L’instabilità geopolitica, la volatilità dei mercati e la crescente complessità delle filiere produttive impongono alle aziende di prendere decisioni sempre più rapidamente.
Un ritardo nelle forniture, un’anomalia su una linea produttiva o una variazione improvvisa della domanda possono richiedere risposte nell’arco di pochi minuti. Tempi difficilmente compatibili con quelli necessari per raccogliere informazioni e dati da sistemi differenti, leggere decine e decine di report e coinvolgere diverse funzioni aziendali nella loro interpretazione.
Il paradosso è che, nella maggior parte dei casi, le informazioni necessarie per decidere sono già disponibili in azienda. Vengono continuamente generate dalle macchine, raccolte dai sistemi di produzione, registrate e custodite in numerosi applicativi (MES, ERP e via dicendo). Il problema è che, spesso, questi dati non comunicano tra loro e, anche quando sono accessibili, trasformarli in informazioni utili richiede tempo e competenze specialistiche.
Come superare questi ostacoli senza dover riprogettare da zero l’intera infrastruttura informatica? E come sfruttare l’intelligenza artificiale per consentire a manager e responsabili di produzione di interrogare direttamente i propri dati, formulando domande in linguaggio naturale e ottenendo risposte in tempi estremamente ridotti?
Sono questi i temi principali affrontati nel corso del webinar – organizzato da Nextwork360 in collaborazione con Derga – che ha visto gli interventi di Giulio Nicelli, Advisor Osservatorio Cloud Ecosystem & Sovereignty – Politecnico di Milano, e Gabriele Polastri, Digital Manufacturing & Supply Chain Consultant – Derga Consulting. Il confronto è stato moderato da Massimo Mattone, Giornalista e Direttore – Nextwork360. (Inserire a cura della redazione il link al webcast I dati in azienda ci sono già: ecco come usarli per prendere decisioni velocemente senza riprogettare l’infrastruttura IT | ZeroUno)
Indice degli argomenti
La velocità delle decisioni diventa un fattore competitivo
La necessità di reagire rapidamente agli imprevisti riguarda ormai tanto le decisioni strategiche quanto quelle operative. Un responsabile della produzione deve poter valutare tempestivamente le conseguenze di un fermo macchina sull’avanzamento degli ordini. Chi gestisce la supply chain deve comprendere quali commesse rischiano ritardi in caso di mancata consegna di un componente. La direzione aziendale può avere bisogno di stimare in tempi brevissimi gli effetti economici di una modifica del piano produttivo.
In tutti questi casi, il valore dell’informazione dipende anche dalla velocità con cui diventa disponibile. Un’analisi accurata che arriva dopo due giorni può essere meno utile di una risposta ottenuta nel momento esatto in cui occorre prendere una decisione.
Ma la trasformazione digitale, da sola, non garantisce questa capacità di risposta. È uno dei messaggi emersi dall’intervento di Giulio Nicelli, che ha richiamato l’attenzione sulla distanza ancora esistente tra adozione delle tecnologie e reale trasformazione dei processi aziendali.
Secondo i dati dell’Osservatorio HR Innovation 2026 del Politecnico di Milano, infatti, nel 79% dei casi l’intelligenza artificiale non ha modificato i modelli di business e nel 75% non ha determinato una riprogettazione dei processi. Soltanto nel 7% delle organizzazioni considerate, l’AI gestisce attività in autonomia, lasciando alle persone la validazione dei risultati e delle eccezioni. Numeri che evidenziano come introdurre strumenti digitali o applicazioni di intelligenza artificiale, senza una opportuna governance dei processi ed una importante fase di assessment iniziale, non significa necessariamente modificare il modo in cui l’impresa lavora e prende decisioni.
Il paradosso delle informazioni: i dati in azienda ci sono, ma non parlano tra loro
La fabbrica moderna è una straordinaria produttrice di dati. Sensori, PLC, sistemi SCADA, macchinari connessi, piattaforme MES ed ERP raccolgono quotidianamente grandi quantità di informazioni sulle condizioni operative degli impianti, sui volumi produttivi, sui consumi, sulla qualità e sugli ordini.
