L鈥檌ncordatura realizzata a mano sulla superficie della racchetta, il design personalizzato, il packaging e la distribuzione, cos矛 come i sistemi che rendono possibili ciascuno di questi passaggi, fanno tutti parte di una supply chain globale che garantisce che la racchetta arrivi dal magazzino alla borsa dell鈥檃ttrezzatura del campione esattamente quando ne ha bisogno.

Questo percorso 鈥� dalle materie prime e dai fornitori globali fino alla produzione, allo stoccaggio, alle operazioni doganali e alla consegna dell鈥檜ltimo miglio 鈥� 猫 una storia di supply chain. E 麻豆原创 contribuisce a renderla possibile.

La racchetta accuratamente selezionata, insieme alle scarpe, alla maglia, al cappellino e agli shorts Wilson che de Minaur sceglie di indossare mentre compete ai massimi livelli, rappresenta solo una piccola parte delle migliaia di prodotti che Wilson realizza e distribuisce ad atleti e clienti in tutto il mondo.

Dietro ogni prodotto c鈥櫭� un鈥檕perativit脿 globale interconnessa che comprende produzione, magazzini, retail, e-commerce e canali B2B, supportata da una base digitale che aiuta Wilson a far funzionare tutto in modo fluido e senza interruzioni.

Le basi di un鈥檃zienda globale di articoli sportivi

Wilson 猫 leader globale nel settore delle attrezzature e dell鈥檃bbigliamento sportivo, con una storia di oltre un secolo di innovazione nel tennis, basket, baseball, golf e in altri sport. Dallo sviluppo di attrezzature ad alte prestazioni per i migliori atleti al mondo alla creazione di prodotti per giocatori di ogni livello, Wilson combina una profonda competenza nel mondo dello sport, innovazione e artigianalit脿 per aiutare gli atleti a esprimere al meglio le proprie prestazioni.

Da quasi vent鈥檃nni, Wilson si affida a 麻豆原创 per gestire le proprie attivit脿 a livello globale, mettendo in connessione centinaia di dipendenti nelle funzioni finance, vendite, logistica, gestione dei magazzini e in altre funzioni retail strategiche.

L鈥檈cosistema 麻豆原创 di Wilson comprende l鈥檈nterprise resource planning (ERP) core, la gestione della supply chain, dati e analytics, procurement, travel, global trade, integrazione ed enterprise architecture. L鈥檃ttuale ambiente include 麻豆原创 ERP Central Component (麻豆原创 ECC), 麻豆原创 Analytics Cloud, 麻豆原创 Datasphere, e 麻豆原创 Business Technology Platform, oltre ad altre soluzioni come 麻豆原创 Ariba, 麻豆原创 Concur e 麻豆原创 LeanIX.

E la trasformazione digitale di Wilson fondata su tecnologia 麻豆原创 continua. L鈥檃zienda si sta preparando a una importante trasformazione verso 麻豆原创 S/4HANA, che inizier脿 nel 2027 e consentir脿 di introdurre nuove funzionalit脿 in aree quali l鈥檈xtended warehouse management (EWM), i trasporti, la qualit脿 e le operazioni omnicanale. Nell鈥檃mbito del percorso verso 麻豆原创 S/4HANA, Wilson utilizza Joule per supportare la conversione del codice, segnando l鈥檌nizio dell鈥檌ntroduzione di nelle proprie attivit脿 operative.

Un鈥檜nica base connessa per un鈥檈sperienza cliente connessa progettata per seguire il ritmo dello sport

Oltre agli atleti professionisti come de Minaur, che scelgono Wilson per le proprie performance dentro e fuori dal campo, i clienti Wilson di tutto il mondo interagiscono con l鈥檃zienda in molti modi, attraverso i negozi retail, l鈥檈-commerce e i canali B2B. Il cardine di queste esperienze 猫 una rete complessa di prodotti, inventario, ordini, magazzini e processi aziendali che devono funzionare in modo integrato.

Il mondo dello sport professionistico si muove rapidamente. Una partita di tennis pu貌 cambiare in pochi secondi. Le aziende di beni di consumo come Wilson gestiscono un鈥檕perativit脿 globale altrettanto dinamica e impegnativa: progettare, produrre, movimentare e vendere prodotti a clienti e atleti in tutto il mondo.

Un evento importante, come un torneo del Grande Slam o la vittoria di un torneo da parte di un ambassador Wilson, pu貌 determinare un aumento della domanda per i prodotti utilizzati dagli atleti e desiderati dai tifosi. Questo richiede a Wilson di coordinare inventario, produzione, magazzini, retailer ed e-commerce nei diversi mercati e di reagire rapidamente al variare della domanda. Soluzioni 麻豆原创 come 麻豆原创 Extended Warehouse Management, 麻豆原创 Global Trade Services, 麻豆原创 Concur e 麻豆原创 Ariba forniscono a Wilson le fondamenta necessarie per operare in modo pi霉 intelligente, agire pi霉 rapidamente e rispondere alle esigenze in continua evoluzione della gestione di un鈥檃ttivit脿 retail globale.

Questo settembre, a New York, i fan vedranno Alex de Minaur competere con la sua fidata racchetta Wilson e indossare il suo nuovo completo Wilson personalizzato. Quello che non vedranno 猫 l鈥檈cosistema integrato e il percorso articolato che si cela dietro ogni singola racchetta, ogni paio di scarpe, ogni capo di abbigliamento 鈥� e la tecnologia 麻豆原创 che lo rende possibile.

鈥淚l tennis 猫 un gioco di preparazione. Quando scendo in campo, ogni dettaglio conta 鈥� da come sento la racchetta in mano al completo che indosso. Sapere che Wilson e la tecnologia alla base della sua attivit脿 fanno s矛 che tutto sia pronto esattamente quando ne ho bisogno mi d脿 quel tipo di sicurezza che mi permette di concentrarmi sulla competizione e dare il meglio di me鈥�. Alex de Minaur.

