Questi investimenti, pur essendo fondamentali, non rappresentavano il traguardo: costituivano le fondamenta. E oggi stanno generando nuovo valore, man mano che le organizzazioni adottano l’intelligenza artificiale per ottenere risultati di business concreti e misurabili.

Oggi, c’è però un altro elemento che sta assumendo un’importanza altrettanto decisiva: i dati. Le organizzazioni che sono nella posizione migliore per amplificare il valore generato dall’AI sono quelle che hanno investito in solide basi dati, in grado di fornire all’intelligenza artificiale il contesto di business affidabile di cui ha bisogno per ragionare, formulare raccomandazioni e agire.

Quando incontro clienti e partner, osservo l’emergere di un nuovo modello. La conversazione non riguarda più tanto dove sia possibile applicare l’AI, quanto piuttosto cosa accade quando l’intelligenza diventa parte integrante del modo in cui l’azienda opera.

Sebbene ogni percorso di trasformazione sia diverso, ci sono tre cambiamenti che emergono in modo ricorrente e costante.

1. Dai casi d’uso dell’AI ai processi di business intelligenti

La prima fase di adozione dell’AI è stata incentrata sulla dimostrazione del valore. Le organizzazioni hanno individuato casi d’uso ad alto impatto, ottenuto risultati misurabili e acquisito la fiducia necessaria per comprendere che l’intelligenza artificiale poteva fare la differenza.

Questo lavoro non è ancora concluso. Tuttavia, sempre più clienti ci chiedono come rendere l’intelligenza una componente integrata dei processi di business che i dipendenti utilizzano ogni giorno. E stiamo già iniziando a vedere come questo si traduca nella pratica.

Un esempio è HR Path Brazil, azienda brasiliana specializzata nella selezione e gestione dei talenti per imprese internazionali, che utilizza Joule integrato in Â鶹ԭ´´ SuccessFactors HCM per automatizzare le interazioni HR più routinarie. La soluzione aiuta i dipendenti a trovare più rapidamente le informazioni di cui hanno bisogno, consentendo al tempo stesso alle divisioni Risorse Umane di concentrarsi su attività a maggior valore strategico. L’azienda ha registrato una riduzione del 7% delle richieste standard di assistenza HR e ha eliminato due ore di lavoro settimanali dedicate al supporto HR, un beneficio che cresce rapidamente nel tempo. È un esempio concreto di come un’intelligenza artificiale integrata e connessa stia diventando parte del modo in cui il lavoro viene svolto.

2. Dal misurare l’utilizzo dell’AI al misurare i risultati di business che genera

Un altro cambiamento significativo che sto osservando riguarda il modo in cui le organizzazioni definiscono il successo. Il ritorno sull’investimento (ROI) è ormai dato quasi per scontato, e questo emerge chiaramente anche dai dati, in particolare dalla ricerca che abbiamo svolto con Oxford Economics pubblicata proprio questa settimana.

Lo studio mostra che a livello globale le organizzazioni che investono nell’intelligenza artificiale prevedono un ritorno medio del 21% già quest’anno, destinato a crescere fino al 38% nei prossimi due anni. Inoltre, con la crescente diffusione dell’AI agentica, si stima che questa possa generare un ritorno economico pari a 17,6 milioni di dollari, oltre quattro volte superiore rispetto alle stime dello scorso anno (4,3 milioni di dollari).

Questo consente alle organizzazioni di concentrarsi maggiormente sui risultati di business prodotti dall’AI. Le domande che si pongono oggi sono, ad esempio: possiamo ridurre i tempi dei processi? Possiamo migliorare la qualità delle decisioni? Possiamo liberare tempo alle persone affinché si dedichino ad attività che generano maggiore valore? Possiamo rendere l’azienda più resiliente e più capace di reagire ai cambiamenti?

Si tratta di un cambiamento importante perché sposta il focus dall’implementazione della tecnologia al miglioramento delle performance dell’impresa.

3. Dai sistemi di record al nuovo sistema operativo dell’impresa

Il terzo cambiamento è quello che, a mio avviso, avrà il maggiore impatto nel lungo periodo.

Per decenni il software enterprise ha avuto principalmente il compito di registrare le transazioni, standardizzare i processi e automatizzare le attività ripetitive. Oggi sta iniziando ad aiutare le organizzazioni ad anticipare i cambiamenti, suggerire le azioni più opportune, coordinare il lavoro tra diverse funzioni aziendali e, sempre più spesso, eseguire decisioni operative di routine sotto la supervisione delle persone.

Per questo ritengo che l’Autonomous Enterprise rappresenti molto più della fase successiva dell’automazione. Rappresenta un nuovo modello operativo per le imprese.

Invece di impiegare tempo per collegare informazioni provenienti da finanza, supply chain, procurement, risorse umane e customer operations prima di decidere come agire, i sistemi intelligenti possono sempre più fornire il contesto necessario, proporre raccomandazioni, orchestrare il lavoro e aiutare i team a eseguire le attività.

Le persone rimangono saldamente al centro delle decisioni. Ma sono supportate da un software enterprise che sta diventando un partecipante attivo al funzionamento e all’esecuzione del business, e non più soltanto un sistema che registra ciò che è già accaduto.

La direzione che ci attende

Le organizzazioni che costruiranno il maggiore vantaggio competitivo nel lungo periodo non saranno semplicemente quelle che implementeranno il maggior numero di casi d’uso di AI. Saranno quelle che utilizzeranno questi primi successi per ripensare il modo in cui il lavoro viene svolto all’interno dell’intera impresa.

Il percorso verso l’Autonomous Enterprise non si realizzerà dall’oggi al domani e non eliminerà la necessità di una leadership forte, di una governance efficace o di persone competenti. Anzi, tutti questi elementi diventeranno ancora più importanti.

Probabilmente, tra qualche anno guarderemo agli attuali progetti di intelligenza artificiale nello stesso modo in cui oggi guardiamo ai primi anni della trasformazione verso il cloud: non come il punto di arrivo, ma come le fondamenta di un modo completamente nuovo di operare e innovare in modo continuo.

I veri vincitori di questa trasformazione saranno coloro che sapranno diventare progressivamente più intelligenti, più adattivi e, in ultima analisi, più autonomi.

Jan Gilg è membro dell’Extended Board di Â鶹ԭ´´ SE e Global President di Customer Success & Americas

The post Il modello che sta emergendo nelle trasformazioni guidate dall’intelligenza artificiale appeared first on Â鶹ԭ´´ News Center Italy.

