Durante il convegno “CIO Innovation Stories” organizzato dall’Osservatorio Cloud Ecosystem & Sovereignty presso il Politecnico di Milano, Francesco Pisani, responsabile del Cloud Center of Excellence di Maire per la divisione Tecnimont Services, Valentino Monfreda, FinOps and Portfolio Manager del medesimo centro di eccellenza, e Danilo Abbaldo, Senior Manager di Liquid Reply, hanno illustrato il percorso di trasformazione digitale del gruppo.
Al centro del dibattito è emersa la necessità di strutturare una solida governance per controllare gli ambienti distribuiti, tracciando l’evoluzione delle metodologie di spesa e di monitoraggio tramite l’applicazione concreta del paradigma FinOps AI.
Indice degli argomenti
Dall’infrastruttura multicloud alla gestione intelligente delle risorse
Maire opera a livello internazionale come un gruppo industriale di primo piano nel settore dell’abilitazione della transizione energetica, integrando competenze di ingegneria e soluzioni tecnologiche avanzate.
I dati di scenario dell’azienda evidenziano una presenza radicata in oltre cinquanta Paesi, un volume di ricavi che supera i sette miliardi di euro e un organico composto da più di diecimila dipendenti.
All’interno di questa complessa articolazione geografica, la divisione Tecnimont Services ospita la business unit dedicata ai servizi digitali ed energetici guidata dal CIO Michele Mariella, una struttura in cui la componente digitale svolge un ruolo fondamentale nel supportare l’intera operatività globale.
Il percorso infrastrutturale del gruppo ha registrato una profonda evoluzione nell’arco degli ultimi tre anni, segnando il passaggio definitivo da un modello monocloud a un ecosistema multicloud. Questa transizione ha visto l’abilitazione contemporanea dei quattro principali hyperscaler del mercato, una scelta dettata da precise esigenze industriali quali il de-risking tecnologico, la volontà di evitare il vendor lock-in e la necessità di differenziare gli strumenti informatici.
Le sfide della governance
La gestione di un patrimonio applicativo così distribuito ha tuttavia introdotto sfide rilevanti legate alla frammentazione dei costi operativi, alla visibilità degli asset e alle complesse esigenze di conformità rispetto alle normative locali dei singoli Paesi.
Con l’avvento dell’intelligenza artificiale e lo sviluppo di piattaforme agentiche, Maire ha scelto di utilizzare la tecnologia stessa come un piano di controllo unificato, trasformando l’algoritmo nel control plane necessario per orchestrare e semplificare i carichi di lavoro.
La configurazione di un’orchestrazione centralizzata permette, inoltre, al gruppo di prepararsi a un eventuale processo di repatriation, valutando l’opportunità di far girare modelli e agenti in locale per modificare il bilanciamento tra i consumi di calcolo tradizionali e l’acquisto di token.
Il connubio organizzativo: un solo centro d’eccellenza per cloud e intelligenza artificiale
Per governare questa complessità senza frammentare le strutture aziendali, Maire ha adottato una strategia organizzativa atipica, decidendo di non istituire un centro di competenza separato e dedicato esclusivamente all’intelligenza artificiale.
Al contrario, la società ha preferito far convergere le nuove risorse all’interno della struttura preesistente che presidiava l’infrastruttura. Francesco Pisani ha descritto le motivazioni di questa scelta strutturale spiegando che «a livello di modello operativo abbiamo portato le competenze AI dentro il Cloud Center of Excellence cercando di creare un unico modello abilitante sia per la gestione multicloud o ibrida, sia per la governance dei costi».
La fusione delle competenze ha permesso di inserire anche la specializzazione finanziaria di Valentino Monfreda direttamente nel Cloud Center of Excellence. In questo modo, l’unificazione dei domini specialistici della sicurezza, dell’architettura di rete e del controllo di gestione ha posto le basi per l’implementazione pratica di una strategia di FinOps AI, concepita per superare la classica impostazione dei bilanci informatici attraverso l’automazione predittiva.
