Poche persone attraversano il proprio tempo senza limitarsi a interpretarlo, ma lo anticipano e lo progettano. Gianfranco Dioguardi appartiene a questa categoria. Oggi compie 88 anni. Più di un imprenditore, più di un accademico, più di un ingegnere. Un uomo di cultura che rifiuta le separazioni troppo comode. La sua storia racconta un’idea precisa: la conoscenza è una rete e l’impresa è uno dei luoghi fondamentali in cui questa rete prende forma.

Amante dei libri e difensore della loro materialità, anche nell’epoca della smaterializzazione digitale, Dioguardi sta all’ingegneria gestionale come Umberto Eco alla semiotica e Renzo Piano all’architettura. Quando in Italia ancora si discute poco di cultura d’impresa e organizzazioni complesse, Dioguardi contribuisce alla nascita dell’ingegneria gestionale, portando dentro l’università il punto di vista concreto dell’imprenditore e dentro l’impresa il rigore della ricerca e dei dati. Non una contaminazione occasionale, ma un vero programma culturale: «Il sapere non serve se non modifica il modo in cui produciamo, governiamo, costruiamo relazioni».

Forse è questa la chiave per comprendere una delle sue intuizioni più attuali: la città come grande organizzazione complessa. Molto prima che parole come ecosistema, piattaforma, rete e trasformazione digitale entrassero nel linguaggio quotidiano dell’innovazione, Dioguardi capisce che la città non è soltanto infrastruttura fisica, ma una matrice di relazioni, competenze, istituzioni, imprese, tecnologia e fiducia.

Da qui nasce anche l’idea di una scuola per il governo urbano: una City School capace di formare nuovi “manager della città”, così come le business school hanno formato manager d’impresa.

È una visione straordinariamente contemporanea in un momento di arretramento culturale nella capacità di governare la tecnologia. Alla malta e ai mattoni, la città digitale sostituisce un impasto di fibre ottiche, capacità di calcolo, sensori e big data, che ha bisogno di amministratori capaci di leggere la complessità.

Dioguardi richiama anche la lezione di Heisenberg e mette in guardia dall’illusione di prevedere il futuro. «Il presente non è mai completamente conoscibile, perché è un sistema aperto». E questa riflessione vale anche per l’impresa. Dioguardi è un imprenditore del possibile: trasforma il cantiere in un luogo di innovazione sociale, l’impresa in un laboratorio culturale, la città in un campo di ricerca. «Perché senza cultura non c’è innovazione vera. Senza persone competenti non c’è tecnologia che basti».

Il futuro ci pone davanti a scelte urgenti da fare. L’innovazione tecnologica sta rimodellando interi settori economici, innescando cambiamenti strutturali e nuovi rapporti di forza che la politica non è capace di guidare. E questa trasformazione – come sai bene, caro Professore – non sarà né facile né indolore.

Allora, gli auguri per i tuoi 88 anni sono anche l’augurio rivolto a un Paese che ha ancora bisogno di imprenditori capaci di pensare oltre il bilancio e di intellettuali capaci di misurarsi con il mondo reale. Per costruire il futuro sostenibile servono luoghi dove conoscenza, tecnologia e impresa possono dialogare. Servono comunità capaci di innovare e istituzioni capaci di accompagnare il cambiamento. È questo il laboratorio che hai sempre cercato: non una fabbrica di certezze, ma una rete di nuove possibilità.

L'articolo Gianfranco Dioguardi, l’impresa come forma di conoscenza proviene da Data Manager Online.

La NIS2 introduce elementi significativi di innovazione nella governance della cybersecurity. Nell’ottavo incontro del Tavolo di attuazione, ACN continua l’impegno sinergico con le autorità di settore per l’attuazione della NIS2. Nella determinazione 155238/2026 vengono identificate dieci macro-aree per organizzare attività e servizi, associando ciascuna a quattro livelli di rilevanza (impatto minimo, basso, medio, alto).

La determinazione 127434/2026 fissa termini per i soggetti iscritti per la prima volta nell’elenco NIS nel 2026 (notifica incidenti e misure di sicurezza), definisce la designazione del referente CSIRT entro fine 2026 e l’obbligo di notifica degli incidenti dal primo gennaio 2027. I nuovi soggetti NIS 2026 devono adottare le misure di sicurezza di base entro il 31 luglio 2027. L’analisi di impatto va comunicata tramite il portale ACN tra il primo maggio e il 30 giugno 2026.

Per quanto riguarda l’aggiornamento obblighi e fornitori, la det. 127437/2026 sostituisce la precedente, inserendo l’obbligo di dettagliare i fornitori rilevanti NIS durante l’aggiornamento annuale delle informazioni sul portale ACN.

DEFINIZIONE E IMPATTO

La determinazione 127437/2026 interviene sulle modalità di utilizzo della piattaforma digitale ACN, definendo con precisione sia i contenuti informativi richiesti sia le tempistiche di aggiornamento. Ma soprattutto porta con sé due obblighi destinati a incidere profondamente sull’organizzazione interna: la comunicazione dei fornitori rilevanti e la categorizzazione di attività e servizi. Sul primo punto, il dettato normativo è chiaro: l’art. 18 prevede l’inserimento, tra il 15 aprile e il 31 maggio, dei fornitori rilevanti nel portale ACN, con indicazione dei dati identificativi; l’art. 19 impone l’aggiornamento tempestivo di ogni variazione. La nozione di “fornitore rilevante” ha generato un ampio dibattito, ma troviamo chiarimento nella direttiva e nelle FAQ che ACN propone. Rientrano in questa categoria i fornitori di servizi ICT e, più in generale, tutti quei soggetti – anche non ICT – la cui interruzione o compromissione impatta in modo significativo sulla capacità del soggetto NIS di erogare i propri servizi (per esempio, fornitori non fungibili, assenza di alternative o ridondanze).

Il processo di identificazione dei fornitori rilevanti riflette la logica strutturata prevista da ACN e basata su una chiara relazione causa-effetto. Un soggetto NIS2 (essenziale o importante) deve innanzitutto categorizzare le proprie attività e i propri servizi, attribuendo a ciascuno un livello di rilevanza. I servizi ICT che supportano attività critiche ereditano tale rilevanza; di conseguenza, i fornitori da cui dipendono diventano essi stessi rilevanti.

SUPPLY CHAIN SOTTO CONTROLLO

Il vero elemento innovativo, tuttavia, non è l’analisi interna, quanto la sua formalizzazione verso l’esterno. L’obbligo di comunicare i fornitori rilevanti sul portale ACN, con dati puntuali, integra un livello di trasparenza senza precedenti. Si tratta, inoltre, di un processo continuo. L’aggiornamento non è episodico ma permanente, come previsto dall’art. 19, al fine di riflettere in tempo reale l’evoluzione della catena di fornitura. Ne deriva la necessità, per le organizzazioni, di dotarsi di una visione strutturata e aggiornata della propria supply chain, supportata da un’efficace collaborazione tra i diversi dipartimenti aziendali. Dal punto di vista organizzativo, l’impatto è significativo.

La mappatura e classificazione dei fornitori richiedono processi strutturati e un forte coordinamento tra funzioni aziendali – procurement, IT, Quality Assurance, compliance, legal – spesso caratterizzate da approcci non uniformi. Diventa quindi essenziale standardizzare criteri, soglie di rilevanza e metodologie, oltre a definire flussi informativi chiari verso il punto di contatto, responsabile di aggiornare il portale ACN. La vera sfida non è compilare un elenco, ma dimostrare una conoscenza aggiornata e consapevole delle proprie dipendenze critiche.

CATEGORIZZAZIONE E BIA

Analogo livello di attenzione è richiesto per la categorizzazione. L’art. 20 della det. 127437/2026 stabilisce che, tra il primo maggio e il 30 giugno di ogni anno, i soggetti NIS debbano comunicare e aggiornare le attività e i servizi, associando a ciascuno una categoria di rilevanza. L’art. 31 del DL 138/2024 chiarisce che gli obblighi sono modulati proprio sulla base di tali categorie. Il messaggio emerso anche durante il Security Summit di marzo 2026 a Milano è chiaro: non basta valutare quanto un servizio sia importante, ma è necessario comprendere cosa accade concretamente in caso di compromissione e adottare misure proporzionate alla criticità.

In questo scenario, un impatto operativo rilevante sarà la revisione della Business Impact Analysis (BIA). L’approccio promosso da ACN suggerisce sia una BIA “semplificata”, in altre parole focalizzata sui servizi NIS più critici, ma anche una BIA “completa”, che in pratica considera tutte e tre le dimensioni della sicurezza informatica secondo il modello CIA (Confidentiality, Integrity, Availability).

Nell’evento organizzato dal CLUSIT del 29 aprile 2026, i vertici di ACN confermano che l’obbligo di comunicare i fornitori rilevanti sul portale consente ad ACN di individuare componenti strategiche della catena di approvvigionamento e nominare d’ufficio, quali soggetti importanti o essenziali, fornitori sistemici precedentemente non inclusi. Per consentire alle aziende di prepararsi e mettere a budget per il 2027 le risorse necessarie a implementare le misure a lungo termine, l’ACN indica che entro ottobre sarà pubblicata una norma tecnica che anticiperà, anche se non definitiva, quali misure sono in discussione.

VERSO UN MODELLO INTEGRATO

La NIS2 non è un’iniziativa isolata, ma si inserisce in un ecosistema più ampio che include, tra gli altri, il Cyber Resilience Act (CRA) e aggiornamenti normativi settoriali come il nuovo Annex 11 in ambito farmaceutico. In particolare, il CRA introduce obblighi che si sovrappongono in modo diretto con quelli della NIS2, estendendoli lungo la filiera dei prodotti digitali. A partire da settembre 2026, il CRA imporrà ai fabbricanti l’obbligo di notificare qualsiasi vulnerabilità attivamente sfruttata e ogni incidente grave che impatti la sicurezza dei prodotti digitali. Si tratta di un principio pienamente allineato con la NIS2. Questa convergenza rafforza il messaggio che la gestione degli incidenti e delle vulnerabilità non è più confinata all’interno del perimetro dell’organizzazione ma diventa un requisito esteso ai prodotti digitali che le organizzazioni creano con l’obiettivo finale di salvaguardare i consumatori.

Accanto a questo, anche altri ambiti mostrano elementi di sovrapposizione. Il nuovo Annex 11 sui sistemi computerizzati in ambito GMP (Good Manufacturing Practices), pur in un contesto settoriale specifico farmaceutico, richiama principi già presenti nella NIS2, come l’approccio basato sul rischio lungo il ciclo di vita dei sistemi, il controllo degli accessi, la necessità di garantire la data integrity, la tracciabilità delle operazioni e la necessità di mantenere sistemi aggiornati e sicuri nel tempo.

In questo scenario, affrontare le normative in modo separato rischia di generare inefficienze. Diventa invece fondamentale adottare un approccio integrato, capace di armonizzare i requisiti e costruire un modello di sicurezza coerente, trasversale e sostenibile nel tempo.

Giuseppe Rosario Bungaro head of Digital Transformation di Adeodata SA

L'articolo NIS2, ACN scioglie i nodi proviene da Data Manager Online.

«Non parliamo più di rete, sicurezza e cloud come domini separati. Oggi esiste un unico ecosistema operativo interconnesso». Cosimo Rizzo, system integrator director di NovaNext sintetizza così il cambio di paradigma che sta attraversando l’infrastruttura digitale delle imprese. Con clienti che spaziano dalla grande banca sistemica alle medie imprese italiane – target principale del gruppo – NovaNext punta a consolidare il suo posizionamento da integratore di tecnologia a orchestratore dell’ecosistema digitale. Se le SDN rappresentano l’infrastruttura abilitante di questo modello, la sovranità digitale ne è la cornice strategica e la formazione il moltiplicatore. Con una capacità di operare su tutto il territorio nazionale, la strategia di NovaNext si articola su tre direttrici – system integration, managed services e formazione – che riflettono la necessità delle imprese di costruire architetture integrate, governabili e misurabili in termini di impatto sull’organizzazione e sul business.

Secondo diversi analisti di mercato nel 2025 circa il 70% della spesa IT è transitato attraverso i system integrator. «La ragione è strutturale» – spiega Rizzo. «I system integrator non si limitano a implementare soluzioni, ma orientano le decisioni di investimento. Intercettano trend emergenti, selezionano tecnologie e le traducono in progetti concreti, soprattutto per il tessuto delle PMI che richiede rapidità di esecuzione, competenze trasversali e capacità di integrazione». L’AI agentica, la cybersecurity e i servizi IT gestiti guidano le prospettive di crescita e la rete diventa l’infrastruttura attiva e programmabile che abilita questi ambiti. La consulenza IT diventa centrale nelle strategie di trasformazione digitale con un focus crescente su change management e formazione, che emerge come priorità per un numero crescente di imprese. «Senza capitale umano adeguatamente formato l’innovazione resta un potenziale inespresso» – afferma Rizzo.