Per rispondere, Â鶹ԭ´´ ha intervistato 10.000 consumatori e 4.800 manager in tutto il mondo nell’ambito del , una delle più ampie analisi oggi disponibili sul tema del customer engagement. Dallo studio emerge un modello che chiamiamo “The Engagement Divide“: il divario tra ciò che i marchi credono di offrire e ciò che i clienti sperimentano in realtà.

Un divario che si sta ampliando e sta diventando più evidente nell’era dell’AI.

I consumatori stanno infatti adottando l’intelligenza artificiale a una velocità superiore a molte imprese, utilizzandola per cercare, confrontare e valutare offerte diverse in pochi secondi. Le aziende invece spesso faticano a connettere i propri dati e ad attivarli lungo l’intero customer journey, coprendo marketing, commerce, vendite e servizi di assistenza. Per questo motivo, il divario nell’engagement non può essere colmato solo dal marketing, ma richiede il coordinamento dell’intera organizzazione perriuscire a conquistare la fiducia (e la scelta) dei clienti nei momenti cruciali.

Gli otto principali risultati della ricerca mostrano dove questo divario si sta ampliando e le principali sfide che le aziende devono superare per colmarlo:

1. Il 78% delle organizzazioni ritiene di offrire un’esperienza fluida e coerente su tutti i canali

La fiducia non manca di certo. Oltre tre quarti dei manager intervistati sono convinti di offrire performance multicanale impeccabili, riportando risultati positivi in termini di fidelizzazione, advocacy e incremento del customer lifetime value. Questa fiducia ci dice qualcosa di importante su come i marchi si valutano: le metriche e le dashboard monitorate dalle imprese e i meccanismi di feedback su cui basano le proprie valutazioni possono rafforzare una visione interna che non coincide con quella dei clienti. Come emerge dal dato successivo, la prospettiva del consumatore è nettamente diversa.

2. Il 41% dei consumatori afferma che le aziende non li comprendono come persone

Nonostante la fiducia espressa dai manager, quasi il 41% dei consumatori ritiene che i brand con cui interagisce non lo capiscano realmente. Se si considera questo dato, il divario di coinvolgimento diventa ancora più significativo: una differenza di 36 punti separano la percezione delle organizzazioni da quelle dei loro clienti.

Questo dato offre una chiave di lettura dell’analisi. Ogni investimento in AI, personalizzazione e orchestrazione dovrebbe perseguire un unico obiettivo: far sentire il cliente riconosciuto e valorizzato. Ãˆ proprio questo il valore che l’AI predittiva e la personalizzazione in tempo reale possono generare quando si basano su dati integrati e accessibili.

3. Per il 78% dei manager l’AI è fondamentale per la fidelizzazione Ìý

L’ambizione non manca di certo quando si parla di intelligenza artificiale. Il 78% dei manager intervistati afferma che l’AI quest’anno sarà parte integrante delle proprie strategie di fidelizzazione. L’intento è chiaro: utilizzare l’intelligenza artificiale per ridisegnare il modo con cui interagire con i clienti, personalizzare le esperienze e rispondere ai comportamenti del mercato in tempo reale. La sfida, per la maggior parte delle imprese, risiede nell’implementazione, perché molte realtà faticano ancora a connettere i dati su cui si l’AI può prosperare.

I dati dei clienti sono distribuiti tra sistemi e funzioni diverse, marketing, commerce, assistenza e operation, rendendo difficile attivare l’AI in modo efficace. È qui che il divario di coinvolgimento diventa più evidente. I brand riconoscono che l’AI definirà la prossima era del customer engagement, ma senza dati interconnessi e team coordinati, molti non riescono a tradurre questa ambizione in percorsi di experience migliori.

Quando i silos interni diventano un problema per il cliente

4. Il 75% dei consumatori è scoraggiato da aziende disorganizzate

I silos interni hanno ripercussioni esterne. Tre consumatori su quattro si accorgono quando un’impresa non riesce a coordinare i propri team efficacemente e ne traggono una valutazione negativa. Essere sballottati da un reparto all’altro, dover ripetere le stesse informazioni o ricevere messaggi contraddittori peggiora la percezione complessiva del brand.

Questo dato ci ricorda che il coinvolgimento è una disciplina interfunzionale, non appartiene a un singolo dipartimento. Quando funzioni diverse lavorano con set di dati e priorità differenti, l’esperienza dei clienti ne risentirà inevitabilmente.

5. Solo 2 responsabili decisionali su 5 ritengono che i propri dipartimenti siano veramente allineati

Combinando questo dato con quello precedente, il quadro si fa più chiaro. I consumatori percepiscono la disorganizzazione e i dati mostrano che anche i brand non ne sono indifferenti. Poco meno della metà dei responsabili del campione ritiene che i propri reparti collaborino in modo coordinato, il che rivela quanto la maggior parte delle imprese sia ancora lontana dall’offrire percorsi clienti integrati.

La discrepanza tra questi ultimi risultati è significativa. Le persone percepiscono l’attrito e anche chi ricopre un ruolo di responsabilità lo nota, ma essere consapevoli del problema e risolverlo sono due cose ben diverse. Il coordinamento tra vendite, assistenza, marketing e IT richiede dati condivisi, obiettivi comuni e una leadership che consideri il coinvolgimento dei clienti una priorità trasversale all’intera organizzazione.

6. Il 54% delle imprese non può accedere e utilizzare i dati in tempo reale, mentre il 60% è alle prese con i “dark data�

Oltre la metà delle aziende intervistate non può accedere ai propri dati o utilizzarli in tempo reale, e sei su dieci si ritrovano con “dark dataâ€�, ovvero informazioni raccolte ma mai utilizzate. Questo rappresenta una sfida fondamentale, perché non è possibile personalizzare  risposte, offerte, esperienze in tempo reale se i dati non sono connessi e disponibili rapidamente. Non è possibile colmare il divario di engagement se le informazioni necessarie sono bloccate in sistemi che non comunicano tra loro.

L’esperienza che i clienti desiderano davvero

7. Il 46% dei consumatori afferma che il servizio clienti sia impersonale

Quasi la metà dei consumatori afferma che le interazioni con il servizio clienti non abbiano quel tocco personale che desiderano, e questo vale per l’intero customer journey. Pensate alla chiamata al centro di assistenza in cui ripetete il vostro problema per la terza volta, al chatbot che non sa che siete clienti fedeli, o all’e-mail di follow-up che sembra scritta per un destinatario generico. Questi piccoli episodi, sommati, fanno la differenza.

Quando il servizio risulta impersonale, mina la bontà degli investimenti sostenuti per acquisire i clienti e fidelizzarli. I consumatori non separano marketing, vendita, assistenza e commerce. Per loro questi elementi confluiscono in un’unica esperienza, e una singola interazione impersonale può erodere la fedeltà e vanificare mesi di impegno e risorse.

