1. AI readiness assessment: cos'è in breve
Un AI readiness assessment è la valutazione strutturata del grado di preparazione di un'organizzazione ad adottare l'intelligenza artificiale su dati, tecnologia, competenze, governance e processi. Serve a capire cosa è pronto per la produzione e cosa va sistemato prima di investire. È il passo che separa i progetti che restano operativi per anni da quelli abbandonati dopo il pilota.
2. In sintesi
- Nel 2024 il 65% delle organizzazioni usa regolarmente la GenAI in almeno una funzione, quasi il doppio rispetto a dieci mesi prima (McKinsey Global Survey on AI, 2024).
- Il 63% delle organizzazioni non ha pratiche di data management adeguate per l'AI, o non sa se lo siano (Gartner, febbraio 2025).
- Gartner prevede che entro il 2026 le organizzazioni abbandoneranno il 60% dei progetti AI a causa di dati inadeguati (Gartner, febbraio 2025).
- Il 45% dei leader in organizzazioni ad alta maturità AI tiene i progetti in produzione per almeno tre anni; le più mature ottengono punteggi 4,2-4,5 su 5, le meno mature 1,6-2,2 (Gartner, giugno 2025).
- L'AI Act (Reg. UE 2024/1689) è in vigore dal 1 agosto 2024, con sanzioni fino a 35 milioni di euro o il 7% del fatturato mondiale annuo (art. 99).
3. Cos'è un AI readiness assessment
Un AI readiness assessment è un'analisi che misura quanto un'organizzazione è pronta a integrare l'intelligenza artificiale in modo sostenibile. Non guarda solo alla tecnologia. Fotografa dati, infrastruttura, competenze delle persone, processi decisionali e presidio normativo, poi restituisce un punteggio di maturità e una lista di priorità. È il documento su cui costruire una roadmap di adozione.
La differenza rispetto a un semplice audit tecnico sta nell'ampiezza. Un'azienda può avere ottimi data scientist e cloud performante, ma processi che non prevedono un punto in cui l'output del modello viene usato per decidere. Oppure dati abbondanti ma non governati, con owner poco chiari e qualità non misurata. L'assessment mette in fila questi elementi e li traduce in numeri comparabili nel tempo.
Il tema è tutt'altro che teorico. Secondo la McKinsey Global Survey on AI del 2024, il 72% delle aziende usa l'AI in almeno un'area operativa e il 65% ricorre regolarmente alla GenAI in almeno una funzione, quasi il doppio rispetto a dieci mesi prima. L'adozione corre, ma la preparazione strutturale non tiene sempre lo stesso passo, ed è qui che nasce la maggior parte dei progetti che si fermano al proof of concept.
4. Perché farlo prima di investire in AI
Perché la causa più frequente di fallimento dei progetti AI non è il modello, ma i dati. Gartner stima che il 63% delle organizzazioni non abbia pratiche di data management adeguate all'AI, o non sappia se le proprie lo siano. Un assessment iniziale intercetta questa lacuna prima che diventi un investimento sprecato.
La previsione più netta arriva sempre da Gartner: entro il 2026 le organizzazioni abbandoneranno il 60% dei progetti AI proprio a causa di dati non pronti. Tradotto: più della metà delle iniziative rischia di non arrivare in produzione, o di uscirne rapidamente, per un problema che un assessment fatto bene rileva nelle prime settimane.
L'altra faccia della medaglia è la continuità. Un'indagine Gartner di giugno 2025 mostra che il 45% dei leader nelle organizzazioni ad alta maturità AI mantiene i propri progetti operativi per almeno tre anni. Le organizzazioni ad alta maturità ottengono punteggi medi tra 4,2 e 4,5 su una scala da 1 a 5, contro l'1,6-2,2 di quelle a bassa maturità. La maturità non è un'etichetta: è correlata alla durata e quindi al ritorno degli investimenti.
Ci sono tre ragioni operative per anticipare l'assessment rispetto alla scelta della tecnologia:
- Evitare investimenti a vuoto. Comprare licenze o costruire agenti su dati non governati significa moltiplicare i costi di manutenzione senza risultati stabili.
- Definire priorità difendibili. Un punteggio per dimensione dice dove intervenire prima e permette di giustificare il budget davanti al board con numeri, non impressioni.
- Ridurre il rischio normativo. L'assessment mappa quali sistemi ricadono negli obblighi dell'AI Act e quali no, prima che diventino esposizioni sanzionabili.
