SAS, l’AI entra nella fase industriale: meno demo, più fiducia

La tappa italiana di SAS Innovate on Tour arriva in un momento in cui l’intelligenza artificiale sta uscendo dalla fase dell’entusiasmo indistinto per entrare in quella, molto più complessa, della messa a terra.

Il punto non è più soltanto sperimentare modelli, chatbot o copiloti, ma capire come portarli in produzione senza perdere controllo, tracciabilità e responsabilità.

È dentro questa cornice che SAS celebra i suoi 50 anni. La ricorrenza, però, non viene usata come semplice memoria aziendale.

L’azienda spiega che il passato serve piuttosto a costruire una tesi precisa: l’AI potrà scalare davvero solo se poggerà su dati governati, modelli controllabili, agenti verificabili e una supervisione umana ancora centrale.

Il messaggio, per il mercato enterprise e per il canale ICT, è chiaro. L’intelligenza artificiale non si vende più come funzione aggiuntiva, ma come architettura di fiducia.

Cinquant’anni di analytics come base dell’AI affidabile

SAS nasce da una matrice statistica e accademica, con radici nella North Carolina State University, e nel tempo è diventata una realtà globale nei dati, nell’analytics e nell’intelligenza artificiale.

L’azienda rivendica oggi oltre 50.000 clienti in più di 150 Paesi, inclusa una presenza significativa nelle grandi organizzazioni e nei settori regolamentati.

Il filo conduttore resta quello indicato dal cofondatore e CEO Jim Goodnight: “Fin dall’inizio, il nostro obiettivo era semplice: aiutare le persone a prendere decisioni migliori e affidabili”.

È una frase che, riletta oggi, assume un significato molto concreto.

Nel mondo dell’AI generativa e degli agenti autonomi, la qualità della decisione non dipende solo dalla potenza del modello, ma dalla possibilità di spiegare da dove arrivi una risposta, quali dati siano stati usati, quali policy siano state applicate e chi abbia mantenuto il controllo finale.

Goodnight collega questo principio alla continuità culturale dell’azienda: “La tecnologia è cambiata drasticamente negli ultimi 50 anni, ma il nostro impegno verso fiducia, responsabilità e rispetto per le persone no”.

Per SAS, quindi, i 50 anni non rappresentano soltanto una celebrazione. Diventano la premessa industriale di una roadmap che prova a rispondere alla domanda più urgente delle imprese: come passare dalla sperimentazione dell’AI a un uso stabile, governato e misurabile?

Dalla cultura aziendale alla governance dell’intelligenza artificiale

La narrazione dei 50 anni non è separata dalla strategia tecnologica. SAS insiste su un punto: la fiducia non nasce soltanto dal software, ma da un modello operativo costruito nel tempo.

La stessa cultura “customer-first” rivendicata dall’azienda viene oggi tradotta in un concetto molto attuale: ogni sistema di AI deve poter essere compreso, controllato e ricondotto a una responsabilità chiara.

In questa direzione va anche la lettura di Bryan Harris, Chief Technology Officer di SAS: “La prossima era dell’innovazione apparterrà alle aziende capaci di combinare un’IA potente con governance, trasparenza e accountability”.

La frase definisce bene il terreno competitivo: non vincerà chi userà più modelli, ma chi saprà governarli meglio.

Per il canale ICT è un passaggio rilevante. La governance dell’AI non è più un tema confinato a compliance officer, risk manager o data scientist.

Diventa una componente progettuale che coinvolge system integrator, consulenti, partner cloud, sviluppatori applicativi e operatori di managed service.

SAS AI Navigator contro il rischio della shadow AI

Il primo tassello operativo è SAS AI Navigator, soluzione SaaS prevista nel terzo trimestre 2026 su Microsoft Azure Marketplace. L’obiettivo è censire e governare l’ecosistema di intelligenza artificiale già presente nelle organizzazioni.

La logica è pragmatica. Le aziende stanno adottando LLM, agenti, modelli open source, modelli proprietari e strumenti di terze parti a una velocità superiore rispetto alla capacità di controllarli.

Da qui nasce il rischio della shadow AI: sistemi usati nei processi aziendali senza un inventario chiaro, senza policy coerenti e senza una responsabilità definita.