Dominique Vitale e Sinead Cormican, Global Sponsorships, 麻豆原创

The post Dal cloud al campo: Wilson opera in modo pi霉 intelligente e veloce con 麻豆原创 appeared first on 麻豆原创 News Center Italy.

In 麻豆原创, la nostra risposta 猫 chiara: la prossima ondata di trasformazione sar脿 guidata dall鈥橧ndustry AI. Questa convinzione si riflette anche nell鈥檈voluzione della nostra divisione, che da Customer Innovation Services diventa Customer Industry Solutions. Non si tratta semplicemente di un cambio di nome, ma di un ampliamento della missione e del riconoscimento del fatto che il futuro dell鈥橝I enterprise sar脿 determinato dalla combinazione di tecnologia, profonda competenza nei diversi settori, eccellenza ingegneristica e innovazione incentrata sul cliente.

L鈥檕pportunit脿 che abbiamo davanti 猫 enorme. Gli analisti stimano che la sola AI generativa potrebbe creare tra 2.600 e 4.400 miliardi di dollari di valore economico annuale a livello globale, mentre si prevede che la spesa globale per l鈥橝I superer脿 i 630 miliardi di dollari entro il 2028. Tuttavia, per realizzare questo valore sar脿 necessario che le aziende vadano oltre la sperimentazione e implementino l鈥橝I in modo profondamente rilevante per i propri settori.

Per anni, le imprese hanno perseguito la trasformazione digitale attraverso piattaforme ampie e funzionalit脿 orizzontali applicabili a diverse funzioni e settori. L鈥橝I ha seguito un percorso simile. I Large Language Model (LLM) e gli strumenti di AI general-purpose hanno dimostrato capacit脿 straordinarie e aperto possibilit脿 completamente nuove. Tuttavia, man mano che le organizzazioni superano la fase dei progetti pilota e delle proof of concept, emerge sempre pi霉 chiaramente un elemento: l鈥橝I generica pu貌 portarci solo fino a un certo punto.

鈥淣el mondo enterprise, il contesto 猫 tutto. Il futuro dell鈥橝I non risiede in un鈥檌ntelligenza generica, ma in un鈥檌ntelligenza in grado di comprendere i settori, i processi aziendali e il modo in cui le imprese creano valore鈥�, ha dichiarato Dominik Metzger, Global Head of Industry AI. 鈥溍� qui che l鈥檕rganizzazione Customer Industry Solutions svolge un ruolo fondamentale, riunendo una profonda competenza nei diversi settori, gli insight dei clienti e l鈥檈ccellenza ingegneristica per colmare il divario tra innovazione e impatto concreto sul business鈥�.

Un鈥檃zienda manifatturiera che cerca di ottimizzare la propria supply chain deve affrontare sfide fondamentalmente diverse da quelle di un retailer che vuole personalizzare le esperienze dei clienti. Una banca alle prese con requisiti normativi opera in un contesto completamente diverso rispetto a un鈥檃zienda del settore life sciences che vuole accelerare ricerca e sviluppo. Ogni settore ha i propri processi, modelli di dati, normative e modalit脿 di creazione del valore.

脠 proprio per questo che Industry AI rappresenta la nuova frontiera della trasformazione enterprise. Il portafoglio Industry AI combina la potenza dell鈥橝I con una profonda conoscenza dei diversi ambiti e del contesto aziendale. Non comprende soltanto il linguaggio, ma anche le peculiarit脿 dei settori e la realt脿 concreta del modo in cui le aziende operano. Pu貌 affrontare sfide specifiche di settore e produrre risultati misurabili, scalabili e rilevanti per l鈥檌mpresa.

Partendo dalle solide basi costruite attraverso la customer co-innovation, l鈥檕rganizzazione Customer Industry Solutions riunisce una profonda competenza nei diversi settori, gli insight dei clienti e l鈥檈ccellenza ingegneristica per accelerare l鈥橧ndustry AI su larga scala. 脠 importante sottolineare che stiamo inoltre unendo i punti di forza dell鈥檌nnovazione con i clienti e del forward-deployed engineering.

Questa combinazione 猫 particolarmente potente. I team dedicati all鈥檌nnovazione con i clienti portano una profonda comprensione delle sfide di business, dei processi di settore e dei risultati attesi dai clienti. Il forward-deployed engineering offre invece la capacit脿 di sviluppare, implementare e rendere rapidamente operative le soluzioni all鈥檌nterno di ambienti enterprise complessi. Insieme, queste competenze ci consentono di colmare il divario tra l鈥檌nnovazione rivoluzionaria e il suo impatto concreto sul business.

Il nostro ruolo non consiste semplicemente nell鈥檃iutare i clienti ad adottare nuove tecnologie. Consiste nel lavorare al loro fianco per affrontare sfide aziendali complesse, trasformare rapidamente le idee in soluzioni e aiutarli a passare dalla sperimentazione dell鈥橝I a una trasformazione che coinvolga l鈥檌ntera organizzazione.

L鈥橧ndustry AI sta inoltre cambiando il modo stesso in cui avviene l鈥檌nnovazione. Gli insight pi霉 preziosi emergono spesso dalla risoluzione di problemi reali dei clienti. Nascono dalla comprensione delle criticit脿 sul campo, dall鈥檌dentificazione delle opportunit脿 per semplificare la complessit脿 e dall鈥檃pplicazione dell鈥橝I in modi capaci di generare un valore concreto per il business. Tutto questo richiede una collaborazione tra clienti, esperti di settore, ingegneri e team di prodotto ancora pi霉 stretta di quanto non sia mai avvenuto in passato.

