The Pulse
Un sondaggio Mer su 541 utilizzatori di IA generativa nelle aziende giapponesi rileva lacune nella preparazione dei dati
Un sondaggio condotto su 541 persone che utilizzano l’IA generativa nelle aziende giapponesi ha rilevato che il 79,1% ritiene che i dati aziendali siano preparati, mentre solo il 3,7% non ha segnalato particolari problemi. Mer ha inoltre ri
AI.info Team · Scritto con l’IA · verificato ·
Il sondaggio di Mer ha rilevato uno scarto tra il giudizio sui dati degli utilizzatori di IA nelle aziende giapponesi e i problemi che segnalano: il 79,1% ha dichiarato che i dati aziendali erano preparati, ma solo il 3,7% ha affermato che non presentavano particolari problemi. Gli intervistati hanno indicato più spesso dati mancanti, formati non uniformi e difficoltà a reperire le informazioni.
Mer ha pubblicato i risultati il 6 novembre nel suo «Japan AI Operations Report 2026 Autumn». Il sondaggio online ha coinvolto 541 persone di aziende con almeno 100 dipendenti che utilizzano l’IA generativa sul lavoro e si occupano di utilizzo dell’IA, miglioramento aziendale, sistemi informativi o gestione dei dati.
La maggior parte degli intervistati considera i dati preparati, ma pochi non segnalano problemi
Alla domanda se i dati aziendali fossero privi di duplicazioni, voci mancanti e notazioni non uniformi, il 24,0% si è detto pienamente d’accordo sul fatto che fossero preparati e il 55,1% abbastanza d’accordo. La percentuale complessiva era del 79,1%. Tuttavia, il 54,5% ha segnalato la mancanza di dati necessari, il 44,2% ha indicato notazioni o regole di inserimento non uniformi e il 36,8% ha dichiarato di non sapere dove fossero archiviati i dati.
I dati del sondaggio si basano sulle dichiarazioni degli intervistati e Mer ha osservato uno scarto tra la loro percezione che i dati fossero preparati e i difetti che hanno individuato. Nel comunicato, il direttore rappresentante di Mer Tomoaki Sawaguchi ha dichiarato: «La preparazione dei dati non è un lavoro da affidare esclusivamente al reparto sistemi informativi, né un’operazione che si conclude dopo un’unica pulizia». La traduzione dall’inglese: «La preparazione dei dati non è un lavoro da affidare esclusivamente al reparto sistemi informativi, né un’operazione che si conclude dopo un’unica pulizia».
La maggior parte degli intervistati descrive i dati come isolati o di ubicazione sconosciuta
Alla domanda su quale descrizione si avvicinasse di più allo stato dei dati aziendali, il 41,4% ha risposto che erano separati per sistema, senza collegamenti tra i sistemi, mentre il 16,8% ha dichiarato di non sapere dove fossero conservati i diversi dati. Mer ha riferito che il 58,2% ha scelto una di queste due descrizioni. Solo il 10,0% ha affermato che quasi tutti i dati potevano essere consultati attraverso i vari sistemi usando il cliente come riferimento comune; il 29,0% ha detto che alcuni dati erano collegati in questo modo, ma in misura limitata.
Per quanto riguarda l’uso dell’IA generativa, gli intervistati hanno indicato più spesso la raccolta di informazioni e la ricerca, con il 68,2%. Seguono scrittura, sintesi e traduzione con il 53,6%, e pianificazione o generazione di idee con il 53,0%. Quanto ai risultati, il 63,4% ha dichiarato che l’IA produceva risultati in una certa misura nel proprio lavoro, mentre il 26,2% ha affermato che produceva risultati sufficienti.
La risposta più comune sulla manutenzione: nessuna misura particolare per mantenere i dati in ordine
La risposta più comune sulla manutenzione dei dati è stata che l’azienda li aveva già ripuliti in passato, ma non adottava misure particolari per mantenerli in ordine: il 37,0% ha scelto questa risposta. Un altro 23,7% ha dichiarato di ripulire i dati solo quando emergeva un problema e il 20,3% ha detto di controllarli e ripulirli manualmente con regolarità. L’8,3% ha segnalato un sistema automatizzato per la pulizia continua.
Mer ha precisato che le percentuali del 37,0% e dell’8,3% sono calcolate sul totale dei 541 intervistati, comprese le persone che hanno dichiarato che la propria azienda non aveva mai ripulito i dati. Questo gruppo rappresentava il 7,8% degli intervistati.
L’81,0% prevede di aumentare gli investimenti nell’IA; la mancata assegnazione di un responsabile è il principale motivo per cui il lavoro sui dati si blocca
L’81,0% ha dichiarato di prevedere un aumento degli investimenti nell’IA entro un anno: il 19,4% un aumento sostanziale e il 61,6% uno moderato. Gli investimenti attuali erano destinati più spesso alla formazione e all’istruzione dei dipendenti, indicate dal 60,3%, e a linee guida o regole per l’uso, indicate dal 49,0%. La pulizia dei dati è stata indicata dal 40,9%, i collegamenti tra sistemi dal 37,5% e l’infrastruttura dei dati dal 27,2%.
Alla domanda su chi si occupasse principalmente della preparazione e della gestione dei dati, il 38,6% ha indicato il reparto sistemi informativi, il 25,1% ha risposto che se ne occupavano autonomamente i singoli reparti e il 17,9% ha indicato un reparto o un addetto dedicato ai dati. Tra i 488 intervistati che non avevano dichiarato che la propria azienda non aveva mai preparato i dati o che non lo sapevano, il 45,1% ha affermato che i progressi erano bloccati perché non era stato assegnato un reparto o un responsabile. Seguono la mancanza di competenze, con il 41,2%, e le attività quotidiane concorrenti, con il 34,4%.
Chi considera i dati preparati segnala più spesso risultati sufficienti dall’IA
Tra gli intervistati che consideravano preparati i dati della propria azienda, il 31,5% ha dichiarato che l’IA generativa produceva risultati sufficienti. La percentuale corrispondente tra quanti consideravano i dati non preparati era del 6,4%. Mer ha osservato che l’associazione si basa sulle risposte fornite dagli intervistati e non dimostra un rapporto di causa ed effetto.
Il sondaggio ha incluso solo persone che lavorano in aziende con almeno 100 dipendenti e che utilizzano l’IA generativa sul lavoro; Mer ha precisato che i risultati mostrano l’andamento delle risposte di questo gruppo, non la quota sul totale delle aziende giapponesi. Mer organizza le condizioni per rendere i dati utilizzabili dall’IA attorno a tre elementi — qualità, collegamento e manutenzione — e propone tre principi: pulire, collegare e mantenere i dati.