Governance e Contesto Determinano il Successo dell’Intelligenza Artificiale
Scopri perché i progetti di intelligenza artificiale falliscono senza governance, integrazione nei flussi di lavoro e solide basi di dati, e come i leader del settore pubblico stanno creando sistemi di IA affidabili.
Jonathan Alboum
CTO federale di ServiceNow
Cambiamento degli Strumenti: L’IA potenzia la leadership tecnologica offrendo servizi migliori e scoprendo nuove opportunità di efficienza.
Necessità della Governance: Un’implementazione di successo dell’IA richiede una governance precoce e l’integrazione nei flussi di lavoro per evitare silos e garantire visibilità.
Supervisione Umana: L’IA supporta le decisioni operative, ma la governance critica e le scelte strategiche dipendono dal giudizio umano.
Strategia di Impatto: Una strategia integrata per l’IA è fondamentale per generare vero impatto, evitando iniziative frammentate che rischiano di non essere scalabili.
Qualità dei Dati: La qualità dei dati è la base dell’efficacia dell’IA; conoscenze frammentate o obsolete portano a risultati inaffidabili.
Jonathan Alboum è l'ex CIO dell'USDA e attuale Federal CTO di ServiceNow, che funge da torre di controllo per la trasformazione guidata dall'IA nel settore pubblico.
Abbiamo incontrato Jonathan per scoprire come l’IA stia cambiando la leadership tecnologica nel settore pubblico. Ecco cosa ci ha raccontato.
Nuovi Strumenti Per Una Sfida Antica
Rivesto il ruolo di Federal CTO presso ServiceNow, collaborando con le agenzie federali per offrire flussi di lavoro digitali che migliorano l’esperienza e aumentano la produttività. Nel corso della mia carriera, mi sono sempre concentrato su come sfruttare la tecnologia per responsabilizzare dipendenti e clienti, aiutandoli ad essere più efficaci nel loro lavoro e a fornire servizi di supporto essenziali.
Vuoi di più da The CTO Club?
Crea un account gratuito per completare questo articolo e unirti a una comunità di CTO e leader ingegneristici che condividono framework, strumenti e approfondimenti reali per progettare, implementare e scalare tecnologie guidate dall'IA.
Have an account? Log In
Ho iniziato quel lavoro nel settore pubblico, ricoprendo ruoli di leadership di alto livello, tra cui Deputy CIO e CIO per il Food and Nutrition Service del Dipartimento dell'Agricoltura, e successivamente come CIO dell'intero USDA. Sono stato anche dirigente presso la GSA, dove ho guidato la creazione della sua organizzazione IT consolidata.
Ciò che è cambiato nel tempo è il set di strumenti a disposizione. Oggi, l’IA si basa sulle aspettative fondamentali dell’IT — offrire servizi migliori, esperienze potenziate e un impatto maggiore della missione — aprendo però nuove opportunità di efficienza e trasformazione.
Mi sono concentrato sull’applicazione di questi nuovi strumenti a una sfida familiare: allineare tecnologia, persone e processi per aiutare le agenzie a realizzare la loro missione in modo più efficace.
Un Altro Tipo di Organizzazione Tecnologica
Il nostro team federale in ServiceNow adotta un approccio diverso rispetto a una tipica organizzazione tecnologica. Invece di un gruppo centralizzato di sviluppo prodotto, abbiamo un team di consulenti di soluzione che lavora a stretto contatto con clienti e team di account per offrire risultati su misura.
Si assicurano che le nostre tecnologie e capacità siano ben comprese, progettano soluzioni che funzionano efficacemente all’interno di una specifica agenzia o organizzazione, e collegano sistemi, persone e processi in modo che la piattaforma produca risultati reali.
ServiceNow si pone come torre di controllo per la trasformazione guidata dall’IA nel settore pubblico. Connettiamo sistemi e organizzazioni diversi e sfruttiamo le nostre capacità di piattaforma, inclusa l’IA, per ottenere risultati. Ma ciò funziona solo se si implementa con un’architettura chiara, una governance solida e allineamento con gli obiettivi di missione.
Perché L'IA Guida Le Decisioni Operative, Ma Gli Umani Restano Al Comando
L’IA accelera la comprensione di quello che sta succedendo e di cosa possiamo fare, ma sono le persone a detenere la responsabilità di cosa dovremmo fare — e entro quali limiti.
Utilizziamo l’IA per le decisioni operative quotidiane: instradamento intelligente degli incidenti, individuazione di schemi nei ticket, creazione automatica di articoli di knowledge base e suggerimenti di automazione per il backlog.
Tuttavia, sono gli umani a prendere le decisioni critiche come l’architettura, le revisioni della sicurezza e la governance generale. Queste necessitano di un giudizio sul rischio, impatto sulla missione, conformità e strategia a lungo termine che i modelli non possono cogliere pienamente.
Dunque, l’IA accelera la comprensione di cosa sta succedendo e di cosa possiamo fare, ma sono gli esseri umani a mantenere la responsabilità di cosa dovremmo fare, e con quali limiti.