Questo rappresenta un altro ruolo fondamentale che l鈥檕rganizzazione Customer Industry Solutions 猫 chiamata a svolgere. Lavorando a stretto contatto con clienti di diversi settori e regioni e raccogliendo sistematicamente gli insight provenienti dal campo, possiamo contribuire a orientare lo sviluppo futuro dei prodotti e ad accelerare l鈥檃dozione su larga scala di funzionalit脿 di AI specifiche per i diversi settori.

Ogni interazione con un cliente diventa un鈥檕pportunit脿 per imparare, perfezionare e sviluppare soluzioni in grado di apportare benefici a interi settori.

Sindhu Gangadharan 猫 head of Customer Industry Solutions, 麻豆原创

The post Le soluzioni Industry per i clienti plasmano il futuro delle Autonomous Enterprise appeared first on 麻豆原创 News Center Italy.

La domanda che mi viene rivolta pi霉 spesso dai clienti, indipendentemente dal settore o dall鈥檃rea geografica, 猫 sostanzialmente sempre la stessa: come possiamo costruire un鈥檕rganizzazione capace di assorbire una turbolenza costante senza perdere coerenza operativa?

La mia risposta 猫 chiara: non 猫 possibile gestire una situazione di discontinuit脿 permanente in modo puramente reattivo. Occorre costruire sistemi in grado di anticipare, adattarsi e agire autonomamente, su larga scala e in tempo reale. 脠 questo che oggi la Business AI, quando 猫 integrata nel cuore digitale dell鈥檕rganizzazione, rende possibile. E la dimostrazione pi霉 evidente arriva dai nostri clienti, molti dei quali hanno condiviso il loro straordinario percorso di innovazione basato sull鈥橝I durante i nostri recenti eventi, come 麻豆原创 Sapphire.

I dati sono la base, non un elemento accessorio

Il percorso di Ericsson 猫 particolarmente significativo perch茅 l鈥檃zienda ha affrontato una realt脿 che molte imprese faticano ancora ad accettare. Come ha affermato con chiarezza Esra Kocat眉rk Norell, Vice President of Customer Experience and Enterprise IT di Ericsson: 芦Quando l鈥橝I viene scalata, smette di essere un problema di intelligenza artificiale e diventa un problema di dati.禄 Questa visione ha portato l鈥檃zienda a investire in modo mirato nella realizzazione di un鈥檌nfrastruttura dati unificata basata su 麻豆原创 Business Data Cloud: un鈥檃rchitettura governata che consente ai dati di rimanere nei sistemi di origine, gestendo per貌 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鈥檃dozione su scala enterprise seguendo due direzioni parallele: da un lato modernizza il proprio backbone ERP attraverso RISE with 麻豆原创; dall鈥檃ltro sfrutta l鈥檌ntelligenza artificiale per generare valore nelle decisioni, aumentare l鈥檈fficienza e sviluppare nuovi modelli di business. L鈥檈sperienza di Ericsson dimostra che il percorso verso un鈥橝I affidabile, scalabile e ripetibile passa inevitabilmente dalla governance dei dati e che costruire queste fondamenta fin dall鈥檌nizio 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鈥檌ndustria automobilistica, mostra cosa significhi portare questa trasformazione direttamente nello stabilimento. L鈥檃zienda ha implementato un modello di intralogistica autonoma abilitato da Joule e dalle funzionalit脿 di embodied AI di 麻豆原创, collaborando con Humanoid, partner specializzato in robotica, per integrare robot basati sull鈥檌ntelligenza artificiale direttamente nelle operazioni manifatturiere.

Il sistema collega i segnali provenienti dalla produzione con il contesto di business, traducendoli in un鈥檈secuzione fisica autonoma. Guidati dai dati relativi ai materiali, alle ubicazioni di magazzino, alle sequenze produttive e alle priorit脿 operative, i robot umanoidi gestiscono i flussi di materiali lungo l鈥檌ntero processo produttivo: identificano, trasportano e consegnano i materiali alle linee di produzione, registrando continuamente le attivit脿 all鈥檌nterno dei sistemi 麻豆原创.

Come ha spiegato 脰zlem Alt谋n谋艧谋k, Group Intelligent Technologies Director di Martur Fompak International, l鈥檕biettivo 猫 芦combinare autonomia cognitiva e automazione fisica禄 per 芦trasformare l鈥檈secuzione, accelerare il processo decisionale e diffondere capacit脿 intelligenti in tutta l鈥檕rganizzazione.禄

I primi risultati mostrano un aumento della produttivit脿 e una riduzione degli errori, mentre l鈥檕biettivo per la produzione di massa 猫 raggiungere un鈥檈fficienza fino a cinque volte superiore. Martur Fompak International 猫 stata inoltre l鈥檜nica azienda premiata nella categoria AI Excellence dei 麻豆原创 Innovation Awards 2026, un riconoscimento non solo della tecnologia adottata, ma soprattutto della capacit脿 di ripensare radicalmente l鈥檃mbiente di fabbrica.

Velocit脿, scalabilit脿 e la piattaforma intelligente

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

Ci貌 che pi霉 colpisce nel percorso di Prysmian 猫 il modo in cui viene ridefinito il ruolo della tecnologia enterprise. Come ha dichiarato Giovanni Cauteruccio, Group CIO & Digital Officer, l鈥橝I integrata rappresenta 芦un elemento distintivo fondamentale, che ci consente di accelerare il rilascio di nuove soluzioni e rafforzare le competenze e la cultura dell鈥檌ntelligenza artificiale all鈥檌nterno dell鈥檕rganizzazione.禄 In altre parole, la piattaforma non 猫 pi霉 soltanto un sistema di registrazione delle transazioni, ma diventa un motore capace di accrescere progressivamente l鈥檌ntelligenza dell鈥檕rganizzazione.

