Nel punto di intersezione fra medicina, assistenza sanitaria, nuove tecnologie e stili di vita si sta sviluppando il futuro del mondo healthcare. Il percorso di digitalizzazione è probabilmente arrivato a una nuova svolta decisiva, che trova forma e concretezza in due componenti assai note: l’intelligenza artificiale (e le sempre più avanzate capacità di elaborazione e analisi degli algoritmi) e i dati, la cui gestione (intelligente e sicura) è più che mai un tassello imprescindibile per migliorare l’efficienza dei processi di cura in ospedale e la qualità dei servizi offerti. Sono tante, oggi, le domande sul tavolo di chi dirige le strutture sanitarie e di coloro che hanno la responsabilità di farle funzionare al meglio con l’ausilio degli strumenti informatici.

Proviamo a metterne in fila alcune: l’AI applicata al mondo della sanità ha già raggiunto un livello soddisfacente (o addirittura eccessivo) o ne stiamo pagando il sottoutilizzo? E quali sono i rischi legati al suo impiego sistemico? E come prevenirli? Come si possono sfruttare in modo aperto e condiviso i dati provenienti dal mondo esterno (social media, dispositivi mobili, apparecchiature stradali e satellitari…) per migliorare l’offerta di cure? Mancano regole e competenze o è solo una questione di scarse risorse da investire nell’adozione del digitale? Autorevoli esperti e numerosi studi hanno ribadito in più occasioni come l’intelligenza artificiale sia da intendere come un vero e proprio “game changer” da mettere a fattor comune per potenziare l’intero ventaglio di interventi a beneficio della persona, dalla previsione dell’insorgenza di una malattia grazie alla radiologia diagnostica per immagini allo sviluppo di nuovi e più mirati trattamenti farmacologici, dalla stesura delle lettere di dimissione al supporto clinico per la valutazione di un ampissimo ventaglio di parametri da cui derivano strategie terapeutiche.

L’obiettivo a cui tendere, sin da quando ha preso avvio il processo di trasformazione digitale del settore sanitario, è quello di arrivare presto a una nuova era dell’assistenza medica, più personalizzata e partecipativa, predittiva e preventiva, per alzare sensibilmente il livello dell’esperienza di cura e ridurre contestualmente i costi di gestione pro capite dei pazienti. L’applicazione delle tecnologie di machine learning ad alcuni processi clinici chiave e la capacità di “imparare” dall’enorme mole di informazioni disponibili di questi strumenti sono però solo un aspetto della rivoluzione che sta vivendo il mondo healthcare. I dati, come abbiamo già scritto, sono la materia prima che (se ben lavorata e valorizzata) permette di affrontare in modo più strutturato i bisogni sanitari delle persone rispetto all’ambiente in cui vivono e lavorano e di ripensare in una prospettiva digitale gli scenari di assistenza e benessere che le riguardano. Servono quindi modelli di governance in grado di assicurare la piena interoperabilità del patrimonio informativo messo a disposizione dalle infrastrutture tecnologiche abilitanti e, non in ultimo, occorre tenere sempre in cima alla lista delle priorità il tema della sicurezza informatica.

Le conseguenze sociali dell’interruzione dei servizi di cura a causa di disservizi e malfunzionamenti provocate da terzi (la frequenza e la pervasività degli attacchi ransomware diretti contro gli operatori della sanità ha raggiunto nel 2024 il livello più alto degli ultimi quattro anni) o la diffusione di informazioni sullo stato di salute dei cittadini sono particolarmente rilevanti e per garantire la massima integrità dell’intero ecosistema (infrastrutture IT, dati, operatori e pazienti) è necessario che ciascun attore sia pienamente consapevole degli impatti e delle opportunità legati all’adozione delle tecnologie innovative. A questi temi è stata dedicata la tavola rotonda “Intelligent Healthcare” di Data Manager, con la partecipazione al dibattito di un variegato panel di esperti in rappresentanza di tech provider e system integrator specializzati e delle più importanti aziende italiane del settore.