Architetture ibride sotto controllo

Nel portafoglio di NovaNext, la system integration rappresenta il cuore tecnologico. L’obiettivo non è solo implementare reti, piattaforme cloud o soluzioni di cybersecurity, ma disegnare ambienti interoperabili in cui infrastruttura, applicazioni e dati dialogano in modo fluido. Le aziende operano su architetture ibride e multi-vendor. La rete diventa il layer abilitante della data platform e della sicurezza. «Tutto quello che un tempo era progettato per silos oggi deve funzionare come un sistema unitario. Rete e applicazioni sono inseparabili» – spiega Rizzo. «Per questo serve un’infrastruttura affidabile, ma soprattutto governabile. Nel settore finanziario il tema è ancora più evidente. Le banche operano sotto vincoli normativi stringenti e non possono permettersi interruzioni di servizio. Resilienza significa zero downtime, compliance continua e visibilità totale». Il mercato globale, che impatta quello locale, prevede una crescita significativa delle reti SDN, guidata dalla necessità di automazione, flessibilità e integrazione. «La programmabilità è la chiave per scalare sicurezza e gestione dei dati» – osserva il manager. «La rete è il punto di visibilità che consente di controllare tutto. Senza un’infrastruttura solida, anche l’AI agentica in ambienti critici resta una promessa».

Multi-cloud, AI e crypto-agility

La seconda direttrice strategica dell’articolazione NovaNext è quella dei servizi gestiti, pensati per accompagnare le organizzazioni oltre la semplice manutenzione operativa. «Il modello è orientato al risultato di business più che alla sola continuità tecnica» – spiega Rizzo. «In un mercato in cui la carenza di competenze è strutturale, NovaNext propone servizi modulari e personalizzati, con un focus sull’automazione e sull’integrazione di strumenti open e proprietari, garantendo la governance su infrastrutture sempre più distribuite, e mantenendo il controllo su costi, performance e rischi».

Dal monitoraggio alla proattività business-driven, la differenza tra un servizio gestito tradizionale e uno orientato al business sta nell’adattabilità. «Il nostro approccio è tailor-made» – continua Rizzo. «Ogni cliente ha esigenze e livelli di complessità diversi». Monitoraggio, incident management, change management in ambienti multi-vendor e multi-cloud richiedono strumenti aperti e interoperabili. «Per questo abbiamo scelto un’architettura in parte basata su soluzioni open source, su cui stiamo lavorando per costruire un layer proprietario di intelligenza artificiale». La sfida è orchestrare ambienti eterogenei: «Le soluzioni AI native dei singoli vendor funzionano bene in contesti monomarca ma faticano a dialogare in ecosistemi complessi. Abbiamo assunto data scientist e ingegneri AI per sviluppare modelli capaci di adattarsi a scenari variegati e portare reale proattività».

Il ruolo del system integrator cambia nelle competenze e negli strumenti, ma resta invariato nella sua funzione: «Continuiamo ad accompagnare le aziende mentre la tecnologia evolve. Ma non ci limitiamo a gestire: interpretiamo, integriamo e governiamo esigenze e requisiti». Sul fronte della sicurezza post-quantistica, con l’orizzonte 2030 indicato come possibile punto di maturità delle prime applicazioni pratiche, le aziende devono iniziare a mappare i rischi.

«Qui il system integrator accompagna le aziende nell’analisi preventiva delle componenti critiche per garantire l’interoperabilità e la compliance, pianificare la transizione. Dal punto di vista dei servizi gestiti, la post-quantum security diventa un tema di monitoraggio della compliance evolutiva, aggiornamento continuo delle policy crittografiche, gestione lifecycle dei certificati e verifica della resilienza nel tempo. Chi governa reti, cloud e data platform deve iniziare oggi a progettare sistemi di crypto-agility, capaci di sostituire algoritmi senza rifare l’intera architettura».

Una delle ultime novità per NovaNext è il rafforzamento dei servizi di Governance, Risk & Compliance (GRC). La spinta normativa – in particolare la NIS2 – ha ampliato in Italia il numero di aziende coinvolte: da poche centinaia a decine di migliaia. Se il settore finanziario, già strutturato per via di normative come DORA, appare più maturo, manifattura e multi-utility stanno accelerando. «Molte aziende stanno correndo per adeguarsi, ma rispetto al GDPR c’è una differenza: la resilienza oggi è percepita come un’opportunità, non solo come un adempimento». NovaNext ha quindi consolidato competenze esistenti, aggiunto certificazioni e costruito un portafoglio consulenziale dedicato. «Il vero fattore abilitante sono le competenze» – afferma Rizzo. «La trasformazione tecnologica è anche trasformazione culturale. Le grandi imprese stanno investendo in programmi strutturati di upskilling. Le PMI cercano soluzioni più mirate, ma devono comunque preparare le persone a utilizzarle».

Il capitale umano della resilienza

Il terzo pilastro del modello operativo NovaNext è l’attività sinergica di formazione che distingue l’azienda nel panorama dei system integrator tradizionali. Ai progetti tecnologici NovaNext affianca una business unit dedicata all’education, con percorsi che spaziano dalla formazione certificata alle competenze emergenti, inclusi programmi su intelligenza artificiale, soft skill e trasformazione organizzativa. L’offerta formativa include sia cataloghi strutturati sia percorsi costruiti su misura, in collaborazione con HR e management, per allineare competenze e strategia.

NovaNext può contare su una divisione Education storica, evoluta nel tempo dalla formazione certificata tradizionale a percorsi su soft skill, AI tecnica, prompt engineering e utilizzo consapevole delle tecnologie generative. Oltre cento corsi dedicati all’AI e percorsi personalizzati costruiti insieme agli HR manager: «La formazione diventa leva di cambiamento organizzativo, non semplice aggiornamento tecnico» – afferma Rizzo. «L’obiettivo è coniugare collaborazione, sostenibilità e osservabilità tecnica, garantendo al contempo supporto IT adeguato alla fluidità operativa». La logica è chiara: «La trasformazione digitale non si consolida senza capitale umano adeguatamente preparato».

L'articolo NovaNext, la rete che pensa il business proviene da Data Manager Online.

La Security Conference è uno dei principali forum globali dedicati al cluster sicurezza-difesa-geopolitica. Dal 1963 si tiene ogni anno a Monaco di Baviera. L’ultima edizione dal 13 al 15 febbraio 2026. Nata come conferenza sulla sicurezza transatlantica durante la Guerra Fredda, si afferma come piattaforma globale di influenza politica e diplomazia soft che riunisce capi di governo, ministri degli Esteri e della Difesa, organizzazioni internazionali e grandi aziende.

Memorabile nel 2007, e forse in qualche modo profetico, il discorso di Vladimir Putin molto critico verso l’ordine mondiale guidato dagli USA. Dopo l’invasione dell’Ucraina, Monaco diventa il luogo in cui viene comunicato il rafforzamento del fianco orientale NATO.

Se il contesto fa il messaggio, è facile capire perché la nascita della Trusted Tech Alliance (TTA), annunciata a lato della conferenza di Monaco, va inserita esplicitamente nel perimetro della sicurezza strategica, non solo del business. All’apertura dell’ultima edizione, sono 15 le aziende leader del settore tecnologico firmatarie (Anthropic, AWS, Cassava Technologies, Cohere, Ericsson, Google Cloud, Hanwha, Jio Platforms, Microsoft, Nokia, Nscale, NTT, Rapidus, Saab, SAP).

Tre giorni dopo si aggiunge ASML. Ma perché nasce la TTA? Scopo dichiarato: promuovere un ecosistema digitale affidabile, trasparente e resiliente basato su principi condivisi di trasparenza, sicurezza, governance etica, protezione dei dati e catene di fornitura solide.

SICUREZZA E FIDUCIA

L’alleanza si presenta come architettura globale “like-minded”. Il profilo è “cooperativo” come risposta a un mondo globalizzato ma segnato da tensioni geopolitiche nel settore tecnologico (digital sovereignty, sicurezza nazionale, blocchi commerciali e rivalità di potere tecnologico); dominanza di pochi grandi provider (cloud/AI) che crea dipendenze critiche; pressioni normative sull’AI, la sicurezza dei dati e la supply chain.

Oltre alle dichiarazioni di intenti, quali potrebbero essere gli interessi industriali in gioco? Con tecnologie che attraversano più settori e paesi, l’alleanza offre una piattaforma privata per definire standard di interoperabilità, sicurezza e compliance. Il fronte comune globale rafforza l’attrattività verso clienti istituzionali, contrastando le normative troppo “nazionalistiche” che frammentano il mercato.

Nelle dichiarazioni ufficiali dei firmatari ufficiali, “sicurezza” è il termine più presente in assoluto. E questo sta a indicare prima di tutto che la TTA nasce in un contesto percepito come rischioso o instabile. Il secondo termine più usato è “fiducia” e compare in relazione ai clienti, alle istituzioni pubbliche, ai sistemi di AI e come prerequisito della crescita economica. La trasparenza compare solo tre volte, come complemento alla sicurezza. È interessante notare che non compaiono riferimenti diretti alla concorrenza, non si parla esplicitamente di regolazione antitrust e non vengono menzionate minacce specifiche.

DAI CHIP AL CLOUD

I blocchi “trusted-tech” possono diventare leve geopolitiche e industriali. Un precedente storico simile è il Trusted Computing Group che nasce 23 anni fa proprio con l’obiettivo di creare standard di “trusted computing hardware”. Se guardiamo alla composizione attuale, il criterio più che geografico appare immediatamente strategico: aziende che coprono l’intero stack tecnologico (dai chip all’infrastruttura cloud, software e AI) e che operano in paesi politicamente allineati o partner tra loro. La lista include aziende di molte nazionalità diverse.

Presenti società provenienti da USA, Canada, UK, Svezia, Finlandia, Germania, Corea del Sud, India, Africa e Giappone. Seguendo la logica di completare la catena tecnologica, rafforzare il peso geopolitico del blocco e aumentare la credibilità su sicurezza e sovranità, l’alleanza è destinata a espandersi. Quali potrebbero essere i prossimi ingressi? Come completamento naturale del fronte occidentale, si potrebbe pensare a Intel, Oracle, Cisco, OpenAI e CrowdStrike (USA), mentre sul fronte europeo potrebbe estendersi a Mistral, Orange, OVHcloud (Francia) e Aleph Alpha (Germania). In Italia, la combinazione più plausibile sarebbe un mix pubblico-privato: Leonardo (difesa/cyber), con TIM o Fastweb (reti), Engineering e Almaviva (cloud e software). Ma nulla di ufficiale, solo congetture.

L'articolo Trusted Alliance, la tecnologia diventa geopolitica proviene da Data Manager Online.

L’ERP potenziato dall’AI è un sistema gestionale in cui le componenti di intelligenza artificiale sono integrate in modo strutturale nei processi end-to-end, con l’obiettivo di aumentare la capacità decisionale, ridurre la complessità operativa e migliorare la qualità dell’esecuzione, ma senza sostituire la responsabilità umana. In altre parole, non è un ERP che “decide da solo”, un insieme di chatbot sopra i dati aziendali né un sistema plug-and-play che funziona senza configurazione, senza ripensare dati e processi e neppure una sostituzione dell’automazione tradizionale (RPA, workflow). Queste semplificazioni generano aspettative sbagliate e progetti destinati a fallire. Il mercato globale del software ERP continua a crescere, ma lo fa in modo sempre più asimmetrico. Secondo le stime degli analisti di IDC, tra il 2024 e il 2029 i ricavi complessivi cresceranno con un CAGR dell’8,3%, trainati quasi interamente dal cloud pubblico, che registra un tasso di crescita annuo del 14,3%. Al contrario, le soluzioni on-premise restano sostanzialmente stabili, con un CAGR dello 0,6% (March 2025 AI Wave 1 Survey). Tradotto significa che il cloud rappresenta la piattaforma su cui si stanno innestando le nuove capacità applicative, in particolare quelle legate all’intelligenza artificiale.

In questo contesto, IDC prevede che entro il 2027 l’automazione agentica potenzierà oltre il 40% delle applicazioni aziendali, trasformando circa un terzo dei processi e dei flussi di lavoro. I primi segnali sono già visibili. Il 30% delle organizzazioni a livello globale utilizza già applicazioni con AI integrata per migliorare l’efficienza operativa (March 2025 AI Wave 1 Survey). È una quota ancora minoritaria, ma in rapida espansione, soprattutto nei contesti cloud-based.

Cosa rende “powered” un sistema gestionale? Negli ERP “potenziati”, l’intelligenza artificiale non è confinata in un singolo modulo, ma opera come servizio trasversale che supporta più processi (finance, supply chain, HR, customer operations). Rappresenta un livello di augmented intelligence, non di automazione totale. L’ERP tradizionale registra, controlla, consolida. L’AI-powered ERP suggerisce, anticipa, segnala anomalie, propone alternative. La decisione resta umana, ma è meglio informata e più tempestiva. Un ERP “potenziato” presuppone dati di qualità, semantica coerente, integrazione tra dati strutturati (ERP) e non strutturati (documenti, log, testi). Per questo le data platform diventano l’infrastruttura abilitante: l’AI non lavora sull’ERP “nudo”, ma su un ecosistema informativo governato.

Dove l’AI-powered ERP crea valore? In modo realistico, soprattutto nell’analisi di eccezioni, previsione di trend e rischi, supporto alla pianificazione, semplificazione di attività data-intensive, knowledge management legato ai processi. Meno nell’agentificazione completa dei processi core, nelle decisioni operative autonome, nei contesti produttivi ad alta variabilità. Perché se ne parla ora? Per tre ragioni: maturità delle piattaforme ERP cloud, disponibilità di modelli AI generativi (LLM), pressione competitiva sulla produttività e sui costi.