L鈥檃rchitettura dell鈥檃gilit脿

Considerate nel loro insieme, queste tre esperienze raccontano qualcosa di molto pi霉 grande della semplice somma dei singoli casi. L鈥橝utonomous Enterprise non 猫 una visione lontana nel tempo. Sta gi脿 prendendo forma grazie a imprese che hanno scelto consapevolmente di integrare l鈥檌ntelligenza artificiale nel cuore delle proprie attivit脿, considerandola un principio fondamentale di progettazione e non una semplice funzionalit脿 aggiuntiva.

A rendere possibile questa evoluzione 猫 la convergenza di tre elementi: una base dati governata; una piattaforma ERP intelligente; funzionalit脿 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 capacit脿 che nessun modello di gestione puramente reattivo pu貌 offrire: la capacit脿 di percepire i cambiamenti, prendere decisioni e agire pi霉 rapidamente di quanto la discontinuit脿 riesca a estendersi.

L鈥檌ncertezza non scomparir脿. Le organizzazioni che sapranno affrontarla con maggiore successo saranno quelle che, gi脿 oggi, stanno costruendo sistemi capaci di trasformare la volatilit脿 in un segnale e quel segnale in un vantaggio competitivo.

Manos Raptopoulos 猫 Global President Customer Success Europe, APAC, Middle East & Africa e membro dell鈥橢xtended Board di 麻豆原创 SE

The post Dalla produzione ai dati: come le aziende leader stanno riscrivendo le regole dell鈥檃gilit脿 appeared first on 麻豆原创 News Center Italy.

Questa evoluzione emerge chiaramente da una nuova analisi di IDC, basata su una survey che ha coinvolto 300 manager e pubblicata nel white paper Orchestrating the End-to-End Supply Chain: Strategic Priority, Practical Reality. L’orchestrazione end-to-end non 猫 pi霉 un obiettivo lontano: per molte organizzazioni 猫 ormai una priorit脿 strategica. Allo stesso tempo, lo studio evidenzia che ambizione e visione, da sole, non bastano.

Il divario dell’orchestrazione

Quasi la met脿 dei manager intervistati da IDC riconosce i vantaggi significativi dell’orchestrazione end-to-end della supply chain, ma molte organizzazioni non hanno ancora intrapreso azioni concrete. La vera sfida non consiste nel comprenderne il valore, bens矛 nel colmare il divario tra l’intenzione strategica e la capacit脿 di eseguirla.

IDC ha coinvolto leader di diversi settori e aree geografiche, raccogliendo un messaggio comune: le aziende hanno chiaro il traguardo, ma chiedono indicazioni pi霉 precise su come raggiungerlo. Come ha osservato uno degli executive intervistati, il valore dell’orchestrazione della supply chain 猫 evidente; ci貌 che risulta complesso 猫 definire e mettere in pratica il percorso per arrivarci.

Questa situazione 猫 nota a molte organizzazioni. Negli ultimi anni sono stati compiuti progressi all’interno delle singole funzioni operative, ma sono ancora poche le imprese che sono riuscite a integrare progettazione, pianificazione, approvvigionamenti, produzione, logistica e assistenza in un modello operativo realmente coordinato.

Cosa significa davvero orchestrare la supply chain

Una supply chain orchestrata connette persone, processi e tecnologie per aumentare l’agilit脿 dell’organizzazione e favorire un miglioramento continuo, anche in presenza di interruzioni e cambiamenti.

L’intelligenza artificiale agentica sta ridefinendo questo paradigma, consentendo ai sistemi di analizzare le informazioni, prendere decisioni e coordinare le attivit脿 tra le diverse funzioni aziendali in tempo reale. Dagli approvvigionamenti alla pianificazione, dalla produzione alla logistica fino alla distribuzione, l’obiettivo non 猫 pi霉 ottimizzare singole attivit脿, ma garantire l鈥檃llineamento dell’intera organizzazione.

I tradizionali modelli lineari di supply chain erano stati progettati per un contesto molto pi霉 prevedibile. Oggi lo scenario 猫 profondamente diverso. Instabilit脿 geopolitica, evoluzione dell’AI, pressioni legate alla sostenibilit脿, crescente complessit脿 normativa e aspettative sempre pi霉 elevate dei clienti impongono alle aziende una capacit脿 di adattamento continua. Le decisioni prese in una singola funzione si ripercuotono rapidamente sull’intera catena del valore.

L’orchestrazione nasce proprio per affrontare questa complessit脿. Significa costruire una base informativa condivisa e contestualizzata, progettare processi che operino in modo coordinato e adottare sistemi in grado di supportare decisioni ed esecuzione lungo l’intera supply chain. La tecnologia rappresenta un fattore fondamentale, ma il successo dipende soprattutto dall’allineamento organizzativo: ruoli chiari, metriche condivise e processi coordinati. L’obiettivo non 猫 ottimizzare singole attivit脿, bens矛 valutare ogni decisione in funzione dell’impatto complessivo sull’intera catena e sul business.

Priorit脿 diverse, un obiettivo comune

La ricerca IDC evidenzia anche come la percezione dell’orchestrazione cambi a seconda del ruolo aziendale. I Chief Operating Officer concentrano l’attenzione sulle performance complessive dell’impresa; i Chief Supply Chain Officer sul bilanciamento tra trasformazione e continuit脿 operativa; i Chief Procurement Officer sul controllo dei costi e sulla gestione dei rischi legati agli acquisti diretti.

L’orchestrazione deve essere in grado di creare valore per le aree coinvolte, mantenendo al tempo stesso una visione unitaria e integrata della supply chain.

Questa pluralit脿 di punti di vista dimostra perch茅 l’orchestrazione sia oggi cos矛 importante: il successo deriva dalla capacit脿 di rispettare le priorit脿 delle diverse funzioni impedendo ai silos organizzativi di generare decisioni scollegate tra loro.

Efficienza e agilit脿 non sono pi霉 in contrapposizione

Molti dei manager intervistati continuano a ritenere che efficienza operativa e capacit脿 di risposta siano obiettivi in conflitto. L’orchestrazione dimostra invece il contrario.