Il cambio di paradigma: da Infrastructure-as-Code a Infrastructure-as-Intelligence
L’integrazione delle tecnologie algoritmiche ha generato una trasformazione radicale nel modo di concepire la manutenzione e l’evoluzione dei sistemi informativi. Il modello operativo è passato stabilmente dal concetto di Infrastructure-as-Code a quello di Infrastructure-as-Intelligence, dove l’adozione di logiche AIOps abilita una capacità di observability predittiva sull’intero parco macchine.
La traduzione pratica di questo approccio si concretizza nella produzione mensile di report di monitoraggio end-to-end che analizzano capillarmente ogni singolo dominio di un workload applicativo.
L’analisi non si limita a verificare la disponibilità delle macchine, ma unifica i dati relativi alla sicurezza architetturale, alla conformità normativa, all’aggiornamento del Configuration Management Database e all’andamento economico dei consumi, trattando l’infrastruttura cloud come una fornitura standard su cui poggia uno stack di governance integrato.
La genesi e il funzionamento operativo di Aviator AI
La risposta tecnologica a queste esigenze di centralizzazione si chiama Aviator AI, una piattaforma data-driven progettata inizialmente come soluzione indipendente e successivamente espansa per diventare l’orchestratore complessivo delle applicazioni multicloud del gruppo.
Come spiegato da Danilo Abbaldo, lo strumento è stato sviluppato per risolvere lo use case cruciale del Cost Management, consentendo di risalire con esattezza alle informazioni di spesa della singola applicazione all’interno di un panorama IT estremamente eterogeneo.
La piattaforma si basa su un’architettura multi-agente in cui diversi agenti specializzati comunicano tra loro sotto la supervisione di modelli coordinatori, interagendo direttamente con i sistemi di terze parti e con i quattro principali cloud provider.
L’evoluzione del sistema ha permesso di estendere la visibilità ai servizi di tipo Platform-as-a-Service, Infrastructure-as-a-Service e alle componenti onpremise. Attraverso l’adozione del Model Context Protocol, Aviator AI non richiede il consolidamento di tutte le informazioni in un unico immenso database centrale. Al contrario, il protocollo permette di creare una rete di connessioni che interroga direttamente i singoli contesti che contengono già i dati necessari, abilitando un’interazione di tipo conversazionale.
Il ruolo del FinOps AI nel controllo dei costi applicativi
La dispersione dei centri di costo a livello globale rendeva il controllo economico un’attività ad alta complessità per i team finanziari, costretti a interfacciarsi continuamente con i dipartimenti tecnici per decifrare le metriche di consumo.
L’introduzione della piattaforma ha modificato la gestione operativa di showback e chargeback tra le diverse filiali estere. Valentino Monfreda ha evidenziato l’impatto di questa semplificazione confermando che «Aviator AI è nato proprio per consentire ad utenti non tecnici di reperire informazioni tramite il linguaggio naturale».
Grazie a questa interfaccia conversazionale, stakeholder finanziari, uffici acquisti e responsabili del controllo di gestione possono estrarre dati complessi senza possedere competenze sistemistiche. Lo strumento permette di ottenere proiezioni di spesa basate su differenti scenari di utilizzo e di identificare immediatamente le anomalie o i picchi immotivati nei consumi delle risorse cloud.
Monitorare l’intelligenza artificiale: lo scenario della token strategy
L’espansione dei progetti basati sugli agenti autonomi ha introdotto una variabile economica inedita all’interno del framework di gestione dei costi. Maire ha dovuto affrontare la necessità di applicare i principi del FinOps AI non solo per controllare le macchine virtuali tramite l’algoritmo, ma per monitorare l’efficienza degli stessi modelli linguistici, dove la metrica fondamentale della spesa si sposta dalla potenza di calcolo oraria al volume di token consumati.
La piattaforma centralizza le metriche provenienti dagli agenti in produzione, monitorando costantemente quali modelli vengono utilizzati e con quali prestazioni. Questa attività di controllo ha l’obiettivo di definire una token strategy consumption per guidare gli utenti verso un uso consapevole delle risorse, partendo dal presupposto che non tutti i modelli linguistici sono identici o adatti al medesimo scopo.
