Per molti CIO l’intelligenza artificiale è un nuovo capitolo che si aggiunge a una storia già in corso: bisogna sperimentare GenAI e agenti, ma contemporaneamente migrare gli ERP, consolidare i dati, portare applicazioni sul cloud e armonizzare processi che negli anni hanno seguito percorsi differenti. Un doppio salto carpiato, insomma.
Giovanni Cauteruccio, Group CIO and Digital Officer di Prysmian, parte da una situazione diversa. «Mi confronto con molti colleghi CIO che devono gestire contemporaneamente entrambe le cose: implementare l’intelligenza artificiale pur avendo ancora i vecchi sistemi ERP e dovendo capire quando avviare i progetti di migrazione. In Prysmian abbiamo completato questo percorso di modernizzazione tra il 2014 e il 2024. Per me, oggi, l’IT deve concentrarsi solo sulle idee».
È questo il punto di partenza della nuova fase digitale del gruppo, che opera nelle soluzioni in cavo per energia e telecomunicazioni. Negli anni Prysmian ha lavorato sull’armonizzazione dei processi e sulla costruzione di un core digitale comune.
Più recentemente ha completato il passaggio a RISE with SAP, con SAP S/4HANA Cloud Private Edition, SAP Business Technology Platform (BTP), Business AI e Joule. Il progetto ha ricevuto un SAP Innovation Award 2026 nella categoria Industry Leader.
Per Cauteruccio, però, il risultato più importante della modernizzazione si misura in ciò che oggi l’IT può fare.
«Quando vedo queste innovazioni, il giorno dopo posso già testarle in Prysmian. Abbiamo il privilegio di aver lavorato molto in passato sull’armonizzazione dei processi e sulla modernizzazione, per cui adesso possiamo focalizzarci sulle idee e ridisegnare i processi reali con l’intelligenza artificiale».
Indice degli argomenti
Tre strade per portare l’AI in azienda
La strategia seguita da Prysmian distingue diversi ambiti di intervento.
Il primo riguarda le persone. L’azienda ha avviato una formazione generale sull’utilizzo dell’intelligenza artificiale, partendo anche dalle regole di sicurezza sui dati: non si inserisce la distinta base di un cavo su ChatGPT, perché informazioni aziendali riservate finirebbero su un servizio esterno. Al divieto, però, Prysmian ha affiancato strumenti interni protetti, fra cui il Copilot aziendale.
Il secondo filone è la Factory AI. Comprende modelli sviluppati specificamente per Prysmian e destinati ai processi che l’azienda considera maggiormente differenzianti: pricing, ricerca e sviluppo, demand forecasting e ottimizzazione della produzione. «Questi modelli vengono sviluppati su misura per Prysmian. I tempi di sviluppo sono lunghi perché si va ad agire su processi complessi per i quali non esiste nulla di pronto o preconfezionato».
ll terzo filone è quello dell’Embedded AI, ossia delle funzionalità di intelligenza artificiale già integrate nelle piattaforme che le aziende utilizzano quotidianamente. In questo caso i tempi di adozione si riducono sensibilmente: «se lo sviluppo da zero di un modello destinato a supportare un processo industriale può richiedere diversi mesi, le applicazioni embedded possono essere attivate nel giro di pochi giorni», commenta Cauteruccio.
Questa distinzione apre una riflessione che oggi coinvolge molte direzioni IT: individuare gli ambiti in cui è più conveniente sfruttare le capacità AI standardizzate offerte dalle piattaforme enterprise e quelli in cui, invece, vale la pena investire nello sviluppo di modelli proprietari. La discriminante è spesso il potenziale vantaggio competitivo.
Pricing: dati interni, CRM e prezzo del rame
Uno dei casi di Factory AI più interessanti portati avanti da Prysmian riguarda il pricing. L’obiettivo è suggerire il prezzo con la maggiore probabilità di essere accettato dal cliente.
L’algoritmo analizza lo storico delle relazioni commerciali: dimensione degli ordini, fatture, visite dei commerciali e informazioni provenienti dal CRM. A questi dati vengono aggiunte variabili esterne, fra cui l’andamento del rame e delle altre materie prime. Il modello considera inoltre le quotazioni formulate in passato, distinguendo quelle accettate da quelle rifiutate.
«Per la specifica quotazione in analisi, il sistema suggerisce il prezzo migliore associato alla massima probabilità di successo».