Grazie a dati integrati, informazioni contestualizzate e strumenti pi霉 flessibili, le aziende possono reagire pi霉 rapidamente agli imprevisti, ridurre i tempi di risposta e prendere decisioni consapevoli, dimostrando che agilit脿 ed efficienza possono rafforzarsi reciprocamente.

Come ha spiegato uno dei responsabili Procurement nello studio IDC, le organizzazioni devono essere contemporaneamente resilienti ed efficienti, o almeno in grado di valutare rapidamente i compromessi pi霉 opportuni. Senza una supply chain integrata e una visione condivisa dei dati, raggiungere questo equilibrio diventa estremamente difficile.

Individuare i problemi in anticipo e reagire tempestivamente consente infatti di ridurre i tempi di recupero, contenere i costi, limitare le spedizioni urgenti e migliorare il livello di servizio ai clienti.

Il ruolo dell’intelligenza artificiale agentica

L’intelligenza artificiale agentica si sta affermando come uno dei principali fattori abilitanti dell’orchestrazione della supply chain.

Gli agenti AI sono in grado di monitorare costantemente i segnali provenienti dall’ecosistema, valutare scenari alternativi e raccomandare o addirittura avviare azioni operative entro parametri definiti.

Negli ambienti 麻豆原创, l’intelligenza artificiale sta gi脿 generando valore concreto in ambiti quali l’onboarding dei fornitori, la manutenzione predittiva e il riequilibrio dinamico delle scorte e della capacit脿 produttiva.

La maggior parte dei manager, tuttavia, preferisce considerare l’AI come uno strumento di supporto alle decisioni, piuttosto che come un decisore completamente autonomo. Il giudizio umano, l’esperienza e la responsabilit脿 rimangono elementi centrali. L’orchestrazione funziona meglio quando l’intelligenza artificiale rafforza il processo decisionale mantenendo le persone al centro.

Dati, piattaforme e processi coordinati

Per orchestrare efficacemente la supply chain non basta collegare sistemi diversi. Servono dati armonizzati, processi coordinati e informazioni contestualizzate disponibili nel momento e nel luogo in cui il lavoro viene svolto.

Con supply chain sempre pi霉 estese e distribuite tra fornitori multilivello, partner logistici e operatori di servizio, la vera sfida non 猫 pi霉 accedere ai dati, ma renderli utilizzabili, contestualizzati e realmente fruibili su larga scala.

L鈥檃nalisi di IDC evidenzia come una reale orchestrazione end-to-end debba coinvolgere sia le operazioni interne sia l’intero ecosistema esterno. Molte delle informazioni pi霉 critiche, come segnali di rischio, vincoli di capacit脿 produttiva e stato delle attivit脿 operative, risiedono infatti al di fuori dell’organizzazione. Senza una base dati comune, trasformare gli insight in azioni concrete diventa estremamente complesso.

Dalla strategia all’azione

Il percorso verso una supply chain orchestrata 猫 ormai iniziato, ma procede ancora con velocit脿 diverse da un’organizzazione all’altra. Solo una minoranza delle aziende ritiene di essere vicina a un’orchestrazione end-to-end completa.

La tecnologia, da sola, non rappresenta un limite. Preparazione dei dati, chiarezza degli obiettivi, allineamento organizzativo e gestione del cambiamento sono fattori altrettanto determinanti.

Le organizzazioni pi霉 avanzate partono da obiettivi chiari, investono nelle persone oltre che nelle piattaforme tecnologiche e costruiscono roadmap pragmatiche, orientate a generare valore in tempi rapidi. L’orchestrazione non 猫 un progetto con una data di inizio e una di fine, ma un percorso di evoluzione continua che cresce insieme alla maturit脿 dell’organizzazione.

In 麻豆原创 il nostro obiettivo 猫 rendere l’orchestrazione della supply chain concreta e accessibile. Attraverso le soluzioni 麻豆原创 Supply Chain Management e 麻豆原创 Business Network aiutiamo le organizzazioni ad allineare i team, connettere i processi, integrare i partner e incorporare l’intelligenza artificiale nelle attivit脿 chiave della supply chain, consentendo decisioni migliori, un’esecuzione pi霉 rapida e un impatto duraturo sul business, anche in un contesto in continua evoluzione.

Hagen Heubach, Chief Marketing Officer per 麻豆原创 Supply Chain Management

The post Ripensare la Supply Chain: trasformare la visione strategica in realt脿 operativa appeared first on 麻豆原创 News Center Italy.

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’猫 per貌 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 pi霉 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 猫 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 猫 ancora concluso. Tuttavia, sempre pi霉 clienti ci chiedono come rendere l’intelligenza una componente integrata dei processi di business che i dipendenti utilizzano ogni giorno. E stiamo gi脿 iniziando a vedere come questo si traduca nella pratica.

Un esempio 猫 HR Path Brazil, azienda brasiliana specializzata nella selezione e gestione dei talenti per imprese internazionali, che utilizza Joule integrato in 麻豆原创 SuccessFactors HCM per automatizzare le interazioni HR pi霉 routinarie. La soluzione aiuta i dipendenti a trovare pi霉 rapidamente le informazioni di cui hanno bisogno, consentendo al tempo stesso alle divisioni Risorse Umane di concentrarsi su attivit脿 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. 脠 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) 猫 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% gi脿 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 qualit脿 delle decisioni? Possiamo liberare tempo alle persone affinch茅 si dedichino ad attivit脿 che generano maggiore valore? Possiamo rendere l’azienda pi霉 resiliente e pi霉 capace di reagire ai cambiamenti?

Si tratta di un cambiamento importante perch茅 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 猫 quello che, a mio avviso, avr脿 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 attivit脿 ripetitive. Oggi sta iniziando ad aiutare le organizzazioni ad anticipare i cambiamenti, suggerire le azioni pi霉 opportune, coordinare il lavoro tra diverse funzioni aziendali e, sempre pi霉 spesso, eseguire decisioni operative di routine sotto la supervisione delle persone.

