Governo 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 costruendo sistemi di IA affidabili.
Jonathan Alboum
CTO federale di ServiceNow
Cambio di Strumenti: L’IA migliora la leadership tecnologica offrendo servizi migliori e individuando nuove opportunità di efficienza.
Necessità di Governance: L’implementazione efficace dell’IA richiede una governance precoce e un’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 di IA è essenziale per ottenere un reale impatto, evitando sforzi frammentati che potrebbero non essere scalabili.
Qualità dei Dati: La qualità dei dati è alla base dell’efficacia dell’IA; conoscenze frammentate o obsolete portano a risultati inaffidabili.
Jonathan Alboum è l’ex CIO dell’USDA e attuale CTO Federale di ServiceNow, che agisce come una torre di controllo per la trasformazione guidata dall’IA nel settore pubblico.
Ci siamo seduti con Jonathan per scoprire come l’IA sta cambiando la leadership tecnologica nel settore pubblico. Ecco cosa ci ha raccontato.
Nuovi strumenti per una vecchia sfida
Sono CTO Federale presso ServiceNow, dove collaboro con le agenzie federali per realizzare flussi di lavoro digitali che migliorano le esperienze e sbloccano la produttività. Durante tutta la mia carriera, mi sono costantemente concentrato su come sfruttare la tecnologia per responsabilizzare dipendenti e clienti, aiutandoli a essere più efficaci nel loro lavoro e ad offrire 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 questo lavoro nel settore pubblico, ricoprendo ruoli di leadership di alto livello, tra cui Deputy CIO e CIO del 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.
La differenza oggi è rappresentata dal kit di strumenti. Oggi l’IA si basa sulle aspettative fondamentali dell’IT — offrire servizi migliori, esperienze migliorate e un maggior impatto sulla missione — aprendo allo stesso tempo 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 raggiungere le loro missioni in modo più efficace.
Un diverso tipo di organizzazione tecnologica
Il nostro team federale in ServiceNow adotta un approccio diverso rispetto a una tradizionale organizzazione tecnologica. Invece di un gruppo centralizzato di sviluppo prodotto, abbiamo un team di solution consultant che lavora a stretto contatto con i clienti e i team 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 particolare agenzia o organizzazione, e collegano sistemi, persone e processi affinché la piattaforma generi risultati concreti.
ServiceNow funge da torre di controllo per la trasformazione guidata dall’IA nel settore pubblico. Colleghiamo sistemi e organizzazioni eterogenei, e utilizziamo le nostre capacità di piattaforma, inclusa l’IA, per generare risultati. Tuttavia, questo funziona solo se si implementa con un’architettura chiara, governance solida e in linea con gli obiettivi della missione.
Perché l’IA informa le decisioni operative, ma la guida resta umana
L’IA accelera la comprensione di ciò che sta accadendo e di ciò che possiamo fare, ma sono gli esseri umani a mantenere la responsabilità su cosa dovremmo fare — e con quali limiti.
Usiamo l’IA per le decisioni operative quotidiane: indirizzamento intelligente degli incidenti, individuazione di pattern nei ticket, generazione automatica di articoli informativi e suggerimenti per automatizzare i backlog.
Tuttavia, decisioni critiche come l’architettura, i controlli di sicurezza e la governance complessiva restano guidate dagli esseri umani. Queste richiedono giudizi su rischio, impatto sulla missione, conformità e strategia a lungo termine che i modelli non possono racchiudere completamente.
Quindi, l’IA accelera la comprensione di cosa sta succedendo e di cosa possiamo fare, ma gli esseri umani mantengono la responsabilità su cosa dovremmo fare e con quali limiti.
Come l’IA migliora la qualità del servizio
Abbiamo visto i maggiori benefici in termini di automazione, velocità e qualità del servizio — circa il 90% delle richieste IT nel nostro ambiente “Now on Now” vengono gestite autonomamente, riducendo i tempi di esecuzione e liberando gli ingegneri per attività a maggior valore.
L’IA migliora anche la visibilità individuando pattern tra i flussi di lavoro.
Perché l’IA fallisce senza governance e contesto organizzativo
L’IA non raggiunge i risultati attesi quando viene implementata in compartimenti stagni. Senza uno strato unificante, le organizzazioni non hanno visibilità sulle prestazioni, la conformità e il reale impatto. Le iniziative isolate, specialmente quelle non collegate end-to-end nell’intera azienda, raramente creano valore significativo.
