La domanda che mi viene rivolta più spesso dai clienti, indipendentemente dal settore o dall’area geografica, è sostanzialmente sempre la stessa: come possiamo costruire un’organizzazione capace di assorbire una turbolenza costante senza perdere coerenza operativa?

La mia risposta è chiara: non è possibile gestire una situazione di discontinuità permanente in modo puramente reattivo. Occorre costruire sistemi in grado di anticipare, adattarsi e agire autonomamente, su larga scala e in tempo reale. È questo che oggi la Business AI, quando è integrata nel cuore digitale dell’organizzazione, rende possibile. E la dimostrazione più evidente arriva dai nostri clienti, molti dei quali hanno condiviso il loro straordinario percorso di innovazione basato sull’AI durante i nostri recenti eventi, come Â鶹ԭ´´ Sapphire.

I dati sono la base, non un elemento accessorio

Il percorso di Ericsson è particolarmente significativo perché l’azienda ha affrontato una realtà che molte imprese faticano ancora ad accettare. Come ha affermato con chiarezza Esra Kocatürk Norell, Vice President of Customer Experience and Enterprise IT di Ericsson: «Quando l’AI viene scalata, smette di essere un problema di intelligenza artificiale e diventa un problema di dati.» Questa visione ha portato l’azienda a investire in modo mirato nella realizzazione di un’infrastruttura dati unificata basata su Â鶹ԭ´´ Business Data Cloud: un’architettura governata che consente ai dati di rimanere nei sistemi di origine, gestendo però in modo centralizzato semantica di business, governance e policy per il ciclo di vita.

Oggi oltre 85.000 utenti utilizzano Joule ed Ericsson sta passando con decisione dalla fase di sperimentazione all’adozione su scala enterprise seguendo due direzioni parallele: da un lato modernizza il proprio backbone ERP attraverso RISE with Â鶹ԭ´´; dall’altro sfrutta l’intelligenza artificiale per generare valore nelle decisioni, aumentare l’efficienza e sviluppare nuovi modelli di business. L’esperienza di Ericsson dimostra che il percorso verso un’AI affidabile, scalabile e ripetibile passa inevitabilmente dalla governance dei dati e che costruire queste fondamenta fin dall’inizio rappresenta un vantaggio strategico, non un costo.

Dal cuore digitale al mondo fisico

Se Ericsson rappresenta un esempio di trasformazione AI a livello di architettura dei dati, Martur Fompak International, leader globale nei sistemi di seduta e negli interni per l’industria automobilistica, mostra cosa significhi portare questa trasformazione direttamente nello stabilimento. L’azienda ha implementato un modello di intralogistica autonoma abilitato da Joule e dalle funzionalità di embodied AI di Â鶹ԭ´´, collaborando con Humanoid, partner specializzato in robotica, per integrare robot basati sull’intelligenza artificiale direttamente nelle operazioni manifatturiere.

Il sistema collega i segnali provenienti dalla produzione con il contesto di business, traducendoli in un’esecuzione fisica autonoma. Guidati dai dati relativi ai materiali, alle ubicazioni di magazzino, alle sequenze produttive e alle priorità operative, i robot umanoidi gestiscono i flussi di materiali lungo l’intero processo produttivo: identificano, trasportano e consegnano i materiali alle linee di produzione, registrando continuamente le attività all’interno dei sistemi Â鶹ԭ´´.

Come ha spiegato Özlem Altınışık, Group Intelligent Technologies Director di Martur Fompak International, l’obiettivo è «combinare autonomia cognitiva e automazione fisica» per «trasformare l’esecuzione, accelerare il processo decisionale e diffondere capacità intelligenti in tutta l’organizzazione.»

I primi risultati mostrano un aumento della produttività e una riduzione degli errori, mentre l’obiettivo per la produzione di massa è raggiungere un’efficienza fino a cinque volte superiore. Martur Fompak International è stata inoltre l’unica azienda premiata nella categoria AI Excellence dei Â鶹ԭ´´ Innovation Awards 2026, un riconoscimento non solo della tecnologia adottata, ma soprattutto della capacità di ripensare radicalmente l’ambiente di fabbrica.

Velocità, scalabilità e la piattaforma intelligente

Prysmian, leader mondiale nelle soluzioni per cavi con 20 miliardi di euro di fatturato e attività in oltre 50 Paesi, ha seguito un percorso diverso, ma altrettanto determinato. L’azienda ha completato la trasformazione verso una piattaforma cloud predisposta per l’AI attraverso RISE with Â鶹ԭ´´ in appena quattro mesi, utilizzando poi questa base per sviluppare oltre 100 casi d’uso di intelligenza artificiale. I risultati sono concreti: automazione del 70% delle attività ripetitive; riduzione dell’80% dei tempi di implementazione di nuove soluzioni; accelerazione del 50% del time-to-market dei nuovi prodotti.