5. Dove si vede la differenza
Nell'esperienza sul campo di Yellow Tech, che ha portato oltre 300 agenti AI in produzione e lavorato con più di 500 organizzazioni (dati Yellow Tech), la differenza tra un progetto che dura e uno che si spegne dopo il pilota si vede quasi sempre in fase di assessment, sulla qualità dei dati e sulla chiarezza dei processi che li usano.
6. Le 5 aree da valutare in un AI readiness assessment
Un assessment completo copre cinque aree. Ognuna riceve un punteggio, di norma su scala 1-5 coerente con i modelli di maturità usati da Gartner, così da rendere confrontabili i progressi. Ecco le dimensioni che non possono mancare e cosa si osserva in ciascuna.
- Dati. Disponibilità, qualità, governance, accessibilità e proprietà. È l'area più critica: è qui che si concentra il 60% dei progetti a rischio secondo Gartner. Si verifica se i dati sono etichettati, aggiornati, integrati tra i sistemi e se esistono owner responsabili.
- Tecnologia e infrastruttura. Cloud, capacità di calcolo, integrazione tra applicativi, sicurezza e capacità di mettere modelli in produzione (MLOps). Un pilota su laptop non dice nulla sulla scalabilità.
- Competenze e persone. Presenza di ruoli tecnici, ma soprattutto alfabetizzazione AI diffusa tra chi userà gli strumenti. L'AI literacy non è un optional: dal 2 febbraio 2025 è un obbligo di legge sotto l'AI Act.
- Governance e compliance. Policy interne sull'uso dell'AI, gestione del rischio, mappatura dei sistemi rispetto all'AI Act, ruoli decisionali e presidio etico.
- Processi e strategia. Allineamento tra casi d'uso e obiettivi di business, sponsorship del management, metriche di successo definite prima dell'avvio. Senza un punto di adozione nel processo, il miglior modello resta inutilizzato.
7. Come leggere i punteggi di maturità
La tabella seguente aiuta a leggere i punteggi. Riprende la logica dei modelli di maturità Gartner, che associano i punteggi più alti alle organizzazioni capaci di tenere i progetti in produzione nel tempo.
| Livello di maturità | Punteggio (1-5) | Caratteristiche tipiche | Cosa succede ai progetti |
|---|---|---|---|
| Bassa maturità | 1,6 - 2,2 | Iniziative sperimentali isolate, dati non governati, nessuna policy AI | Restano al pilota o vengono abbandonati |
| Maturità intermedia | 2,3 - 4,1 | Alcuni casi d'uso in produzione, governance in costruzione, competenze in crescita | Risultati discontinui, dipendenti da singoli progetti |
| Alta maturità | 4,2 - 4,5 | Dati pronti, MLOps, AI literacy diffusa, governance strutturata | Nel 45% dei casi restano operativi almeno tre anni |
8. Il primo output tangibile
Fonte dei punteggi e della soglia dei tre anni: Gartner, giugno 2025. Collocare l'organizzazione lungo questa scala è il primo output tangibile di un assessment.
9. Come si svolge un AI readiness assessment: le fasi
Un assessment ben condotto dura in genere poche settimane e segue quattro fasi: raccolta delle informazioni, valutazione per dimensione, restituzione del punteggio e definizione della roadmap. L'obiettivo non è produrre un report da archiviare, ma una lista di azioni prioritarie con impatto e sforzo stimati.
Le fasi tipiche sono queste:
- Scoping e interviste. Si individuano le funzioni coinvolte e gli sponsor, si raccolgono documenti su dati, sistemi e policy. Vengono intervistati referenti IT, data owner e responsabili di business.
- Analisi dei dati e dei sistemi. Si verifica lo stato reale, non quello dichiarato: qualità dei dataset, integrazioni, sicurezza, capacità di deployment. È la fase che più spesso ridimensiona le aspettative.
- Scoring per dimensione. Ogni area riceve un punteggio 1-5. Il quadro complessivo colloca l'organizzazione nella scala di maturità e rende visibili gli squilibri, ad esempio ottime competenze ma dati deboli.
- Roadmap e casi d'uso prioritari. Si selezionano due o tre casi d'uso con rapporto valore/fattibilità migliore e si definisce un piano con tappe, responsabilità e metriche.
10. Gli errori da evitare nella conduzione
Un errore ricorrente è saltare la fase di scoring e passare direttamente ai tool. Senza una baseline numerica non c'è modo di dimostrare i progressi né di stabilire quando un'area è pronta. Un altro errore è concentrare l'assessment solo sull'IT, lasciando fuori i processi di business: è lì che il modello viene poi usato o ignorato.