L’IA fa inoltre fatica senza un adeguato contesto organizzativo. Per essere efficace, deve comprendere come avviene il lavoro tra sistemi, flussi e dati. Un approccio unificato, con una visione centralizzata, offre quella visibilità, garantisce la conformità e, in definitiva, sblocca tutto il potenziale dell’IA.
L’IA non porta risultati neanche in assenza di una governance adeguata. Le organizzazioni devono dare priorità alla governance sin dall’inizio del percorso verso l’IA. Non è possibile aggiungerla successivamente, quindi va integrata fin dal primo giorno, idealmente tramite una control tower per l’IA per assicurare coerenza, conformità e prestazioni.
Perché l’IA senza workflow è solo un consiglio costoso
Ogni CTO dovrebbe capire che l’IA senza workflow e governance è solo un consiglio costoso.
Il vero valore non deriva dall’aggiungere un modello a margine; si ottiene integrando l’IA nei workflow, nei dati e nei controlli che governano il proprio business o missione, trattandola come una capacità di piattaforma regolamentata fin dall’inizio.
Partire da soluzioni puntuali porta a frammentazione, lacune nella sicurezza e nella conformità, e un impatto limitato.
Come uno schema agentico consente l’esecuzione autonoma
Un workflow ingegneristico potenziato dall’IA, costruito su un orchestratore di agenti, può coordinare più agenti per completare attività complesse end-to-end. Dovrebbe basarsi su un modello “percepire, decidere, agire, proteggere”: gli agenti percepiscono, acquisendo dati e contesto; poi decidono, applicando modelli e logica; infine agiscono, eseguendo attività tra sistemi.
Questo schema agentico integra sicurezza e governance durante tutto il processo, assicurando conformità, visibilità e controllo a ogni passaggio, consentendo ai team di passare da lavori manuali e frammentati a un’esecuzione autonoma e coordinata.
Come conoscenza e qualità dei dati influenzano i risultati dell’IA
Non sottovalutare mai l’importanza delle fondamenta dei dati, poiché l’efficacia dell’IA dipende direttamente dalla qualità dei dati utilizzati. Senza qualità e visibilità dei dati solide, i risultati saranno incoerenti.
Non sottovalutare mai l’importanza delle fondamenta dei dati, poiché l’efficacia dell’IA dipende direttamente dalla qualità dei dati utilizzati. Senza qualità e visibilità dei dati solide, i risultati saranno incoerenti.
Gli agenti IA producono risultati inaffidabili quando la conoscenza è frammentata o obsoleta, poiché dipendono da dati accurati e accessibili. Centralizzare e governare la conoscenza — usando l’IA per rilevare lacune e contenuti obsoleti — crea una base più solida per risultati uniformi e di alta qualità.
Questo è particolarmente vero nel settore pubblico, dove la conoscenza spesso risiede su sistemi legacy, expertise istituzionali e documentazione incompleta. In un ambiente guidato dall’IA, gli agenti sono efficaci solo quanto la conoscenza a cui hanno accesso.
Affronto questo incorporando l’IA in un tessuto dati di workflow unificato, permettendo agli agenti di accedere a informazioni affidabili e aggiornate, offrendo risultati più precisi e coerenti.
Perché un impatto reale richiede una strategia IA integrata
Quindi, il mio consiglio ai leader tecnici è di concentrarsi sulla costruzione di un sistema operativo per l'impresa agentica, integrando l’IA nelle operazioni principali invece di aggiungerla come un semplice accessorio. Questo richiede un approccio di piattaforma unificata tra dati, sicurezza e identità, integrando la governance sin dal primo giorno.
Sforzi di IA isolati non avranno una crescita scalabile; il vero impatto deriva da una strategia integrata end-to-end.
Questo significa anche rafforzare le partnership nell’ecosistema e creare una porta d’ingresso unificata — come MoveWorks — per rendere l’interazione con l’IA più intuitiva.
Se implementata in modo olistico, le organizzazioni possono ridurre i rischi, mantenere la fiducia e scalare il valore in tutta l’azienda.
Segui gli Aggiornamenti
Puoi seguire il lavoro di Jonathan su LinkedIn.
In arrivo altre interviste con esperti su The CTO Club!