8. Il 48% dei consumatori si preoccupa meno del brand e più dell’esperienza complessiva

Quasi la metà dei consumatori considera che l’esperienza complessiva sia  più importante della reputazione dell’azienda. Il valore del marchio da solo non basta a fidelizzare le persone quando un concorrente offre un percorso più fluido, personalizzato e connesso.

Per i professionisti del marketing questo è un campanello d’allarme. La notorietà e l’affinità contano ancora, ma da sole non bastano. Oggi, la fedeltà si costruisce sulla qualità di ogni interazione e su ogni canale. Un processo di reso senza intoppi, un consiglio rilevante al momento giusto, un addetto al customer service che conosce già la tua storia: sono questi gli elementi che incentivano gli acquisti ripetuti, non la sola notorietà del marchio.

Colmare l’Engagement Divide

Gli otto risultati della ricerca raccontano una storia coerente: i brand stanno investendo molto nel coinvolgimento, ma i clienti non ne stanno ancora vedendo i risultati. L’engagement divide è reale, misurabile e diffuso. Ma rappresenta anche una grande opportunità.

Le organizzazioni che stanno ottenendo i migliori risultati condividono un approccio comune, considerando il coinvolgimento come una disciplina aziendale a tutti gli effetti, non come una responsabilità di una singola funzione, tipicamente il marketing. Inoltre, collegano i dati provenienti da ogni punto di contatto con il consumatore, utilizzano l’intelligenza artificiale per passare da campagne di massa a interazioni personalizzate in tempo reale e allineano funzioni diverse attorno a un obiettivo comune: creare valore per il cliente in ogni momento del suo percorso.

Sara Richter è CMO Â鶹ԭ´´ Engagement Cloud, Â鶹ԭ´´

The post 8 motivi per cui i brand devono ripensare il modo di coinvolgere i clienti appeared first on Â鶹ԭ´´ News Center Italy.

Oggi, però, lo scenario sta cambiando nuovamente. Il report “Procurement at a Crossroads: from optimism to realismâ€�, realizzato da Economist Enterprise con il supporto di Â鶹ԭ´´, descrive un procurement che si trova a un vero e proprio bivio: consolidare il ruolo strategico conquistato oppure rischiare di essere ricondotto a una funzione prevalentemente focalizzata sul controllo dei costi.

La ricerca, condotta su oltre 2.600 executive in 23 Paesi, evidenzia infatti un ritorno deciso della pressione su saving ed efficienza. Il 54% dei manager intervistati indica oggi il contenimento dei costi come principale valore generato dal procurement, in crescita rispetto al 43% del 2025.

Ma sarebbe riduttivo leggere questo dato come un passo indietro. Al contrario, il procurement moderno è chiamato a un ruolo sempre più complesso: ridurre i costi, certo, ma allo stesso tempo rafforzare la resilienza, governare il rischio, supportare gli obiettivi ESG e accelerare la trasformazione digitale. È in questa evoluzione che l’intelligenza artificiale assume un ruolo decisivo.

L’AI come nuovo motore del procurement

Uno dei segnali più interessanti emersi dallo studio riguarda proprio la centralità dell’AI. Il 60% degli executive intervistati identifica la trasformazione digitale come la principale priorità strategica del procurement nei prossimi 18 mesi, davanti persino al cost management.

Ancora più significativo è che il 56% indica nelle strategie di intelligenza artificiale il principale driver della trasformazione digitale della funzione. È un cambio di paradigma rilevante: fino a pochi anni fa la digitalizzazione del procurement significava soprattutto automazione, analytics e semplificazione dei processi. Oggi stiamo entrando in una fase nuova, guidata dall’emergere dell’agentic AI: sistemi in grado non solo di analizzare i dati, ma anche di eseguire attività operative e supportare decisioni in modo sempre più autonomo.

La ricerca mostra che il 56% delle aziende sta già valutando o implementando soluzioni di questo tipo. Un’evoluzione che segna il passaggio dall’AI come “assistente� all’AI come “orchestratore� di processi. Dalla gestione del sourcing automatizzato alla proposta in tempo reale di fornitori alternativi in base a eventi geopolitici, fino a workflow intelligenti capaci di apprendere e adattarsi: il procurement entra in una nuova dimensione.

Non si tratta più solo di efficienza. L’AI diventa uno strumento di governo e supporto strategico.

Dal procurement reattivo al procurement predittivo

La vera discontinuità introdotta dall’AI riguarda il passaggio da una gestione reattiva della spesa e del rischio a un approccio predittivo.

Il report evidenzia come il 67% degli executive consideri gli insight predittivi e guidati dall’AI il principale fattore di evoluzione del category management. In altre parole, il procurement del futuro non sarà valutato soltanto sulla capacità di negoziare meglio, ma soprattutto sulla capacità di anticipare criticità e generare valore strategico attraverso i dati.

Questo cambiamento richiede una trasformazione profonda anche culturale: un procurement più integrato con le operazioni finanziarie e supply chain, più collaborativo con i fornitori e più capace di leggere i segnali deboli e trasformarli in decisioni tempestive.

L’AI accelera questo percorso, ma non lo rende automatico. Il vero elemento abilitante resta la qualità del dato. Uno dei messaggi più chiari della ricerca è infatti che il principale limite all’adozione efficace dell’AI non è tecnologico, ma legato alla frammentazione dei sistemi e alla maturità dei dati aziendali.

Il 32% degli executive indica proprio l’incertezza sul ritorno dell’investimento come principale ostacolo all’adozione dell’AI nel procurement.

Molte organizzazioni stanno infatti cercando di introdurre soluzioni avanzate su basi informative ancora disomogenee, con dati non integrati e processi non standardizzati. Ma un procurement davvero intelligente non può prescindere da una piattaforma digitale connessa, capace di integrare dati, fornitori, processi e analytics in un unico ecosistema.

È qui che le piattaforme evolute di spend management giocano un ruolo chiave: trasformare dati frammentati in insight azionabili, garantire visibilità end-to-end e abilitare processi intelligenti su scala.

L’AI non sostituirà il procurement strategico

Accanto all’entusiasmo per l’automazione intelligente, emerge anche un forte realismo. Solo il 9% degli executive ritiene che nei prossimi tre anni l’AI sarà in grado di guidare autonomamente la maggior parte delle decisioni di procurement.

La maggioranza del mercato immagina invece un modello ibrido: AI a supporto delle decisioni operative e tattiche, con il presidio strategico che resta saldamente nelle mani delle persone.

È una distinzione fondamentale. L’AI può ottimizzare processi, accelerare analisi e migliorare la compliance, ma il valore strategico del procurement continua a dipendere da competenze profondamente umane: capacità negoziale, gestione delle relazioni con i fornitori, comprensione del business, lettura del rischio e visione d’insieme.