Quello che emerge dalle interviste che abbiamo raccolto, non è tanto una nuova fase tecnologica degli ERP, quanto l’irruzione di un problema «epistemico» che questi sistemi non erano stati progettati per sostenere – come ci spiega Walter Quattrociocchi, professore ordinario di Informatica all’Università La Sapienza di Roma e direttore del Center for Data Science and Complexity for Society. L’ERP nasce storicamente come infrastruttura della certezza: «Un sistema che registra, consolida e rende coerente il passato dell’organizzazione. L’AI, al contrario, introduce stime, previsioni, approssimazioni. Il punto critico non è quindi l’adozione dell’AI in sé, ma il fatto che il suo output non è un dato, bensì una proposizione plausibile sul mondo. È qui che si manifesta l’epistemia: l’illusione che ciò che è ben calcolato, ben presentato e ben integrato sia anche fondato». Nei pochi contesti altamente standardizzati, dove i dati sono puliti, strutturati e confinati entro processi industriali “ideali”, l’AI può effettivamente apparire come un servizio plug-and-play integrato nell’ERP. «Ma questi casi sono eccezioni» – spiega Quattrociocchi. «Nella maggioranza delle organizzazioni reali, segnate da personalizzazioni, legacy e dati eterogenei, l’AI non si implementa: si sperimenta. E sperimentare significa prima ricostruire il processo, poi costruire il dataset, poi addestrare, poi validare comportamenti nel tempo». Qui emerge un secondo punto epistemico fondamentale: «Testare l’AI non è come testare software deterministico. Non si verifica una funzione, si valuta una dinamica. Molti progetti non falliscono per limiti tecnologici, ma perché continuano a trattare l’output algoritmico come se fosse una risposta corretta anziché una stima da interpretare».

La diversa percezione di valore tra GenAI e AI predittiva va letta nello stesso quadro. «La GenAI opera sul linguaggio e produce testi coerenti, documentazione, interfacce conversazionali» – continua Quattrociocchi. «È utile, ma resta periferica rispetto al conto economico perché lavora su rappresentazioni, non su vincoli fisici. Il rischio epistemico, però, è alto: più l’output è fluido e ben scritto, più tende a essere scambiato per conoscenza. L’AI predittiva e di ottimizzazione, invece, genera valore dove il problema è ben definito, le metriche sono chiare e il feedback è misurabile. Non a caso spesso vive “attorno” all’ERP e non al suo interno: l’ERP continua a registrare, l’AI suggerisce. Quando questa distinzione si confonde, l’epistemia aumenta». Lo stesso vale per l’agentificazione. «Gli agenti funzionano in ambiti amministrativi perché operano in mondi già normati, dove l’ambiguità è stata ridotta a monte. In produzione, invece, l’imprevisto non è un’anomalia ma una proprietà strutturale del sistema. Pensare di agentificare processi produttivi complessi equivale a presupporre fabbriche “perfette”, che non esistono. Anche qui il problema non è tecnico, ma cognitivo: si proietta sul sistema una capacità di giudizio che in realtà non possiede».

Infine, la tensione sul cloud ERP non è transitoria – spiega Quattrociocchi. «È l’espressione di un conflitto profondo tra standardizzazione e controllo, tra agilità promessa e continuità operativa reale. L’idea che questa tensione si risolva con una release successiva è parte della stessa epistemia che attraversa oggi il discorso sull’AI: la convinzione che la complessità epistemica possa essere assorbita dall’infrastruttura». In sintesi, l’evoluzione degli ERP potenziati dall’AI non può essere letta solo come una questione di architetture o funzionalità. È un passaggio in cui sistemi nati per produrre certezza vengono progressivamente affiancati da sistemi che producono plausibilità. «Se questa differenza non viene resa esplicita, governata e mantenuta visibile – avverte Quattrociocchi – il rischio non è soltanto il fallimento dei progetti, ma qualcosa di più sottile: scambiare l’automazione del calcolo per l’automazione del giudizio. Ed è esattamente lì che l’epistemia diventa sistemica».

CHE COSA CAMBIA?

Uno degli impatti più rilevanti dell’AI agentica riguarda l’interfaccia utente. Gli agenti AI introducono un’interazione in linguaggio naturale che riduce la necessità di configurazioni complesse tipiche delle applicazioni tradizionali. In teoria, le aziende possono progettare e distribuire agenti personalizzati in modo più rapido. In pratica, però, questi agenti devono essere addestrati con grande precisione: su obiettivi contestuali, KPI, vincoli operativi e regole di governance. Un punto spesso trascurato è che l’AI agentica non dovrebbe limitarsi a imitare i flussi di lavoro umani. Replicare processi esistenti, pensati per persone e non per macchine, rischia di ridurre l’efficacia dell’AI e di compromettere il ritorno dell’investimento. L’approccio più promettente è quello che sposta il focus da workflow deterministici a workflow “AI-first” basati su obiettivi di business (intent-driven), in cui l’AI decide dinamicamente come raggiungerli, usando l’ERP come piattaforma esecutiva e di controllo.

Qual è il rovescio della medaglia? Questa evoluzione migliora senza dubbio le prestazioni dei sistemi, ma apre anche una questione più profonda. Ogni volta che i processi vengono adattati ai limiti e alle logiche delle macchine, il rapporto tra tecnologia e lavoro rischia di invertirsi. Inoltre, l’introduzione di interazioni agente-agente può sostituire flussi e processi standard all’interno delle applicazioni esistenti, con effetti diretti su controllo, responsabilità e auditabilità.

Per Andrea Bonetti, IT Enterprise Architect di Gruppo Hera, l’adozione dell’AI nei sistemi gestionali non può prescindere da un passaggio preliminare ma spesso sottovalutato: il replatforming dell’ERP. «Prima di parlare di intelligenza artificiale – afferma Bonetti – le aziende devono mettere mano alle fondamenta». Il Gruppo Hera è attualmente impegnato in un ampio progetto di migrazione dell’ERP SAP verso il cloud. «Non si tratta di un semplice lift-and-shift, ma di una riprogettazione architetturale che assorbe una quota significativa di risorse tecniche e organizzative. La modernizzazione dell’ERP e delle integrazioni applicative è una condizione abilitante per qualsiasi evoluzione futura: serve a far dialogare tecnologie eterogenee, a semplificare i flussi informativi e a preparare l’ecosistema a nuovi carichi applicativi. Senza questa base, l’introduzione dell’AI – predittiva, generativa, agentica – rischia di poggiare su fondamenta fragili». Nel mondo enterprise, l’idea che l’AI possa essere un servizio realmente plug-and-play è fuorviante: «Non solo crea aspettative irrealistiche nelle aziende utenti, ma rischia di danneggiare anche i vendor, che promettono benefici difficili da mantenere su contesti complessi e regolati. A differenza delle applicazioni consumer, dove l’AI opera su contesti relativamente standardizzati, nell’ERP l’intelligenza artificiale deve confrontarsi con dati incompleti o eterogenei, processi stratificati nel tempo, vincoli normativi e organizzativi. In questo contesto, l’AI non può essere semplicemente “attivata”: va progettata, integrata e governata».

UNA VERITÀ SCOMODA

Si sente spesso dire che l’AI obbligherà le aziende a ripensare i processi, come avvenne negli anni Novanta con il passaggio dai sistemi dipartimentali ai sistemi transazionali integrati. «L’affermazione è concettualmente corretta, ma nella pratica rappresenta la parte più difficile della trasformazione» – spiega Bonetti di Gruppo Hera. «Ridisegnare i processi significa intervenire su assetti organizzativi, responsabilità funzionali, modelli decisionali consolidati. Dal punto di vista tecnico è complesso e da quello organizzativo è ancora più difficile. Per questo, nella maggior parte dei casi, l’AI viene sovrapposta ai processi esistenti invece di ridisegnarli realmente, con risultati ad oggi spesso deludenti rispetto alle aspettative e ai costi». L’AI generativa di tipo consumer viene spesso utilizzata come leva di marketing per il mondo enterprise. Tuttavia, il livello di maturità delle applicazioni realmente agentiche nei processi core è ancora molto basso. «Quando si parla di agentificazione dei processi, nella maggioranza dei casi si è di fronte a automazioni di tipo RPA, arricchite da componenti di classificazione o generazione testuale, con un’autonomia decisionale molto limitata» – afferma Bonetti. «Sicuramente si arriverà a forme più avanzate di agenti, ma la variabile critica è il quando. Nel frattempo, l’AI predittiva continua a operare prevalentemente in back-office, a valle dei processi, supportando analisi e pianificazione più che l’azione diretta».

DATI, PROCESSI, PERSONE

Il concetto di “AI-powered ERP” si gioca su tre dimensioni fondamentali: dati, processi e persone. L’introduzione di una data platform interna, insieme a tecnologie di fruizione dei dati aggiornati in real-time, ha permesso di superare l’approccio tradizionale basato su copia e replica dei dati. «Questo passaggio è essenziale per l’AI, che richiede dati coerenti, governati e tempestivi» – spiega Bonetti. «Per anni l’integrazione dei dati è stata gestita replicando informazioni dall’ERP verso data warehouse dipartimentali o sistemi di reporting. L’AI rende questo modello insostenibile. Inoltre l’AI richiede contesto, non solo dati. I processi aziendali sono trasversali e attraversano più funzioni con responsabilità diverse. «L’organizzazione delle aziende, però, resta strutturata per silos» – ammette Bonetti. «Storicamente, questo problema veniva gestito tramite punti di passaggio formali. Oggi, con l’esigenza di azioni trasversali fatte dagli agenti in tempo reale su dati con diversa ownership, tali meccanismi diventano insufficienti. “Ridisegnare i processi a partire dall’AI” è una formula efficace dal punto di vista comunicativo, ma estremamente difficile da realizzare in pratica, soprattutto in contesti industriali complessi come una multiutility». Sul fronte della produttività individuale, trainata dall’esperienza consumer, gli utilizzatori devono diventare «AI-fluent» – afferma Bonetti. Tuttavia, nel ridisegno dei processi emergono resistenze culturali che possono essere superate solo con forte sponsorship top-down, non sono fenomeni che si possono sviluppare bottom-up. A questo si aggiunge la necessità di riconoscere e istituzionalizzare nuovi profili professionali all’interno dell’IT: figure ibride, a cavallo tra architettura, dati e processi di business.

Il nodo principale però è economico. Dal punto di vista finanziario, ERP e AI sono basati su modelli OpEx. «Questo rende l’investimento “indigesto” per molte organizzazioni: i costi vanno a conto economico nell’anno, mentre i benefici, spesso indiretti, maturano nel tempo» – spiega Bonetti. Ne consegue che il valore dell’AI deve essere dimostrato a consuntivo, non solo promesso ex ante, rendendo le decisioni di investimento più prudenti. «In attesa della maturazione di consapevolezza e contesto per la reale competitività dell’AI agentica, molte aziende, indipendentemente dalla dimensione, hanno ancora ampi margini di miglioramento lavorando sull’automazione tradizionale» – afferma Bonetti. Le previsioni indicano il 2026 come “l’anno dell’AI agentica”, tuttavia le aziende utenti sembrano aver imboccato la fase della riflessione. «Volendo giocare alle previsioni, questa fase durerà per l’ERP almeno un paio d’anni» – pronostica Bonetti. «Oggi gli agenti vengono utilizzati soprattutto al di fuori del core ERP, per esempio nel knowledge management. Sul core transazionale dell’ERP, il percorso sarà più lungo, la trasformazione organizzativa non viaggia con i tempi degli annunci dei nuovi modelli LLM». Per Bonetti, il vantaggio più concreto e immediato dell’AI è spesso indiretto: «Costringe l’organizzazione a riflettere seriamente su data management, qualità del dato e architetture informative. È anche per questo che le data platform stanno assumendo un ruolo centrale. I problemi tecnici, in larga misura, sono risolvibili. Quelli di consapevolezza organizzativa lo sono molto meno e richiedono uno sforzo molto più diffuso».

L’ERP NON È VECCHIO

Iniettare funzionalità agentiche in quel “sistema nervoso” dell’azienda che è l’ERP, è un’operazione complessa perché rischia di amplificare le fragilità esistenti invece di risolverle. L’ERP resta il sistema nervoso, ma non può essere ancora il “system of intelligence”. La data platform aggiornata in tempo reale nasce per colmare questa distanza: proteggere l’ERP dal carico analitico e allo stesso tempo renderne il patrimonio informativo utilizzabile dall’AI.

Barbara Marmello, ERP expert con quasi trent’anni di esperienza alle spalle, porta uno sguardo costruito sul campo, prima ancora che nelle architetture IT. Il suo percorso professionale inizia lontano dai ruoli di vertice tecnologico: Marmello ha lavorato sui sistemi ERP come controller e key user, vivendo in prima persona l’impatto quotidiano dei gestionali sui processi operativi. Un’esperienza che ha preceduto e influenzato in modo decisivo i successivi incarichi come project manager, delivery lead e, infine, direttore IT. «Gli ERP li ho vissuti da dentro» – racconta. «Quando non funzionano, quando rallentano il lavoro, quando diventano un alibi o un capro espiatorio. E li ho poi guidati da fuori, come responsabile di progetti complessi, in contesti molto diversi per dimensione, settore e livello di maturità digitale». È questa doppia prospettiva – operativa e manageriale – che consente a Barbara Marmello di leggere con maggiore lucidità il passaggio in corso dall’ERP tradizionale ai sistemi gestionali potenziati dall’AI. Un’evoluzione che, nella sua visione, non può essere valutata solo in termini tecnologici, ma va misurata sulla capacità reale di migliorare il lavoro delle persone e la qualità dei processi aziendali.