Reggie Townsend, Vice President, SAS AI Ethics, Governance and Social Impact, sintetizza il cambio di prospettiva: “Troppo spesso la governance dell’IA viene considerata una misura di compliance. In realtà è un driver di crescita”.

È un passaggio importante perché sposta il valore dalla semplice implementazione tecnica alla capacità di accompagnare clienti e prospect nella costruzione di framework affidabili, verificabili e utilizzabili.

SAS AI Navigator punta a costruire una vista unificata su casi d’uso, modelli, agenti e policy.

Non chiede alle imprese di cambiare il modo in cui sviluppano l’AI, ma promette di portare ordine su ciò che esiste già, seguendo l’intero ciclo di vita: dalla sperimentazione al deployment fino alla dismissione.

Townsend aggiunge un elemento decisivo per l’adozione reale: “Il rischio più grande per qualsiasi programma di IA governance non è la regolamentazione, ma uno strumento così complesso che nessuno lo utilizza”.

È un avvertimento utile: la governance non deve diventare burocrazia digitale, altrimenti rischia di essere aggirata proprio dagli utenti che dovrebbe proteggere.

I dati AI-ready sono il vero collo di bottiglia

Il secondo tassello riguarda i dati. SAS insiste su un punto spesso sottovalutato: senza una base dati solida, l’intelligenza artificiale non scala. Non basta aggiungere un modello sopra ambienti frammentati, data lake disordinati o workflow manuali di data engineering.

L’aggiornamento di SAS Data Management su SAS Viya va esattamente in questa direzione. La piattaforma viene presentata come un portfolio cloud-native per preparare, governare e attivare i dati destinati ad analytics, automazione e AI. Il punto qualificante è l’integrazione di controlli, tracciabilità e verificabilità direttamente nei workflow.

Alyssa Farrell, Senior Director of Data and AI Strategy di SAS, chiarisce il senso industriale dell’operazione: “Una piattaforma dati moderna è ormai un requisito fondamentale, dato che le organizzazioni stanno passando a flussi di lavoro basati sull’intelligenza artificiale autonoma con una minore supervisione umana”. La questione, dunque, non è più solo ordinare i dati, ma renderli adatti a sostenere decisioni automatiche o semi-automatiche.

In questo contesto rientrano SAS SpeedyStore, pensato per eseguire analytics e AI direttamente sui dati distribuiti riducendo spostamenti superflui, SAS Data Accelerator per portare le analisi SAS dentro gli ambienti cloud già usati dalle aziende, e il supporto a motori come DuckDB per lavorare su formati aperti quali Parquet, CSV e JSON.

Per il canale, questa è una delle aree più interessanti: assessment dei dati, modernizzazione dei workflow, governance by design, riduzione della latenza e gestione dei costi diventano servizi ad alto valore, non semplici attività accessorie.

Copilot e dati sintetici: automazione senza perdere controllo

SAS affianca alla modernizzazione del data management anche una nuova famiglia di funzionalità assistite dall’AI. SAS Viya Copilot for Data Discovery consente l’esplorazione in linguaggio naturale di dati e asset analitici governati, con l’obiettivo di ridurre i tempi di individuazione delle informazioni da giorni a pochi secondi.

SAS Viya Copilot for Code Assistance porta invece lo sviluppo assistito dall’AI dentro SAS Studio, aiutando gli sviluppatori a scrivere, comprendere e perfezionare codice SAS e Python senza uscire da un ambiente governato.

A completare il quadro c’è SAS Data Maker, che genera dati sintetici ad alta fedeltà per sviluppo, test e collaborazione senza esporre informazioni sensibili.

È un tema centrale per banche, assicurazioni, sanità, pubblica amministrazione e industria, dove l’accesso al dato reale è spesso vincolato da privacy, compliance e rischio operativo.

Qui emerge uno dei punti più coerenti della strategia SAS: l’automazione è utile solo se non rompe la catena della fiducia. Copilot, agenti e dati sintetici vengono quindi ricondotti dentro ambienti controllati, non lasciati alla logica del “prova e vediamo cosa succede”.

IA agentica nel marketing: SAS CI360 diventa multi-agente

Il terzo asse della roadmap è l’IA agentica. In SAS Customer Intelligence 360 l’azienda annuncia nuove funzionalità basate su agenti specializzati per supportare i professionisti del marketing.