Per questo ritengo che l’Autonomous Enterprise rappresenti molto pi霉 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 pi霉 fornire il contesto necessario, proporre raccomandazioni, orchestrare il lavoro e aiutare i team a eseguire le attivit脿.

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 pi霉 soltanto un sistema che registra ci貌 che 猫 gi脿 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 realizzer脿 dall’oggi al domani e non eliminer脿 la necessit脿 di una leadership forte, di una governance efficace o di persone competenti. Anzi, tutti questi elementi diventeranno ancora pi霉 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 pi霉 intelligenti, pi霉 adattivi e, in ultima analisi, pi霉 autonomi.

Jan Gilg 猫 membro dell’Extended Board di 麻豆原创 SE e Global President di Customer Success & Americas

The post Il modello che sta emergendo nelle trasformazioni guidate dall’intelligenza artificiale appeared first on 麻豆原创 News Center Italy.

Per rispondere, 麻豆原创 ha intervistato 10.000 consumatori e 4.800 manager in tutto il mondo nell鈥檃mbito del , una delle pi霉 ampie analisi oggi disponibili sul tema del customer engagement. Dallo studio emerge un modello che chiamiamo “The Engagement Divide“: il divario tra ci貌 che i marchi credono di offrire e ci貌 che i clienti sperimentano in realt脿.

Un divario che si sta ampliando e sta diventando pi霉 evidente nell鈥檈ra dell鈥橝I.

I consumatori stanno infatti adottando l’intelligenza artificiale a una velocit脿 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鈥檌ntero customer journey, coprendo marketing, commerce, vendite e servizi di assistenza. Per questo motivo, il divario nell鈥檈ngagement non pu貌 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鈥檈sperienza 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 猫 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 pi霉 significativo: una differenza di 36 punti separano la percezione delle organizzazioni da quelle dei loro clienti.

Questo dato offre una chiave di lettura dell鈥檃nalisi. Ogni investimento in AI, personalizzazione e orchestrazione dovrebbe perseguire un unico obiettivo: far sentire il cliente riconosciuto e valorizzato. 脠 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 猫 fondamentale per la fidelizzazione 听

L’ambizione non manca di certo quando si parla di intelligenza artificiale. Il 78% dei manager intervistati afferma che l’AI quest’anno sar脿 parte integrante delle proprie strategie di fidelizzazione. L’intento 猫 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, perch茅 molte realt脿 faticano ancora a connettere i dati su cui si l’AI pu貌 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. 脠 qui che il divario di coinvolgimento diventa pi霉 evidente. I brand riconoscono che l’AI definir脿 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 猫 scoraggiato da aziende disorganizzate

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

Questo dato ci ricorda che il coinvolgimento 猫 una disciplina interfunzionale, non appartiene a un singolo dipartimento. Quando funzioni diverse lavorano con set di dati e priorit脿 differenti, l’esperienza dei clienti ne risentir脿 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 pi霉 chiaro. I consumatori percepiscono la disorganizzazione e i dati mostrano che anche i brand non ne sono indifferenti. Poco meno della met脿 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 猫 significativa. Le persone percepiscono l’attrito e anche chi ricopre un ruolo di responsabilit脿 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 priorit脿 trasversale all鈥檌ntera organizzazione.

6. Il 54% delle imprese non pu貌 accedere e utilizzare i dati in tempo reale, mentre il 60% 猫 alle prese con i 鈥渄ark data鈥�

Oltre la met脿 delle aziende intervistate non pu貌 accedere ai propri dati o utilizzarli in tempo reale, e sei su dieci si ritrovano con 鈥渄ark data鈥�, ovvero informazioni raccolte ma mai utilizzate. Questo rappresenta una sfida fondamentale, perch茅 non 猫 possibile personalizzare  risposte, offerte, esperienze in tempo reale se i dati non sono connessi e disponibili rapidamente. Non 猫 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 met脿 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 bont脿 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 pu貌 erodere la fedelt脿 e vanificare mesi di impegno e risorse.

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

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

Per i professionisti del marketing questo 猫 un campanello d’allarme. La notoriet脿 e l’affinit脿 contano ancora, ma da sole non bastano. Oggi, la fedelt脿 si costruisce sulla qualit脿 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 gi脿 la tua storia: sono questi gli elementi che incentivano gli acquisti ripetuti, non la sola notoriet脿 del marchio.

Colmare l鈥橢ngagement 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鈥檈ngagement divide 猫 reale, misurabile e diffuso. Ma rappresenta anche una grande opportunit脿.

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 responsabilit脿 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 猫 CMO 麻豆原创 Engagement Cloud, 麻豆原创

The post 8 motivi per cui i brand devono ripensare il modo di coinvolgere i clienti appeared first on 麻豆原创 News Center Italy.

Oggi, per貌, lo scenario sta cambiando nuovamente. Il report 鈥淧rocurement at a Crossroads: from optimism to realism鈥�, realizzato da Economist Enterprise con il supporto di 麻豆原创, 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 猫 chiamato a un ruolo sempre pi霉 complesso: ridurre i costi, certo, ma allo stesso tempo rafforzare la resilienza, governare il rischio, supportare gli obiettivi ESG e accelerare la trasformazione digitale. 脠 in questa evoluzione che l鈥檌ntelligenza artificiale assume un ruolo decisivo.

L鈥橝I come nuovo motore del procurement

Uno dei segnali pi霉 interessanti emersi dallo studio riguarda proprio la centralit脿 dell鈥橝I. Il 60% degli executive intervistati identifica la trasformazione digitale come la principale priorit脿 strategica del procurement nei prossimi 18 mesi, davanti persino al cost management.