La prima convinzione che si porta dietro da anni è semplice. E sappiamo quanto possano essere difficili le cose semplici: «La responsabilità del progetto deve restare dentro l’azienda. Delegare tutto può sembrare comodo, soprattutto quando le risorse sono poche e il progetto è complesso. Nella mia esperienza non ha mai funzionato davvero. Ho iniziato più di un incarico trovandomi davanti a un ERP che “non funziona”, senza che nessuno fosse in grado di spiegare cosa esattamente non funzionasse. Il primo lavoro non è stato cambiare sistema, ma ricostruire fiducia, chiarire aspettative, distinguere i limiti dello strumento dai problemi di processo. Un partner è fondamentale, ma non può sostituire la responsabilità interna. Perché da fuori un ERP è un progetto come un altro. Da dentro è il sistema che deve reggere l’azienda per dieci anni, assorbire i cambiamenti, accompagnare le persone e spesso compensare anche quello che l’organizzazione non riesce ancora a fare bene».

La seconda lezione che arriva da Barbara Marmello è che un progetto ERP si fa solo quando c’è una convinzione reale. «Non serve l’unanimità, ma serve una sponsorship forte e trasversale. Se sono solo io, come IT, a volerlo, è meglio fermarsi. Se è il CFO a spingere, bene, ma voglio capire cosa ne pensano operations, supply chain, commerciale. Un ERP non è una battaglia che si vince da soli. È un progetto che richiede una maggioranza consapevole, altrimenti diventa una lunga guerra di logoramento».

Il terzo punto, e forse il più sottovalutato, è la trasparenza sulle aspettative, sui tempi e sui risultati. «Le demo dei vendor sono utili, ma non sufficienti. Bisogna parlare con chi quel sistema lo usa davvero, nelle stesse condizioni, con la stessa complessità. Bisogna accettare che esistano bias, che a volte ci innamoriamo di una soluzione perché è di moda o perché rassicura. Un ERP non deve piacere, deve funzionare. E deve funzionare nel contesto reale, non in quello ideale.

C’è poi il tema dell’impegno. Un progetto ERP non si risolve con qualche workshop. Richiede tempo, energie, scelte scomode. Costringe a guardarsi allo specchio e a chiedersi se i processi sono davvero quelli giusti o solo quelli a cui siamo abituati. «Non sempre le risposte sono comode» – continua Marmello. «Ma proprio per questo il progetto diventa un’enorme occasione di crescita. In più di un’azienda ho visto l’ERP diventare il punto di partenza per una maturazione organizzativa che altrimenti non sarebbe mai avvenuta. Quando arrivi in una nuova realtà e il primo grande progetto è questo, parti in salita, ma costruisci una conoscenza profonda che ti accompagnerà per anni».

Sul tema dell’intelligenza artificiale serve molta lucidità: «L’ERP resta, per sua natura, l’infrastruttura della certezza. Non nasce per fare analisi predittiva, né per essere creativo. Le soluzioni più evolute oggi integrano funzionalità di AI, ma solo in contesti molto standardizzati questo avviene in modo davvero plug-and-play. Nella maggior parte dei casi, soprattutto dove c’è legacy, si entra in una fase di sperimentazione che richiede competenze, dati puliti, tempo e molta pazienza».

La GenAI è interessante, ma oggi il suo valore è soprattutto di supporto. «Documentazione, formazione, interfacce più semplici. Utile, sì, ma raramente decisiva sul conto economico» – spiega Barbara Marmello. «Dove invece vedo benefici concreti è sull’AI predittiva e di ottimizzazione, spesso costruita attorno all’ERP più che dentro l’ERP. Pianificazione, scorte, manutenzione, qualità. In questi casi, il ritorno è reale, se i dati sono buoni. Infine il cloud, le promesse sono note, ma la realtà è fatta di compromessi. Compliance, integrazione con il mondo produttivo, continuità operativa. Non esistono scelte giuste in assoluto, esistono scelte coerenti con il contesto». In pratica, l’ERP non è vecchio, è centrale. «Non è il problema, ma la spina dorsale. E come tutte le ossature, funziona solo se è solida, ben conosciuta e sostenuta da muscoli veri. L’intelligenza artificiale può potenziarla, ma non sostituirla. E soprattutto non può sostituire la responsabilità di chi guida l’azienda».

LA SPINA DORSALE DEI PROCESSI

In pensione da due anni, Claudio Migliorati ci fornisce uno sguardo maturato in quasi quattro decenni di esperienza nel settore ICT, con una forte specializzazione nel manifatturiero. Il suo percorso professionale prende avvio nell’ambito applicativo, per poi evolvere, a partire dal 1995, verso ruoli di ICT management. Dal 2010 ha ricoperto l’incarico di Global CIO in un gruppo multinazionale di dimensioni contenute ma tecnologicamente molto dinamico. In questo contesto, dal 2007 ha anche svolto il ruolo di project manager per le implementazioni SAP in diverse società del gruppo, seguendo direttamente l’integrazione dei sistemi gestionali nei processi industriali.

Osservando l’evoluzione attuale, per Migliorati la sfida è comprendere come tradurre queste potenzialità in valore concreto, integrandole in modo efficace con i sistemi ERP e, nel contesto industriale, con i sistemi di Operational Technology (OT). Un’integrazione resa sempre più rilevante dalla necessità di recuperare produttività attraverso l’automazione e dagli impulsi normativi e strategici legati alle politiche di Industry 4.0. «Il “povero ERP” – povero perché ormai vittima di scarso interesse da parte delle nuove generazioni di studenti di discipline informatiche – costituisce in ogni azienda di ogni settore il sistema nervoso dei processi gestionali attorno al quale ruota la galassia dei sistemi dipartimentali: MES, PLM, WMS, SCADA e così via.

La grande tensione è di integrare strutturalmente funzionalità AI Gen nei processi tecnico-gestionali presidiati dai sistemi OT e ERP». Per Migliorati su questo punto, è necessario distinguere tra ERP nazionali e internazionali. «Questi, oltre ad aver anticipato la proposta di moduli di AI integrati nelle loro “suite” applicative, generano una mole di dati transazionali molto più corposa e dettagliata rispetto ai “cugini” nazionali. Questo consente di implementare in modo più efficace quella che in questo momento sia la risposta più interessante e concreta nell’integrazione della AI generativa in azienda: l’architettura RAG (Retrieval-Augmented Generation), ossia l’impiego di modelli AI Gen alimentati dai dati aziendali (documenti del file system, database, repository di “knowledge base”, le grandi basi dati dei sistemi OT…) che è consigliabile verificare prima di essere dati in pasto al modello AI. Anche in passato, sono state fatte implementazioni per analisi predittive, utilizzando dati storici e statistici in vari ambiti (produzione, vendite, informazioni generate a bordo macchina…). Queste architetture presentano maggiori garanzie anche in termini di sicurezza». Nel confronto con l’evoluzione dei sistemi gestionali, Claudio Migliorati evidenzia un elemento ormai difficilmente contestabile: «Le principali innovazioni legate all’integrazione dell’intelligenza artificiale si stanno concentrando quasi esclusivamente sulle soluzioni ERP in cloud, mentre le versioni on-premise mostrano un ritmo di evoluzione molto più lento». Migliorati porta esempi concreti. Durante la fase di test di un add-on ERP in ambito amministrativo-contabile, ha osservato l’applicazione dell’AI a uno dei processi più onerosi per le funzioni finance: il controllo e la riconciliazione tra i dati di ricevimento merce e le fatture di acquisto elettroniche. Un’attività che, per vincoli normativi e di controllo, richiede verifiche puntuali prima della contabilizzazione. Nel caso analizzato, il componente integrato nell’ERP è stato in grado di riconciliare e contabilizzare automaticamente circa il 30% dei documenti già al primo ciclo di utilizzo, una percentuale destinata ad aumentare grazie a meccanismi di autoapprendimento.

Accanto alle opportunità, Migliorati invita però a un approccio pragmatico. Il primo consiglio è di non escludere a priori l’uso dell’AI: «Nel medio periodo, una chiusura totale rischia di diventare controproducente, se non impraticabile». Per le aziende che stanno valutando un cambio di ERP, suggerisce di considerare soluzioni cloud best-in-class, possibilmente con verticalizzazioni di settore e funzionalità AI integrate. «Pur sacrificando parte della flessibilità e delle personalizzazioni tipiche dell’on-premise, queste piattaforme offrono maggiori garanzie di evoluzione funzionale e di allineamento tecnologico». Un altro punto chiave riguarda il ruolo dei partner. L’adozione dell’AI generativa – sottolinea Migliorati – richiede competenze specialistiche: «Affidarsi a partner esperti e con conoscenza del settore è essenziale, indipendentemente dalla presenza di moduli AI già integrati nei sistemi ERP. L’approccio “fai da te”, in questo ambito, è fortemente sconsigliato». Infine, Migliorati richiama l’attenzione su due temi: «La necessità di legare ogni iniziativa AI a esigenze aziendali reali, evitando sperimentazioni fine a sé stesse e mantenendo la centralità della sicurezza».

PRUDENZA NON RESISTENZA

Con una vasta esperienza maturata nel settore farmaceutico, Giuseppe Rosario Bungaro, head of Digital Transformation di Adeodata, osserva l’evoluzione degli ERP da una prospettiva che intreccia regolazione, processi industriali e innovazione tecnologica. Alla domanda se l’intelligenza artificiale apra davvero un nuovo ciclo nella storia dei sistemi gestionali, Bungaro invita a partire da un dato strutturale. «I principali fornitori di ERP, dal gestionale di riferimento per le grandi multinazionali alle piattaforme più diffuse nel mondo delle PMI, hanno costruito nel tempo ambienti applicativi fondati su scenari preconfigurati, pensati per rispecchiare contesti industriali standardizzati. L’obiettivo è sempre stato quello di ridurre la complessità delle implementazioni, offrendo processi “di riferimento” già codificati e pronti all’uso». È su questa architettura, consolidata negli anni, che oggi si innesta l’AI.

Secondo Bungaro, la vera discontinuità non sta tanto nell’abbandono di questi modelli, quanto nella possibilità di renderli più adattivi e informativi, senza perdere la disciplina operativa che ha reso gli ERP uno strumento centrale nella gestione delle imprese, soprattutto in settori ad alta regolamentazione come il farmaceutico. «Oggi si apre uno scenario in parte nuovo. Nelle versioni più recenti degli ERP, l’intelligenza artificiale viene proposta come servizio “plug-and-play”: funzionalità già disponibili, attivabili a catalogo, che il cliente può selezionare in base alle proprie esigenze. Rispetto alla tradizionale implementazione di moduli dipartimentali, questo approccio promette una riduzione significativa di tempi e costi. Va però chiarito un punto essenziale: queste funzionalità di AI operano quasi esclusivamente sui dati strutturati già presenti nel gestionale». Il quadro cambia quando l’AI deve integrare fonti dati esterne all’ERP. «In questo caso, l’approccio è ancora in larga misura sperimentale. Per questo è necessario definire prima l’obiettivo aziendale realmente ottimizzabile con il supporto dell’AI, e poi comprendere a fondo il processo, addestrare l’AI su dati coerenti con quel processo, costruire un dataset solido, sviluppare un proof of concept e solo successivamente valutare la scalabilità». Ma con una complicazione ulteriore testare l’AI non è come testare un software tradizionale – spiega Bungaro.

«Nel software classico, a ogni input corrisponde sempre lo stesso output. Nell’AI generativa, invece, la risposta può variare a parità di domanda. Questo avviene per più ragioni: l’approccio al dato è multidimensionale e sensibile al contesto (incluso il profilo di chi pone la domanda), ma incidono anche fattori infrastrutturali, come la capacità computazionale disponibile e lo stato dei dati nel momento dell’interrogazione. In termini operativi, l’AI generativa mostra oggi le migliori performance in ambiti caratterizzati da attività ripetitive e data-intensive. È qui che riesce a generare efficienza, supporto decisionale e riduzione degli errori. La raccomandazione, tuttavia, è di adottare una metafora utile al management: l’AI va trattata come un account di livello junior. È veloce, disponibile e capace di elaborare grandi quantità di informazioni, ma richiede supervisione, istruzioni chiare e responsabilità ben definite. Non sostituisce il giudizio umano, ma lo affianca, a patto che il contesto organizzativo sia pronto a governarne l’uso».

L’agentificazione dei processi gestionali mostra risultati concreti in ambiti ben delimitati: amministrazione e contabilità, gestione degli ordini, customer service, vendite e logistica distributiva. «Si tratta di processi caratterizzati da regole chiare, dati strutturati e un numero limitato di eccezioni. In questi contesti, l’AI può orchestrare attività, suggerire azioni e automatizzare decisioni a basso rischio».

L’estensione dell’agentificazione ai processi produttivi è teoricamente possibile, ma molto più complessa – secondo Bungaro. «Qui entrano in gioco variabili fisiche, vincoli operativi, eccezioni non codificate e responsabilità dirette sulla sicurezza e sulla qualità. Il margine di errore si riduce drasticamente, ma la supervisione umana resta imprescindibile». Una raccomandazione chiave per il management: «Evitare luoghi comuni e soluzioni valide per tutti. Dire semplicemente “usiamo l’AI” non significa nulla. L’adozione deve partire da bisogni reali, ben circoscritti e da problemi concreti da risolvere. L’AI deve ridurre la complessità, non crearne di nuova». Il percorso corretto è disciplinato e iterativo: progettare, testare, testare ancora, e solo dopo mettere in produzione un servizio. «In un contesto in cui la tecnologia evolve rapidamente e i modelli di business dei fornitori sono instabili, la prudenza non è resistenza al cambiamento, ma una forma di responsabilità manageriale».