#sanitàdigitale L’AI come game changer per ottimizzare le risorse e migliorare la qualità delle cure
Click To Tweet

LA SANITÀ DEL FUTURO

Non è semplice tratteggiare il complesso scenario dell’evoluzione della sanità in chiave tecnologica e dell’effettiva portata del cambiamento in atto. Antonio Fumagalli, CIO e CISO dell’ASST Papa Giovanni XXIII di Bergamo, parte da una precisa premessa: «La sanità è pervasa dall’informatica, e per questo motivo non possiamo sottovalutare nessun aspetto che riguarda la progettazione, la costruzione e la gestione dei sistemi informativi e delle soluzioni che utilizziamo per assicurare la necessaria assistenza ai pazienti. Oggi, molti italiani accedono ad alcuni servizi in forma digitale attraverso i portali della propria Regione o app dedicate e acquisiscono online ricette, referti e quant’altro. È un percorso di trasformazione avviato da parecchio tempo e sicuramente andrà sempre più ad allargarsi a nuove fette di popolazione, anche se non tutte le aziende sanitarie possono esibire lo stesso grado di sviluppo in fatto di digitalizzazione. La semplicità di accesso ai servizi è però un qualcosa che tutti o quasi i pazienti-cittadini ormai si aspettano e per questo il nostro compito è quello di garantire la piena fruibilità di questi servizi». Interagire in qualità di utente cittadino con la sanità in forma digitale è dunque una frontiera raggiunta, e non solo da chi è più avvezzo all’utilizzo degli strumenti tecnologici. La vera sfida per gli operatori è di garantire una risposta (e una prestazione) che sia veloce: ed è proprio questo il punto in cui la tecnologia diventa componente critica e strategica per garantire l’accesso in sicurezza ai servizi.

«Se non parliamo di resilienza, di dati, di cybersecurity e di tutela della privacy del cittadino – sottolinea Fumagalli – non stiamo facendo bene il nostro lavoro. Il tema di come gestire tutti i dati che salviamo nei nostri sistemi e che provengono anche dall’esterno della struttura sanitaria deve rimanere centrale. Una buona notizia in tal senso è che la tecnologia ci sta aiutando a trasformare il fascicolo sanitario elettronico in uno strumento di facile accesso per tutti, personale clinico in testa, oltre che in uno strategico tassello per continuare ad alimentare il processo evolutivo delle cure. La sanità del futuro, grazie alla telemedicina, valica le mura dell’ospedale per abbracciare il territorio, le strutture del territorio e l’abitazione del paziente, che potrà essere visitato a distanza da più medici e specialisti, che già oggi possono condividere fra di loro su un monitor, in tempo reale, i parametri vitali della persona. Tutti questi dati vanno messi insieme, trattati in modo adeguato e stoccati in sicurezza da qualche parte – va in questa direzione il nostro nuovo progetto di Data Science Lab – e preparati per essere lavorati con l’intelligenza artificiale, così da sfruttarne appieno il valore a supporto di una medicina sempre più predittiva».

#sanitàdigitale Dati sanitari, asset prezioso da tutelare – Antonio Fumagalli #ASSTPapaGiovanniXXIII
Click To Tweet

L’importanza che riveste la tecnologia nel miglioramento e nella razionalizzazione dei processi di una struttura sanitaria è evidente anche per quanto riguarda un aspetto molto concreto, vale a dire la mancanza di personale. Possono i software e le applicazioni sopperire in qualche modo al deficit di professionisti che hanno in carico i pazienti e le attività di front end e di customer service? Può l’AI essere la soluzione per intervenire su questi processi e renderli più flessibili e più facilmente gestibili? La risposta è affermativa e – come conferma Laura Di Dio, direttore operativo di Humanitas Research Hospital – trova concreta applicazione in diversi ambiti, dalla completa automazione del flusso di lavoro relativo al referto alla riduzione della latenza di risposta, passando per l’aumento di efficienza necessaria per liberare tempo ai medici. «La carenza di personale nelle strutture sanitarie è un aspetto sicuramente problematico, ed è probabile che diventi ancora più grave in futuro, in relazione al progressivo invecchiamento della popolazione. Per contro, è inconfutabile il fatto che la tecnologia può aiutare a contenere le dimensioni di questo problema, abilitando la gestione proattiva delle cure: la possibilità di attivare servizi a distanza come la televisita, che ha permesso di garantire più servizi ottimizzando e massimizzando il fattore tempo, ne è un esempio concreto» – spiega Di Dio, assicurando come i margini di ulteriore miglioramento non manchino, a cominciare dalle attività indirizzate ai pazienti che hanno bisogno di tantissimi contatti con il personale medico e infermieristico. Grazie al supporto di piattaforme digitali, infatti, si potrà rilevare a distanza, in modo sistematico e continuativo, parametri come la pressione, il peso e lo stato di salute generale del paziente, organizzando al meglio le attività di assistenza e sfruttando i dati raccolti per gestire in modo più proattivo e funzionale i contatti e le chiamate a domicilio degli operatori.

