Dietro l’AI c’è molto più che uno strumento per la produttività. Il marketing dei fornitori insiste sul risparmio di ore di lavoro, sui guadagni di efficienza e sulle opportunità di aprire nuove linee di business. Ed è tutto confermato, ma non è qui che bisogna guardare per adattare la proposta dell’AI alle aziende italiane.
Raffaele Schiavullo, CIO di ItaliaPower, ha una visione ben precisa su quello che significa l’intelligenza artificiale per un’impresa: non singoli strumenti, ma costruzione di una vera conoscenza aziendale condivisa. Perciò, se avesse a disposizione un budget aumentato, la sua priorità sarebbe investire in quella che definisce “una struttura di AI federata”.
Indice degli argomenti
Schiavullo (ItaliaPower): «Investimenti in AI federata per una governed intelligence»
L’idea parte da una situazione ormai comune nelle aziende: le persone utilizzano ChatGPT, Copilot e altri strumenti, accumulando conoscenze e producendo contenuti all’interno delle singole attività. Ma come mettere a fattor comune questo patrimonio, facendo in modo che ogni divisione contribuisca alla costruzione delle competenze aziendali?
«Con un’AI federata, l’azienda può validare le informazioni realmente utili, scartare ciò che non serve e costruire una knowledge base aziendale trasferibile e non legata a un singolo modello o vendor», spiega Schiavullo. «Ho definito questo sistema come una nuova architettura della conoscenza per l’era dell’AI in cui si passa dalla conoscenza come asset (statico) a una governed intelligence per valorizzare le competenze umane e proteggere la proprietà intellettuale verticale».
«Mi rendo conto che, per una PMI, un’architettura di questo tipo può rappresentare un investimento difficilmente sostenibile, perché occorre comprare i server per portare il modello AI in casa», ammette il CIO. «Ma per una realtà medio-grande può diventare una scelta strategica. Il modello di AI federata prevede di sviluppare e gestire il modello su server proprietari creando istanze AI dedicate ai diversi domini di competenza, capaci di costruire conoscenza compartimentale e tramandabile. Le informazioni possono poi essere incrociate tra le diverse istanze e utilizzate trasversalmente dai dipartimenti, decidendo anche quali dati possano essere esposti all’intera organizzazione, in base a diversi livelli di accesso e autorizzazioni segmentate».
Il tema della dipendenza dal fornitore è importante: se la conoscenza rimane confinata nella soluzione di un determinato vendor, il rischio è perderne una parte quando si cambia tecnologia. Una knowledge base costruita internamente, invece, rimane patrimonio dell’azienda. Ma l’obiettivo primario di questa architettura è razionalizzare il lavoro e valorizzare il patrimonio intellettuale, illustra Schiavullo. Se una competenza è già stata acquisita e validata dall’azienda, non dovrebbe essere necessario ripetere la stessa domanda. La conoscenza prodotta da una persona o da un dipartimento può diventare patrimonio dell’organizzazione e alimentare le attività degli altri.
In merito all’AI, oggi ci si concentra sulla produttività. Ma la vera discontinuità è che l’AI diventa un ambiente dinamico di apprendimento professionale
Raffaele Schiavullo, CIO ItaliaPower
«Oggi si tende a concentrarsi sul vantaggio in termini di produttività dell’AI e, quindi, sui tool tecnologici. Ma non è questo il punto di svolta dell’AI. La vera discontinuità introdotta dai Large Language Model non è solo la capacità di produrre testi, sintesi, analisi o codice: la vera discontinuità è che l’AI diventa un ambiente dinamico di apprendimento professionale. Questo processo ha valore perché non rappresenta solo il contenuto prodotto dall’AI, ma anche la competenza, l’esperienza e la capacità critica della persona che ha saputo guidare quel processo. Ricordiamoci che il vero valore della ricerca con l’AI non risiede nella risposta, ma nella domanda, formulata in base alla competenza e al senso critico dell’essere umano che la formula. Ciò va portato alla luce, condiviso nel presente e trasferito nel futuro aziendale».