DAL COSA AL COME

Luca Greco, CIO con oltre vent’anni di esperienza maturati in contesti eterogenei (food, fashion e construction), ha accompagnato aziende complesse nella loro fase di crescita e trasformazione, rafforzando i modelli di IT governance in contesti internazionali, con particolare attenzione all’operatività e alla gestione del rischio. Negli anni Novanta, con il passaggio dai sistemi dipartimentali eterogenei a un unico sistema integrato, l’obiettivo era duplice: ridurre i tempi operativi e ottenere una rappresentazione unitaria del business, più affidabile e tempestiva. A distanza di oltre trent’anni, che cosa è cambiato rispetto all’obiettivo originario dell’ERP? «In sostanza, nulla. La finalità rimane la stessa» – risponde Luca Greco.

«Ciò che è cambiato, ed è tuttora in evoluzione, è il come. Il percorso ha portato prima ai sistemi gestionali integrati, poi a un livello crescente di interconnessione con applicazioni e piattaforme esterne. L’ERP non è più un sistema chiuso, ma un nodo centrale di un ecosistema informativo più ampio. La formula di fondo resta invariata: interconnessione e dati per generare informazioni migliori in tempi più rapidi, a supporto delle decisioni e del controllo economico. In questo quadro, l’intelligenza artificiale non ridefinisce lo scopo dell’ERP, ma promette di potenziarne i meccanismi: analisi più rapide, previsioni più accurate, adozione semplificata dai chatbot, automazione decisionale su scala maggiore. Il ciclo non è nuovo; è un’accelerazione dello stesso principio fondante. Che a sua volta si traduce in abilitatore di nuove capacità e nuovi servizi». Secondo Luca Greco, l’intelligenza artificiale generativa aumenta in modo significativo la capacità “cognitiva” rispetto alla conoscenza dei processi da cui derivano le informazioni. Questo è il primo, reale vantaggio: non sostituisce il sistema informativo, ma ne rende più accessibile e comprensibile il contenuto, abbassando la soglia di competenza necessaria per interrogare processi complessi ed aumentandone di riflesso la resilienza. «L’implementazione, tuttavia, richiede cautela. Prendiamo esempi concreti ormai diffusi: strumenti come Copilot in Microsoft 365 consentono di ricercare informazioni distribuite e generare output sintetici. Ma, per comprendere il reale stato delle opportunità commerciali, l’utente deve poi accedere alla piattaforma CRM (per esempio Salesforce). Per verificare contratti, scadenze e clausole, deve interrogare il DMS. Mentre per il controllo delle performance, il CPM. Per l’operatività, l’ERP. Ognuno di questi sistemi sta progressivamente incorporando una propria “AI generativa”.

Il tema centrale non è quindi la disponibilità dell’AI, ma la centralità del dato e, soprattutto, la sua ontologia: il modo in cui i dati sono definiti, strutturati e messi in relazione. Questo problema non riguarda solo aziende diverse, ma si manifesta anche all’interno della stessa organizzazione, tra divisioni, funzioni e domini applicativi». Se ERP, CRM, DMS e CPM integrano ciascuno una propria AI, la domanda diventa inevitabile: come costruire una reale capacità cognitiva unificata partendo da basi informative frammentate? «I vendor dichiarano l’obiettivo di centralizzare e unificare, ma il punto di partenza resta eterogeneo» – risponde Greco. «L’azienda, da un punto di vista di architettura informatica, è necessariamente costituita da una molteplicità di sistemi tra di loro interconnessi. Ogni strumento riflette una propria struttura dati, logiche operative e pattern semantici. Senza un coordinamento esplicito, il rischio è moltiplicare le interfacce intelligenti senza ottenere una vera “intelligenza” di sistema».

Secondo Greco, per sviluppare un’AI realmente “cognitiva” è necessario armonizzare e orchestrare queste funzionalità aggiuntive, allineando modelli dati, definizioni e contesti di utilizzo. «In questo senso, l’AI non è solo una tecnologia abilitante, ma anche un potente fattore di stress test per il patrimonio informativo aziendale». Paradossalmente, è proprio l’AI a rendere evidente ciò che spesso veniva tollerato: «Dati incompleti, incoerenti o di qualità insufficiente. E in questo sta forse il suo contributo più concreto nel breve periodo. L’adozione dell’AI costringe le organizzazioni a prendere atto delle proprie debolezze informative e ad attivare, gradualmente, percorsi di modernizzazione dei dati, delle architetture e dei processi di governance».

LA GESTIONE DELL’OUTPUT

L’output informativo non è mai uno solo. «La rappresentazione del dato è, per sua natura, multidimensionale e dipende dal punto di riferimento: operativo, commerciale, finanziario, direzionale» – spiega Luca Greco. «L’oggetto informativo – “il territorio” – resta lo stesso, ma l’interpretazione – “la mappa con cui orientarsi” – cambia. In questo contesto, l’AI generativa, se correttamente supportata, aiuta a navigare la complessità, traducendo lo stesso patrimonio informativo in viste differenti, coerenti con il contesto decisionale». Proprio per questa ragione, l’adozione dell’AI non può che essere incrementale. «Non si tratta di introdurre un’intelligenza sostitutiva, ma di estendere progressivamente le capacità del sistema informativo, verificando di volta in volta la qualità degli output, la loro affidabilità e l’impatto sui processi decisionali». La gestione dell’output diventa quindi un tema centrale. «Non è un aspetto puramente tecnologico» – afferma Greco. «Ma è una scelta che definisce l’identità informativa – “il carattere” – dell’azienda. Qui il ruolo del management è determinante. Decidere quale output è rilevante, per chi e con quale livello di sintesi significa esercitare una responsabilità strategica, non delegabile all’algoritmo».

È altrettanto evidente che la governance viene prima dell’AI. «L’intelligenza artificiale è una nuova capacità del sistema aziendale e, come tale, deve essere sottoposta a rigorosi principi di role-based accountability» – continua Greco. «I nuovi servizi AI-powered devono ereditare le stesse configurazioni di sicurezza, controllo degli accessi e tracciabilità già in essere nel tenant applicativo. Di conseguenza, i criteri di scelta non possono limitarsi alla logica del best of breed. La qualità della tecnologia conta, ma conta altrettanto, se non di più, la sua capacità di integrarsi coerentemente nel modello di governance, sicurezza e responsabilità esistente. In assenza di questo allineamento, l’AI rischia di amplificare la complessità invece di governarla».

Sul fronte dell’AI agentica, per Luca Greco, è consigliabile mantenere un atteggiamento più cauto. «Se l’AI generativa si limita a produrre informazione più o meno nuova, l’AI agentica introduce un passaggio ulteriore e più delicato: l’azione diretta sui processi. È qui che la disintermediazione tra agente umano e agente artificiale diventa potenzialmente critica. L’autonomia operativa amplifica il valore, ma anche il rischio». Partiamo dal prerequisito fondamentale: il dato. Non un dato semplicemente disponibile, ma un dato affidabile, contestualizzato e azionabile. «Costruire le condizioni perché l’AI possa operare in modo autonomo significa creare ambienti operativi quasi “perfetti”: processi formalizzati, eccezioni gestite, regole chiare, responsabilità definite» – spiega Greco. «Nessuna impresa reale è un ambiente perfetto, ed è anche per questo che molte iniziative di AI, soprattutto agentiche, incontrano ostacoli o falliscono».

Le data platform hanno svolto finora un ruolo essenziale nel consolidare dati provenienti da funzioni diverse. «Ma questo non sarà sufficiente» – continua Greco. «In prospettiva, tali piattaforme dovranno anche allineare le risposte dell’AI in base ai contesti funzionali: ciò che è corretto per la finanza non lo è necessariamente per le operations o per il commerciale. Il valore non risiede solo nell’unificazione dei dati, ma nella loro interpretazione coerente con il dominio decisionale». In questo senso, le recenti mosse strategiche dei grandi player, come l’integrazione sempre più stretta tra data streaming, governance e AI, segnalano una direzione chiara del mercato. Quando i dati sono adeguati, l’AI generativa sul piano cognitivo funziona e diventa un abilitatore credibile anche per l’AI agentica. Secondo Greco, questo passaggio comporta uno spostamento ontologico: «Cambia il modo in cui il sistema “comprende” l’organizzazione e i suoi processi: in realtà non comprende davvero, perché non è in grado di discriminare lo scopo. Lo scopo lo dà il manager». A questo si accompagna inevitabilmente uno shifting delle competenze: «Emergono le cosiddette capacità ibride che combinano comprensione dei processi, giudizio manageriale e interazione efficace con sistemi intelligenti. In definitiva, l’AI agentica è una trasformazione del rapporto tra uomo e macchina, in cui il controllo, la responsabilità e la competenza devono evolvere insieme all’automazione. Senza questo equilibrio, l’autonomia rischia di precedere la maturità organizzativa».

IL ROI INVISIBILE DELL’AI

L’intelligenza, per essere realmente efficace nei sistemi aziendali, deve essere prima di tutto analitica, costruita processo per processo e abilitata dal basso. «Non esistono scorciatoie tecnologiche» – afferma Luca Greco. «Servono investimenti diffusi, soprattutto in formazione. Eppure, sono ancora poche le aziende disposte a mettere sul tavolo risorse significative per far crescere le competenze insieme alle piattaforme». Allo stesso tempo è difficile immaginare qualcosa di più sostenibile dalla modernizzazione degli ambienti produttivi accompagnata dalla crescita delle persone. «Oggi, invece, molte organizzazioni operano in una logica di breve periodo: si “gratta il barile”, si cerca di tirare a campare, rinviando trasformazioni strutturali che non producono ritorni immediati» – commenta Luca Greco. «Uno schema già visto. Come nella green transition, dopo la fase di accelerazione iniziale, molte aziende tendono a rallentare quando si rendono conto che la profittabilità di breve termine non compensa pienamente gli investimenti. Il problema è che gli strumenti tradizionali di analisi del ROI faticano a catturare il valore reale di queste trasformazioni». Nel caso dell’AI e della modernizzazione dei sistemi, si misurano soprattutto benefici indiretti: «Meno errori, maggiore efficienza, migliore qualità decisionale. Più raramente si registrano benefici diretti e immediatamente monetizzabili, come un aumento automatico delle vendite. Ma questo non significa che il valore non esista, ma che è di natura diversa, più strutturale e meno tattico». Ed è proprio qui che si gioca la sfida più profonda: «Integrare l’intelligenza analitica, l’AI e la modernizzazione dei sistemi in una visione manageriale sistemica capace di tenere insieme produttività, competenze e senso del lavoro».

PROCESSO DECISIONALE

Marco Pesavento, chief operating officer e board member di Benincà Group, offre una lettura operativa ancorata alla realtà industriale. «Se si guarda all’AI generativa, l’esperienza concreta di molte aziende manifatturiere è ancora limitata a casi d’uso ormai diffusi: generazione di testi, immagini, traduzioni. Applicazioni facilmente integrabili nei contesti aziendali e in diversi casi utili sul piano della produttività individuale, ma che nel breve periodo difficilmente incidono in modo significativo sul conto economico di una realtà metalmeccanica».

Ben diverso è il giudizio sull’uso degli algoritmi in chiave predittiva. «Negli ultimi cinque anni – continua Pesavento – Benincà Group ha sperimentato modelli di analisi basati su serie storiche di consumo per migliorare la pianificazione delle scorte di magazzino. In questo ambito, l’AI si è tradotta in uno strumento capace di supportare decisioni operative concrete, con impatti misurabili su efficienza, capitale circolante e servizio al cliente. Più che una rivoluzione improvvisa, Pesavento definisce questa evoluzione come un passaggio graduale dall’AI “dimostrativa” all’AI “industriale”: meno orientata all’effetto novità e più focalizzata sulla capacità di prevedere, pianificare e ridurre l’incertezza nei processi core. Un percorso che, soprattutto nel manifatturiero, continua a muoversi lungo la linea della continuità operativa più che della discontinuità radicale. «La prima parola che mi viene in mente è adattamento» – risponde Marco Pesavento. «Come tutte le evoluzioni, anche questa nasce da un’esigenza concreta».

L’origine va ricercata nella crisi delle supply chain esplosa nel 2020, durante la pandemia. «I lockdown hanno spezzato le catene di fornitura delle aziende manifatturiere e, all’improvviso, è venuta meno qualsiasi visibilità sul futuro». Che cosa è cambiato rispetto al passato? «È cambiato l’approccio. Ci siamo trovati in una fase in cui non aveva più senso aderire rigidamente a una singola teoria produttiva – lean production, make-to-order, make-to-stock o il calcolo delle scorte basato su consumi storici e deviazione standard. È emersa invece la necessità di adottare un metodo predittivo capace di ragionare sul singolo componente a magazzino e di fornire previsioni di consumo mensili su un orizzonte di dodici mesi».