Il procurement come leva dell’impresa intelligente

Il punto non è più se l’AI trasformerà il procurement, perché lo sta già facendo, ma come le organizzazioni sapranno governare questa trasformazione.

Le aziende capaci di integrare in modo coerente dati, processi e intelligenza artificiale potranno evolvere il procurement in una vera leva strategica di competitività: una funzione in grado di generare contemporaneamente efficienza, resilienza e innovazione.

Chi invece limiterà l’AI a sperimentazioni isolate o a una logica puramente tattica rischia di non capitalizzare il vantaggio costruito negli ultimi anni.

Paolo Brida è Head of Spend Management, Â鶹ԭ´´ Italia

The post Procurement e AI: dall’ottimismo al realismo, la nuova sfida del procurement strategico appeared first on Â鶹ԭ´´ News Center Italy.

Mentre le aziende e i governi affrontano sfide legate alla sovranità, alla sicurezza e alla competitività, devono adottare approcci che inizialmente sembrano contraddittori: investire con coraggio nonostante le risorse limitate, condividere i dati proteggendoli e competere collaborando. Non si tratta di contraddizioni, ma del nuovo modello operativo.

In questo contesto, diventa chiaro che le organizzazioni devono adottare un approccio basato su tre pilastri per affrontare questa nuova normalità di paradossi.

In primo luogo, devono basarsi su fondamenta digitali flessibili; in secondo luogo, integrare l’intelligenza artificiale in modo profondo e responsabile nelle loro attività; e in terzo luogo, considerare la collaborazione come un vantaggio strategico piuttosto che un compromesso.

Questi principi costituiscono la spina dorsale di un modo di lavorare sostenibile nell’era dell’intelligenza, in cui il progresso dipende dalla capacità di affrontare i paradossi con agilità e obiettivi condivisi.

Gettare le basi per la flessibilità

Il progresso avanza a una velocità vertiginosa. Le tecnologie che ieri sembravano futuristiche oggi sono diventate mainstream e domani potrebbero essere già obsolete. Per stare al passo, le organizzazioni hanno bisogno di una base solida ma adattabile, una piattaforma in grado di evolversi con la stessa rapidità del mondo che la circonda.

Queste fondamenta sono il cloud. La migrazione al cloud è più di un semplice progetto IT: è la base digitale per una modernizzazione completa dell’intera azienda, per passare da “buonoâ€� a “ottimoâ€�.

La moderna infrastruttura cloud consente a dati, applicazioni e AI di interagire senza soluzione di continuità, creando un ambiente in cui l’innovazione può prosperare. Accelera la distribuzione degli aggiornamenti software e delle nuove applicazioni, riduce la complessità e fornisce la scalabilità necessaria per rispondere alle mutevoli esigenze.

La vera flessibilità, tuttavia, va oltre la tecnologia. Le organizzazioni devono promuovere una mentalità che abbracci il cambiamento, incoraggi la sperimentazione e dia priorità alla resilienza piuttosto che alla perfezione. Ciò significa consentire ai team di adattarsi rapidamente, imparare continuamente e considerare il cambiamento come un’opportunità piuttosto che una minaccia.

Promuovere l’innovazione dell’AI secondo le proprie esigenze

Poiché l’AI sta rapidamente trasformando il modo in cui viviamo, studiamo e lavoriamo, nessuna organizzazione può permettersi di ignorarla, ma molte hanno ancora dubbi su come applicarla.

Nel settore business-to-business, l’AI non può essere considerata una tecnologia a sé stante. Per liberarne tutto il potenziale, l’intelligenza artificiale deve essere profondamente integrata nei processi aziendali. Ciò richiede tre pilastri:

• Software cloud moderno
• Gestione avanzata dei dati
• Uno stack coerente di tecnologie di AI

Le aziende che passano dal software legacy on-premise alle applicazioni cloud integrate sbloccano la capacità dell’AI di accedere, comprendere e facilitare le transazioni in tutta l’azienda. Ciò consente agli agenti di AI di funzionare come colleghi digitali, in grado di eseguire flussi di lavoro complessi che abbracciano l’intera attività.

Il potere offerto dall’AI è innegabile e, nel mondo instabile di oggi, questo spesso porta a interrogativi sulla sovranità digitale. La vera sovranità digitale consiste nel mantenere il controllo sui dati e sulle risorse critiche, sfruttando al contempo le migliori tecnologie disponibili in linea con gli interessi nazionali.

La protezione dei dati e la conformità non sono negoziabili. Le aziende e i governi devono garantire che le informazioni sensibili rimangano sotto un adeguato controllo giurisdizionale.

Standard di sovranità allineati a livello internazionale, come ISO (International Organization for Standardization) e IEC (International Electrotechnical Commission), consentirebbero una scalabilità sicura e conforme oltre i confini nazionali, liberando tutto il potenziale dell’IA senza compromettere la fiducia.

Non tutti i dati richiedono lo stesso livello di protezione. Le informazioni essenziali per la sicurezza nazionale o la sicurezza pubblica richiedono i massimi livelli di controllo. Allo stesso tempo, i dati meno sensibili possono essere gestiti in ambienti cloud affidabili che rispettano gli standard riconosciuti di sicurezza informatica.

Questo approccio sfumato consente alle organizzazioni di bilanciare l’innovazione con la responsabilità.

Competere con collaborazione

Il paradosso della concorrenza e della collaborazione è forse il più sorprendente di tutti. In un mondo iperconnesso, nessuna azienda o governo può affrontare da solo le sfide odierne. Le minacce alla sicurezza informatica, il cambiamento climatico e la disuguaglianza economica sono questioni globali che richiedono soluzioni collettive.

Il vantaggio competitivo risiede ora nelle partnership, che abbracciano diversi settori industriali e nazionali. La collaborazione tra pubblico e privato è essenziale per co-creare casi d’uso dell’IA, costruire ecosistemi aperti e investire nell’istruzione digitale. Tali partnership sono imperativi strategici che rafforzano la nostra società e la nostra economia per una crescita a lungo termine.

La collaborazione si estende anche alla governance. La creazione di quadri condivisi per l’AI etica, la privacy dei dati e la sostenibilità richiederà un dialogo tra le parti interessate con interessi contrastanti. Tuttavia, questo dialogo è la pietra angolare del progresso.

Il dialogo: il principio operativo

Sebbene le opportunità offerte dall’AI siano immense, non sono affatto garantite. Il fattore determinante sarà la nostra capacità di impegnarci in un dialogo significativo, come aziende e governi, esperti di tecnologia e responsabili politici, innovatori e cittadini.