Lo sviluppo ha richiesto tra sei mesi e quasi un anno. La difficoltà è arrivata soprattutto dalla diversità dei processi commerciali nei vari Paesi.
«Abbiamo 109 stabilimenti ma non possiamo avere 109 modi diversi di lavorare. Possiamo ammettere delle particolarità per singole business unit o per tipologie di cavi molto specifici, ma parliamo di 5, 6 o al massimo 10 eccezioni», spiega Cauteruccio.
La soluzione è stata implementata inizialmente in Spagna e Germania. Il piano indicato da Cauteruccio prevede ora l’estensione ai principali Paesi europei e all’America Latina.
Nelle fabbriche l’AI aumenta la velocità di produzione del 5-7%
Il secondo fronte riguarda direttamente gli stabilimenti. Prysmian ha sviluppato OI Optimization, Operations Intelligence Optimization, che comprende due algoritmi.
Il primo raccoglie i dati dei sensori delle macchine, i parametri di qualità e le informazioni effettive di produzione. Sulla base di questi dati determina i parametri operativi più adatti per le diverse macchine attraversate dal cavo durante la lavorazione.
La soluzione, riferisce Cauteruccio, è già utilizzata in cinque stabilimenti.
«Stiamo registrando un incremento della velocità di produzione che va dal 5% al 7%. Se consideriamo che un singolo progetto di cavi può valere centinaia di milioni di euro, un’accelerazione del 7% è estremamente significativa».
Il secondo algoritmo lavora invece sulla qualità. L’Anomaly Detection analizza i segnali provenienti dai sensori per individuare comportamenti che potrebbero anticipare un difetto. Cauteruccio parla di Predictive Quality: intercettare l’anomalia prima che un problema renda necessario rifare una lavorazione su prodotti ad alto valore.
L’algoritmo suggerisce, l’uomo interviene
Per ora Prysmian mantiene un approccio human-in-the-loop sia nel pricing sia nelle applicazioni industriali.
Nello stabilimento, per esempio, OI Optimization può indicare all’operatore che il parametro di una macchina dovrebbe passare da un determinato valore a un altro. La modifica fisica resta affidata alla persona.
«Il prossimo passo evolutivo sarà di tipo agentico, Agentic AI, in cui l’algoritmo potrà applicare direttamente e in autonomia queste modifiche».
Embedded AI, quando il progetto si misura in giorni
All’estremo opposto rispetto ai modelli costruiti da zero ci sono le funzionalità embedded.
Un esempio è l’automazione della creazione degli ordini di vendita, un altro lo Smart Expense per le note spese: il dipendente fotografa gli scontrini e il sistema compila automaticamente le informazioni necessarie.
I benefici? Fino al 70% di automazione delle attività ripetitive, una riduzione dell’80% dei tempi di implementazione delle nuove soluzioni e un’accelerazione del 50% del time-to-market dei nuovi prodotti.
Anche il change management cambia in funzione dell’applicazione. Per Smart Expense, Prysmian ha scelto un rilascio big bang nei diversi Paesi: una comunicazione alla popolazione aziendale e un breve video dimostrativo. Altri strumenti richiedono invece sessioni di formazione strutturate.
«Dipende strettamente dallo stakeholder e dal livello di complessità del cambiamento che lo use case introduce».
Dai casi d’uso alla mappa dei processi
People, Factory AI ed Embedded AI appartengono al piano impostato negli ultimi anni. Ora Prysmian sta riesaminando la mappa complessiva dei processi per stabilire dove inserire l’intelligenza artificiale e, soprattutto, quali attività possano essere ripensate (considerando che processi come procure-to-pay e order-to-cash sono già stati mappati durante il lungo programma di armonizzazione).
Finora, racconta Cauteruccio, l’innovazione procedeva anche per opportunità: emergeva un’idea interessante e la si implementava, oppure diventava disponibile una nuova funzionalità SAP e si valutava come utilizzarla. Ora i diversi interventi vengono ricondotti alla struttura end-to-end dei processi.
«Non adottiamo più una prospettiva esclusivamente tecnologica, distinguendo tra Factory AI ed Embedded AI, ma una prospettiva orientata ai processi: partiamo dalla mappatura dell’operatività esistente per capire come trasformarla e migliorarla».