Sul fronte competenze, l'assessment deve misurare l'AI literacy reale delle persone, non solo la presenza di specialisti. Yellow Tech ha formato oltre 20.000 persone e conta più di 200 formatori certificati AIFIA (dati Yellow Tech): l'esperienza mostra che la readiness organizzativa cresce quando l'alfabetizzazione arriva anche a chi non lavora nei team tecnici, perché sono loro a decidere se lo strumento entra davvero nel processo.
11. AI readiness e AI Act: la dimensione compliance
La conformità all'AI Act è parte integrante di un assessment, non un capitolo separato. Il Regolamento UE 2024/1689 è in vigore dal 1 agosto 2024 e prevede sanzioni fino a 35 milioni di euro o il 7% del fatturato mondiale annuo. Mappare i sistemi AI rispetto alle categorie di rischio è oggi una voce obbligata della valutazione, soprattutto per le organizzazioni grandi e strutturate.
Le scadenze da tenere presenti in un assessment, secondo il calendario di applicazione:
- 1 agosto 2024: entrata in vigore del Regolamento.
- 2 febbraio 2025: si applicano i divieti sulle pratiche vietate e l'obbligo di AI literacy. Ogni organizzazione deve garantire un livello adeguato di competenza AI a chi sviluppa e usa questi sistemi.
- 2 agosto 2025: scattano gli obblighi per i modelli di AI per finalità generali (GPAI) e gli Stati membri designano le autorità nazionali competenti.
- 2 dicembre 2027: nuova scadenza per gli obblighi sui sistemi ad alto rischio dell'Allegato III (incluso il recruiting), rinviata dal pacchetto Digital Omnibus votato dal Parlamento Europeo il 16 giugno 2026 e adottato definitivamente dal Consiglio il 29 giugno 2026. La scadenza originaria del 2 agosto 2026 non è più valida.
- 2 agosto 2028: obblighi per i sistemi ad alto rischio integrati in prodotti già regolamentati.
12. Le tre fasce sanzionatorie
L'art. 99 del Regolamento definisce tre fasce sanzionatorie, un dato utile per pesare il rischio compliance nell'assessment:
| Tipo di violazione | Sanzione massima |
|---|---|
| Pratiche vietate (art. 5, rischio inaccettabile) | 35 mln € o 7% del fatturato mondiale annuo |
| Altre violazioni delle disposizioni del regolamento | 15 mln € o 3% del fatturato mondiale annuo |
| Informazioni inesatte fornite alle autorità | 7,5 mln € o 1% del fatturato mondiale annuo |
13. Le due domande a cui l'assessment risponde
Fonte: art. 99, Regolamento UE 2024/1689. In pratica, un buon assessment risponde già a due domande: quali dei nostri sistemi rientrano tra le pratiche vietate o ad alto rischio, e disponiamo dell'AI literacy richiesta dal 2 febbraio 2025? Chi non lo verifica ora rischia di scoprire l'esposizione quando è troppo tardi per rimediare senza costi.
14. Come scegliere l'approccio giusto all'assessment
Esistono tre modi di condurre un AI readiness assessment: self-assessment interno, framework standard di mercato, consulenza esterna specializzata. La scelta dipende dalla dimensione dell'organizzazione, dalla presenza di competenze interne e da quanto è alta la posta, in termini sia di investimento sia di rischio normativo.
| Approccio | Punti di forza | Limiti | Adatto a |
|---|---|---|---|
| Self-assessment interno | Rapido, economico, buona conoscenza del contesto | Rischio di autovalutazione ottimistica, poca comparabilità | Prima fotografia, aziende con team dati maturo |
| Framework standard | Metodo strutturato, punteggi comparabili nel tempo | Richiede competenze per applicarlo, poco calato sul settore | Organizzazioni che vogliono misurare i progressi |
| Consulenza esterna | Sguardo indipendente, benchmark di settore, roadmap operativa | Costo, va scelto un partner con casi reali | Grandi organizzazioni con investimenti e rischio compliance rilevanti |
15. Combinare gli approcci
Molte organizzazioni combinano gli approcci: partono da un self-assessment per orientarsi, poi coinvolgono un partner esterno per la valutazione approfondita di dati e compliance, dove l'occhio indipendente conta di più. Quando si valuta un consulente, il criterio più affidabile non sono le slide ma i progetti effettivamente portati in produzione e la capacità di collegare l'assessment a una roadmap eseguibile.
