Le pipeline di data movement della maggior parte delle aziende ingeriscono dati strutturati: record CRM, righe di vendita, performance delle campagne, transazioni finanziarie, tutto destinato a dashboard e report su Snowflake, BigQuery o Databricks. Il punto sollevato da Fivetran è che i sistemi di agentic AI hanno bisogno di più di uno stack pensato per gli esseri umani: serve una data foundation costruita per l’AI. E gran parte del contesto utile, come ticket di supporto, PDF di contratti, thread di email, descrizioni Jira e allegati, vive fuori dagli schemi strutturati.
La conseguenza pratica è nota a chi lavora con i dati: quando le pipeline gestiscono solo tabelle, i dati non strutturati finiscono per essere caricati con soluzioni puntuali, pipeline manuali o file trascinati a mano, oppure semplicemente ignorati, lasciando all’AI una visione parziale del business.
Quattro modi per portare il contesto
L’articolo distingue diversi percorsi. Il primo, il più immediato, riguarda i campi di testo che già arrivano nei sync strutturati: molti connettori replicano già campi long-form (come EMAIL_MESSAGE di Salesforce o TICKET_COMMENT di Zendesk, oltre a riepiloghi e commenti di Jira, Intercom, Help Scout e Front) che atterrano come colonne TEXT accanto ai dati strutturati. Per un chatbot di supporto o un agente che legge bug report, disporre dell’intera cronologia e non del solo ID cambia tutto.
Il secondo percorso sono le sorgenti file con struttura (CSV, JSON, Parquet, Avro, Excel, Google Sheets, XML), convertite in tabelle all’ingest. Il terzo riguarda i file davvero non strutturati: da giugno 2025 Fivetran replica PDF, immagini, documenti Word e file audio direttamente nel file storage nativo di Snowflake, BigQuery o Databricks, dove strumenti come Snowflake Cortex possono fare OCR, estrazione di testo, trascrizione audio e generazione di embedding. Il quarto, presentato come il più rilevante per l’enterprise, è la replica degli allegati dai connettori SaaS: allegati Salesforce (beta da dicembre 2025), Zendesk (marzo 2026), Jira (aprile 2026) e documenti Veeva Vault (aprile 2026).
Cosa succede a valle
Portare i dati nel warehouse resta il compito di Fivetran; la modellazione tocca a dbt, che può anche orchestrare le funzioni AI SQL della destinazione, come AI_EMBED, AI_COMPLETE e AI_PARSE_DOCUMENT di Cortex, dentro i propri modelli. L’effetto è che campi di testo, dati da file e PDF replicati diventano contesto interrogabile e recuperabile per gli agenti. La tesi di fondo, dal punto di vista di un vendor di data movement, è chiara: le tabelle da sole non bastano più quando l’obiettivo è alimentare sistemi agentici con il contesto reale del business.
- I sistemi agentici hanno bisogno anche di email, ticket, contratti e allegati, non solo di tabelle.
- Fivetran indica quattro percorsi: campi di testo esistenti, file strutturati, file non strutturati e allegati SaaS.
- Il warehouse (via Cortex e simili) fa il lavoro AI su OCR, estrazione ed embedding; dbt orchestra le trasformazioni.
Fonte: AI requires unstructured data to unlock its full potential — https://www.fivetran.com/blog/ai-requires-unstructured-data-to-unlock-its-full-potential
Hai qualcosa da aggiungere? Unisciti alla discussione.