La convergenza tra AI Generativa e architetture Data Cloud di nuova generazione sta creando le condizioni per trasformare e arricchire il rapporto tra dati, conoscenza aziendale e processi decisionali. La Business Intelligence così come la conosciamo, basata su una relazione tradizionale con la base dati aziendale da leggere e consultare tramite report e dashboard, lascia spazio a forme di interrogazione in linguaggio naturale, che rappresentano il passaggio alla Business AI e che mettono a disposizione analisi, previsioni, benchmark in pochi secondi.
L’adozione di un modello conversazionale segna un passaggio strategico dai molteplici vantaggi, a partire naturalmente dall’impatto, in termini di velocità e precisione, che esprime su tutti i processi decisionali aziendali. Ed è proprio su questa trasformazione che si è focalizzata l’attenzione dell’evento “Dalla Business Intelligence alla Business AI: risposte immediate dai tuoi dati SAP in linguaggio naturale“, organizzato in collaborazione con Derga Consulting con la partecipazione di Giulio Nicelli, Senior Advisor dell’Osservatorio Cloud Ecosystem & Sovereignty del Politecnico di Milano e di Giuseppe Valenti, Line of Business Manager BI di Derga Consulting.
Uno dei messaggi chiave che hanno accompagnato le analisi e la visione dei casi concreti presentati nel corso dell’evento è che l’adozione dell’AI in ambito BI non deve essere interpretato come una sorta aggiornamento tecnologico. Per trasformare i modelli linguistici in valore reale, in accesso veloce e preciso ai dati, le aziende devono affrontare sfide che non riguardano solo gli aspetti tecnologici ma che attengono anche alla definizione di una solida governance del dato, per garantire sicurezza e qualità informativa, e naturalmente predisporre un’architettura capace di connettere in modo sicuro l’ERP con i motori AI.
Indice degli argomenti
Come evolve l’adozione dell’AI e dell’AI generativa in Italia
Le prospettive che si aprono si possono comprendere e valutare se si dispone di una corretta lettura dello scenario di mercato. A questo proposito Giulio Nicelli, analizzando il quadro relativo alla maturità dell’AI e delle piattaforme dati nelle imprese italiane, ha evidenziato come l’ampia diffusione delle sperimentazioni non coincida ancora con una reale trasformazione organizzativa.
L’attenzione è indiscutibilmente alta e oltre l’80% delle grandi aziende impiega strumenti AI per la produttività. La presenza di una quota molto elevata di progetti pilota è la testimonianza di come nelle imprese sia ben presente la necessità di individuare, sperimentare e governare le opportunità connesse all’Intelligenza artificiale. Nello stesso tempo però, guardando più in profondità, Nicelli osserva che il 75% delle imprese dichiara di non aver riprogettato i propri processi e solo il 7% ha definito modelli organizzati nei quali l’AI opera in autonomia con validazione umana.
La crescita del mercato e la Data Platform si sviluppa su tre livelli
Nel complesso il mercato italiano del Data Management & Analytics, nel quali si sviluppano e crescono progetti di AI, continua a crescere. Nicelli sottolinea come il volume d’affari sia cresciuto in modo molto significativo da 1,393 miliardi di euro del 2018 agli oltre 4 miliardi del 2025, sostenuto per il 75% dalle grandi imprese, per il 19% dalle PMI e per il 6% dalla PA. Una progressione importante perché gli investimenti nei dati rappresentano un fattore abilitante strategico per la crescita dell’AI, in quanto i modelli generativi richiedono dati accessibili, integrati e qualitativamente affidabili.
Se i dati dunque “ci sono” l’attenzione può spostarsi sul framework che abilita questo passaggio e che per Nicelli deve considerare tre livelli:
- Un livello tecnologico nel quale si raccolgono dati da fonti eterogenee (come ERP, CRM, IoT), si gestiscono le integrazioni e si distribuiscono successivamente “data product” riusabili.