16. Da dove iniziare
Un AI readiness assessment è il modo più razionale per non finire nel 60% di progetti che Gartner prevede verranno abbandonati entro il 2026. Yellow Tech affianca le organizzazioni nella valutazione di dati, competenze e conformità all'AI Act, con l'esperienza di oltre 500 organizzazioni seguite e più di 300 agenti AI in produzione (dati Yellow Tech). Per capire da dove partire nel vostro contesto, richiedi una consulenza e definiamo insieme la baseline e le priorità.
Domande frequenti
Cos'è un AI readiness assessment?+
È la valutazione strutturata del grado di preparazione di un'organizzazione ad adottare l'intelligenza artificiale, misurata su dati, tecnologia, competenze, governance e processi. Restituisce un punteggio di maturità e una lista di priorità. Serve a decidere dove investire prima di comprare tecnologia.
Perché così tanti progetti AI falliscono?+
La causa principale sono i dati non pronti. Gartner prevede che entro il 2026 le organizzazioni abbandoneranno il 60% dei progetti AI proprio per l'inadeguatezza dei dati, e stima che il 63% delle organizzazioni non abbia pratiche di data management adeguate all'AI (Gartner, febbraio 2025).
Quanto dura un AI readiness assessment?+
In genere poche settimane, a seconda dell'ampiezza dell'organizzazione e del numero di sistemi da analizzare. Le fasi tipiche sono quattro: scoping e interviste, analisi di dati e sistemi, scoring per dimensione, definizione della roadmap con i casi d'uso prioritari.
Quali aree analizza un AI readiness assessment?+
Cinque: dati, tecnologia e infrastruttura, competenze e persone, governance e compliance, processi e strategia. Ogni area riceve un punteggio, di norma su scala 1-5, per rendere confrontabili i progressi nel tempo e individuare gli squilibri.
Cosa significa alta maturità AI?+
Un'organizzazione ad alta maturità ha dati pronti, capacità di mettere modelli in produzione, AI literacy diffusa e governance strutturata. Secondo Gartner (giugno 2025) queste realtà ottengono punteggi medi 4,2-4,5 su 5 e nel 45% dei casi mantengono i progetti operativi per almeno tre anni.
Un AI readiness assessment serve anche per l'AI Act?+
Sì. L'assessment mappa quali sistemi ricadono negli obblighi del Regolamento UE 2024/1689, in vigore dal 1 agosto 2024, e verifica il rispetto dell'obbligo di AI literacy applicabile dal 2 febbraio 2025. Le sanzioni arrivano a 35 milioni di euro o al 7% del fatturato mondiale annuo (art. 99).
Quanti sistemi rientrano tra le pratiche vietate dall'AI Act?+
Il Regolamento vieta le pratiche a rischio inaccettabile elencate all'art. 5, applicabili dal 2 febbraio 2025. La loro violazione comporta la sanzione più alta: fino a 35 milioni di euro o il 7% del fatturato mondiale annuo. Un assessment le identifica per prime.
Quando scattano gli obblighi per i sistemi ad alto rischio?+
Gli obblighi per i sistemi ad alto rischio dell'Allegato III, incluso il recruiting, sono stati rinviati al 2 dicembre 2027 dal pacchetto Digital Omnibus votato dal Parlamento Europeo il 16 giugno 2026 e adottato definitivamente dal Consiglio il 29 giugno 2026. La precedente scadenza del 2 agosto 2026 non è più valida.
Quanto è diffusa l'adozione dell'AI nelle aziende?+
Nel 2024 il 72% delle aziende usa l'AI in almeno un'area operativa e il 65% ricorre regolarmente alla GenAI in almeno una funzione, quasi il doppio rispetto a dieci mesi prima (McKinsey Global Survey on AI, 2024). L'adozione cresce più velocemente della preparazione.
Meglio un self-assessment o una consulenza esterna?+
Un self-assessment è utile per una prima fotografia, ma tende a essere ottimistico. Per organizzazioni con investimenti e rischio normativo rilevanti, una consulenza esterna offre uno sguardo indipendente, benchmark di settore e una roadmap eseguibile. Molte realtà combinano i due approcci.
Cosa succede dopo l'assessment?+
Si passa dalla fotografia all'azione: due o tre casi d'uso prioritari selezionati per rapporto valore/fattibilità, un piano con tappe, responsabilità e metriche, e gli interventi sulle aree deboli, in genere dati e governance. La baseline numerica permette poi di misurare i progressi.
Come funziona una consulenza per l'AI readiness?+
Parte da interviste e raccolta documentale, prosegue con l'analisi tecnica di dati e sistemi, assegna un punteggio per dimensione e chiude con una roadmap operativa. L'output non è un report da archiviare ma una lista di azioni prioritarie con impatto e sforzo stimati.