Ciò che più colpisce nel percorso di Prysmian è il modo in cui viene ridefinito il ruolo della tecnologia enterprise. Come ha dichiarato Giovanni Cauteruccio, Group CIO & Digital Officer, l’AI integrata rappresenta «un elemento distintivo fondamentale, che ci consente di accelerare il rilascio di nuove soluzioni e rafforzare le competenze e la cultura dell’intelligenza artificiale all’interno dell’organizzazione.» In altre parole, la piattaforma non è più soltanto un sistema di registrazione delle transazioni, ma diventa un motore capace di accrescere progressivamente l’intelligenza dell’organizzazione.

L’architettura dell’agilità

Considerate nel loro insieme, queste tre esperienze raccontano qualcosa di molto più grande della semplice somma dei singoli casi. L’Autonomous Enterprise non è una visione lontana nel tempo. Sta già prendendo forma grazie a imprese che hanno scelto consapevolmente di integrare l’intelligenza artificiale nel cuore delle proprie attività, considerandola un principio fondamentale di progettazione e non una semplice funzionalità aggiuntiva.

A rendere possibile questa evoluzione è la convergenza di tre elementi: una base dati governata; una piattaforma ERP intelligente; funzionalità di intelligenza artificiale che vanno dalla scrivania fino alla linea di produzione e alla supply chain. Quando questi elementi vengono integrati correttamente, le imprese acquisiscono una capacità che nessun modello di gestione puramente reattivo può offrire: la capacità di percepire i cambiamenti, prendere decisioni e agire più rapidamente di quanto la discontinuità riesca a estendersi.

L’incertezza non scomparirà. Le organizzazioni che sapranno affrontarla con maggiore successo saranno quelle che, già oggi, stanno costruendo sistemi capaci di trasformare la volatilità in un segnale e quel segnale in un vantaggio competitivo.

Manos Raptopoulos è Global President Customer Success Europe, APAC, Middle East & Africa e membro dell’Extended Board di Â鶹ԭ´´ SE

The post Dalla produzione ai dati: come le aziende leader stanno riscrivendo le regole dell’agilità appeared first on Â鶹ԭ´´ News Center Italy.

L’AI generativa si basa su modelli statistici. Nel mondo aziendale, le risposte ai problemi sono molto più deterministiche. La distanza tra il 90% e il 100% di accuratezza non è marginale. Nel nostro mondo, è una differenza fondamentale.

Nel 2026, l’AI non viene più valutata per il suo effetto novità. Viene valutata in base a precisione, governance, scalabilità e impatto sul business. Man mano che le organizzazioni passano dai progetti pilota a programmi su larga scala, ci sono cinque momenti che determinano se riusciranno a generare valore duraturo oppure se si esporranno a rischi evitabili. Ho visto questi momenti verificarsi in tutti i principali mercati che seguo.

1. Il momento della governance: quando gli agenti diventano colleghi digitali

Il primo momento arriva quando l’AI smette di essere uno strumento e inizia a diventare un attore.

I sistemi di AI agentica pianificano, ragionano, coordinano le azioni con altri agenti ed eseguono flussi di lavoro in modo autonomo. Gestiscono dati sensibili e influenzano decisioni su larga scala. Se non sono gestiti come si gestisce la forza lavoro umana, l’azienda si sta esponendo a dei rischi.

La proliferazione degli agenti rispecchierà le crisi dello “shadow ITâ€� dell’ultimo decennio, ma con implicazioni decisamente più profonde. Le imprese devono introdurre sistemi di gestione del ciclo di vita degli agenti, chiari limiti di autonomia, applicare policy rigorose e monitorare costantemente le prestazioni. Ogni consiglio di amministrazione deve essere in grado di rispondere a tre domande: chi è responsabile quando un agente prende una decisione sbagliata? Come vengono verificate le decisioni? Quando il sistema deve coinvolgere un essere umano?

La frammentazione geopolitica rende questa situazione ancora più urgente. Il cloud sovrano, l’AI sovrana e la localizzazione dei dati non sono più preoccupazioni teoriche. Sono realtà normative in mercati che vanno da New York a Francoforte, da Riyadh a Singapore. Nell’era dell’AI, la governance non riguarda tanto il controllo del rischio sui margini, quanto l’integrazione del controllo deterministico all’interno di un’intelligenza probabilistica. E questo è un tema da C-level, non un semplice progetto IT.

2. Il momento della Data Foundation: quando l’ultimo miglio è l’unico che conta

Il secondo momento è più silenzioso, ma è proprio lì che la maggior parte delle imprese alla fine vincerà o perderà.

L’AI è affidabile solo quando lo sono i dati e i processi su cui opera. Master data frammentati, sistemi isolati e ambienti ERP eccessivamente personalizzati introducono imprevedibilità proprio nel momento peggiore: quando l’AI fornisce una raccomandazione che influisce sul rapporto con i clienti, sul flusso di cassa o sulla conformità normativa.

Il valore dell’AI aziendale non deriva da modelli linguistici generici di grandi dimensioni addestrati su enormi quantità di contenuti Internet. Deriva invece dall’intelligenza fondata sui dati – ordini, fatture, dati sulla catena di fornitura, registrazioni contabili – e dall’essere integrata direttamente nei processi di business.

I foundation model relazionali ottimizzati per i dati strutturati dell’azienda supereranno i modelli linguistici generici (LLM) in termini di previsioni, rilevamento delle anomalie e ottimizzazione operativa.