Aviator AI analizza le performance e formula raccomandazioni proattive: se un modello risulta eccessivamente potente o sovradimensionato rispetto al compito assegnato, il sistema suggerisce di effettuare un downscaling verso una versione più leggera, permettendo un risparmio immediato di token e una drastica riduzione dei costi operativi.
Sicurezza proattiva e conformità all’AI Act
Un ulteriore dominio integrato nella governance centralizzata riguarda la sicurezza del codice e la conformità normativa. L’adozione di strumenti di intelligenza artificiale all’interno di un gruppo industriale richiede un esame accurato dei requisiti legati all’AI Act europeo, valutando gli impatti e i rischi delle soluzioni prima dell’avvio dei cantieri di sviluppo.
La piattaforma supporta i processi di audit analizzando le vulnerabilità architetturali e i test di sicurezza statica del codice in maniera proattiva. Attraverso la correlazione dei dati, il sistema verifica mensilmente l’andamento dello score di sicurezza e rileva il livello di aderenza alle normative internazionali ISO 27001, ISO 27017 e ISO 27018. Questa mappatura automatica fornisce report dettagliati pronti per essere condivisi con le funzioni di controllo interne, accelerando i tempi di approvazione dei nuovi progetti digitali.
Indicatori di efficacia e impatto reale sui processi aziendali
I benefici derivanti dall’adozione della piattaforma e della strategia di FinOps AI trovano riscontro nei Key Performance Indicator misurati sul campo da Maire nel corso dell’utilizzo ordinario dei sistemi.
Il vantaggio principale si registra nella drastica contrazione dei tempi necessari per l’elaborazione dei dati aziendali. La redazione di un report di observability end-to-end, che in precedenza richiedeva svariati giorni di lavoro da parte del personale specializzato, viene completata in un lasso di tempo compreso tra i trenta e i sessanta minuti. L’intervento umano rimane focalizzato esclusivamente nella fase finale del processo per la validazione dei contenuti approvati dall’algoritmo.
L’automazione ha determinato anche una forte riduzione del numero di ticket aperti a livello di operation, aumentando l’accuratezza delle previsioni di spesa e migliorando la postura di sicurezza complessiva.
Per garantire la sostenibilità economica dei progetti nel lungo periodo, Maire ha introdotto rigidi criteri di approvazione per ogni nuovo caso d’uso, i quali devono dimostrare benefici tangibili in termini di efficienza operativa, qualità del servizio erogato e impatto decisionale. Ogni nuova architettura cloud viene accompagnata da una pianificazione dettagliata dei consumi, trasformando la strategia dei modelli in una componente stabile della documentazione di progetto aziendale.
FAQ: Digital Transformation
Cos’è la digital transformation?
La digital transformation è il processo di integrazione delle tecnologie digitali in tutti gli aspetti di un’azienda, modificando fondamentalmente il modo in cui opera e fornisce valore ai clienti. Va oltre la semplice replica dei processi esistenti in formato digitale; implica un ripensamento completo dei modelli di business e delle operazioni per sfruttare appieno le opportunità offerte dalle nuove tecnologie.
Perché la digital transformation è importante per le aziende oggi?
La trasformazione digitale è cruciale per le aziende moderne poiché permette di migliorare l’efficienza operativa e la customer experience. Secondo le ricerche, il 59% delle organizzazioni ritiene che l’uso efficace della tecnologia rappresenti la chiave del successo della propria trasformazione, mentre l’86% degli intervistati crede che la tecnologia cambierà radicalmente il modo in cui la propria organizzazione opererà nei prossimi 10 anni. La digital transformation consente alle aziende di rimanere competitive nell’era digitale attraverso l’innovazione continua.
Quali sono le principali tecnologie che guidano la digital transformation?
Le tecnologie chiave che guidano la digital transformation includono: l’intelligenza artificiale (indicata dal 46% degli intervistati come la tecnologia con maggiore impatto nei prossimi 5 anni), blockchain (priorità per il 27% delle PMI italiane), machine learning (28%), Internet of Things (33%), cloud computing (35%), big data analytics e soluzioni di cybersecurity.
Come la digital transformation sta cambiando l’esperienza del cliente?
