“Stiamo veramente vivendo una rivoluzione”. Luba Manolova, Director AI at Work Western Europe, Microsoft non usa mezze parole per descrivere l’onda innovativa della Generative AI, di Copilot e degli agenti intelligenti. Questa trasformazione, tratteggiata da Michele Mariella, CIO di Maire, come un “momento bellissimo” sta ridisegnando il panorama tech aziendale italiano.
In che modo? Come le aziende stanno usando concretamente la GenAI? Quali sono i passi fatti e le strategie future? In che modo i “campioni di innovazione e di eccellenza” – come li ha definiti Manolova presentando qualche mese fa gli speaker di una tavola rotonda al Microsoft AI Tour di Milano – stanno beneficiando dei vantaggi della GenAI?
Indice degli argomenti
L’importanza del “dato”
“Tutto parte dalla data platform” spiega Matteo Concas, Head of Digital Transformation di Banca Generali. “Senza una robusta data platform non si va molto lontano e in questo senso hanno sicuramente pagato gli investimenti pluriennali fatti per diventare una “data driven bank””. Per cominciare a usare Microsoft 365 Copilot Banca Generali è partita dal top management e poi a seguire sono stati nominati 30 ambassador, in rappresentanza delle direzioni della banca. “E qui è scattata la scintilla – spiega Concas – perché gli ambassador hanno dedicato 2 mesi a mappare gli use case che sono stati poi oggetto di laboratori e test da cui sono partite le idee che hanno contaminato un po’ tutta l’azienda”. Tanto che oggi il 60% dei collaboratori di Banca Generali utilizza Microsoft 365 Copilot. “L’accoglienza è stata molto buona – continua Concas – . Abbiamo indetto un hackaton di 9 ore usando Copilot Studio in low code che ha portato alla realizzazione di 5 agenti in un ambiente demo attingendo direttamente ai documenti interni. Un’iniziativa molto utile a livello di coinvolgimento e consapevolezza.
Un percorso simile è stato fatto anche da Saipem. “Siamo stati fra i primi in Italia a usare Microsoft 365 Copilot” spiega Paolo Albini, Chief Supply Chain, Digital and IT Officer di Saipem. “Abbiamo raccolto use case, messo a punto programmi di adoption e a oggi sono attive 15.000 licenze. L’utilizzo è molto buono su Teams, Outlook, un po’ meno Excel ed è trasversale in tutta l’organizzazione. Abbiamo stimato un risparmio di 3-5 ore per utente a settimana” afferma Albini. Tra i casi d’uso emergono fra gli altri: la raccolta delle mail importanti a fine giornata; la comparazione dei contratti e la verifica delle deviazioni contrattuali tra offerte; l’analisi dei curricula; la generazione dei minuta meeting e attività di benchmarking.
Anche Prada Group ha introdotto Copilot per tutti gli information worker. E come in altri casi il dato è l’elemento fondante. “Abbiamo strutturato il data lake lungo 3 assi: prodotti, canali e clienti” spiega Cristiano Agostini, Group CIO di Prada Group. “L’AI ci sta aiutando lungo queste 3 direttrici: ad esempio per personalizzare il messaggio ai clienti o stimare i forecast anche in situazioni di poca disponibilità di dati, oltre che ovviamente per la produttività individuale”.
Ma non si parla solo di AI generativa. Snam, ad esempio, utilizza da oltre 10 anni algoritmi di intelligenza artificiale “specializzata”. “Attualmente – spiega Giorgio Veronesi, Executive Director ICT – Innovation & Digital Technologies di Snam – circa il 15% delle nostre applicazioni utilizza algoritmi statistici e matematici di AI, con l’obiettivo di arrivare al 50%”. E la GenAI si inserisce naturalmente in questo filone. “Per Microsoft 365 Copilot abbiamo definito una prima wave di 150 dipendenti che hanno contribuito a costruire use case particolarmente efficaci, raccolti in una sorta di prompt library”. Dopodiché l’utilizzo di Copilot è stato esteso su base volontaria, con due principi: seguire corsi di formazione ed essere responsabili dell’outcome. “I risultati sono stati molto buoni – prosegue Veronesi – . 1.300 dipendenti, oltre il 70% degli information worker, hanno fatto richiesta di usare lo strumento”. Di questi, l’80% lo usa con regolarità e il 30% lo utilizza con tale frequenza che ha cambiato la daily routine, il proprio modo di lavorare. Come viene usata l’AI? “l’AI specializzata è già oggi in grado di prevedere la domanda di gas con una precisione del 97% – afferma Veronesi – e ci consente di fare manutenzione predittiva monitorando i dati di 8.000 sensori” Un caso interessante di GenAI è la compilazione del bilancio di sostenibilità. “Abbiamo analizzato 40 bilanci di sostenibilità di peer, estraendo KPI e paragonando i toni della comunicazione, riducendo un’attività che altrimenti avrebbe richiesto un enorme dispendio di tempo”.