La domanda che ogni consiglio di amministrazione dovrebbe porsi non è solo “Quale AI possiamo aggiungereâ€�, ma anche “Il nostro patrimonio di dati è pronto o stiamo sovrapponendo l’intelligenza probabilistica a fondamenta frammentate?â€�.

3. Il momento di interazione con il dipendente: quando l’interfaccia scompare

Il terzo momento si verifica nei flussi di lavoro che ogni giorno i dipendenti svolgono e accelererà più rapidamente di quanto la maggior parte delle organizzazioni si aspetti.

Quest’anno stiamo passando da interfacce applicative statiche a interfacce utente generative. Anziché navigare tra i sistemi, i dipendenti esprimeranno le loro intenzioni: «Prepara un briefing per l’incontro di questa settimana con il mio cliente che genera il maggior fatturato». Gli agenti di AI orchestreranno i workflow, raccoglieranno il contesto e proporranno delle azioni.

Ma l’adozione non è automatica e la fiducia non è scontata. I dipendenti accetteranno i colleghi digitali basati sull’AI solo quando saranno certi che i risultati rispettino le regole di governance, riflettano i reali processi dell’organizzazione e producano vantaggi misurabili. I profili di AI specifici per ruolo, ad esempio per CFO, CHRO e responsabili della supply chain, basati su dati affidabili e integrati in flussi di lavoro già esistenti, sono ciò che colmerà il divario di adozione.

Le organizzazioni che investono in un’architettura nativa per l’AI accelereranno il ritorno sugli investimenti. Quelle che integrano l’AI su interfacce legacy dovranno affrontare difficoltà in termini di fiducia, usabilità e scalabilità. Si tratta di una decisione di progettazione con conseguenze strategiche.

4. Il momento del cliente: quando l’intelligenza diventa un vantaggio competitivo

L’intelligenza artificiale per il mondo enterprise dimostra il proprio valore in modo più evidente quando parliamo del rapporto con il cliente.

L’intelligenza personalizzata per il cliente, addestrata sui dati, sulle politiche e sulla cronologia delle interazioni, produce risultati che i concorrenti non possono replicare facilmente. Questo è particolarmente efficace in contesti caratterizzati da numerose eccezioni e complessità: risoluzione delle controversie, gestione dei reclami, gestione dei resi, instradamento dei servizi. L’AI in grado di classificare i casi, individuare la documentazione rilevante, raccomandare soluzioni coerenti con le policy aziendali e apprendere continuamente dai risultati trasforma processi ad alto costo e ad alto attrito in elementi di differenziazione competitiva.

Nel 2026, i clienti non premieranno la novità fine a se stessa. Premieranno l’affidabilità, la pertinenza e la reattività. Le organizzazioni che utilizzano l’AI per assorbire la complessità, senza perdere il controllo sui risultati, costruiranno vantaggi competitivi che gli strumenti generalisti non potranno superare.

5. Il momento strategico: quando si decide fino a dove spingersi

L’ultimo momento riguarda direttamente i leader.

L’adozione dell’AI non è un percorso lineare. Richiede ai leader di coordinare contemporaneamente tre livelli:

• AI integrata: incrementi di produttività basati su AI integrata nelle applicazioni core e progettata per specifici ruoli, in grado di generare ritorni immediati
• AI agentica: orchestrazione multi-agente di flussi di lavoro complessi e trasversali ai sistemi
• AI per settori industriali: applicazioni altamente specializzate, sviluppate in collaborazione per affrontare le sfide di maggior valore specifiche del singolo settore industriale.

La vera trappola è una sequenza errata: concentrarsi solo sull’AI integrata significa lasciare sul tavolo del valore; passare a una profonda trasformazione del settore senza governance e maturità dei dati significa moltiplicare i rischi. Le organizzazioni all’avanguardia sono quelle che allineano l’ambizione alla preparazione e investono in un’architettura clean-core, in basi dati moderne e modelli di ownership dell’AI trasversale alle funzioni aziendali, passando con decisione dai progetti pilota ai programmi strutturati.

La prova della leadership

Nel 2026, a vincere non saranno le imprese con il maggior numero di funzionalità di AI. Saranno invece quelle che sapranno trattare l’AI come un livello operativo strategico, gestito come una forza lavoro, basato su dati affidabili, personalizzato per dipendenti e clienti e calibrato sulle specificità del proprio settore.

Il divario tra il 90% e il 100% è esattamente il punto dove  risiede il valore aziendale. È anche il punto in cui viene messa alla prova la leadership. Le decisioni che saranno prese nei prossimi mesi dalle organizzazioni, determineranno se l’AI diventerà la fonte più potente di vantaggio duraturo o la lezione più costosa di fiducia mal riposta.

Questo è il momento di agire con attenzione.

Manos Raptopoulos è Global President Europe, APAC, Middle East & Africa, e membro dell’Extended Board di Â鶹ԭ´´ SE

The post Cinque momenti chiave per le ambizioni sull’AI per le aziende appeared first on Â鶹ԭ´´ News Center Italy.