Nell’era dell’intelligenza artificiale, la questione non è se dovremo affrontare dei paradossi, ma come li affronteremo. Il dialogo deve essere il nostro principio operativo, il mezzo attraverso il quale conciliare i paradossi, costruire la fiducia e tracciare un percorso verso la prosperità condivisa. Il futuro apparterrà a coloro che accetteranno la complessità, agiranno con coraggio e collaboreranno superando le divisioni.

Christian Klein è CEO di Â鶹ԭ´´ SE

The post Sbloccare la crescita abbracciando i paradossi dell’era intelligente appeared first on Â鶹ԭ´´ News Center Italy.

Il conto alla rovescia è iniziato. Entro il 7 giugno, tutti i 27 Stati membri dell’Unione Europea dovranno recepire la direttiva nelle proprie legislazioni nazionali, segnando quello che molti responsabili delle risorse umane definiscono il “primo giorno” di una nuova era della trasparenza sul posto di lavoro.  

Ma, mentre la scadenza si avvicina rapidamente, molte organizzazioni non sono ancora pronte dal punto di vista operativo. Anche se i datori di lavoro saranno tenuti a condividere le informazioni retributive sia con i dipendenti che con i candidati durante i processi di selezione, le pratiche attuali evidenziano un divario significativo. Ad esempio, secondo , in tutta Europa la pubblicazione degli stipendi nelle offerte di lavoro rimane disomogenea e spesso limitata.

Per i responsabili Risorse Umane si tratta non solo di comprendere la direttiva, bensì di metterla in pratica con sicurezza.

La barriera all’esecuzione

Per molte organizzazioni, la sfida spesso inizia con lo stato dei dati HR e relativi alla retribuzione. Nelle aziende multinazionali, le informazioni sui salari sono spesso distribuite tra sistemi diversi, fornitori di servizi paghe, fogli di calcolo e processi locali. Le classificazioni dei ruoli variano da Paese a Paese, le fasce salariali non sono definite in modo uniforme e i dati relativi alla forza lavoro sono frammentati tra le diverse regioni. 

Di conseguenza, molte aziende faticano a produrre confronti salariali coerenti, a definire fasce retributive standardizzate, a spiegare chiaramente le decisioni in materia di retribuzione e a generare report accurati a livello internazionale. 

Senza una base di dati sulla forza lavoro connessa e affidabile, la trasparenza salariale diventa difficile da realizzare su larga scala.

Creare le basi per una trasparenza costante

Le imprese che stanno facendo registrare i maggiori progressi si concentrano innanzitutto su coerenza dei dati, visibilità della forza lavoro e integrazione dei processi HR. 

È qui che la tecnologia diventa fondamentale. L’intelligenza artificiale può aiutare le organizzazioni a superare i limiti della reportistica manuale, identificando anomalie salariali, facendo emergere discrepanze retributive non giustificate e accelerando l’analisi dell’equità della forza lavoro su grandi e completti insiemi di dati. 

Grazie alle funzionalità di trasparenza retributiva (disponibili a partire dal 5 giugno), incluse nel pacchetto  di Â鶹ԭ´´ Business Data Cloud, le imprese possono unificare i dati relativi a retribuzioni e forza lavoro provenienti da sistemi diversi, applicando al contempo analisi basate sull’intelligenza artificiale per individuare incongruenze, supportare decisioni retributive spiegabili e migliorare la preparazione dei report.

Invece di affidarsi a sistemi frammentati e processi di reporting disconnessi, le aziende possono evolvere verso un approccio più coerente e scalabile alla trasparenza.

Tre ambiti chiave su cui i team HR devono agire subito

Con una solida base dati, le aziende sono meglio posizionate per rispondere ai tre principali requisiti operativi della direttiva. 

1. Consentire la trasparenza delle retribuzioni dei dipendentiÌý

Secondo la direttiva, i dipendenti hanno il diritto di richiedere informazioni sui livelli retributivi medi per genere a parità di mansioni. Per molte organizzazioni, questo mette immediatamente in luce problemi di coerenza dei dati. Ruoli comparabili possono essere classificati in modo diverso a seconda del Paese o della divisione aziendale, mentre i dati retributivi spesso risiedono in sistemi scollegati tra loro e non progettati per funzionare insieme. 

 aiuta le imprese a fornire ai dipendenti dichiarazioni di trasparenza sulla retribuzione tramite , favorendo al contempo confronti più coerenti tra i diversi gruppi di lavoratori. Questi estratti conto offrono una visione chiara della retribuzione annua del dipendente e della retribuzione media della stessa categoria di lavoratori, suddivisa per genere.

2. Prepararsi alla trasparenza retributiva per i candidatiÌý

La direttiva impone inoltre ai datori di lavoro di indicare le fasce salariali negli annunci di lavoro o prima dei colloqui e vieta di chiedere ai candidati informazioni sulla loro precedente retribuzione. Sebbene possa sembrare semplice, molte organizzazioni si stanno rendendo conto di non disporre di fasce salariali standardizzate, di una struttura organizzativa coerente o di un allineamento tra i sistemi di reclutamento e di retribuzione. 

 consente di inserire le fasce salariali direttamente negli annunci di lavoro e di supportare processi di assunzione più trasparenti. I suggerimenti basati sull’intelligenza artificiale possono inoltre aiutare le aziende a definire fasce retributive più coerenti, in linea con l’equità interna, i benchmark di mercato e le esigenze in continua evoluzione della forza lavoro.

3. Adempiere agli obblighi di reporting sul divario retributivo di genere

L’obbligo di rendicontazione del divario retributivo di genere rappresenta uno dei requisiti più impegnativi della direttiva dal punto di vista operativo. Gli obblighi di rendicontazione annuale inizieranno nel 2027 sulla base dei dati relativi alla forza lavoro del 2026, il che significa che le organizzazioni devono prepararsi fin da ora.  

Per molti team HR, la sfida consiste nel trasformare dati complessi sulla forza lavoro, provenienti da diversi paesi, in report accurati e affidabili. Grazie , le imprese possono utilizzare l’intelligenza artificiale per identificare le possibili cause alla base delle disparità salariali, ottenere più rapidamente informazioni sull’equità della forza lavoro e supportare un processo decisionale più proattivo prima delle scadenze di reporting.  

Cosa dovrebbero fare ora i responsabili Risorse Umane Ìý

La Direttiva UE sulla trasparenza salariale non si limita a introdurre un nuovo obbligo di conformità. Sta accelerando una trasformazione più ampia verso una trasparenza continua nelle modalità con cui le organizzazioni gestiscono le retribuzioni, le assunzioni e l’equità sul lavoro. 