#sanitàdigitale Il paziente al centro del sistema. Tutela e centralità del dato – Laura Di Dio #Humanitas
Click To Tweet

«Efficienza ed efficacia, e di conseguenza minore complessità e maggiore flessibilità operativa, sono quindi le parole d’ordine, strettamente collegate fra loro, che devono sostenere il percorso di digitalizzazione del paziente e che, di conseguenza, non devono mancare nelle strategie di innovazione di un’azienda sanitaria» – continua il direttore operativo di Humanitas – precisando come la disponibilità di strumenti digitali in grado di supportare in modo strutturato i percorsi di diagnosi e i processi di refertazione sia già qualcosa di reale e vada nella direzione di una maggiore sostenibilità. «La nostra missione è di garantire a tutti, anche in futuro, l’accesso alle cure e ai servizi sanitari, riducendo i tempi di attesa e superando il limite costituito dalla carenza di professionisti specializzati». La sfida da vincere si gioca quindi su due piani, uno di natura culturale e organizzativa –legato alla trasformazione dei processi, all’aggiornamento delle competenze e alla gestione del cambiamento – e l’altro di natura economica che chiama il management a definire delle priorità di investimento ben definite.

LA GESTIONE DEL RISCHIO

Il tema della protezione e della governance dei dati (e dei metadati) è quanto mai centrale nelle linee guida del processo di costante digitalizzazione del settore healthcare e lo è per motivi legati al nuovo quadro regolatorio (la NIS 2 e l’AI ACT per quanto concerne l’utilizzo dei dati sanitari per allenare i modelli di intelligenza artificiale) e per fattori contingenti quali la necessità di gestire gli incidenti informatici, in considerazione del fatto che la sanità, e quella pubblica in particolare, è da sempre fra i settori più colpiti dagli attacchi cyber. Mario Garofano, chief information security officer di Fondazione Policlinico Universitario Campus Bio-Medico di Roma, spiega l’impatto sui processi delle nuove normative in vigore su scala europea. «Se parliamo di compliance, le strutture erano già soggette alla precedente normativa.

La NIS 2 intensifica alcuni aspetti di vigilanza di processo e introduce il tema della supply chain, e cioè il governo dei fornitori che operano nell’ambito della sanità attraverso un’attività di controllo e di verifica dei requisiti necessari da possedere per poter introdurre un prodotto o un servizio. Dal punto di vista delle procedure – aggiunge il CISO di Campus Bio-Medico – la nuova normativa non determina alcun impatto disruptive, in quanto impone un aggiornamento dei parametri di verifica della conformità dei fornitori che appartengono all’ecosistema dell’azienda sanitaria, ma costituisce un grande cambiamento di approccio e di sistema». L’introduzione della norma è importante perché non tutte le forniture, a cominciare da quelle critiche sotto l’aspetto delle operations, sono regolate allo stesso modo e l’obiettivo di tutto il comparto sanitario è necessariamente quello di arrivare a un livello in cui la catena è sicura dall’inizio alla fine, dalla sensoristica alle attività di manutenzione degli apparecchi, dagli aggiornamenti dei software alla gestione delle patch.