Ancora pi霉 significativo 猫 che il 56% indica nelle strategie di intelligenza artificiale il principale driver della trasformazione digitale della funzione. 脠 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鈥檈mergere dell鈥�agentic AI: sistemi in grado non solo di analizzare i dati, ma anche di eseguire attivit脿 operative e supportare decisioni in modo sempre pi霉 autonomo.

La ricerca mostra che il 56% delle aziende sta gi脿 valutando o implementando soluzioni di questo tipo. Un鈥檈voluzione che segna il passaggio dall鈥橝I come 鈥渁ssistente鈥� all鈥橝I come 鈥渙rchestratore鈥� 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 pi霉 solo di efficienza. L鈥橝I diventa uno strumento di governo e supporto strategico.

Dal procurement reattivo al procurement predittivo

La vera discontinuit脿 introdotta dall鈥橝I 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鈥橝I il principale fattore di evoluzione del category management. In altre parole, il procurement del futuro non sar脿 valutato soltanto sulla capacit脿 di negoziare meglio, ma soprattutto sulla capacit脿 di anticipare criticit脿 e generare valore strategico attraverso i dati.

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

L鈥橝I accelera questo percorso, ma non lo rende automatico. Il vero elemento abilitante resta la qualit脿 del dato. Uno dei messaggi pi霉 chiari della ricerca 猫 infatti che il principale limite all鈥檃dozione efficace dell鈥橝I non 猫 tecnologico, ma legato alla frammentazione dei sistemi e alla maturit脿 dei dati aziendali.

Il 32% degli executive indica proprio l鈥檌ncertezza sul ritorno dell鈥檌nvestimento come principale ostacolo all鈥檃dozione dell鈥橝I 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 pu貌 prescindere da una piattaforma digitale connessa, capace di integrare dati, fornitori, processi e analytics in un unico ecosistema.

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

L鈥橝I non sostituir脿 il procurement strategico

Accanto all鈥檈ntusiasmo per l鈥檃utomazione intelligente, emerge anche un forte realismo. Solo il 9% degli executive ritiene che nei prossimi tre anni l鈥橝I sar脿 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.

脠 una distinzione fondamentale. L鈥橝I pu貌 ottimizzare processi, accelerare analisi e migliorare la compliance, ma il valore strategico del procurement continua a dipendere da competenze profondamente umane: capacit脿 negoziale, gestione delle relazioni con i fornitori, comprensione del business, lettura del rischio e visione d鈥檌nsieme.

Il procurement come leva dell鈥檌mpresa intelligente

Il punto non 猫 pi霉 se l鈥橝I trasformer脿 il procurement, perch茅 lo sta gi脿 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 competitivit脿: una funzione in grado di generare contemporaneamente efficienza, resilienza e innovazione.

Chi invece limiter脿 l鈥橝I a sperimentazioni isolate o a una logica puramente tattica rischia di non capitalizzare il vantaggio costruito negli ultimi anni.

Paolo Brida 猫 Head of Spend Management, 麻豆原创 Italia

The post Procurement e AI: dall鈥檕ttimismo al realismo, la nuova sfida del procurement strategico appeared first on 麻豆原创 News Center Italy.

Mentre le aziende e i governi affrontano sfide legate alla sovranit脿, alla sicurezza e alla competitivit脿, 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 normalit脿 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 attivit脿; 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 capacit脿 di affrontare i paradossi con agilit脿 e obiettivi condivisi.

Gettare le basi per la flessibilit脿

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

Queste fondamenta sono il cloud. La migrazione al cloud 猫 pi霉 di un semplice progetto IT: 猫 la base digitale per una modernizzazione completa dell’intera azienda, per passare da 鈥渂uono鈥� a 鈥渙ttimo鈥�.

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

La vera flessibilit脿, tuttavia, va oltre la tecnologia. Le organizzazioni devono promuovere una mentalit脿 che abbracci il cambiamento, incoraggi la sperimentazione e dia priorit脿 alla resilienza piuttosto che alla perfezione. Ci貌 significa consentire ai team di adattarsi rapidamente, imparare continuamente e considerare il cambiamento come un’opportunit脿 piuttosto che una minaccia.

Promuovere l’innovazione dell’AI secondo le proprie esigenze

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

Nel settore business-to-business, l’AI non pu貌 essere considerata una tecnologia a s茅 stante. Per liberarne tutto il potenziale, l’intelligenza artificiale deve essere profondamente integrata nei processi aziendali. Ci貌 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 capacit脿 dell’AI di accedere, comprendere e facilitare le transazioni in tutta l’azienda. Ci貌 consente agli agenti di AI di funzionare come colleghi digitali, in grado di eseguire flussi di lavoro complessi che abbracciano l’intera attivit脿.

Il potere offerto dall’AI 猫 innegabile e, nel mondo instabile di oggi, questo spesso porta a interrogativi sulla sovranit脿 digitale. La vera sovranit脿 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 conformit脿 non sono negoziabili. Le aziende e i governi devono garantire che le informazioni sensibili rimangano sotto un adeguato controllo giurisdizionale.

Standard di sovranit脿 allineati a livello internazionale, come ISO (International Organization for Standardization) e IEC (International Electrotechnical Commission), consentirebbero una scalabilit脿 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 responsabilit脿.

Competere con collaborazione

Il paradosso della concorrenza e della collaborazione 猫 forse il pi霉 sorprendente di tutti. In un mondo iperconnesso, nessuna azienda o governo pu貌 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 猫 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 societ脿 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 sostenibilit脿 richieder脿 un dialogo tra le parti interessate con interessi contrastanti. Tuttavia, questo dialogo 猫 la pietra angolare del progresso.

Il dialogo: il principio operativo

Sebbene le opportunit脿 offerte dall’AI siano immense, non sono affatto garantite. Il fattore determinante sar脿 la nostra capacit脿 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 猫 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 prosperit脿 condivisa. Il futuro apparterr脿 a coloro che accetteranno la complessit脿, agiranno con coraggio e collaboreranno superando le divisioni.

