Shiva Mogili, Director of Product Management di Fivetran, sostiene una tesi che vale la pena discutere anche sapendo da chi arriva: il punto difficile di molti progetti AI non è costruire il sistema, è riuscire a portare fuori i propri dati dalle applicazioni SaaS in cui sono nati, in modo affidabile e a un costo sostenibile.
Fivetran vende data movement, quindi l’argomento le fa comodo. Ma gli esempi sono concreti e verificabili, e chiunque abbia provato a replicare un’istanza Salesforce o SAP li riconoscerà.
Le forme del recinto
Le restrizioni raramente arrivano come un divieto esplicito. Prendono la forma di accesso API riservato ai piani premium o agli add-on a pagamento, pricing per chiamata o a credito che rende la replica antieconomica, rate limit tarati sulle automazioni e non sull’estrazione massiva, certificazioni a pagamento per le applicazioni che si collegano alle API, e clausole contrattuali che vietano export, copie persistenti, indexing o uso in scenari AI.
Gli esempi citati: SAP ha aggiornato nel 2024 la Note 3255746 limitando l’uso di terze parti dell’API ODP-RFC, su cui poggiava un intero ecosistema di tool di estrazione. Slack ha modificato i termini API nel 2025 vietando bulk export via API, copie e indici persistenti e l’uso dei dati Slack per addestrare LLM, introducendo rate limit più stringenti. Workday si sta muovendo verso i Flex Credits, un modello a consumo in cui l’uso delle API brucia credit. NetSuite fa pagare a parte l’accesso analytics-grade via SuiteAnalytics Connect. Xero ha fee mensili a scaglioni con allotment di egress e overage. Rippling richiede l’acquisto di prodotti aggiuntivi per certe integrazioni e blocca del tutto l’accesso ad alcuni dataset.
Perché AI cambia il calcolo
Dieci anni fa un silo si aggirava. Un analista esportava un report da Salesforce, prendeva qualcosa da SAP, combinava in uno spreadsheet e la domanda di business trovava risposta. Poco elegante, ma sostenibile.
Un agent che deve ragionare su CRM, ticket di supporto, billing, product usage e codebase insieme non si accontenta di un export mensile. Più il caso d’uso è di valore, più sistemi tocca e più spesso deve toccarli. Le restrizioni arrivano quindi esattamente nel momento in cui serve accesso più ampio e più frequente. La lettura di Mogili è che i vendor SaaS si stiano difendendo perché vedono il proprio modello di business minacciato da concorrenti AI-native e da clienti che si costruiscono da soli le alternative.
Cosa farne, concretamente
La conclusione operativa è la parte più utile e la meno commerciale: ogni acquisto software è anche una decisione sui dati, e le policy dei vendor non sono statiche. Prezzi, rate limit e termini d’uso cambiano. Trattare l’accesso ai propri dati come un requisito contrattuale in fase di negoziazione — non come qualcosa da chiedere ogni volta che nasce un nuovo caso d’uso — è un consiglio che sta in piedi indipendentemente dal fornitore di data integration che sceglierai.
In sintesi
- Le restrizioni sui dati SaaS passano da pricing, rate limit e termini d’uso, non da divieti espliciti: SAP, Slack, Workday, NetSuite, Xero e Rippling sono i casi citati.
- Gli use case AI moltiplicano il numero di sistemi da leggere e la frequenza degli accessi, quindi rendono il problema strutturale.
- L’accesso ai propri dati va negoziato nel contratto, prima che serva: è il punto che resta valido al netto dell’interesse di Fivetran a sostenerlo.
Hai qualcosa da aggiungere? Unisciti alla discussione.