Cauteruccio porta l’esempio della forza vendita. Se oggi un commerciale dedica il 28% del proprio tempo all’inserimento degli ordini e alla predisposizione delle offerte, e l’AI permette di ridurre questo impegno del 70%, la misurazione del guadagno di efficienza rappresenta soltanto il primo passo.
I veri punti interrogativi, infatti, riguardano ciò che accade dopo: come ridisegnare il processo? In quali attività verrà investito il tempo recuperato? E quali iniziative a maggior valore aggiunto potranno essere affidate alla forza vendita? È in questa fase che il beneficio tecnologico si traduce in un impatto concreto sul business.
Automatizzare un’attività produce un beneficio misurabile; decidere come modificare il lavoro dopo quell’automazione richiede invece una scelta organizzativa.
Digital experience e formazione
Anche il rapporto tra persone e applicazioni enterprise è destinato a evolvere.
Cauteruccio cita una conversazione avuta con alcuni colleghi dopo l’introduzione di RISE. L’aspettativa era quella di potenziare i programmi di formazione per accompagnare il cambiamento. «In realtà – commenta Cauteruccio – vorrei ridurre ridurre la formazione, perché avremo un sistema molto più intuitivo».
L’idea è che strumenti conversazionali come Joule possano affiancare gli utenti durante le attività operative, guidandoli nell’esecuzione delle transazioni e riducendo la necessità di conoscere in dettaglio procedure, comandi e interfacce dell’ERP. In altre parole, una parte della complessità applicativa non dovrebbe più essere trasferita alle persone attraverso corsi, manuali e training dedicati, ma assorbita direttamente dal sistema.
È uno degli effetti meno visibili dell’AI enterprise, ma potenzialmente tra i più rilevanti. Se questa evoluzione dovesse consolidarsi, potrebbe incidere non solo sui costi di formazione e gestione delle applicazioni, ma anche sul modo stesso in cui il software aziendale viene progettato e utilizzato.
Dopo gli agenti arriva la Physical AI
La roadmap si spinge infine oltre il software. Prysmian ha iniziato a ragionare sulla Physical AI, tema che per un gruppo industriale è particolarmente importante.
La produzione dei cavi è un processo a ciclo continuo. Negli stabilimenti gli operatori svolgono soprattutto funzioni di monitoraggio e controllo delle macchine; in alcuni mercati, spiega Cauteruccio, la difficoltà è trovare personale specializzato. Negli Stati Uniti ci sono stati periodi nei quali la carenza di organico negli stabilimenti ha raggiunto le centinaia di unità.
«Puoi utilizzare l’intelligenza artificiale per ottimizzare l’efficienza e aumentare l’output di macchina, ma se poi manca l’operatore sul campo, il processo si ferma comunque».
È su questo confine fra software e mondo fisico che Prysmian vede uno dei prossimi terreni di sperimentazione.
L’AI entra anche nella retention
C’è infine un’altra conseguenza dell’AI, meno legata agli algoritmi e più all’evoluzione del lavoro e delle competenze. Secondo Cauteruccio, la disponibilità di strumenti avanzati di intelligenza artificiale può rappresentare anche un fattore di attrazione e fidelizzazione dei talenti.
«Nel centro di eccellenza di Prysmian, poter spiegare a un candidato che lavorerà su una piattaforma RISE e utilizzerà quotidianamente strumenti di AI contribuisce a definire la percezione del ruolo e dell’ambiente di lavoro», spiega il CIO di Prysmian. Chi entra oggi in azienda può dispone fin dal primo giorno di un Copilot aziendale integrato con l’infrastruttura cloud. Le applicazioni esterne non ritenute sicure vengono limitate, ma sono affiancate da alternative interne governate dall’organizzazione.
Del resto, il valore delle competenze legate all’intelligenza artificiale sarà sempre un elemento distintivo nei percorsi professionali.
«Oggi, assumere una persona che non ha ancora sviluppato familiarità con gli strumenti di AI significa dover colmare un gap che, nel tempo, potrebbe trasformarsi in un limite per l’organizzazione; un po’ come accade quando si eredita una tecnologia già superata», osserva Cauteruccio.
Per anni il concetto di debito tecnologico è stato associato a ERP legacy, applicazioni non aggiornate e infrastrutture complesse da mantenere. Lo stesso ragionamento inizia ora a estendersi anche alle competenze: la capacità di utilizzare efficacemente gli strumenti digitali e di lavorare con l’intelligenza artificiale sarà determinante per la competitività delle organizzazioni.
Partecipa alla community