L’approccio non è quello dell’agente unico e onnipotente, ma di un sistema multi-agente in cui ogni componente ha un compito specifico, opera entro limiti definiti e resta sottoposto a supervisione umana. SAS 360 Agent funge da supervisore, coordinando agenti specializzati come Audience, Journey, Email, Search e Recipes.

Journey Agent aiuta a costruire percorsi cliente partendo da input multimodali, inclusi brief testuali, immagini e prompt conversazionali.

Recupera audience, eventi e touchpoint pertinenti e assembla una struttura di journey allineata all’intento del marketer. Search Agent, invece, consente di porre domande operative e prestazionali direttamente dentro l’ambiente SAS Customer Intelligence 360, riducendo la necessità di navigare tra dashboard e menu.

Mike Blanchard, Vice President, Customer Intelligence di SAS, chiarisce il principio: “Utilizzare l’IA agentica non significa consegnare il controllo alle macchine”.

La chiave è amplificare le competenze umane, non sostituirle. Per i system integrator e i partner specializzati in customer engagement, questo significa che il valore non sarà soltanto nella configurazione della piattaforma, ma nella capacità di ridisegnare processi di marketing, journey, segmentazioni e modelli decisionali dentro un impianto governato.

Gli agenti verticali entrano nei processi critici

SAS porta la stessa logica anche nei settori industriali e regolamentati attraverso un portafoglio di acceleratori di settore: agenti, modelli e pipeline pronti all’uso per problemi specifici.

Tra le novità 2026 spicca SAS Supply Chain Agent, disponibile in anteprima privata e destinato alla distribuzione globale.

L’obiettivo è semplificare la pianificazione integrata vendite e operations, il processo S&OP, che nelle aziende manifatturiere e retail richiede spesso giorni di lavoro, fogli di calcolo, simulazioni e decisioni distribuite tra reparti diversi.

L’agente lavora in modo continuo per bilanciare domanda, offerta e attività operative, simulando scenari, prevedendo fabbisogni, riducendo sprechi e ordini in eccesso.

La possibilità di interagire via chat rende il modello più vicino all’utente business, ma la vera differenza sta nella capacità di fornire spiegazioni sulle decisioni proposte.

Kathy Lange, Research Director della practice AI, Data and Automation Software di IDC, ne sottolinea il valore potenziale: “Gli agenti pronti all’uso oggi tendono ad affrontare processi di base; con Supply Chain Agent, SAS sta comprimendo un processo molto complesso, e questo potrebbe generare un valore significativo”.

È qui che l’agentic AI smette di essere un’etichetta e diventa processo industriale. Per il canale, soprattutto per chi lavora su manifatturiero, distribuzione, retail e logistica, il tema non è vendere “un agente”, ma integrare un acceleratore dentro dati, processi, ruoli e KPI già esistenti.

Digital twin, sicurezza industriale e antifrode

Gli acceleratori SAS non si fermano alla supply chain. La documentazione cita digital twin per ambienti industriali realizzati in Unreal Engine di Epic Games, con l’obiettivo di simulare scenari e individuare colli di bottiglia operativi.

Un esempio riguarda un fornitore di servizi di sterilizzazione di dispositivi medici, che ha utilizzato il gemello digitale per comprendere meglio un problema di rallentamento nel processo produttivo.

Un altro ambito è la sicurezza industriale. SAS Industrial Safety combina digital twin, dati sintetici e computer vision per addestrare modelli in grado di riconoscere situazioni di rischio, come l’uso non corretto dei dispositivi di protezione individuale o eventi rari difficili da documentare con filmati reali.

Nel finance, invece, SAS richiama l’aumento delle frodi e delle truffe ai danni dei consumatori, con particolare attenzione a deepfake, social engineering e documenti falsificati tramite AI generativa.

SAS Fraud Decisioning for Payments punta al rilevamento in tempo reale su diverse tipologie di transazioni, facendo leva su modelli addestrati su pattern ricorrenti di frode.