La trasformazione digitale sta rivoluzionando l’esperienza del cliente attraverso l’integrazione di canali offline e online, creando esperienze omnicanale che permettono ai clienti di interagire con le aziende in modo più fluido e personalizzato. Le ricerche mostrano che il miglioramento dell’esperienza del cliente è considerato il più grande vantaggio della modernizzazione digitale per il 49% degli intervistati, con un focus particolare sulla mappatura del customer journey (51% nella regione APAC) e sull’implementazione di soluzioni che permettono una maggiore personalizzazione e interazione in tempo reale.
Quali sono le sfide principali che le aziende affrontano durante la digital transformation?
Le sfide comuni che le aziende affrontano durante la digital transformation includono: restrizioni di budget (58% a livello globale, particolarmente rilevanti nei settori dell’educazione e della pubblica amministrazione), scarsità di competenze tecniche (56%, con picchi nel settore assicurativo e manifatturiero), resistenza al cambiamento da parte dei dipendenti, integrazione di nuove tecnologie con sistemi legacy, problemi di sicurezza dei dati e conformità normativa, e la gestione del cambiamento culturale all’interno dell’organizzazione.
Qual è il ruolo della leadership nella trasformazione digitale?
La leadership gioca un ruolo cruciale nella trasformazione digitale. L’innovazione è attualmente guidata principalmente dal CEO (65% a livello globale, 59% in EMEA), dal CIO (58% nel mondo e 60% in EMEA) e dai responsabili dei dipartimenti (54%). Tuttavia, si prevede che nei prossimi tre anni l’innovazione diventerà una responsabilità condivisa da tutti nell’organizzazione (56% degli intervistati). Il CIO emerge come figura essenziale per guidare l’innovazione e allineare le strategie IT con gli obiettivi di business.
Come può un’azienda iniziare il suo percorso di trasformazione digitale?
Un’azienda può iniziare il suo percorso di trasformazione digitale attraverso diversi passi fondamentali. È importante non bloccare il business per innovare, ma integrare la digitalizzazione nei processi esistenti. Le organizzazioni dovrebbero iniziare con una valutazione delle proprie infrastrutture digitali, sviluppare il capitale umano attraverso la formazione e stabilire un quadro di governance basato sulla fiducia. È consigliabile adottare metodologie come Agile (preferita dal 44% delle aziende in EMEA) o DevOps (52% in Nord America).
Come misurare il successo della trasformazione digitale?
Il successo della trasformazione digitale può essere misurato attraverso diversi KPI. Secondo le ricerche, i principali benefici percepiti includono lo sviluppo di capacità analitiche e decisionali, il miglioramento dei processi operativi e collaborativi, e l’impatto positivo sulle performance economico-finanziarie. Altri indicatori significativi sono il miglioramento dell’esperienza del cliente (considerato il più grande vantaggio della modernizzazione per il 49% degli intervistati) e l’aumento della produttività dei dipendenti (50%).
Qual è la situazione della digital transformation nelle PMI italiane?
Le PMI italiane si trovano “a metà del guado” nel loro percorso di trasformazione digitale, con un valore potenziale percepito della Digital Transformation medio-alto, condizioni organizzative di livello medio e un valore basso di adozione iniziale delle tecnologie digitali. Secondo le ricerche, l’86% delle PMI italiane nel 2017 ha investito una percentuale del proprio fatturato in trasformazione digitale, con il 38% che ha destinato tra l’1% e il 10% del fatturato. Le figure professionali più richieste nei prossimi tre anni sono digital marketing specialist (34%), data analyst (26%) e digital officer (23%).
Qual è il ruolo dei dati nella trasformazione digitale?
I dati sono fondamentali per la trasformazione digitale. Lo sviluppo di capacità analitiche e decisionali è considerato uno dei principali benefici della digital transformation. Le aziende stanno investendo in big data analytics, che rappresenta l’area di principale investimento in innovazione nei prossimi anni in Europa e nell’area Asia-Pacific (41%). La gestione avanzata dei dati richiede infrastrutture robuste e sistemi in grado di garantire un trattamento dei dati pulito e affidabile, essenziali per l’implementazione efficace dell’intelligenza artificiale nei processi aziendali.