Nicelli ha evidenziato il ruolo centrale dei sistemi gestionali nel patrimonio informativo delle imprese: secondo i dati Eurostat 2025, il 57,6% delle imprese manifatturiere europee con almeno dieci addetti utilizza sistemi ERP, contro una media del 46,5% considerando tutti i settori.
Il problema è che ogni sistema tende a custodire e organizzare le informazioni secondo logiche proprie. Il MES conosce ciò che accade sulle linee produttive, l’ERP contiene informazioni su ordini, materiali e magazzino, mentre i sistemi di manutenzione registrano interventi e guasti.
Se queste informazioni rimangono separate, ricostruire un quadro completo diventa complesso.
Si pensi a un responsabile di stabilimento che debba comprendere perché una linea ha registrato un calo di efficienza. Potrebbe essere necessario estrarre i dati dal MES, confrontarli con quelli dei sensori, recuperare le informazioni sugli interventi di manutenzione e verificare nell’ERP gli ordini lavorati durante il periodo considerato. Ciascuna informazione è disponibile, ma nessun sistema, preso singolarmente, è in grado di fornire la risposta complessiva.
In situazioni di questo tipo, l’azienda può impiegare ore o giorni soltanto per ricostruire ciò che è accaduto. Nel frattempo, però, la decisione operativa avrebbe già dovuto essere presa.
Il problema non è, quindi, necessariamente la mancanza di tecnologie o di dati, ma l’impossibilità di collegare rapidamente informazioni che risiedono in ambienti differenti.
Non serve riprogettare da zero l’infrastruttura IT
Come superare questa frammentazione? La vision di Derga – illustrata da Gabriele Polastri – è chiara: non è necessario sostituire tutti i sistemi esistenti per valorizzare i dati aziendali.
Ciò che occorre, è la creazione di un layer unico, ossia di un livello tecnologico di integrazione capace di mettere in comunicazione i sistemi già presenti in azienda: ERP, MES, SCADA, PLC, database interni, fogli Excel e perfino applicativi legacy. Quest’ultimo aspetto è particolarmente significativo per il manifatturiero, dove convivono spesso macchinari e software appartenenti a generazioni tecnologiche differenti. Un’applicazione gestionale può essere datata, ma continuare a svolgere efficacemente le proprie funzioni. Lo stesso vale per impianti produttivi che, pur non essendo nativamente progettati per i più recenti paradigmi digitali, garantiscono ancora prestazioni adeguate. Sostituire questi sistemi soltanto per consentire una migliore circolazione dei dati rischierebbe di comportare investimenti ingenti e possibili interruzioni dell’operatività.
La soluzione proposta e messa in atto da Derga, invece, consiste nel costruire un’architettura unica che colleghi le diverse sorgenti informative, preservando in tal modo gli investimenti già effettuati.
Non basta far parlare i dati tra loro: bisogna poter parlare con i dati
Pur disponendo di un patrimonio informativo integrato, rimane un problema cruciale: come consentire alle persone di utilizzare concretamente tutti questi dati?
Per ottenere una risposta, infatti, l’utente deve conoscere il sistema che ha generato i dati, individuare i report corretti e interpretarne i risultati. In altri casi, deve rivolgersi a un analista, chiedendo un’elaborazione specifica che integri dati provenienti da differenti applicativi.
Il problema diventa particolarmente evidente quando la domanda da porre non è stata prevista in precedenza o richiede di incrociare informazioni e dati che, normalmente, vengono analizzate separatamente.
L’intelligenza artificiale generativa apre una possibilità diversa: trasformare l’interrogazione dei dati in una conversazione. Manager, responsabili di produzione e operatori devono poter formulare domande in linguaggio naturale, senza conoscere la struttura dei database e senza essere costretti a leggere decine di report tecnici.