Alampi (Leaf Space): «AI locale per arginare i costi dei token»
Anche Fabrizio Alampi, IT Corporate Manager di Leaf Space, se avesse un 10% in più di budget, investirebbe in AI locale. E lo farebbe per risolvere una questione molto concreta: il costo dei token.
«L’utilizzo dei modelli LLM sta facendo emergere un costo che comincia a diventare rilevante: quello dei token», evidenzia Alampi. «Leaf Space ha ingegneri che lavorano sui log e l’analisi di questi dati può richiedere quantità molto elevate di token. Abbiamo sperimentato diversi strumenti commerciali sia attraverso abbonamenti con quantità predefinite di token sia attraverso API. Il paradosso è che i token costano relativamente poco, mentre il vantaggio in termini di tempo di analisi e reportistica è enorme: una volta sperimentati questi benefici, tornare indietro diventa difficile. Si usano sempre più token e i costi esplodono».
Alampi racconta che, in un singolo caso di analisi di un passaggio fallito, il consumo poteva arrivare a circa 25 dollari, con log molto lunghi e analisi che toccavano i 12 milioni di token in uscita. Su un modello basato sulle API, il costo diventa quindi difficile da sostenere. Ma anche passando a un’offerta enterprise, la spesa rimane significativa.
Una volta sperimentati i benefici dell’AI, tornare indietro diventa difficile. Si usano sempre più token e i costi esplodono
Fabrizio Alampi, IT Corporate Manager di Leaf Space
Con bot e agenti, inoltre, le possibilità di automazione aumentano ulteriormente e si crea una rischiosa dipendenza: se l’azienda basa una parte crescente dei propri processi su servizi esterni, deve mettere in conto anche la possibilità di un aumento dei prezzi, la possibilità di interruzione del servizio da parte di vendor extra-UE e, soprattutto, i vincoli di compliance e di gestione dei dati.
Da qui l’interesse per i modelli locali, che consentirebbero di ridurre la dipendenza dai token e mantenere i dati all’interno dell’organizzazione.
«Il problema è il costo dell’investimento: per un modello che si avvicini alle prestazioni di quelli di fascia media servono circa 20-30mila euro. Per una PMI non è banale», osserva Alampi.
È un dilemma destinato a diventare sempre più rilevante per i CIO: dipendere dai modelli esterni, beneficiando delle tecnologie di frontiera ma accettando costi e vincoli crescenti, oppure costruire un’AI privata, mantenendo maggiore controllo sui dati ma rinunciando almeno in parte alle capacità dei modelli più avanzati.
Resta fermo l’impatto positivo dell’AI, che aumenta in modo significativo creatività e produttività. Ma occorre investire in modo sostenibile, sicuro e coerente con gli obiettivi dell’impresa.
«Per Leaf Space, l’obiettivo è arrivare almeno a una AI locale dedicata agli sviluppatori, cioè alle persone che consumano più token», indica Alampi. «La compliance rappresenta un ulteriore fattore decisivo, perché ci sono informazioni che non possono essere processate da sistemi esterni. In molti casi non possiamo proprio usare questi strumenti. La sfida sarà, quindi, trovare il punto di equilibrio tra produttività e controllo».
Gartner: investimenti e costi dell’AI nel 2027
Secondo la ricerca di Gartner dedicata alla pianificazione dei CIO per il 2027, gli investimenti in AI stanno crescendo più rapidamente dei budget IT. In particolare, Gartner stima una crescita media dei budget IT del 3,7% nel 2027, mentre gli investimenti in agentic AI sono previsti in crescita addirittura del 31,8%.
Il problema sarà colmare il divario tra ambizioni sull’AI e realtà operativa e far quadrare le aspettative sui costi. Molti executive si aspettano che l’AI faccia risparmiare, ma i CIO si trovano di fronte a una realtà diversa: il 51% prevede che l’AI aumenterà il TCO (Total Cost of Ownership) durante il ciclo di vita della tecnologia e solo il 36% ritiene di poter raggiungere gli obiettivi di riduzione dei costi previsti. Inoltre, solo il 13% ha riportato un valore significativo dagli strumenti di AI finora adottati.