Stimolante l’esperienza di Maire che ha abbracciato l’AI come un “processo tecnologico” commenta Mariella, nel senso più profondo ed etimologico del termine: téchnē (arte, mestiere, abilità manuale) e lógos (parola, ragionamento, studio), andando a capitalizzare il lavoro pluriennale di “datificazione” e creazione di “ambienti digitali”. In questo senso, Mariella ha coniato la metafora che “il dato è acqua” piuttosto che petrolio, sottolineando la sua abbondanza e la sua natura fluida. Inoltre, il CIO di Maire preferisce il termine “ambienti digitali” rispetto a “strumenti,” poiché “gli ambienti cambiano i comportamenti e continuano ad evolvere anche quando non interagisci attivamente con essi”. Ma come è avvenuta l’adoption di Microsoft 365 Copilot? “Il ruolo del business è stato fondamentale. Solitamente come IT, conosciamo sia il “territorio che la mappa”. Questo assunto non è più valido con la GenAI: sono le persone del business che hanno la bussola, che devono sperimentare, che ci devono aiutare a disegnare la mappa. Preferisco che ci sia un po’ d’IT in ognuno di loro che ognuno di loro dentro l’IT”. Alcuni risultati? 180 business value (“preferisco questo termine allo use case” precisa Mariella); una riduzione di un mese nei tempi di risposta alle gare d’appalto, con un tasso di precisione del 75-80% nel trovare il documento perfetto; una riduzione del tempo di attraversamento per i controlli di qualità sui documenti da 24 a 4 ore.
Sfide e prospettive future
L’aumento di efficienza è il motore primario di molti progetti di GenAI, ma è solo l’inizio: i partecipanti alla tavola rotonda hanno tratteggiato anche sfide e ambizioni future. Mediobanca ha identificato la più importante sfida nell'”atteggiamento umano e nella resistenza al cambiamento“. Le persone faticano ad attribuire lo stesso livello di fiducia a una piattaforma AI che darebbero a un collega, soprattutto quando l’AI può svolgere attività altamente qualificate. Un’altra sfida è la necessità di far evolvere la gestione dei dati, passando da una prospettiva “classica” (studio dei dati passati) a un’anali di dati in tempo reale e destrutturati che guardano al futuro. E la compliance, spesso vista come un ostacolo, è stata descritta da Morello in realtà come un “abilitatore” che aiuta a comprendere cosa si può o non si può fare.
Le prospettive future includono l’empowerment della forza vendita per aumentare le entrate e la scalabilità. Banca Generali, ad esempio, sta già testando altri agenti AI specifici per i consulenti, organizzandosi con una “AI Factory” dove gli sviluppatori lavorano in tandem con gli utenti finali per prototipare e testare rapidamente quanto realizzato con metodologia agile e in sprint di circa un mese. “Questi prototipi vengono subito testati, arricchiti e poi eventualmente messi in produzione” spiega Concas. “In quest’ambito non bisogna aver paura dell’errore”.
Prada Group sogna un futuro in cui Copilot diventi una “vera interfaccia” multimodale per navigare il vasto patrimonio informativo aziendale attraverso il linguaggio naturale. “Oggi la maggior parte dei canali e-commerce è transazionale, ma perché non può diventare interattiva? L’obiettivo di fondo sarà certamente navigare fra i dati in multimodalità, con un e-commerce interattivo che possa consigliare look e prodotti in abbinata”, commenta Agostini
Maire ha spostato il focus dal valore individuale a un “enterprise value“, lavorando ad esempio per integrare i prompt di AI direttamente nelle procedure di qualità dove quindi Copilot entra direttamente nei processi. Per favorire l’adozione, la società ha lanciato un Copilot Challenge che premia l’uso comunitario (i prompt devono essere presentati da almeno 4-5 partecipanti) e l’impatto trasversale tra i dipartimenti. “Perché le aziende evolvono in gruppi, non possono evolvere in singoli” commenta Mariella.
Sicurezza e data protection
L’AI è come un “pharmakon“, una medicina o malattia, a seconda dell’uso. “Da un lato – commenta Mariella che è anche CISO di Maire – estende la superficie di attacco, ma dall’altro è l’unico strumento per difendersi dagli attacchi basati sull’AI”. Maire sta utilizzando Copilot for Security per ridurre la “decision fatigue” del SOC, ottenendo una “riduzione dell’80% dei ticket processati manualmente” e iniziando a far “generare l’incident automatico“. Questo perché gli attacchi moderni sono automatizzati e richiedono una risposta altrettanto rapida e basata sull’AI.
“Il tema è che il triangolo che nasce dai 3 vertici – protezione dell’utente, protezione del dato, protezione dell’AI – deve sempre di più diventare protezione del business”, commenta Mariella. “L’altro tema vero è che non è più il digitale che protegge l’azienda, ma è l’azienda che si deve proteggere con il digitale. E all’utente va spiegato che la classificazione del dato non è un effort in più, ma un rischio in meno”.
La sicurezza, in sintesi, non è più solo una questione tecnologica, ma organizzativa e di governance, in un “modello fluido” dove comportamento umano, organizzativo e tecnologia si fondono in un unico sistema.