Le aziende meglio preparate a questo cambiamento stanno già agendo per: 

• Unificare dati HR e retributivi
• Standardizzare strutture occupazionali e retribuzioneÌý
• Migliorare la preparazione dei reportÌý
• Creare processi di remunerazione più coerenti e trasparenti in tutta l’organizzazione.

Poiché le aspettative di trasparenza continuano a crescere tra dipendenti, candidati, autorità di regolamentazione e leader aziendali, la parità retributiva non può più essere considerata un mero esercizio di rendicontazione periodica. Sta diventando una capacità operativa continua.

Maryann Abbajay è chief revenue officer for Â鶹ԭ´´ SuccessFactors, Â鶹ԭ´´

The post Trasparenza salariale nella UE: cosa devono fare i responsabili delle risorse umane prima del 7 giugno? appeared first on Â鶹ԭ´´ News Center Italy.

Le imprese non operano tramite prompt, funzionano con azioni concrete.

Un’azienda manifatturiera presente in più Paesi alle prese con un’interruzione della supply chain deve valutare allo stesso tempo fornitori alternativi, disponibilità di magazzino, impegni verso i clienti e impatti finanziari. Un CFO che analizza l’esposizione alla liquidità durante una profonda crisi finanziaria necessità di strumenti ben più sofisticati di una semplice risposta generata da un chatbot. In azienda, le decisioni sono interconnesse e influenzate da vincoli, autorizzazioni, policy e conseguenze economiche.

Il limite attuale dell’AI: la mancanza di contesto

Nelle conversazioni con i clienti, emerge in modo ricorrente un interrogativo: l’intelligenza artificiale comprende davvero il contesto operativo in cui viene applicata?

Si sta diffondendo l’idea che modelli sempre più avanzati possano produrre automaticamente risultati migliori. Ma non è così. Un’intelligenza scollegata da processi, dati, regole e governance rischia di generare attività prive di valore e, in alcuni casi, può persino aumentare frammentazione e rischio.

La vera sfida per le imprese non è produrre più output AI, ma avere sistemi capaci di comprenderne le conseguenze operative. Ed è proprio il contesto a fare la differenza.

Il ruolo strategico dei sistemi enterprise

Il software enterprise rappresenta la spina dorsale operativa dell’economia globale. Sistemi come quelli finanziari, di supply chain, procurement, pianificazione della forza lavoro non si limitano a gestire dati, ma incorporano la logica stessa con cui operano le organizzazioni. Racchiudono elementi essenziali quali governance, autorizzazioni, policy, processi e relazioni economiche, fungendo da vera memoria istituzionale.

Nell’era dell’intelligenza artificiale, questo contesto assume un ruolo centrale. Senza di esso, l’AI offre ipotesi sofisticate, analisi articolate, ma non decisioni affidabili. Quando l’AI viene integrata direttamente nei processi operativi, può individuare rischi, coordinare azioni tra funzioni aziendali, suggerire interventi in tempo reale e automatizzare attività nel rispetto di limiti definiti. Non si tratta più di agenti isolati, ma di un’intelligenza profondamente integrata nel tessuto operativo ed economico dell’impresa.

Autonomia non significa eliminare le persone dal processo decisionale. Significa ridurre attriti, frammentazione e complessità amministrativa. Le persone continuano a definire priorità e responsabilità, mentre l’AI supporta il coordinamento e l’esecuzione.

Torniamo al caso dell’interruzione nella fornitura di un componente critico. Molti sistemi AI sono in grado di riassumere il problema o prevedere ritardi. Ma un’AI realmente integrata nei processi di business può valutare gli impatti sulla produzione, verificare disponibilità di stock, analizzare fornitori alternativi, stimare l’esposizione finanziaria e suggerire azioni coordinate tra procurement, logistica, finance e servizio clienti.

Non si tratta semplicemente di automazione dei flussi, ma di un nuovo paradigma di collaborazione uomo-macchina.

Per questo motivo, credo che l’avvento dell’AI sia destinato a crescere, e non a ridurre, l’importanza strategica dei sistemi enterprise. L’attenzione si sposterà verso piattaforme capaci di comprendere policy, dipendenze, processi, impatti finanziari e responsabilità organizzativa.

La nuova fase dell’AI enterprise

Anche il concetto di trasformazione aziendale sta cambiando. La prima fase dell’AI enterprise è stata dominata da sperimentazione, copiloti, progetti pilota e automazione di attività isolate, con risultati spesso limitati in termini di produttività.

Nella prossima fase, le aziende leader collegheranno invece l’intelligenza direttamente ai sistemi operativi dove le decisioni producono risultati economici concreti. Diventerà evidente che un’AI efficace dipende non solo dalla governance, ma anche dal contesto, dalla qualità dei dati e dall’integrità dei processi.

Soprattutto, emergerà con chiarezza che l’adozione dell’AI non è esclusivamente una trasformazione tecnologica, ma una sfida di change management. Il valore si realizza quando AI, processi e persone riescono ad operare in modo integrato.

The post Dall’interfaccia al valore: dove si gioca davvero la partita dell’AI appeared first on Â鶹ԭ´´ News Center Italy.

Per i clienti Â鶹ԭ´´, questo cambiamento promette un’impennata di produttività. Ma pone anche un requisito imprescindibile: gli agenti AI Enterprise devono essere sicuri, governabili e verificabili fin dalla fase di progettazione.

È in questo contesto che si inserisce la profonda collaborazione tecnica di Â鶹ԭ´´ con NVIDIA OpenShell nell’ambito della Â鶹ԭ´´ Business AI Platform, un runtime open source e sicuro per agenti AI autonomi. Questa collaborazione non consiste semplicemente nell’“adozioneâ€� di un runtime da parte di Â鶹ԭ´´, bensì nel fatto che Â鶹ԭ´´ contribuisce attivamente, insieme a NVIDIA, a definire, rafforzare e trasformare in prodotto il livello di esecuzione per l’AI agentica aziendale.

Perché questo è importante per i clienti Â鶹ԭ´´

Per i clienti Â鶹ԭ´´, il valore di questa collaborazione è concreto e pratico. Essa rende possibili:

• Agenti AI che operano all’interno dei processi Â鶹ԭ´´ senza aggirare i meccanismi di governance
• Modelli di sicurezza allineati ai framework enterprise IAM e di conformità normativa
• Audit trail trasparenti per le azioni degli agenti nei diversi sistemi
• Fiducia per passare dalla fase pilota alla produzione

Soprattutto, si evita una falsa dicotomia tra innovazione e controllo. I clienti non devono aggiungere la sicurezza a posteriori né riprogettare i propri modelli di rischio per adattarli agli agenti AI. Al contrario, la sicurezza e la governance sono integrate nel modello esecutivo sin dall’inizio.