Questi risultati indicano che le organizzazioni necessitano di un approccio più completo agli AI economics. Infrastruttura, token, impatti sulla forza lavoro possono tradursi in costi aggiuntivi; il valore è nel far crescere il business e i rami di attività e migliorare l’esperienza del cliente.
De Vivo (Rinaldi Group): «L’AI nelle PMI come automazione strutturata»
Giuseppe De Vivo, CIO di Rinaldi Group, rappresenta esattamente la situazione di una PMI italiana. Per molte piccole imprese di eccellenza come questa, gli investimenti degli scorsi anni si sono rivolti in via prioritaria alla cybersicurezza e a Industria 4.0.
Le cyber difese sono state rafforzate, in particolare, dopo un attacco ransomware, che l’azienda ha saputo trasformare da situazione critica a occasione di miglioramento e trasformazione.
«Abbiamo superato l’incidente nel modo migliore: grazie a un’area di backup remota che gli attaccanti non sono riusciti a penetrare, siamo rimasti in possesso delle nostre informazioni aziendali e siamo riusciti a recuperare i dati senza pagare alcun riscatto. L’emergenza ha però prodotto un cambiamento più ampio», evidenzia De Vivo: «l’azienda ha colto l’occasione per rinnovare la componente hardware e software, aggiornare i sistemi operativi e mettere in sicurezza l’infrastruttura di rete con firewall nuovi e aggiornati. Anche la formazione è diventata parte integrante del percorso, insieme all’introduzione dell’autenticazione a più fattori che, in passato, aveva incontrato qualche resistenza».
Raggiunto, dunque, un elevato livello di cybersecurity, le priorità di investimento nel 2027 cambiano e guardano all’AI.
«Sicuramente sulla cybersicurezza il livello di attenzione non va mai abbassato e potremmo avviare ulteriori attività di vulnerability assessment e penetration test», osserva De Vivo. «Ma non si tratta di attività ad alto costo, mentre l’AI richiede un investimento maggiore e, potendo contare su un 10% di budget in più, la mia scelta si indirizzerebbe sicuramente in quest’area».
Negli scorsi anni, Rinaldi Group ha investito fortemente in Industria 4.0, che hanno incluso alcune sperimentazioni dell’AI, tra cui un sistema di controllo qualità basato sulla computer vision. Ora De Vivo punterebbe sull’AI integrata con il CRM per migliorare vendite, attività di back-office e servizio al cliente, oltre che per ridurre i costi.
«Potremmo ottenere così un’automazione strutturata capace di offrire una visione completa dei processi aziendali», nota il CIO. «Per esempio, noi abbiamo un catalogo di circa 60mila prodotti. Individuare manualmente quelli caratterizzati da bassa marginalità e capire come intervenire per migliorarla è un’attività difficilmente sostenibile senza automazione intelligente. L’AI potrebbe analizzare una quantità di informazioni che una persona non può gestire con la stessa velocità».
Niente hype: servono use case e ROI
La visione dei CIO interpellati è, in generale, prudente sull’acquisto della tecnologia e orientata agli use case concreti, con un passaggio graduale dalla sperimentazione al valore enterprise, attraverso dati di qualità, processi modernizzati e team orientati ai risultati.
La vera sfida è fare in modo che gli strumenti AI non rimangano attività localizzate e slegate. Devono diventare asset aziendali capaci di produrre valore misurabile nel tempo.
«Anche nei momenti di crisi, l’investimento IT deve servire a portare a galla la qualità dell’azienda, migliorando prodotti, servizi e capacità di risposta ai clienti», osserva De Vivo. «Oggi molte PMI a conduzione familiare devono fare i conti con la crisi economica che costringe in molti casi a mettere in pausa i percorsi di trasformazione digitale. È difficile ottenere un aumento del budget IT. Tuttavia, l’AI è un grande acceleratore di innovazione nei processi e nello sviluppo del prodotto».