Da qui l’implementazione di un sistema in grado di analizzare le serie storiche, intercettare trend e stagionalità delle vendite e adattarsi nel tempo grazie all’utilizzo di dodici algoritmi auto-adattivi. «Incrociando questi risultati con il budget commerciale – prosegue Pesavento – siamo stati in grado di decidere, articolo per articolo, quale modello di gestione fosse il più performante». Oggi convivono approcci diversi: componenti gestiti a kanban con ordini automatici ai fornitori, linee di montaggio lean, articoli a stock e scorte di sicurezza calcolate sulla base dei dati predittivi. «Il tutto viene rivisto con cadenza mensile». Il prerequisito fondamentale è la presenza di un ERP solido, capace di elaborare ed estrarre in modo affidabile i dati necessari ai modelli di calcolo. «Nel Gruppo Benincà partivamo già da una buona base» – spiega Pesavento. «Ma integrare l’intero modello predittivo all’interno dell’ERP avrebbe richiesto un livello di personalizzazione eccessivo». La scelta è stata quindi quella di esternalizzare il calcolo: «I dati vengono estratti dall’ERP e importati in software specialistici di analisi statistica, opportunamente programmati e addestrati. Tutto avviene in modo automatico, tramite attività schedulate. Ogni mese elaboriamo le previsioni per tutte le società del gruppo, ricalcoliamo i parametri gestionali e aggiorniamo i contratti aperti con i fornitori». Il principale elemento di attenzione riguarda la natura stessa degli algoritmi. «Il risultato di un modello predittivo non è mai un dato certo» – sottolinea Pesavento. «Va interpretato, contestualizzato e ponderato. L’esperienza e la capacità critica devono restare al centro del processo decisionale».

Eventi esogeni – geopolitici, economici o sociali – possono infatti ribaltare rapidamente qualsiasi previsione. «Lo ripeto spesso ai miei collaboratori: l’algoritmo è un supporto, non un dogma». Dal punto di vista tecnico, invece, le criticità sono limitate. «Come spesso accade, i veri ostacoli sono culturali: la disponibilità al cambiamento e la capacità di accogliere l’innovazione». In questo senso, Pesavento evidenzia il contesto favorevole in cui opera: «Faccio parte di un’azienda in cui innovazione e R&S sono nel DNA. Investire in tecnologia è una scelta strutturale, supportata anche da team giovani, curiosi e pronti a sperimentare».

Quali condizioni dovrebbero cambiare perché la GenAI possa incidere davvero su produttività e margini in una realtà metalmeccanica? «La marginalità deve essere il faro di ogni impresa» – risponde Pesavento. «Se guardiamo alle attività produttive, oggi faccio fatica a individuare benefici economici diretti e misurabili dall’uso delle piattaforme di AI generativa disponibili sul mercato». I vantaggi esistono, ma restano indiretti: «Maggiore produttività nella scrittura del codice, supporto al marketing nella creazione di contenuti multilingua, sintesi documentale e analisi dei dati più rapide. Tutti elementi che migliorano l’efficienza complessiva, ma che difficilmente si traducono, almeno oggi, in un impatto diretto sui reparti produttivi». Il divario tra il racconto dell’AI e la sua applicazione concreta resta quindi ampio. «La vera sfida – conclude Pesavento – sarà l’integrazione dell’intelligenza artificiale con la robotica e l’automazione industriale. È su questo fronte che, probabilmente, diventerà più semplice misurare il contributo dell’AI anche a livello di conto economico».

PRAGMATISMO OPERATIVO

Per Omar Moser, head of Transformation di Finarvedi Spa, l’ERP continua a svolgere un ruolo centrale nell’architettura informativa dell’impresa, anche nel contesto di una crescente attenzione verso l’intelligenza artificiale. Il sistema gestionale rimane infatti il motore transazionale che garantisce l’esecuzione end-to-end dei processi aziendali, coordinando flussi operativi, amministrativi e logistici. «L’ERP dialoga in modo strutturato con i sistemi satelliti – dai MES ai pianificatori e schedulatori – contribuendo ad alimentare la data platform con i dati necessari sia al calcolo operativo, a monte dei processi, sia alle attività di analisi e controllo a valle» – spiega Moser. «In questa prospettiva, l’ERP non va letto come un sistema isolato, ma come il nodo principale di un ecosistema applicativo più ampio, in cui la qualità, la coerenza e la governabilità del dato rappresentano condizioni imprescindibili. Senza queste fondamenta, qualsiasi evoluzione verso soluzioni di AI rischia di rimanere teorica o di produrre benefici marginali».

Omar Moser osserva un percorso di adozione dell’AI sempre più divergente tra le aziende: «Da un lato, organizzazioni in grado di affrontare l’AI in modo organizzato, programmatico e governato, includendo anche le funzionalità di AI embedded negli strumenti gestionali. Dall’altro, aziende che si muovono in modo disorganizzato o opportunistico, attivando singole soluzioni senza una visione architetturale o di processo». Questa divergenza non coincide automaticamente con la dimensione aziendale. È vero che il budget aiuta, ma il fattore discriminante è la maturità organizzativa, non la scala. L’unico vero vincolo è la realtà operativa. «Le aziende non sono ambienti perfetti. Molte non hanno ancora implementato in modo efficace funzionalità di base come i sistemi di MRP per la pianificazione dei fabbisogni. In alcuni casi, le attività critiche sono ancora gestite tramite fogli di calcolo.

In questo contesto, l’introduzione dell’AI rischia di sovrapporsi a fondamenta fragili. Senza processi minimi strutturati, l’AI non amplifica il valore: amplifica l’entropia». Quando si parla di ERP con AI embedded – secondo Moser – è utile mantenere aspettative realistiche. «Nella maggior parte dei casi, si tratta di automazioni evolute, basate su logiche di RPA “agentiche”, arricchite da componenti di classificazione, previsione o generazione testuale, applicate a processi fortemente tipizzati, soprattutto in ambito amministrativo, finanziario e commerciale, con nuovi rilasci periodici su nuove funzionalità. Ma su processi più complessi e meno strutturati – eccezioni della supply chain, pianificazione integrata della produzione, procure-to-pay – non è realistico attendersi “fuochi d’artificio” nel breve periodo.

Nel contesto ERP, l’AI va interpretata principalmente come un copilota: «Uno strumento che affianca le persone e accelera i processi, senza sostituire il giudizio umano. Nei processi ERP complessi e poco strutturati, l’AI non elimina passaggi, non riduce automaticamente i lead time fisici e non governa le eccezioni. Questa impostazione è coerente sia con lo stato attuale della tecnologia, sia con i vincoli organizzativi e normativi delle imprese industriali». Nelle realtà industriali avanzate come Arvedi, l’adozione dell’AI, nelle sue componenti predittive, di ottimizzazione, generative e agentiche, viene affrontata con un approccio greenfield, accompagnato da policy chiare e conformi ai principali riferimenti regolatori. «Un elemento distintivo è l’attenzione alla comunicazione interna e alla cultura organizzativa» – spiega Moser. «Per questo abbiamo scelto di definire principi guida chiari ed espliciti, lavorando su un decalogo destinato a tutti i dipendenti, con l’obiettivo di chiarire fin dall’inizio alcuni punti fondamentali».

Il primo riguarda l’algoretica – «come leva per potenziare le capacità umane e non per sostituirle». Il secondo è legato alla natura profit-oriented dell’impresa: «L’intelligenza artificiale ha senso solo se è in grado di creare valore reale, non esclusivamente economico ma anche operativo, organizzativo e ambientale. Il terzo principio è quello della sostenibilità, assunto come criterio di valutazione trasversale: «Un progetto di AI, per essere adottato, deve dimostrare di poter funzionare e produrre benefici nel tempo, evitando approcci effimeri o puramente sperimentali». Per Omar Moser il pragmatismo sopravanza l’entusiasmo. ERP e AI possono evolvere insieme, ma solo attraverso un percorso realistico, graduale e governato. «L’AI non risolve automaticamente le inefficienze esistenti, ma le rende più visibili. In assenza di processi solidi, dati affidabili e una cultura organizzativa matura, l’AI embedded rischia di restare una promessa tecnologica più che una leva di trasformazione reale».

Sinfo One – ERP intelligente: la frontiera è già qui

TeamSystem – ERP intelligenti: una leva strategica

Formula – Dai sistemi IT ai risultati. L’ERP al tempo dell’AI

EOS Solutions – Quando il gestionale diventa intelligente: l’impatto dell’AI sull’ERP

L'articolo AI-powered ERP: perché non è plug-and-play proviene da Data Manager Online.

Il dibattito sull’intelligenza artificiale generativa ha superato i confini dei laboratori di ricerca per entrare nei board di tutto il mondo e anche nei “peggiori bar di Caracas”, mescolando alto e basso. Da GPT a Claude – i Large Language Model (LLM) – promettono di trasformare il modo in cui le aziende operano. Non è solo una questione di numeri ma di consapevolezza. Così come la Costituzione del ‘46 richiedeva educazione e partecipazione per trasformare i cittadini, le aziende devono sviluppare governance dei dati e comprensione critica degli algoritmi per non diventare un nuovo teatro di marionette.

L’illusione di trasparenza e neutralità cela rischi concreti di distorsione e asimmetria. Come per la creatura di legno di Carlo Collodi, nel bicentenario della nascita dell’autore, si tratta di un percorso di consapevolezza e verifica continua delle scelte. Benedetto Croce scrisse che “l’umanità è il legno in cui è intagliato Pinocchio”, un’umanità che non può illudersi di delegare il giudizio ai modelli linguistici di grandi dimensioni, in cambio di qualche promessa nella “città di Acchiappacitrulli”.

Il giudizio non può essere delega e non può essere disarticolato dalla responsabilità. La plausibilità superficiale non può sostituire la verifica – come avverte Walter Quattrociocchi, professore ordinario di Informatica all’Università La Sapienza di Roma e direttore del Center for Data Science and Complexity for Society. L’AI generativa è una scorciatoia e come ogni scorciatoia permette di risparmiare tempo, ma può essere pericolosa: tutti la usano, ma molti dimenticano che il suo funzionamento è statistico, non cognitivo. Macchine parlanti più che intelligenti – come spiega Alessandro Lenci, direttore di Dipartimento di Filologia, Letteratura e Linguistica dell’Università di Pisa insieme alle ricercatrici Serena Auriemma e Martina Miliani nel loro ultimo lavoro (“Linguistica computazionale. Natural language processing e intelligenza artificiale” – Hoepli, 2025).

In termini di business significa che questi modelli non possono sostituire l’intelligenza umana, ma la possono solo affiancare. Le aziende devono pianificare investimenti realistici, ma senza illudersi che siano la chiave definitiva. Inoltre, tutte le volte che ai CIO, CTO o COO viene chiesto di adattare le procedure ai limiti delle macchine, si inverte il rapporto tra tecnologia e lavoro, tra soggetto e oggetto.

Il problema – avverte Luciano Floridi, direttore del Digital Ethics Center dell’Università di Yale – è progettare città, servizi e istituzioni ottimizzati per l’efficienza degli agenti artificiali, più che per i bisogni delle persone. Questo switch sopravanza la realtà del mondo. Per dirla con Wittgenstein, i limiti del mio linguaggio sono i limiti del mio mondo. La conoscenza non è un workflow riducibile a energia, materia e informazione come mi ha insegnato Luigi Lombardi Vallauri in uno dei primi seminari di informatica giuridica. La vera sfida è quindi una sfida di design sia degli ambienti in cui questi sistemi operano sia dei sistemi stessi.

Nel frattempo troveremo parole nuove per chiamare questo tipo di capability senza generare equivoci o alimentare false promesse. E forse i benefici dell’adattamento saranno reciproci. In questa fase di passaggio, parlare di design significa soprattutto parlare di responsabilità. Una cosa che nessuno vuole mai. Neppure le grandi compagnie di riassicurazione del rischio. La grande tentazione? Se qualcosa va storto, dare la colpa alla macchina. Oppure ai manager quando non serviranno più per decidere, ma non è questo ancora il momento. Mentre si giura e si scongiura che, dopotutto, non esiste una bolla dell’AI, è sicuro che qualcuno perderà una montagna di soldi in progetti sbagliati o per aver creduto di tagliare il ramo su cui era seduto. Ma la spinta dell’AI generativa è così forte che dovremmo farci i conti comunque.

L'articolo Manager e marionette proviene da Data Manager Online.

Se un circuito superconduttivo, grande quanto una moneta, può comportarsi come una singola particella quantistica e mantenere gli effetti a livello macroscopico, allora tutto è possibile. Nel centenario della meccanica quantistica, il Premio Nobel per la Fisica è stato assegnato al trio Clarke, Devoret e Martins, per l’esperimento che ha portato il tunnel quantistico fuori dal dominio degli atomi, rendendo visibili i suoi effetti anche sul banco di un laboratorio di elettronica. Nel 1975 Gordon Moore formulava la previsione secondo cui il numero di transistor nei chip sarebbe raddoppiato ogni due anni. Oggi, invece, siamo noi a dover raddoppiare il nostro sguardo strategico, non più ogni due anni, ma ogni giorno.

L’evoluzione del business attraverso la lente dell’innovazione suggerisce un approccio che non si limita a osservare la realtà così com’è. L’innovazione diventa una lente per esplorare il cambiamento cogliendo anche quello che normalmente sfugge a occhio nudo. Ma la potenza di fuoco può distorcere la realtà: l’innovazione è un percorso che richiede capacità di orientarsi anche nell’incertezza. Il mercato digitale mostra segnali di crescita in quasi tutti i settori, ma a velocità diverse. In testa ci sono sanità, PA e banche. Seguono utility, telco e media. A seconda di chi li misura, i macroindicatori del mercato ICT italiano sono buoni: cloud, intelligenza artificiale, sicurezza e dati trainano gli investimenti. Sul lungo periodo, il quantum computing rappresenta un’area di forte innovazione. Il 2025 è sicuramente un anno di svolta per la spinta sistemica sull’AI e per i movimenti tellurici che stanno ridisegnando gli equilibri del mondo. I mercati sono buoni predittori, ma se le imprese sono avverse al rischio, i mercati tendono a sottostimarlo. Partendo dai dati Istat, OCSE e Fondo Monetario Internazionale, le stime per il 2025 del PIL italiano sono state riviste dallo 0,7% allo 0,5%. Non è una buona notizia. Se consideriamo che questo 0,5% rappresenta investimenti da PNRR, le previsioni di crescita sono a zero. Secondo il decimo Rapporto ASviS 2025 siamo su un sentiero di sviluppo insostenibile.