- Un livello semantico al quale è affidato il compito di assegnare un significato condiviso alle informazioni, con la definizione di KPI e l’analisi dettagliata dei contesti aziendali per permettere all’AI di comprendere correttamente il business.
- E un livello di governance che ha come missione di garantire la qualità del dato, la sua tracciabilità, la catalogazione unitamente alla conformità normativa (es. GDPR, AI Act), con un controllo che sappia unire i temi legati ai costi con quelli che attengono alla sovranità.
Data Strategy, nuove forme di autonomia e Shadow AI
In questo percorso verso la Business AI non si deve dimenticare che l’esigenza di forme di self-service analytics preesistevano naturalmente all’AI: il 45% degli utenti analizza i dati tramite BI e un 56% dichiara di operare in autonomia. E questi dati sono importanti per affrontare in modo consapevole il tema della Shadow AI che vede l’utilizzo di strumenti e applicazioni di intelligenza artificiale da parte dei dipendenti senza l’autorizzazione o il controllo dell’azienda. Si tratta di un fenomeno che genera rischi per la sicurezza, la privacy, la conformità normativa e che interessa qualcosa come il 67% delle imprese. La motivazione primaria per queste forme di iniziativa dei singoli è da individuare nella ricerca di soluzioni “autonome” quando mancano i tool aziendali (nel 29% dei casi), o quando gli strumenti aziendali ci sono, ma non si considerano sufficientemente adeguati. Per governare questo fenomeno Nicelli richiama la necessità di una Data Strategy formalizzata in grado di comprendere priorità e strumenti. Se è vero che ad oggi solo il 38% delle grandi imprese ne ha definito una è anche vero che nei casi in cui è presente i risultati si vedono, tanto che l’87% di queste realtà misura benefici concreti di business.
In conclusione, Nicelli torna a sottolineare i tre pilastri d’azione per abilitare un passaggio dalla Business Intelligence tradizionale alla Business AI: l’usabilità come condizione di adozione, l’interpretazione aziendale dell’AI come acceleratore di conoscenza e naturalmente la Data Governance come punto di riferimento.
Per approfondire la conoscenza delle opportunità legate alla Business AI si suggerisce la consultazione del white paper: Guida alla BI di ultima generazione potenziata dall’AI
Scaricalo subito >>>
Architettura e casi d’uso concreti per sfruttare le potenzialità della Business AI
Per vedere a tutti gli effetti un approccio ai dati aziendali in linguaggio naturale è necessario presidiare tre temi chiave di questo percorso: l’architettura tecnologica, la governance e la concretezza di use case molto chiari che permettano alle imprese di capire il valore di un dialogo facile, veloce e accessibile con i dati.
Con Giuseppe Valenti, Line of Business Manager BI di Derga Consulting, si è potuto vedere cosa significa dialogare con i dati grazie alla soluzione sviluppata su SAP Business Technology Platform (BTP), grazie all’integrazione con SAP Datasphere e la connessione via Model Context Protocol (MCP) a modelli Claude di Anthropic.
Valenti ha tenuto a precisare quanto sia importante considerare la semplicità come un fattore chiave di questa tipologia di soluzioni. Per ottenere questo risultato si è scelto di lavorare su una apertura ai modelli LLM e Multi-LLM con una governance open che permette di decidere quale tipologia di modello utilizzare tra le principali soluzioni di intelligenza LLM e multi-LLM.
La connessione via MCP a SAP Datasphere con un layer Semantico
Dal punto di vista tecnologico, la soluzione utilizza il protocollo aperto e standardizzato MCP (Model Context Protocol) di Anthropic che abilita la connessione con le informazioni presenti in-house. I dati sono gestiti grazie alla piattaforma cloud per l’integrazione, la gestione e la valorizzazione dei dati aziendali SAP Datasphere, e sulla attivazione dei modelli semantici. Nello specifico poi i modelli semantici sono allineati con tutte le esigenze informative e le specificità aziendali.