Come L'IA Migliora La Qualità Dei Servizi
Abbiamo registrato i maggiori benefici in termini di automazione, velocità e qualità del servizio: circa il 90% delle richieste IT nel nostro ambiente “Now on Now” sono gestite in modo autonomo, riducendo i tempi di ciclo e liberando gli ingegneri per attività di maggior valore.
L’IA migliora inoltre la visibilità facendo emergere schemi trasversali ai vari flussi di lavoro.
Perché l’IA fallisce senza governance e contesto organizzativo
L’IA non raggiunge i risultati attesi quando viene implementata a compartimenti stagni. Senza uno strato unificato, le organizzazioni non hanno visibilità su performance, conformità e impatto reale. Le iniziative isolate, soprattutto quelle non collegate in modo end-to-end in tutta l’azienda, raramente creano valore significativo.
L’IA inoltre fatica senza un adeguato contesto organizzativo. Per essere efficace, deve comprendere come avviene il lavoro attraverso sistemi, flussi e dati. Un approccio unificato, dove tutto è visibile da un’unica interfaccia, garantisce questa visibilità, assicura la conformità e, in definitiva, sblocca il pieno potenziale dell’IA.
Anche la governance è fondamentale. Le organizzazioni devono dare priorità alla governance fin dalle prime fasi del loro percorso nell’IA. Non è possibile inserirla successivamente: va integrata sin dal primo giorno, idealmente attraverso una torre di controllo per l’IA per assicurare coerenza, conformità e performance.
Perché l’IA senza flussi di lavoro è solo un consiglio costoso
Ogni CTO dovrebbe sapere che l’IA senza workflow e governance è solo un consiglio costoso.
Il vero valore non deriva dall’aggiungere un modello a margine; deriva dall’integrare l’IA nei flussi di lavoro, dati e controlli che guidano il business o la missione, trattandola come una capacità di piattaforma governata fin dal primo giorno.
Partire da soluzioni puntuali porta a frammentazione, lacune nella sicurezza e nella conformità, e un impatto limitato.
Come un modello agentico consente un’esecuzione autonoma
Un flusso di lavoro ingegneristico basato su IA, costruito su un orchestratore di agenti, può coordinare molteplici agenti per completare compiti complessi in modo end-to-end. Deve seguire il framework "percepire, decidere, agire, proteggere": gli agenti prima percepiscono, acquisendo dati e contesto; poi decidono, applicando modelli e logica; e infine agiscono, eseguendo i compiti tra i sistemi.
Questo modello agentico incorpora sicurezza e governance durante tutto il processo, assicurando conformità, visibilità e controllo ad ogni passaggio, consentendo ai team di passare da attività manuali e frammentate a un’esecuzione autonoma e coordinata.
Come la conoscenza e la qualità dei dati influenzano l’output dell’IA
Non sottovalutare mai l’importanza della base dati, poiché l’efficacia dell’IA dipende direttamente dalla qualità dei dati che utilizza. Senza qualità e visibilità dei dati, i risultati sono incoerenti.
Non sottovalutare mai l'importanza della base dati, poiché l’efficacia dell’IA dipende direttamente dalla qualità dei dati che utilizza. Senza qualità e visibilità dei dati, i risultati sono incoerenti.
Gli agenti IA generano risultati inaffidabili quando la conoscenza è frammentata o non aggiornata, poiché si basano su dati accessibili e accurati. Centralizzare e governare la conoscenza — utilizzando l’IA per evidenziare lacune e contenuti obsoleti — crea una base più solida per risultati costanti e di alta qualità.
Questo è particolarmente vero nel settore pubblico, dove il sapere spesso risiede in sistemi legacy, competenze istituzionali e documentazione incompleta. In un contesto guidato dall’IA, gli agenti sono tanto efficaci quanto la conoscenza a cui possono accedere.
Lo affronto integrando l’IA all’interno di un tessuto dati di workflow unificato, permettendo agli agenti di attingere a informazioni affidabili e aggiornate e fornire risultati più precisi e coerenti.
Perché un vero impatto richiede una strategia integrata per l’IA
Quindi, il mio consiglio ai leader tecnologici è di concentrarsi sulla costruzione di un sistema operativo per l'impresa agentica integrando l'IA nelle operazioni fondamentali invece di aggiungerla come un accessorio. Questo richiede un approccio di piattaforma unificata tra dati, sicurezza e identità, integrando la governance fin dal primo giorno.
Sforzi isolati sull'IA non saranno scalabili; il vero impatto deriva da una strategia integrata end-to-end.
Questo significa anche puntare su forti partnership nell’ecosistema e creare un accesso unificato — come MoveWorks — per rendere l’interazione con l’IA più intuitiva.
Se implementata in modo olistico, le organizzazioni possono ridurre il rischio, mantenere la fiducia e scalare il valore in tutta l'impresa.
Segui
Puoi seguire il lavoro di Jonathan su LinkedIn.
Nuove interviste agli esperti in arrivo su The CTO Club!
