AI nei processi aziendali, Masperi (SAP):«Il valore nasce da dati e clean core»

«L’AI entra nei processi aziendali quando trova dati affidabili, applicazioni governate e un’organizzazione pronta a cambiare il proprio modo di lavorare».

Carla Masperi, amministratore delegato di SAP Italia, dà una lettura pragmatica dei tanti annunci fatti a Sapphire Madrid 2026.

La promessa degli agenti non riguarda solo una nuova interfaccia conversazionale. Riguarda la possibilità di portare automazione, analisi e supporto alle decisioni dentro finance, supply chain, procurement, risorse umane e customer experience. Ma, avverte Masperi, il punto di partenza rimane architetturale: «Restando il più possibile all’interno degli standard della piattaforma e delle best practice, si permette all’intelligenza artificiale di dare il massimo valore all’azienda. E si può lavorare in una logica incrementale, non serve un big bang».

AI nei processi aziendali, perché il clean core diventa il prerequisito

«Il tema – prosegue Masperi – non è eliminare ogni specificità aziendale. È distinguere tra unicità che genera vantaggio competitivo e personalizzazione nata dall’abitudine. Nelle imprese italiane, soprattutto in settori manifatturieri e ad alta specializzazione, questa distinzione è importante: molte eccellenze sono costruite su processi proprietari, conoscenze di prodotto e modalità operative consolidate».

L’AI, però, funziona meglio quando può leggere processi coerenti, dati normalizzati e regole esplicite. In altri termini, il noto refrain italico “la mia azienda è un po’ un unicum, ha processi e particolarità che altre aziende non hanno” regge fino a un certo punto.

«Qui il mindset è decisivo – spiega Masperi –. Mi ha colpito il caso di una nota azienda italiana del fashion che, all’avvio del processo di trasformazione digitale, ha scelto di affiancare alla propria forte cultura interna una visione diversa, inserendo un manager esterno. È un tema culturale: un’identità solida è una ricchezza, ma può diventare un limite se ostacola la capacità di stare al passo con l’innovazione».

Dove finisce la specificità e dove inizia il custom code inutile

In questo senso, il concetto di clean core diventa centrale perché riduce il peso del “custom code” non necessario, conserva la stabilità del sistema e consente di ricevere aggiornamenti continui senza trasformare ogni update in un progetto complesso.

SAP descrive il clean core come un approccio per mantenere il cuore dell’ERP standard, aggiornabile e pronto a evolvere, usando estensioni governate solo dove servono davvero alla differenziazione del business.

SAP lega questo passaggio anche a strumenti di process mining e process intelligence, come «la suite SAP Signavio pensata per analizzare, migliorare e trasformare i processi, rendendo confrontabili tempi, passaggi e scostamenti rispetto a benchmark e best practice», aggiunge Masperi.

AI in Italia, adozione in crescita ma PMI ancora indietro

Il contesto italiano, del resto, conferma una doppia velocità.

Il rapporto Istat “Imprese e ICT – Anno 2025”, riferito alle imprese con almeno 10 addetti, rileva che l’uso di almeno una tecnologia di AI è salito al 16,4% nel 2025, dall’8,2% del 2024 e dal 5,0% del 2023. La crescita è significativa, ma il divario dimensionale resta ampio: le grandi imprese arrivano al 53,1%, mentre le PMI si fermano al 15,7%. Secondo i dati dell’Osservatorio Artificial Intelligence del Politecnico di Milano, nel 2025 il 71% delle grandi imprese italiane ha avviato almeno un progetto di intelligenza artificiale. Le medie e soprattutto le piccole restano però al palo con rispettivamente 15% e 7%

Masperi riconduce questo ritardo a due condizioni di fondo: «la maturità dei dati e quella organizzativa restano le due sfide principali».

Il gap tra disponibilità tecnologica e adozione pervasiva riguarda soprattutto la qualità della base dati. Le medie imprese che crescono per acquisizioni, internazionalizzazione o apertura del capitale hanno bisogno di sistemi capaci di consolidare governance, controllo e affidabilità. Qui l’AI può diventare acceleratore, ma solo se il dato è trattato come infrastruttura aziendale.

