L’AI in Italia procede a macchia di leopardo, con progetti che devono fare i conti con i limiti culturali e organizzativi. La ricerca SDA Bocconi, realizzata con SAP e una rosa di partner fa il punto.
Gli analisti, nell’esplorare i casi d’uso dell’intelligenza artificiale, sfatano alcune convinzioni diffuse nelle imprese italiane. L’AI non è una commodity da accendere nei processi, né un motore che genera automaticamente valore.
La realtà è più complessa: implementare l’AI significa presidiare dimensioni tecnologiche, certo, ma anche organizzative, culturali e legali. Solo così la tecnologia smette di essere un esperimento isolato e diventa parte integrante dei processi aziendali in modo concreto e sostenibile.
«Il valore dell’AI non si misura soltanto nella potenza del modello – osserva Andrea Viberti, CBO di Altea UP -. Se mancano governance e dati affidabili, il rischio è che l’AI rimanga un esercizio sperimentale.
Ogni modello o agente, quando viene introdotto in azienda, non è mai perfetto né
definitivo: ha bisogno di supervisione, addestramento continuo e regole chiare. All’inizio può sbagliare e, quando sbaglia, il danno è fatto. L’AI non nasce autonoma per definizione: diventa affidabile solo se inserita in un contesto fatto di responsabilità manageriali e processi solidi. Non basta azionarla, perché un algoritmo da solo non garantisce risultati: deve essere accompagnato, educato e monitorato nel tempo. Per questo l’impresa deve prepararsi non solo sul fronte dei dati e della security, ma anche su quello organizzativo: ruoli, controlli, consapevolezza di cosa può accadere. Il ruolo delle persone come supervisori resta fondamentale, anche perché, se ad esempio un agente che fa il matching tra fatture e ordini sbaglia, chi se ne assume la responsabilità? Un algoritmo non lo puoi sgridare né punire. Ecco perché servono processi di controllo a monte, ruoli chiari e metriche condivise che consentano di misurare in maniera oggettiva i risultati».