Derga viene incontro a questa necessità mettendo a disposizione una soluzione di BI basata sull’AI che permette di “parlare con i dati” facendo domande in linguaggio naturale, proprio come se si stesse conversando con un essere umano. In tal modo, in pochissimi minuti, si riescono a prendere decisioni basate sui dati, anche molto articolate e complesse, che avrebbero altrimenti richiesto ore e giorni di lavoro e coinvolto innumerevoli risorse produttive, sottraendole alle loro mansioni e rischiando di impattare sulla produzione e sull’intera supply chain.
In tal modo, peraltro, è possibile porre domande nuove, anche molto articolate, senza dover progettare in anticipo un report per ciascuna esigenza informativa. Ciò può ridurre sensibilmente il tempo che separa l’emergere di un problema dalla disponibilità delle informazioni necessarie per affrontarlo, evitando peraltro di impegnare numerose risorse aziendali in lunghe attività di raccolta ed elaborazione dei dati, consentendo così di adoperarle per attività a maggior valore per l’azienda.
Dall’AI che risponde all’AI che propone soluzioni
Queste possibilità sono state illustrate nel corso del webinar anche attraverso una demo live articolata in due parti.
Nella prima parte, è stato mostrato come la soluzione di intelligenza artificiale sviluppata da Derga permetta di dialogare con il patrimonio informativo aziendale attraverso domande in linguaggio naturale. L’esperienza è paragonabile a quella di avere accanto un consulente estremamente esperto che conosce le informazioni disponibili in azienda e può fornire rapidamente risposte anche a quesiti complessi, incrociando dati di produzione e gestionali.
La seconda parte della demo ha introdotto, invece, la dimensione proattiva dell’AI.
In questo caso, infatti, il sistema non si limita a interpretare i dati, ma può anche suggerire come intervenire. Un’AI, cioè, che oltre a rispondere alle nostre domande, contribuisce a individuare le possibili soluzioni di un problema proponendole in maniera autonoma, trasformando così le informazioni in indicazioni strategiche e operative.
Prima i processi, poi la tecnologia
Un elemento fondamentale dell’approccio di Derga riguarda il modo in cui avviare e governare questi progetti: “Prima i processi, poi la tecnologia“, precisa Polastri.
Il fine, cioè, non è installare nuova tecnologia, ma – partendo da un problema operativo concreto – comprendere quali dati e informazioni siano necessarie per risolverlo, studiandone attentamente tutti i processi correlati e, solo successivamente, individuare gli strumenti tecnologici più adatti a creare valore per il business.
L’errore da evitare, infatti, è partire dalla scelta di una piattaforma tecnologica senza aver prima individuato il problema operativo da risolvere. Acquistare nuove soluzioni di AI, IoT o analisi dei dati non garantisce automaticamente un miglioramento delle performance.
In tal senso, l’approccio di Derga prevede di analizzare inizialmente i processi aziendali per comprendere dove si verificano inefficienze e quali decisioni richiedono più tempo. Un percorso graduale che parte da un assessment, prosegue con una sperimentazione su un caso d’uso circoscritto e, infine, arriva all’estensione della soluzione ad altre linee e funzioni aziendali. Solo successivamente, si passa alla ricognizione dei dati disponibili, alla loro integrazione e alla scelta degli strumenti di analisi e tecnologici più appropriati.
Ed è proprio questo il punto di arrivo del percorso illustrato durante il webinar. La sfida non è più soltanto raccogliere dati o renderli disponibili attraverso dashboard e report. È costruire un ambiente integrato nel quale le informazioni possano circolare tra sistemi differenti, essere interrogate facilmente dalle persone e alimentare analisi capaci di suggerire interventi tempestivi.
In un contesto di crescente complessità e incertezza geopolitica e dei mercati come quello che stiamo vivendo, infatti, la competitività dipenderà sempre più dalla capacità di ridurre la distanza tra ciò che l’azienda sa e ciò che riesce concretamente a fare con le informazioni di cui dispone.
Partecipa alla community