Cloud e sovranità digitale, come cambia l’architettura per l’AI

Resta fermo il concetto che il cloud resta il veicolo principale della “continuous innovation”, ma la discussione si è spostata dalla migrazione in sé alla scelta del modello più adatto per carichi di lavoro, dati e vincoli regolatori. Per Masperi il cloud richiede un cambio di mentalità, un “cloud mindset”: «Senza cloud non si riesce a fare vera innovazione, tantomeno con l’AI». La ragione è operativa: aggiornamenti frequenti, standardizzazione, adozione incrementale e minore dipendenza da grandi rilasci separati nel tempo.

Nello stesso tempo, la sovranità digitale sta diventando un punto nevralgico, soprattutto in alcuni settori: pubblica amministrazione, finanza, energia e infrastrutture critiche.

Masperi chiarisce il punto con una distinzione che va oltre la localizzazione fisica: «La sovranità non riguarda solo i dati, ma tutto lo stack». La questione, quindi, non si esaurisce nella residenza del dato: è importante capire chi amministra l’ambiente, sotto quale giurisdizione, con quali controlli e con quale tracciabilità.

La risposta di SAP a queste necessità è SAP Sovereign Cloud un’offerta che copre sovranità dei dati, operativa, legale e tecnica, con opzioni anche on-site, cioè infrastrutture operate da SAP in un data center scelto o posseduto dal cliente.

Il nuovo ruolo del CIO nell’AI enteprise

L’AI agentica cambia anche il perimetro del CIO. La tecnologia diventa sempre più commodity nel cloud, mentre cresce il valore della conoscenza dei processi, della governance dei dati e della capacità di collegare obiettivi di business ed execution.

Masperi, che prima di rientrare in SAP è stata CIO dell’Ospedale San Raffaele, richiama proprio questa evoluzione: «Nel tempo ho visto i CIO cambiare: la digitalizzazione ha portato la consapevolezza che la tecnologia non è un mezzo operativo, ma un modo per guadagnare vantaggio competitivo».

Il passaggio agli agenti accelera questa trasformazione. Un agente che prepara una chiusura contabile, instrada un ordine, segnala un’anomalia di supply chain o propone un’azione commerciale deve lavorare su dati coerenti e regole verificabili. Nei processi mission critical, una risposta quasi corretta non basta. «Oggi il digital divide tra IT e top management esiste ancora, ma l’AI sta forzando un ulteriore passaggio. Nessun CEO oggi si mostra disinteressato all’AI. Il problema è che l’AI non è una bacchetta magica: senza maturità dei dati e organizzativa, l’AI è solo un’allucinazione. E per raggiungere maturità dei dati e organizzativa il ruolo del CIO è fondamentale», commenta Masperi.

Questo cambia anche il ruolo dei system integrator. Se gli strumenti riducono tempi di sviluppo, migrazione e pulizia del dato, il valore si sposta verso la conoscenza dei processi settoriali, la capacità di guidare il change management e l’abilità di accompagnare l’impresa nella selezione delle aree dove l’AI produce ritorni misurabili.

AI nelle PMI e nei grandi gruppi, la modernizzazione è organizzativa

Fermo restando che PMI e grandi imprese si stanno muovendo a velocità diverse, questo non significa che le PMI italiane debbano essere “strutturalmente” più lente. Tutt’altro, spesso hanno catene decisionali più corte e maggiore rapidità nel passare dalla valutazione all’azione.

Il limite emerge quando la cultura di prodotto prevale sulla cultura di processo, oppure quando figure apicali rimangono per anni dentro modelli gestionali poco esposti a confronto esterno. In quei casi, l’AI fa fatica perché trova competenze tacite, dati poco coerenti, eccezioni non documentate e processi difficili da misurare.

«La modernizzazione – conclude Masperi – non coincide con l’inserimento di un nuovo strumento. Richiede una revisione del rapporto tra standard e specificità, tra cloud e controllo, tra automazione e responsabilità umana». Gli agenti possono ridurre attività manuali, accelerare analisi e suggerire decisioni, ma l’impresa deve stabilire dove affidarsi all’automazione, dove mantenere supervisione e quali metriche usare per misurare il valore prodotto.