La vera sfida aziendale: fidarsi degli agenti che agiscono

Quando i sistemi di intelligenza artificiale passano dalla generazione di risposte all’esecuzione di azioni, il profilo di rischio cambia radicalmente. I sistemi agentici possono interagire con i sistemi di registrazione, oltrepassare i confini tra applicazioni e dati e operare senza revisione umana in ogni fase.

In tutti gli ambienti aziendali, specialmente in quelli soggetti a regolamentazione, ciò rende la sicurezza e la governance delle operazioni la sfida principale. I controlli tradizionali dell’era dei chatbot risultano insufficienti quando gli agenti hanno accesso a shell, file, reti, credenziali e API.

I clienti Â鶹ԭ´´ conoscono bene questa realtà. La business AI è utile solo se può essere:

• sottoposta a controlli e verifiche
• regolamentata da policy
• ritenuta degna di fiducia dai team addetti alla sicurezza e alla conformità

Per risolvere questo problema non bastano le sole funzionalità di base dell’infrastruttura o le regole a livello di applicazione.

NVIDIA OpenShell: la base

NVIDIA OpenShell affronta un aspetto cruciale del problema: l’esecuzione sicura e in ambiente sandbox di agenti autonomi.

Essendo un runtime open source, OpenShell introduce potenti funzionalità, tra cui:

• Ambienti di esecuzione isolati
• Applicazione delle policy per l’accesso a file system e reti
• Contenimento a livello di runtime che limita il raggio d’azione anche in caso di errore della logica dell’agente

Queste funzionalità costituiscono un foundational layer che consente agli agenti autonomi di operare in sicurezza. In pratica, le aziende hanno bisogno che tale livello operativo sia in linea con il contesto aziendale e i principi di governance.

Le imprese si aspettano chiarezza su questioni quali:

• Quale ruolo aziendale autorizza un’azione?
• Quale contesto di processo si applica?
• In che modo le azioni si ricollegano alle policy aziendali e agli audit trails?

È qui che il contributo di Â鶹ԭ´´ diventa decisivo.

Qual è il contributo di Â鶹ԭ´´: semantica aziendale, governance e scalabilità

Â鶹ԭ´´ sta co-sviluppando e contribuendo a OpenShell sulla base delle esigenze aziendali.

1. Requisiti di runtime definiti dall’azienda

Â鶹ԭ´´ opera con una portata e un livello di responsabilità che pochi fornitori di software possono vantare: processi mission-critical, settori regolamentati e milioni di transazioni all’ora.

Integrando carichi di lavoro reali degli agenti Â鶹ԭ´´ nella collaborazione, Â鶹ԭ´´ fornisce il banco di prova operativo di cui OpenShell ha bisogno per maturare da un runtime potente a uno robusto e adatto all’ambiente aziendale.

Ciò comprende la definizione dei requisiti relativi a:

• Confini di isolamento che corrispondono ai modelli di rischio aziendale
• Applicazione delle policy in linea con i reali vincoli aziendali
• Tracciabilità che resiste al vaglio dei clienti e degli enti regolatori

2. Sviluppo congiunto delle funzionalità di OpenShell

Â鶹ԭ´´ sta investendo risorse ingegneristiche nel codice sorgente open-source di OpenShell, concentrandosi su aree di particolare interesse per le aziende: protezione in fase di runtime, policy modeling, integrazione delle identità aziendali e gli hook di audit e governance.

Â鶹ԭ´´ sta contribuendo a definire come l’esecuzione sicura degli agenti debba funzionare per le aziende, non solo a livello teorico, ma anche in fase di produzione.

3. Runtime di Joule Studio: dalla sicurezza in fase di esecuzione al controllo aziendale

Mentre OpenShell garantisce la sicurezza dell’esecuzione, il runtime di Joule Studio fornisce l’infrastruttura aziendale che rende gli agenti utilizzabili e governabili nei sistemi aziendali:

• Semantica delle policy, come ruoli, competenze e ciclo di vita, business-aware
• Identità aziendale e controllo degli accessi
• Osservabilità e verificabilità del comportamento degli agenti
• Governance operativa e di implementazione in tutti gli ambienti

Ciò garantisce che l’autonomia degli agenti sia sempre inquadrata in base agli obiettivi e alle responsabilità aziendali, e non solo alle autorizzazioni tecniche.

OpenShell risponde alla domanda: “È possibile eseguire questa azione in modo sicuro?�; il runtime di Joule Studio risponde a: “È opportuno eseguire questa azione?�.

Alzare l’asticella per l’AI agentica aziendale

Questa collaborazione rappresenta più di un’integrazione. Riflette l’intento condiviso di definire cosa significhi effettivamente “di livello enterprise” per i sistemi di intelligenza artificiale autonomi.

Per i clienti Â鶹ԭ´´, questo significa agenti AI non solo potenti, ma progettati per guadagnarsi la fiducia negli ambienti in cui la fiducia è più importante.

Grazie alla combinazione delle innovazioni di NVIDIA in materia di runtime e sicurezza con la capacità di Â鶹ԭ´´ di trasformare le soluzioni in prodotti aziendali, la sua competenza in materia di governance e la sua scala operativa, Â鶹ԭ´´ e NVIDIA stanno lavorando alla realizzazione di una soluzione integrata per l’esecuzione affidabile degli agenti, una che le aziende possano monitorare, governare e su cui possano fare affidamento.

The post Dare forma al futuro degli agenti AI sicuri: come Â鶹ԭ´´ e NVIDIA stanno co-definendo l’esecuzione degli agenti a livello aziendale appeared first on Â鶹ԭ´´ News Center Italy.

Sulla base della loro consolidata collaborazione, AWS e Â鶹ԭ´´ semplificano l’accesso dei clienti ai prodotti di dati Â鶹ԭ´´ mission-critical attraverso i servizi AWS, tra cui Amazon Bedrock, Amazon Quick e Amazon SageMaker. Ciò consentirà ai team di offrire analisi self-service e creare agenti di intelligenza artificiale in tutti i settori aziendali, senza dover attendere che i team IT replichino, preparino e forniscano i dati Â鶹ԭ´´.

“La prossima era del business sarà definita dalla capacità delle organizzazioni di trasformare l’intelligenza in azioni concrete su larga scala”, ha affermato Muhammad Alam, membro del Consiglio di Amministrazione di Â鶹ԭ´´ SE, Â鶹ԭ´´ Product & Engineering.Ìý “Integrando Â鶹ԭ´´ Business Data Cloud con le funzionalità di intelligenza artificiale e analisi di AWS, ampiamente diffuse, i clienti possono liberare il vero potenziale dei dati e dell’AI.”