Questo approccio permette alla Business AI di attuare una evoluzione pragmatica dal modello descrittivo a quello predittivo e simulativo. Se la BI tradizionale si limita in sostanza a raccontare il passato con consuntivi e report statici, la Business AI è in grado di generare previsioni dinamiche e simulazioni iterative. In questo modo l’analisi dati non è più una fotografia statica, ma diventa un sistema continuo di aggiornamento degli scenari che possono essere interrogati in linguaggio naturale.
Il percorso verso una vera e propria Decision Intelligence
Questo percorso trasforma la BI in una piattaforma di Decision Intelligence che permette di svolgere analisi di scenario, di stimare probabilità di esito e di anticipare gli eventi in tempo reale per orientare scelte su produzione, consumi, pricing, vendite e marginalità aumentando la precisione e riducendo i tempi necessari per le decisioni.
Accanto a queste funzionalità l’AI agisce anche come una sorta di lente d’ingrandimento per la qualità dei dati, per rendere visibili frammentazioni, duplicazioni e possibili incoerenze semantiche che nella BI descrittiva rimanevano nascoste. In questo senso l’AI rappresenta un ulteriore stimolo per le organizzazioni ad adottare una sempre più attenta e rigorosa Data Governance, con un Data Catalog e un modello semantico condiviso
Un altro aspetto strategico riguarda la possibilità di valorizzare ulteriormente il potenziale informativo aziendale (ERP). Considerando che la stragrande maggioranza dei dati critici aziendali (contabili, logistici, produttivi e commerciali) nasce o transita nell’ERP, la Business AI consente di collegare questi flussi operativi direttamente ai modelli analitici, creando una “verità unificata” e condivisa tra tutti i reparti e più facilmente accessibile.
Va poi sottolineato come queste prospettive si collochino nella direzione di una amplificazione e non di una sostituzione della valutazione e della decisione manageriale. La business AI non è concepita per sostituire la responsabilità umana, ma per amplificarne la portata analitica e la capacità conoscitiva. La Business AI è di fatto in grado di fornire al management maggiore profondità e precisione in relazione ai dati e alle informazioni rilevanti per qualsiasi processo decisionale.
Le diverse dimensioni della sicurezza
A completamento del quadro di riferimento c’è poi il tema della sicurezza che Derga Consulting ha orchestrato su più livelli: dall’utilizzo di modelli “best of breed”, con tipologie di contratto con cui i vendor garantiscono che l’addestramento non sia in alcun modo utilizzato o divulgato a terzi, alla gestione controllata dei diversi livelli di accesso, con priorità e tipologie di servizio associate a specifici livelli di autorizzazione. Grazie al Data Access Control è infatti possibile profilare l’utente in ragione delle specifiche relative al proprio profilo e le risposte dell’intelligenza artificiale vengono fornite in funzione della tipologia di informazioni a cui ciascun utente ha diritto in funzione del suo ruolo in azienda.
Casi concreti di Business AI in azione
L’evento ha messo a disposizione la possibilità di vedere concretamente alcune delle funzionalità della Business AI. Giuseppe Valenti, (come potete vedere direttamente nella registrazione del webinar accessibile da QUI) ha mostrato alcune dimostrazioni relative a necessità tipiche di una direzione commerciale e di funzioni aziendali attive nell’ambito del controllo industriale
La simulazione relativa alla direzione commerciale ha mostrato una interrogazione della piattaforma che ha permesso la elaborazione di un conto economico dettagliato per una richiesta relativa a un brand, con simulazioni di forecast di vendita sull’anno e un dettaglio previsionale suddiviso su una selezione di 10 clienti Top. Un risultato che la direzione commerciale ha avuto a disposizione in tre minuti circa di tempo e a un costo calcolato in una frazione di euro
Nell’ambito della simulazione relativa al mondo del controllo industriale: la Business AI ha permesso l’integrazione del P&L contabile con i dati di produzione e di impianto, ha consentito di evidenziare, quasi in tempo reale, alcune anomalie di pricing, la individuazione di alcuni segnali di inefficienza a livello di saturazione dei plant e la selezione di indicazioni preziose per intervenire a livello di razionalizzazione delle SKU.
Partecipa alla community