Il mondo ICT si prepara a dodici mesi in salita. Il mercato dei semiconduttori è sotto pressione. Il quadro competitivo dell’hardware AI ruota intorno a tre leve principali: il costo dei chip, i massicci investimenti in infrastrutture e la pressione esercitata dai modelli open source sui margini dei fornitori di GPU. La domanda legata all’AI e al cloud resta però un traino di lungo periodo, ma l’eccesso di finanziarizzazione del mercato ICT rappresenta un rischio. I fornitori cloud devono affrontare margini più sottili: energia e materie prime più care aumentano i costi dei data center. Le aziende clienti devono fare i conti con budget IT ridotti ma chiedono più efficienza. Ne emerge una spinta verso soluzioni multicloud e infrastrutture locali, in nome della resilienza e della sovranità digitale.

Progettare prima di trasformare

L’AI rimane il cuore degli investimenti tecnologici globali, alimentati da governi e big tech. Dalla digital transformation stiamo passando all’agentic transformation. Sotto il cofano, modelli linguistici e accesso in tempo reale tramite infrastrutture di AI distribuita. Saremo “raccomandati” dagli agenti e sarà più difficile capire perché un agente ha scelto un contenuto rispetto a un altro. Nella nuova dialettica tra capitale e lavoro, l’AI si appropria dei mezzi di produzione cognitiva: dati, modelli, infrastrutture. Il lavoro perde potere contrattuale nelle attività ripetitive e guadagna valore in competenze di supervisione.

Tuttavia, un guadagno di performance non è sempre un guadagno di affidabilità. Senza questa consapevolezza si rischia di scambiare per comprensione ciò che è soltanto riflesso statistico dei dati di addestramento. Negli ultimi mesi, molte imprese hanno accelerato l’introduzione dell’AI nei propri sistemi aziendali. La vera innovazione non sta nell’adottare l’intelligenza artificiale prima degli altri, ma nel fermarsi a progettare prima di trasformare. La tecnologia non è mai neutra: costruisce ambienti, plasma contesti di vita, modifica in profondità le relazioni tra individui, imprese, società e natura. Abbiamo imparato linguaggi diversi per comunicare con le macchine: oggi, le macchine parlano il nostro linguaggio: chi impara? Se gli agenti AI fanno il lavoro, i manager restano a prendersi la colpa. Il linguaggio è il sistema per leggere e pensare la realtà: non è solo questione di parole o codice.

Stiamo attenti quando diciamo che l’AI è solo uno strumento. La cybersecurity è anticiclica per definizione e sopravanza gli scenari bellici. La superficie di attacco si allarga, spingendo ad aumentare budget per la difesa, la compliance e la formazione delle persone. L’approccio “zero trust” sta diventando uno standard di fatto, dentro e fuori le aziende. La cybersecurity si trasforma da voce passiva nei bilanci IT a linea di investimento strategico direttamente sotto la supervisione del board: un singolo fornitore IT può fermare un intero paese. Il dato più preoccupante? Non l’importo del riscatto o del danno, ma la dipendenza.

L’Europa tra consolidamento e vulnerabilità

Anche la geografia delle fusioni e acquisizioni reagisce al cambiamento. Negli ultimi nove anni, le operazioni di operazioni di M&A nel settore tecnologico italiano sono aumentate del 92%. Il boom di attività è conseguenza delle strategie di consolidamento dei player lato software e servizi. L’Italia ha visto una crescita marcata dei deal su IT, media e telecomunicazioni, con forte impulso da parte del private equity: una crescita clamorosa, che però racconta solo metà della storia. Questo significa che le aziende italiane sono più “a buon mercato”, per i fondi di private equity, multipli bassi si traducono nella possibilità di comprare a poco e rivendere a molto. Manca un “campione” pure tech, e questo rende l’Italia e l’Europa vulnerabili. Rischiamo di disarticolare il concetto di indipendenza da quello di conoscenza. Con un mercato di 450 milioni di consumatori, l’Europa non può diventare periferia: la vera rivoluzione parte da qui. Se l’Italia non può competere con i giganti allora bisogna coltivare oggi il terreno della competizione futura. Abbiamo bisogno di costruire campioni europei lungo due direzioni: la prima è quella dello sviluppo del mercato interno, la seconda è quella tecnologica.

Nessun Paese europeo, da solo, può sostenere la scala industriale che oggi serve per restare competitivo. La capacità di costruire tecnologie strategiche – dalla difesa alla ricerca avanzata, dall’energia alle reti, fino alle infrastrutture per le tecnologie dirompenti – richiede capitali, talenti e filiere che nessun singolo stato possiede. L’Europa però ha un vantaggio unico: può mettere in comune risorse, know-how e capacità produttive. Solo così può sviluppare la massa critica necessaria per restare un attore tecnologico e industriale rilevante nel nuovo ordine globale. L’Italia è l’unico paese UE dove gli incentivi hanno privilegiato macchinari e hardware rispetto ai software gestionali: un paradosso in un’economia data-driven. La lente dell’innovazione deve aiutare a vedere attraverso la nebbia della retorica. Ma occorre anche la speranza nel cambiamento e la fiducia nelle capacità di attuarlo. La frammentazione spezza le supply chain globali, mentre la potenza muscolare e ibrida diventa metodo che influenza anche i rapporti di forza tra imprese, clienti e partner. Il successo non è dominio sul nemico o sul competitor di riferimento, ma capacità di collaborare: una risposta che deve partire anche dalle aziende, dai manager che guidano la trasformazione.

Costruire il cambiamento senza subirlo

Il dibattito è polarizzato sull’AI in tutte le sue declinazioni. La spinta è così forte che dovremmo farci i conti comunque. Dietro i dati c’è una verità che non può essere ridotta alla somma algebrica di energia, materia e informazione. Oggi possiamo scrivere linee di codice, fare una sintesi di un report di 1800 pagine come la legge quadro italiana sull’AI, ma dobbiamo stare attenti alle trappole e alle scorciatoie. L’intelligenza artificiale è disegnata da esseri umani, controllata da esseri umani e le conseguenze positive o negative saranno sempre, comunque e soltanto umane.

Ogni algoritmo, ogni dashboard, ogni profilo digitale restituisce solo una frazione della complessità. Il problema non è la tecnologia in sé, ma il momento in cui iniziamo a credere che quella frazione sia tutto ciò che serve. Accade negli ospedali, quando i medici guardano più agli schermi che ai pazienti. Nelle aziende, quando riduciamo le persone ai loro KPI. Nelle relazioni, quando sostituiamo la verità umana con metriche e analytics. La capacità di agire nell’incertezza senza dati, in ambienti non adatti, non è un bug ma una feature. Con l’aiuto dell’AI agentica potremo esprimere la parte migliore di noi stessi come giornalisti, manager e imprenditori. Dati, capacità computazionale, materie prime, energia, lavoro e demografia definiscono rapporti di forza e di potere. La tecnologia disarticola questi rapporti, azzera il concetto di massa e senza masse non c’è avanguardia ma un loop continuo.

Davanti si apre un bivio: da una parte c’è una specie di nuovo feudalesimo tecnocratico con prìncipi, vassalli, valvassini e valvassori. Dall’altra una nuova età dei Comuni. I mali del mondo non vengono dall’intelligenza artificiale. Siamo stati bravissimi da soli a cancellare 70 anni di multilateralismo. La velocità non è un valore assoluto. L’infallibilità non significa progresso. L’incertezza ci spinge a non dare tutto per scontato e a metterci in discussione. Anche il caos è un ambiente operativo. Mentre la politica per decidere guarda all’economia e l’economia corre dietro alla tecnologia, serve rimuovere le barriere inutili e trovare un accordo su come finanziare i giganteschi investimenti tecnologici che ci aspettano. Questa è la nostra più grande opportunità: costruire il cambiamento senza subirlo.

L'articolo L’evoluzione del business attraverso la lente dell’innovazione proviene da Data Manager Online.

La decima edizione di WeChangeIT Forum si apre con un riconoscimento speciale: il premio “Manager dei Dati”, che celebra non solo la competenza tecnica nella gestione dei dati, ma la visione strategica di chi sa trasformarli in valore e cambiamento. Alla vigilia dei 120 anni dalla nascita di Enrico Mattei – simbolo dell’Italia che ha il coraggio di innovare senza subire l’innovazione – il Premio Manager dei Dati 2025 viene conferito a Dario Pagani, responsabile Digital & Information Technology di Eni e CEO di Eniquantic, per la sua capacità di interpretare e guidare la trasformazione digitale come leva strategica e culturale.

Pagani connette mondi spesso distanti – IT e business, governance e tecnologia, persone e processi – costruendo un modello in cui il dato diventa un asset competitivo e un fattore abilitante di trasformazione. Eniquantic, nata lo scorso anno per sviluppare una macchina quantistica integrata, hardware e software, potrà beneficiare della capacità computazionale dei supercalcolatori HPC (High Performance Computing) di Eni, sia per approfondire le possibili integrazioni tra le architetture quantistiche e quelle classiche, sia per sperimentare l’efficacia di algoritmi che simulano i principi della computazione quantistica su casi d’uso in ambito energetico di diretto interesse di Eni.

Pagani introduce una prospettiva di sviluppo di lungo periodo che integra infrastruttura tecnologica e capacità di guardare al futuro con fiducia, responsabilità e crescita sostenibile. «Un modello che non solo valorizza il capitale intellettuale di Eni, ma apre nuove opportunità nei settori più digital-intensive, puntando su casi d’uso a massimo impatto per il mondo dell’energia». Dai Big Data ai Good Data: l’intelligenza artificiale smaschera l’illusione dell’abbondanza e sposta l’attenione sulla qualità, la struttura e la governance dei dati. Nella visione di Dario Pagani, l’intelligenza artificiale è una «lente» che ci obbliga a cambiare prospettiva. «Le nuove tecnologie ci mostrano che le conoscenze, apparentemente molto ricche, possono rivelarsi limitate se non si basano su dati solidi e strutturati».

Il paradosso che frena l’innovazione

Equilibrio e approccio “tecnopratico” sono la sintesi distintiva del suo stile di leadership, che unisce prospettiva e capacità di ascolto. «Occorre la capacità di vedere oltre, dove gli altri non guardano o non riescono a vedere» – spiega Pagani. È la lezione che viene da Enrico Mattei: «Intuire i percorsi invisibili e avere il coraggio di intraprenderli. Oggi lavoriamo sul calcolo quantistico, sapendo che è un’avventura ambiziosa, ma convinti che lì possa esserci un nuovo vantaggio competitivo». È la differenza tra ricerca e sviluppo: «Non ci limitiamo a studiare, trasformiamo la ricerca in delivery, in soluzioni concrete. Per me, innovazione e operations devono camminare insieme. Non esiste chi innova senza conoscere l’operatività, così come non esiste un buon operation manager senza visione innovativa. E questo, più che competenza tecnica, è cultura d’impresa».

Laurea in Scienze Economiche, milanese di nascita, incrollabile fede nerazzurra. Determinazione, capacità di contaminare conoscenza tecnica e visione strategica non gli fanno difetto. Ci sono momenti in una carriera che segnano una svolta. Per Dario Pagani, quel momento arriva quando, dopo dieci anni nella produzione di Agip, decide di lasciare il cosiddetto core business per dedicarsi all’IT. Una scelta che all’epoca molti giudicano azzardata. L’IT non aveva ancora il ruolo strategico che conosciamo oggi: «Ma ho seguito l’istinto. E i fatti mi hanno dato ragione». La seconda svolta arriva con il passaggio a una grande azienda internazionale. «Volevo confrontarmi con un orizzonte più ampio e un pensiero più grande. Ho sempre creduto che fosse meglio essere l’ultimo dei primi che il primo degli ultimi. E volevo dimostrare che nelle grandi aziende non ci si perde ma ci si realizza».

Per separare l’hype del momento dalle scommesse di lungo periodo – spiega Pagani – servono visione e concretezza. «In azienda devi essere riconosciuto come quello che fa accadere le cose, non come chi le promette e basta». Eni è all’avanguardia del supercalcolo, ma si sta impegnando ora anche in un altro settore strategico: il calcolo quantistico. Una sfida complessa, ma strategica. Alla base, oltre il know-how tecnico, due attitudini imprescindibili: curiosità e generosità. «La curiosità, perché nessuno può permettersi di smettere di studiare. La generosità, perché il cambiamento richiede condivisione e motivazione».

Uno spunto di riflessione importante quando si parla di innovazione e talenti. Pagani mette a nudo un paradosso strutturale che molte grandi organizzazioni conoscono bene: la gestione dei talenti non è soltanto una questione di trovare le persone giuste, ma di saperle condividere e coltivare nei passaggi chiave dell’organizzazione. Se allarghiamo lo sguardo alla cultura dell’innovazione, il messaggio è diretto: senza generosità e senza fiducia non esiste reale capacità di trasformazione. Le tecnologie possono accelerare, ma sono le persone a fare la differenza.