Grazie a Â鶹ԭ´´ BDC Connect, l’integrazione offre accesso quasi in tempo reale e senza copia a prodotti di dati Â鶹ԭ´´ semanticamente ricchi, direttamente tramite Amazon Athena, mantenendo i dati nella loro posizione originale, preservandone il contesto aziendale e eliminando i ritardi di replica. I clienti possono interrogare e analizzare questi dati immediatamente, oppure scegliere di archiviarli e trasformarli per utilizzarli nell’intero ambiente AWS. Questo offre ai team un ambiente governato e sicuro all’interno di AWS per creare facilmente report, dashboard e agenti di intelligenza artificiale.

“Â鶹ԭ´´ e AWS condividono l’impegno di aiutare i clienti a valorizzare i loro dati più preziosi”, ha dichiarato Ruba Borno, vicepresidente Global Specialists and Partners di AWS. “Combinando Â鶹ԭ´´ Business Data Cloud con l’infrastruttura globale sicura di AWS e i servizi avanzati di intelligenza artificiale, le organizzazioni possono accedere ai dati Â鶹ԭ´´ cruciali e agire su di essi con la velocità e la scalabilità richieste dal proprio business.”

Con Â鶹ԭ´´ BDC Connect per i clienti Amazon Athena è possibile:

• Creare un’unica base affidabile per tutti i dati aziendali, si Â鶹ԭ´´ che di terze parti.
• Avviare e rendere operativa l’AI più rapidamente grazie a dati aziendali pronti all’uso.
• Creare applicazioni e agenti intelligenti basati sui dati aziendali più importanti.
• Accelerare l’ottenimento di insight e l’innovazione con analisi self-service che riducono i tempi di analisi da settimane a ore.

Disponibilità generale

Â鶹ԭ´´ Business Data Cloud è già disponibile su AWS nelle regioni Stati Uniti Orientali (Virginia Settentrionale), Europa (Francoforte), Asia Pacifico (Tokyo), Canada (Centrale), Asia Pacifico (Sydney), Sud America (San Paolo), Asia Pacifico (Seul), Asia Pacifico (Singapore) e AWS European Sovereign Cloud.

The post Â鶹ԭ´´ e AWS abilitano l’AI di nuova generazione con la condivisione bidirezionale dei dati senza copia tramite Â鶹ԭ´´ Business Data Cloud appeared first on Â鶹ԭ´´ News Center Italy.

Nel 2026 verrà raddoppiato il numero di clienti ammessi al programma, segnando un’importante pietra miliare nella nostra missione di fornire ai clienti di RISE con Â鶹ԭ´´ su Azure un supporto e una competenza straordinari durante tutta la loro esperienza. Migliaia di aziende stanno già trasformando il proprio business con RISE con Â鶹ԭ´´ su Azure, tra cui , e .

Annunciata pubblicamente per la prima volta nel , questa iniziativa riunisce i migliori team tecnici di Â鶹ԭ´´ e Microsoft per consentire un’esperienza di migrazione e onboarding più fluida e personalizzata per il cliente, senza costi aggiuntivi, per un percorso accelerato verso la trasformazione aziendale e una più rapida innovazione nel cloud.

Un approccio collaborativo al successo

Il programma offre un’esperienza cliente congiunta che integra e migliora il percorso RISE with Â鶹ԭ´´, fornendo:

• Risorse dedicate: accesso a un team globale di ingegneri di prodotto Microsoft con competenze Â鶹ԭ´´, architetti di soluzioni cloud ed esperti di supporto
• Servizi proattivi: raccomandazioni basate sulle migliori pratiche consolidate, frutto di anni di stretta collaborazione tra i team di ingegneria di Microsoft e Â鶹ԭ´´, fornite da esperti di Microsoft Engineering e Customer Success
• Accesso a Cloud Accelerate Factory: per tutti i clienti del programma, accesso a , che offre supporto pratico per aiutare i clienti a semplificare la modernizzazione su Azure
• Supporto migliorato: percorsi di escalation semplificati tra Â鶹ԭ´´ e Microsoft per garantire supervisione e guida allineate in ogni fase
• Costo zero: programma offerto gratuitamente ai clienti approvati

“RISE with Â鶹ԭ´´ su Microsoft Azure garantisce ai clienti il meglio di entrambi i mondi: la leadership di Â鶹ԭ´´ nei processi aziendali e la piattaforma cloud affidabile di Microsoft”, ha dichiarato Karl Fahrbach, Chief Partner Officer di Â鶹ԭ´´. “Insieme, aiutiamo le organizzazioni a muoversi più velocemente, ridurre i rischi e innovare con fiducia, abbracciando il futuro dell’impresa intelligente”.

“Questo programma riflette il nostro profondo impegno nell’aiutare i clienti a modernizzare con sicurezza i carichi di lavoro Â鶹ԭ´´ mission-critical su Azure”, ha dichiarato Sandy Gupta, vicepresidente del Global ISV Ecosystem di Microsoft. “Combinando l’innovazione cloud di Microsoft con l’esperienza aziendale di Â鶹ԭ´´, offriamo un percorso sicuro, prevedibile e pronto per l’IA che accelera il time to value e sblocca nuove opportunità di trasformazione”.

Valore condiviso: perché è importante per i clienti

L’iniziativa RISE with Â鶹ԭ´´ su Microsoft Azure è molto più di una semplice offerta tecnica; è un investimento strategico per il successo dei clienti, realizzato congiuntamente da Microsoft e Â鶹ԭ´´.

I principali vantaggi dell’iniziativa per i clienti includono:

• Passaggi di produzione senza intoppi: il programma contribuisce a ridurre i tempi di inattività tecnici, i rischi e i ritardi nella fase di post-elaborazione.
• Affidabilità migliorata: controlli proattivi dello stato di salute, revisioni dell’architettura (ambiente Azure) e canali di comunicazione diretti con il team di Customer Success e Ingegneria di Microsoft.
• Supporto per la preparazione al passaggio di produzione: controlli dello stato di salute di Azure e coinvolgimento nelle fasi chiave del progetto.

Accelerare la trasformazione digitale

Che un’azienda stia muovendo i primi passi nel percorso RISE with Â鶹ԭ´´ o desideri accelerare una migrazione in corso, questo programma garantisce le competenze, la visibilità e la partnership necessarie per avere successo.

Per saperne di più o per candidare la vostra organizzazione, contattate il vostro referente commerciale Â鶹ԭ´´ o Microsoft.

The post Si estende l’iniziativa globale RISE with Â鶹ԭ´´ su Microsoft Azure: migliorare il successo dei clienti con Microsoft e Â鶹ԭ´´ 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 Ìýrisiede 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.