più attraenti o apparentemente moderni. Perché se l’AI viene trattata come un semplice abbellimento, allora finirà per riprodurre gli stessi limiti dei sistemi su cui si innesta piuttosto che trasformare veramente il modo in cui le organizzazioni operano.
Per capire fino in fondo questa idea bisogna guardare al modo in cui molte imprese hanno costruito il proprio “core” tecnologico. Per decenni, le grandi organizzazioni hanno aggiunto strati di software sopra sistemi di registro originariamente progettati negli anni ’70 e ’80, spesso in linguaggi e architetture ormai datati. Questi core, pur essendo robusti e affidabili, non sono stati mai sostituiti integralmente: semplicemente si è continuato ad aggiungere software che cerca di aggirare i loro limiti piuttosto che ripensarli. Secondo Rakesh, questo approccio ha portato a un “digital layering” che alla lunga si rivela inefficiente: un modo di modernizzare che non interviene sulle radici, ma si limita a rifinire la superficie. E se l’AI viene inserita in questo contesto come un “trucco” o un’aggiunta estetica che non tocca la struttura portante dei sistemi, allora non farà la differenza reale che le imprese si aspettano.
Il cuore della visione di Rakesh è che l’adozione dell’AI deve andare oltre l’automazione superficiale e diventare parte integrante del modo in cui i sistemi core riescono a estrarre intelligenza dai dati e dai processi legacy. Questo significa ripensare profondamente non solo come l’AI viene usata, ma dove e perché viene integrata nei sistemi aziendali. Rakesh e Mphasis, per esempio, promuovono l’uso della loro piattaforma NeoIP che incorpora AI agentica per operazioni IT e osservabilità: un modo per monitorare e ottimizzare l’infrastruttura con AI che non si limita ad automatizzare compiti preesistenti, ma apprende e ottimizza in tempo reale. La differenza tra questa prospettiva e l’idea di una semplice “AI applicata sopra i vecchi sistemi” è profonda: non si tratta più di fare ciò che già si faceva in modo più veloce, ma di abilitare nuovi modi di interagire con i dati, di anticipare problemi e di prendere decisioni autonome supportate dall’intelligenza artificiale stessa.
Il richiamo del CEO di Mphasis non riguarda solo l’adozione tecnologica fine a se stessa, ma tocca una sfida più ampia che le imprese devono affrontare oggi: le aspettative degli investitori, dei clienti e della forza lavoro. L’AI è ormai un requisito competitivo, non un lusso. Quando viene impiegata soltanto per automatizzare flussi di lavoro esistenti o per ridurre tempi di attività umana, può certamente ottimizzare alcune metriche di performance, ma non cambia radicalmente il modo in cui il business compete in un mercato che premia agilità, insight in tempo reale e capacità predittive. In altre parole, se l’AI serve solo a fare meglio ciò che già si faceva prima, allora non si sta sfruttando appieno il suo potenziale trasformativo.
Questa posizione si inserisce in un più ampio dibattito nel settore tecnologico, dove sempre più leader sostengono che l’AI non sia destinata a sostituire gli esseri umani, ma piuttosto a sostituire coloro che non la usano. Il ruolo dell’AI non è quello di replicare processi legacy, ma di trasformarli. Le organizzazioni che continueranno ad aggiungere strati superficiali di automazione rischiano di restare intrappolate nelle stesse inefficienze che hanno caratterizzato per decenni i sistemi tradizionali, mentre chi riuscirà a integrare l’AI nei processi fondamentali potrà costruire nuove capacità di analisi, adattamento e innovazione. Questo significa ripensare non solo la tecnologia, ma anche la cultura aziendale, i modelli di governance dei dati e le competenze richieste per progettare e gestire sistemi intelligenti.