Anche nei momenti di crisi, l’investimento IT deve servire a portare a galla la qualità dell’azienda, migliorando prodotti, servizi e capacità di risposta ai clienti
Giuseppe De Vivo, CIO di Rinaldi Group
Per le imprese manifatturiere, l’AI può configurarsi come prossimo passo di Industria 4.0. Per esempio, Rinaldi Group da qualche anno sta lavorando su un materasso intelligente, chiamato Sleep Intelligent Platform, che integra il prodotto con dispositivi IoT, raccolta dati, elaborazione e presentazione in cloud, sviluppato in collaborazione con UNISA e con il Cefriel. Dotando il materasso di sensori, il prodotto diventa un oggetto connesso che raccoglie dati sullo stato di salute e sul comfort e li trasforma in informazioni utili a chi deve gestire un intero parco materassi, e i cicli di manutenzione e sostituzione – per esempio, un hotel – posizionando il prodotto su un livello premium.
“Sarebbe un’innovazione orientata inizialmente al mercato contract alberghiero, ma potenzialmente capace di fare da traino anche verso altri mercati e di allargare la marginalità», spiega De Vivo.
Anche Alampi ribadisce i vantaggi evidenti dell’AI per la sua azienda: scrittura del codice, automazione, reportistica, analisi, possibilità di utilizzare agenti capaci di interagire tra loro.
Altro tema è se questa produttività enormemente aumentata finisca con l’avere un impatto imprevedibile sia sulle conoscenze sia sul lavoro delle figure junior: se una parte delle attività viene automatizzata, quale sarà il ruolo delle persone all’inizio della loro carriera? Il rischio è una forte perdita di competenze basilari ma essenziali per poter lavorare anche in assenza del supporto del modello AI e per saper monitorare e vagliare ciò che l’AI produce.
L’AI spingerà a investire in lavoro e competenze?
Il paradosso è che i CIO internazionali – in base al sondaggio di Gartner – prevedono che il personale IT rimarrà stabile (lo dice il 37%) o addirittura crescerà (il 40%) – un dato che contrasta con le aspettative delle aziende in termini di efficienza dei costi del personale derivante dall’adozione dell’AI. La maggiore domanda di assunzioni è prevista nei settori data & analytics e cybersecurity.
Allo stesso tempo, il 44% dei CIO cita la carenza di talenti tecnici come una delle principali preoccupazioni relative all’adozione e alla scalabilità dell’AI. Il consiglio degli analisti è di usare l’AI per potenziare gli attuali dipendenti ma anche migliorare, in generale, le competenze aziendali, il pensiero critico e le capacità di giudizio dei professionisti dei dati, dell’analisi e dell’ingegneria del software.
Man mano che l’intelligenza artificiale automatizza le attività di routine, queste competenze incentrate sull’essere umano diventano sempre più importanti per definire gli obiettivi aziendali, valutare i risultati dell’AI e garantire che la tecnologia produca risultati significativi.
Come osserva Schiavullo, l’AI ha in parte democratizzato l’accesso all’informazione, rendendo più accessibile il dialogo con la conoscenza, ma questo non vuol dire che diventiamo tutti automaticamente competenti: «La differenza continua a essere determinata dalla qualità del pensiero critico, dalla capacità di interpretare gli output, dalla sensibilità professionale nel leggere un problema e dalla profondità verticale maturata in un determinato dominio».
Il valore nell’interazione con i modelli AI è nella capacità del singolo di capire se il risultato è corretto, incompleto, rischioso, applicabile, sostenibile o strategicamente rilevante. Conclude Schiavullo: «Chi sa costruire framework, chiarire problemi complessi, trasformare output in decisioni, validare contenuti, creare metodo e produrre valore cognitivo deve essere riconosciuto, perché il futuro dell’AI in azienda non sarà solo tecnologico, ma sarà anche organizzativo, culturale e meritocratico».
Partecipa alla community