Christian Klein 猫 CEO di 麻豆原创 SE

The post Sbloccare la crescita abbracciando i paradossi dell’era intelligente appeared first on 麻豆原创 News Center Italy.

Il conto alla rovescia 猫 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, bens矛 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, visibilit脿 della forza lavoro e integrazione dei processi HR. 

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

Grazie alle funzionalit脿 di trasparenza retributiva (disponibili a partire dal 5 giugno), incluse nel pacchetto  di 麻豆原创 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 pi霉 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 dipendenti听

Secondo la direttiva, i dipendenti hanno il diritto di richiedere informazioni sui livelli retributivi medi per genere a parit脿 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 pi霉 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 candidati听

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 pi霉 trasparenti. I suggerimenti basati sull’intelligenza artificiale possono inoltre aiutare le aziende a definire fasce retributive pi霉 coerenti, in linea con l’equit脿 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 pi霉 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 disparit脿 salariali, ottenere pi霉 rapidamente informazioni sull’equit脿 della forza lavoro e supportare un processo decisionale pi霉 proattivo prima delle scadenze di reporting.  

Cosa dovrebbero fare ora i responsabili Risorse Umane 听

La Direttiva UE sulla trasparenza salariale non si limita a introdurre un nuovo obbligo di conformit脿. Sta accelerando una trasformazione pi霉 ampia verso una trasparenza continua nelle modalit脿 con cui le organizzazioni gestiscono le retribuzioni, le assunzioni e l’equit脿 sul lavoro. 

Le aziende meglio preparate a questo cambiamento stanno gi脿 agendo per: 

• Unificare dati HR e retributivi
• Standardizzare strutture occupazionali e retribuzione听
• Migliorare la preparazione dei report听
• Creare processi di remunerazione pi霉 coerenti e trasparenti in tutta l’organizzazione.

Poich茅 le aspettative di trasparenza continuano a crescere tra dipendenti, candidati, autorit脿 di regolamentazione e leader aziendali, la parit脿 retributiva non pu貌 pi霉 essere considerata un mero esercizio di rendicontazione periodica. Sta diventando una capacit脿 operativa continua.

Maryann Abbajay 猫 chief revenue officer for 麻豆原创 SuccessFactors, 麻豆原创

The post Trasparenza salariale nella UE: cosa devono fare i responsabili delle risorse umane prima del 7 giugno? appeared first on 麻豆原创 News Center Italy.

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

Un鈥檃zienda manifatturiera presente in pi霉 Paesi alle prese con un鈥檌nterruzione della supply chain deve valutare allo stesso tempo fornitori alternativi, disponibilit脿 di magazzino, impegni verso i clienti e impatti finanziari. Un CFO che analizza l鈥檈sposizione alla liquidit脿 durante una profonda crisi finanziaria necessit脿 di strumenti ben pi霉 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鈥橝I: la mancanza di contesto

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

Si sta diffondendo l鈥檌dea che modelli sempre pi霉 avanzati possano produrre automaticamente risultati migliori. Ma non 猫 cos矛. Un鈥檌ntelligenza scollegata da processi, dati, regole e governance rischia di generare attivit脿 prive di valore e, in alcuni casi, pu貌 persino aumentare frammentazione e rischio.

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

Il ruolo strategico dei sistemi enterprise

Il software enterprise rappresenta la spina dorsale operativa dell鈥檈conomia 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鈥檈ra dell鈥檌ntelligenza artificiale, questo contesto assume un ruolo centrale. Senza di esso, l鈥橝I offre ipotesi sofisticate, analisi articolate, ma non decisioni affidabili. Quando l鈥橝I viene integrata direttamente nei processi operativi, pu貌 individuare rischi, coordinare azioni tra funzioni aziendali, suggerire interventi in tempo reale e automatizzare attivit脿 nel rispetto di limiti definiti. Non si tratta pi霉 di agenti isolati, ma di un鈥檌ntelligenza profondamente integrata nel tessuto operativo ed economico dell鈥檌mpresa.

Autonomia non significa eliminare le persone dal processo decisionale. Significa ridurre attriti, frammentazione e complessit脿 amministrativa. Le persone continuano a definire priorit脿 e responsabilit脿, mentre l鈥橝I supporta il coordinamento e l鈥檈secuzione.

Torniamo al caso dell鈥檌nterruzione nella fornitura di un componente critico. Molti sistemi AI sono in grado di riassumere il problema o prevedere ritardi. Ma un鈥橝I realmente integrata nei processi di business pu貌 valutare gli impatti sulla produzione, verificare disponibilit脿 di stock, analizzare fornitori alternativi, stimare l鈥檈sposizione 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鈥檃vvento dell鈥橝I sia destinato a crescere, e non a ridurre, l鈥檌mportanza strategica dei sistemi enterprise. L鈥檃ttenzione si sposter脿 verso piattaforme capaci di comprendere policy, dipendenze, processi, impatti finanziari e responsabilit脿 organizzativa.

La nuova fase dell鈥橝I enterprise

Anche il concetto di trasformazione aziendale sta cambiando. La prima fase dell鈥橝I enterprise 猫 stata dominata da sperimentazione, copiloti, progetti pilota e automazione di attivit脿 isolate, con risultati spesso limitati in termini di produttivit脿.

Nella prossima fase, le aziende leader collegheranno invece l鈥檌ntelligenza direttamente ai sistemi operativi dove le decisioni producono risultati economici concreti. Diventer脿 evidente che un鈥橝I efficace dipende non solo dalla governance, ma anche dal contesto, dalla qualit脿 dei dati e dall鈥檌ntegrit脿 dei processi.

Soprattutto, emerger脿 con chiarezza che l鈥檃dozione dell鈥橝I non 猫 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鈥檌nterfaccia al valore: dove si gioca davvero la partita dell鈥橝I appeared first on 麻豆原创 News Center Italy.