Attenzione alle scorciatoie

La scelta di costruire un computer quantistico full stack, hardware e software, nasce da un’esigenza concreta: «Ci serve oggi e ci servirà ancora di più nei prossimi decenni». Perché nel settore energetico il calcolo quantistico non è un esercizio per il futuro, ma una risposta a esigenze industriali già presenti, che impone anche un ripensamento dell’organizzazione e dell’IT.

Affidarsi a soluzioni “chiavi in mano” significherebbe dipendere dai tempi di maturazione tecnologica dei fornitori e perdere know-how su un dominio strategico. Per gestire la complessità, Pagani crede in due parole chiave: accountability e trust. «Responsabilità e fiducia. Senza questi due elementi, la collaborazione non esiste». Eni ha scelto di investire internamente nell’intelligenza artificiale per non diventare un semplice consumatore di tecnologia. «Non basta avere capacità di calcolo: servono integrazione, software dedicati, competenze. È quello che noi abbiamo perché vogliamo guidare la tecnologia, non subirla. Questo ci dà autonomia e capacità di innovare secondo i nostri bisogni».

E aggiunge un richiamo forte alle competenze umane: «Non vinceremo con i calcoli migliori, ma con la capacità di porci le domande corrette. Servono sensibilità, pensiero critico, cultura. Le scorciatoie tecnologiche rischiano di spegnere passione e pensiero critico. Non possiamo permetterlo».

L'articolo Dario Pagani, l’energia dei dati proviene da Data Manager Online.

Nel cinema di Pupi Avati – classe 1938, 54 film diretti, 53 sceneggiature scritte – dietro ogni “Cavaliere che tenta l’impresa” c’è sempre un “Ultimo minuto” di coraggio, un “Regalo di Natale” inaspettato, una “Storia di ragazzi e di ragazze” che si trasforma in ricordo, cultura e innovazione. Il suo sguardo è profondamente umano come in “Fratelli e sorelle”, “Il cuore altrove”, “Una sconfinata giovinezza”. Perché anche nel mondo più tecnologico, il progresso nasce dalle relazioni, dai sogni, dalle emozioni.

Come ogni organizzazione matura, anche il suo cinema diventa consapevolezza. Con “L’orto americano” e “Nel tepore del ballo” di prossima uscita, Avati ci ricorda che innovare significa anche coltivare, con pazienza e cura, un terreno inesplorato, ma mai il proprio “orticello”. Perché ogni percorso è sempre una storia di caduta e rinascita, che si intreccia con l’esistenza degli altri di cui facciamo parte, a volte come coprotagonisti, a volte come semplici comparse.

Pupi Avati non è solo un regista: è un artigiano dell’immaginario, un innovatore che trasforma le storie in ecosistemi di significato. Nel suo cinema, come nel business, l’evoluzione non è una linea retta, ma una narrazione ciclica, viva, fatta di rischio, di sogno e di invenzione continua.

«L’innovazione è dialogo tra ciò che siamo e ciò che possiamo diventare». Il linguaggio è il sistema operativo per leggere, pensare, raccontare e reinventare la realtà. La vita è la curva di un sentiero che si arrampica fino a scollinare. Il passato ci aspetta e si ricongiunge con il presente: luogo della memoria e delle radici. E da lì si ricomincia, per costruire qualcosa di nuovo e per rinnamorarsi della vita, come nella sua autobiografia dal titolo “Rinnamorarsi” (Solferino, 2025). E forse è proprio questo il senso più profondo dell’innovazione: non dimenticare chi siamo, mentre impariamo a diventare la versione migliore di noi stessi.

L’inizio della salita

A chiusura della decima edizione di WeChange IT Forum 2025, l’intervento di Pupi Avati non si può considerare un keynote né una lectio magistralis, ma una condivisione a bassa voce che ha il sapore di una conversazione tra vecchi amici. L’esordio di Pupi Avati alla regia inizia nel ‘68 con titoli controcorrente, che già annunciano il coraggio di entrare in territori inesplorati (“Balsamus, l’uomo di Satana”). Avati attraversa l’incertezza del cambiamento in “Thomas e gli indemoniati” (1970), per poi trasformare l’improbabile in arte come nella “Mazurka del barone, della santa e del fico fiorone” (1975): una sinfonia di elementi diversi che, insieme, generano qualcosa di nuovo. C’è la paura di sbagliare nella “Casa dalle finestre che ridono” (1976), ma anche la forza di reinventarsi in “Tutti defunti… tranne i morti” del 1976, perché solo chi accetta di “morire” può trasformarsi e trasformare la realtà. E poi arriva la fase visionaria: “Aiutami a sognare”, “Una gita scolastica”, “Noi tre”: tutti titoli che parlano di formazione, apprendimento, sperimentazione di senso.

Riconoscere il talento negli altri richiede a sua volta il talento di intuire la poesia segreta delle persone che incontriamo tutti i giorni. Nella vita professionale come nella vita: «Molti scelgono senza saper scegliere» – osserva Pupi Avati. È una constatazione amara: l’incompetenza non è ignoranza tecnica, ma mancanza di sensibilità umana. «E ogni essere umano – lo ricorda con tenerezza – porta con sé una storia irripetibile, un sogno che chiede solo di essere accolto, raccontato, fatto vivere».

L’incontro decisivo

Il regista ritorna alla Bologna degli anni Cinquanta, quando è ancora convinto che la musica sia il destino che lo attende. Suona il clarinetto, strumento che maneggia con discreta ambizione finché non incontra Lucio Dalla, che suona lo stesso strumento. «Ma clamorosamente meglio». Il jazz è competitivo – ricorda Avati. «Non si suona insieme, si suona uno contro l’altro». Quando capisce che quell’omino barbuto, inizialmente sottovalutato per l’aspetto esteriore, è un genio inarrestabile, arriva persino ad augurargli una brutta fine. Avati lo dice con quell’ironia tragica tipica dei suoi racconti. Davanti ai compagni della Doctor Dixie Jazz Band, annuncia il suo addio alla musica. «Nessuno si oppone» – nota con un sorriso che non tradisce alcuna amarezza. Fine di un sogno. Poi il ritorno alla realtà: un impiego stabile come dirigente in una fabbrica di surgelati. «I quattro anni più brutti della mia vita. Tanti sarebbero stati felicissimi alla Findus. Io no».

Il fallimento e la fuga a Roma

Il destino cambia direzione in una sala buia, grazie a “Otto e mezzo” di Federico Fellini. La visione di quel film lo fulmina. Scopre che il cinema ha la potenza di raccontare l’intimità, ciò che si nasconde sotto la pelle delle persone. Alla fase della scoperta, segue quella della produzione, con alcuni ragazzi di Bologna. Un’avventura, che lo stesso regista non esita a definire «disastrosa». Due film, un fallimento economico colossale e la fuga a Roma. Due anni bastano per convincerlo che è tempo di ricominciare da capo. E tuttavia, dice Avati: «I nuovi inizi non devono mai spaventare». Anzi, più un sogno è ambizioso, più ha possibilità di realizzarsi. «Il vero problema sono i sogni modesti».

Lo “scollinamento”

Nella sua autobiografia, Pupi Avati parla di un sentimento nuovo: la riemersione di voci, volti, odori dell’infanzia e di un’Italia ormai evaporata. Racconta della ragazza, diventata sua moglie, della corte ripetuta al limite dello stalking e del sì pronunciato più per sfinimento che per entusiasmo. Sessant’anni dopo, Pupi Avati si riscopre innamorato di lei come il primo giorno, ma con la limpidezza dello sguardo maturo. La vede come all’inizio: una delle ragazze più belle di Bologna, con quella fierezza misteriosa delle donne che non si lasciano mai domare del tutto. E riconosce che quella donna – con cui l’interlocuzione quotidiana si riduce a un “ciao” e un “ah!” – gli è diventata oggi ancora più attraente di ieri, non per eros ma per rivelazione: «È la stessa bellezza, tornata da lontanissimo».

Nell’età che avanza – sostiene Avati – accade qualcosa di sorprendente: «Si ritorna bambini». Nella cultura contadina la vita è come una collina: «Si sale con l’illusione di diventare qualcuno, si arriva in cima e ci si accorge che il percorso è più interessante della meta». È la Madeleine proustiana: lo sguardo che dal futuro si gira verso il passato, come se da quella vetta il mondo illuminasse all’indietro la strada dell’infanzia, donandole un significato nuovo. E qui Avati introduce un’altra immagine: la vita come un’elisse. Il bambino che scopre il mondo, il ragazzo che capisce la finitezza delle cose, l’adulto che crede di poter costruire tutto. Poi il vertice, e infine la discesa: «Lo scollinamento, che è anche una liberazione».

Il punto d’arrivo

Con l’autoironia che non gli fa difetto, Pupi Avati racconta il ritorno ai piccoli gesti e alle abitudini dell’infanzia – le caramelle come un bene di prima necessità – e accenna alle varie incontinenze della vecchiaia: quelle che non vale la pena nominare. E quelle che rendono anche i cinici incalliti più umani. La trasformazione radicale è un’altra: «Ridere e piangere per niente, liberi come bambini». È la vulnerabilità, che Avati definisce come il punto d’arrivo dell’essere umano, la condizione che rende finalmente capaci di riconoscere l’altro, soprattutto il debole, il timido, lo sconfitto. È in quella fragilità, non nell’assertività, che si ritrova la verità di sé. Il racconto di Pupi Avati si chiude con l’immagine di un piano sequenza: un portone, una scala, una porta che si apre su un corridoio, poi un’altra porta, una cucina. E dentro quella stanza, due esseri umani che lo aspettano per cena: suo padre e sua madre. È il ritorno all’origine, dove tutto comincia e tutto, misteriosamente, ritorna.

L'articolo Pupi Avati, l’innovazione è lo sguardo che trasforma il mondo proviene da Data Manager Online.

Se l’OT è nel mirino degli attacchi cyber che hanno funestato il 2025, uno degli aspetti meno considerati resta la cultura della sicurezza informatica in produzione, dove l’imperativo è produrre senza mai fermare gli impianti. Un imperativo che spesso costituisce anche il tallone d’Achille legato a doppio filo al fattore legacy dei sistemi industriali.

Renato S. Marafioti, presidente dell’Associazione Culturale Format E.T.S di Reggio Calabria, arriva al cuore del problema nel suo libro dal titolo “Cybersecurity delle reti OT – Analisi dei principali attacchi e contromisure”, attualmente disponibile solo in versione e-book (Abra Books, 2025 – Saggistica). E affronta il tema della sicurezza OT dal punto di vista del change management: «La cybersecurity industriale non è solo una sfida tecnologica, ma soprattutto culturale e manageriale».

Formatore di lungo corso, Marafioti ha dedicato la sua vita alla preparazione e riqualificazione delle risorse umane partendo da una regione, la Calabria, che sta puntando moltissimo sullo sviluppo e le certificazioni delle competenze per la crescita del territorio. Con la progressiva convergenza tra IT e OT, la fabbrica connessa abbatte i domini classici. Marafioti parte proprio da questa frattura: l’IT storicamente centrato sui dati, l’OT focalizzato sui processi, sulla disponibilità e sulla sicurezza fisica. Una dicotomia che si è sedimentata nelle organizzazioni industriali e che rappresenta uno dei principali ostacoli alla costruzione di una strategia di sicurezza integrata.

Il punto di forza del volume è l’attenzione al fattore umano. Se è vero che le reti OT sono sempre più nel mirino degli attacchi cyber, è altrettanto vero che molti incidenti vanno a segno per errori operativi, configurazioni errate, accessi remoti non protetti e una conoscenza incompleta degli asset presenti in rete.

In numerosi impianti produttivi – come evidenzia l’autore – non si sa nemmeno quanti dispositivi siano effettivamente collegati. In questo scenario, firewall mal configurati e una segmentazione di rete insufficiente diventano porte spalancate per i malware industriali.

I dati di contesto rafforzano l’urgenza del tema. La quasi totalità degli incidenti cyber che colpiscono l’IT ha ricadute anche sull’OT, e circa un terzo delle aziende industriali ha già subito attacchi che hanno generato interruzioni operative e impatti diretti sul business.

Il Rapporto CLUSIT 2025, colloca l’Italia tra i Paesi più colpiti a livello globale, con oltre il 10% degli attacchi mondiali. Un dato che rispecchia la struttura del nostro tessuto produttivo: una forte presenza di PMI manifatturiere, spesso dipendenti da tecnologie operative avanzate ma non sempre adeguatamente protette.

Marafioti affronta con chiarezza le principali vulnerabilità delle infrastrutture critiche e propone una rassegna ordinata di best practice: dalla gestione degli accessi alla segmentazione delle reti, dal monitoraggio continuo all’adozione di tecnologie di difesa specifiche per l’ambiente OT, smantellando il trade-off categorico tra sicurezza e continuità operativa. Oggi sappiamo che un incidente cyber interrompe la produzione, un ransomware OT può fermare un impianto per giorni e la mancanza di sicurezza è una minaccia diretta alla continuità. «La non-sicurezza è il vero rischio operativo» – spiega Marafioti.

Il libro si distingue per il taglio pragmatico e formativo, coerente con il profilo dell’autore, da anni impegnato nella formazione in ambito ICT. Non è un manuale iper-specialistico per addetti ai lavori, né un testo divulgativo generico: si colloca in una zona intermedia, utile a manager industriali, responsabili di stabilimento, professionisti della sicurezza e decisori chiamati a governare la convergenza tra IT e OT.

L'articolo OT security, quando la fabbrica diventa vulnerabile proviene da Data Manager Online.