Le aziende non stanno rallentando gli investimenti in intelligenza artificiale. Secondo la rilevazione condotta da Gartner® tra CIO e dirigenti tecnologici per il 2026, l’81% delle organizzazioni prevede di aumentare i finanziamenti destinati all’AI tradizionale e l’84% quelli destinati all’AI generativa. Eppure, sempre secondo Gartner, in media solo circa il 40% dei prototipi AI supera la soglia della produzione. Tra le barriere principali indicate dalle organizzazioni compaiono la disponibilità e la qualità dei dati.
È un problema noto da anni. La domanda interessante è un’altra: se la diagnosi è condivisa, perché il blocco continua a ripresentarsi in modo così sistematico? La risposta che emerge dal Market Overview for Data Quality Solutions pubblicato da Gartner nel luglio 2026 riguarda meno le tecnologie disponibili e più il punto del ciclo di vita del dato in cui la qualità viene verificata.
Un mercato che cresce su una necessità precisa
Il mercato delle soluzioni di Data Quality ha raggiunto 2,5 miliardi di dollari di ricavi nel 2026, con una crescita del 6,5% rispetto al 2025, e secondo le previsioni arriverà a 3 miliardi entro il 2029. Non è una crescita esplosiva, ma è costante, e soprattutto è trainata da una domanda molto concreta: disporre di dati affidabili su cui addestrare e alimentare i modelli.
Il dato che qualifica meglio la priorità è però un altro. Oltre il 64% dei responsabili della gestione dei dati colloca qualità e governance tra le prime cinque aree di investimento dei prossimi due-tre anni. La qualità del dato ha smesso di essere una voce tecnica dentro un progetto di integrazione ed è diventata una linea di budget autonoma, discussa a livello di direzione.
Tre spostamenti in corso
Il documento descrive un mercato che si sta riorganizzando lungo tre direttrici.
Dalla correzione alla prevenzione. È lo spostamento più rilevante. Il modello tradizionale interviene a valle, quando i dati sono già entrati nei sistemi e hanno già prodotto effetti. Il mercato si sta muovendo verso un’impostazione proattiva basata sui data contract: accordi formali, espressi in linguaggio naturale, tra chi produce e chi consuma dati, che definiscono in modo esplicito schemi, soglie di qualità e livelli di servizio. Applicati al momento dell’ingestion, questi contratti permettono alle pipeline di respingere automaticamente i dati non conformi, prima che raggiungano analytics e modelli AI.
Dall’automazione all’agentic. L’uso di AI generativa e assistenti conversazionali per profilazione, rilevamento di anomalie e generazione di regole è ormai considerato funzionalità di base per i vendor mainstream. La frontiera si è spostata: Gartner descrive vendor che integrano agenti in grado di ragionare, individuare problemi ed eseguire in autonomia interventi di remediation. Un ruolo abilitante viene attribuito al Model Context Protocol, standard aperto che consente ad agenti di piattaforme diverse di collaborare, condividere contesto e attivare workflow su ambienti ibridi.
Verso l’observability. La linea che separava Data Quality e data observability si sta assottigliando, con i vendor DQ che integrano nativamente monitoraggio delle pipeline e rilevamento automatico delle anomalie. In parallelo, i controlli migrano verso l’infrastruttura: da un lato dentro gli strumenti di orchestrazione, che agiscono come presidio difensivo nelle pipeline CI/CD, dall’altro dentro le piattaforme cloud e i data warehouse, che eseguono validazione e normalizzazione direttamente nel punto in cui il dato risiede, con vantaggi di scala e di costo.
Attorno a queste tre direttrici il documento ne segnala altre: l’attenzione crescente ai dati non strutturati, spinta dalla diffusione delle applicazioni RAG, la democratizzazione verso utenti business non tecnici tramite interrogazione in linguaggio naturale, e il dilemma tra acquisto di soluzioni commerciali e sviluppo interno di funzionalità basate su agenti.
Una griglia utilizzabile in fase di selezione
La parte più operativa del Market Overview è la distinzione tra funzionalità obbligatorie e funzionalità opzionali del mercato. È una griglia che può essere ripresa quasi direttamente in una fase di scouting o nella costruzione di un RFP.
Tra le obbligatorie: connettività estesa a sorgenti eterogenee, profilazione e monitoraggio continuo, discovery e gestione del ciclo di vita delle regole, alerting e visualizzazione, trasformazioni per parsing, pulizia e standardizzazione.
Tra le opzionali, che nella pratica fanno la differenza competitiva: funzionalità agentiche con relativi guardrail, supporto ai dati non strutturati, matching e riconciliazione, workflow di issue resolution, interfacce low-code, flessibilità di deployment tra on-premise, cloud e iPaaS, scalabilità su volumi nell’ordine delle centinaia di milioni di record attraverso esecuzione push-down, sicurezza e gestione della visibilità per ruolo.
L’elenco completo, con la descrizione puntuale di ciascuna funzionalità, è nel documento integrale.
Irion nel Market Overview
Irion è inclusa tra i vendor citati nel Market Overview for Data Quality Solutions di Gartner®, all’interno di una selezione che il documento dichiara esplicitamente rappresentativa e non esaustiva. È l’unico vendor dell’elenco con headquarter in Italia.
Quella che segue è una lettura editoriale Irion e non è attribuibile a Gartner.
Diverse delle direzioni che il documento indica come evoluzione del mercato corrispondono a funzionalità che Irion Premium Data Quality & Governance® presenta oggi al suo interno: la generazione di regole a partire da descrizioni in linguaggio naturale, le funzionalità agentiche applicate a profilazione e definizione dei controlli, l’esecuzione push-down dei controlli direttamente sugli ambienti in cui il dato risiede. A questo si aggiunge un tema che il documento tratta come requisito di deployment e che per molte organizzazioni europee è anche un tema di conformità: la possibilità di scegliere dove e come eseguire i controlli, con uno sviluppo interamente realizzato in Italia e quindi all’interno della giurisdizione europea.
LEGGI IL REPORT COMPLETO SU GARTNER
Unify Governance. Distribute Execution. Trust your data.
Gartner, Market Overview for Data Quality Solutions, Divya Radhakrishnan, Amy Bickel, 1 July 2026.
Gartner is a trademark of Gartner, Inc. and/or its affiliates.
Gartner does not endorse any company, vendor, product or service depicted in its publications, and does not advise technology users to select only those vendors with the highest ratings or other designation. Gartner publications consist of the opinions of Gartner’s business and technology insights organization and should not be construed as statements of fact. Gartner disclaims all warranties, expressed or implied, with respect to this publication, including any warranties of merchantability or fitness for a particular purpose.