Manisha Khanna, Global Market Strategy Lead, Applied AI di SAS, riassume la filosofia degli acceleratori verticali: “Progettiamo acceleratori di settore con un obiettivo preciso: risolvere problemi reali e ben definiti dei diversi comparti, in ambienti altamente regolamentati”. Il tratto comune è evidente: SAS cerca di portare l’AI dove il margine d’errore è basso, i processi sono critici e la fiducia non può essere un optional.

Quantum Lab: sperimentare oggi, senza inseguire promesse

La parte più esplorativa della roadmap riguarda l’IA quantistica. SAS considera calcolo classico e quantistico come un continuum, non come due mondi separati.

L’idea è che molti problemi di business possano beneficiare di approcci ibridi, nei quali i carichi vengono distribuiti tra elaborazione tradizionale e quantistica in base alla natura del problema.

Il sondaggio SAS su oltre 500 professionisti evidenzia però barriere molto concrete: incertezza sulle applicazioni pratiche, costi di implementazione, carenza di personale formato, scarsa comprensione della tecnologia, disponibilità limitata di soluzioni e mancanza di linee guida regolatorie chiare.

Bill Wisotsky, Principal Quantum Architect di SAS, riconosce l’interesse ma anche la cautela del mercato: “Organizzazioni di ogni dimensione sono impazienti di sviluppare una proprietà intellettuale, un approccio originale e brevettabile, per farsi trovare pronte quando l’IA quantistica raggiungerà la maturità”.

Allo stesso tempo, osserva che i leader aziendali non vogliono puntare tutto su investimenti costosi senza casi d’uso significativi e problemi concreti da risolvere.

SAS Quantum Lab, in arrivo nel quarto trimestre per i clienti SAS Viya, nasce per abbassare queste barriere. Amy Stout, Head of Quantum Product Strategy di SAS, lo definisce “un ambiente pratico per imparare e innovare puntando a un ROI reale”.

Il laboratorio consentirà di confrontare risultati classici, quantistici e ibridi su casi d’uso di settore, con un tutor virtuale per accelerare l’apprendimento.

È un terreno da maneggiare con cautela. La stessa documentazione mette in evidenza che il mercato è ancora in costruzione. Ma l’approccio scelto da SAS è coerente con il resto della strategia: non promettere quantum generico, ma offrire un laboratorio per valutare casi d’uso reali e ROI misurabile.

Cosa significa per il canale ICT

Agli occhi del canale ICT la roadmap SAS suggerisce un’evoluzione chiara per l’ecosistema ICT. Il valore si sposta verso consulenza, integrazione, governance, verticalizzazione e servizi continuativi.

I partner non saranno chiamati soltanto a proporre piattaforme, ma a costruire percorsi: inventario dell’AI già in uso, valutazione della maturità dei dati, definizione delle policy, integrazione con ambienti cloud, sviluppo di agenti governati, formazione degli utenti e misurazione dei risultati.

La disponibilità di SAS AI Navigator su Azure Marketplace rafforza inoltre la convergenza tra vendor di analytics, hyperscaler e partner applicativi.

Allo stesso tempo, l’apertura tramite MCP Server e l’integrazione degli analytics SAS con agenti esterni indicano che il futuro non sarà fatto di piattaforme chiuse, ma di ecosistemi in cui governance e interoperabilità diventeranno criteri decisivi.

Per il canale, questa è un’opportunità ma anche una selezione naturale. Chi si limita alla rivendita rischia di restare ai margini. Chi invece presidia dati, processi, compliance e competenze verticali può trovare nell’AI affidabile una nuova area di marginalità.

La fiducia come infrastruttura

Si tratta di una nuova fase del mercato AI. Dopo la stagione delle demo e dei prototipi, le imprese chiedono risultati, ma anche responsabilità.

SAS prova a rispondere con una piattaforma che tiene insieme governance, data management, agenti, acceleratori verticali e tecnologie emergenti.

La sfida sarà dimostrare che questo impianto può tradursi in progetti rapidi, sostenibili e misurabili anche fuori dai grandi contesti enterprise.

Il punto di fondo, però, è già definito: l’intelligenza artificiale non diventerà davvero industriale finché non sarà governabile.

E per SAS, dopo 50 anni di analytics, la fiducia non è un messaggio di marketing. È l’infrastruttura senza la quale l’AI non può reggere.