#sanitàdigitale Protezione e governance dei dati sanitari – Mario Garofano #Campus BioMedico
Click To Tweet

«Per avere certezza di dati sicuri, abbiamo bisogno di una gestione del rischio che sia completamente trasparente» – sottolinea Garofano, che riassume così lo scenario attuale: «L’aspettativa più che legittima dei cittadini è di prenotare un servizio sanitario e consultare la propria posizione ovunque, in modo completamente integrato con il fascicolo sanitario elettronico e con gli strumenti per il teleconsulto e la televisita. E per fare questo, è necessario avere la garanzia dell’integrità del dato sia a riposo che in transito». Il dato sanitario, in altre parole, è un asset pregiato e come tale va debitamente tutelato, perché l’impatto dannoso a cui sono esposte le strutture minacciate dalle azioni dei cybercriminali (attacchi ransomware in primis), se prive di adeguati strumenti di protezione e controllo, è potenzialmente molto elevato e può avere delle conseguenze catastrofiche. «Per mettere in sicurezza i dati – spiega Garofano – abbiamo bisogno di processi, di tecnologie, di una precisa governance della catena di fornitura e di una gestione accurata di tutto quello che ruota intorno all’accesso delle informazioni. E prima ancora delle tecnologie, abbiamo bisogno di persone con un’adeguata formazione e di un’adeguata sensibilità a livello di intera organizzazione. La gestione del rischio non rappresenta una fonte diretta di ricavi e, per ragioni evidenti, non è facile da implementare dall’oggi al domani con strumenti avanzati che richiedono ingenti investimenti. Tuttavia, è fondamentale individuare un equilibrio tra costi ed efficienza per garantire una protezione efficace contro ogni tipo di minaccia. In questo senso la normativa, che ha dei tempi di attuazione nel medio termine, non va intesa come uno spauracchio bensì come un aiuto, come un modo di fare ordine laddove ci sono una molteplicità di esigenze di correlazione ancora da completare, perché la condivisione di dati, esperienze e progettualità può essere un fattore di miglioramento decisivo e irrinunciabile per il settore sanitario».

DATA LAKE CENTRALIZZATI

La sfida di migliorare i processi con il digitale è una prerogativa anche di un’azienda sanitaria “particolare” come la Fondazione Lega del Filo d’Oro, ente non profit del terzo settore attivo in undici regioni italiane, che si occupa della riabilitazione delle persone con sordocecità e con pluridisabilità psicosensoriali. Lo conferma in prima persona il direttore ICT Antonello Baldini: «Da informatico mi ritengo molto fortunato perché tutte le figure apicali della nostra organizzazione vedono la tecnologia come un’opportunità per lo sviluppo e per il progressivo miglioramento dei servizi». Il percorso di digitalizzazione dell’Ente – come spiega Baldini – è iniziato dieci anni fa per rispondere a una precisa esigenza di efficientamento di alcuni processi, e in modo particolare quelli che riguardano la storia personale del paziente-utente e la sua evoluzione in termini riabilitativi. La possibilità di ripescare i dati all’interno della rete e ricostruire in modo adeguato ogni storia si deve all’intuizione di trasferire tutte le informazioni disponibili (dati clinici e sanitari, immagini, video dei trattamenti educativi e riabilitativi, documentazione relativa ai test) all’interno di un’unica grande banca dati e renderle accessibili attraverso un unico software, così da permettere agli specialisti, in qualunque sede essi si trovino, di risalire in qualunque momento al profilo dell’utente, semplificando in modo sostanziale tutti i processi. Una sorta di “data lake” centralizzato, insomma, che non solo facilita l’adeguamento in chiave normativa dei sistemi e l’accesso ai dati da parte degli operatori delle varie strutture della Lega del Filo d’Oro, ma fa anche da base portante per creare efficienza in sinergia con gli altri gestionali dell’Ente.

#sanitàdigitale Come migliorare i processi – Antonello Baldini #LegadelFilodOro
Click To Tweet

«Quella che noi chiamiamo cartella utente – spiega Baldini – deve continuamente evolversi per rispondere agli obblighi di legge e all’adeguamento tecnologico. E per soddisfare questi requisiti stiamo portando avanti varie sperimentazioni, anche nel campo dell’intelligenza artificiale generativa, per cercare di estrarre in maniera più semplice le informazioni, mantenendo il massimo livello di protezione dei dati». Questo appena descritto costituisce un passo in avanti estremamente importante per l’Ente, che non si limita ai soli ricoveri e alla gestione dell’utente all’interno delle sue strutture ma rende disponibili servizi su base territoriale: è quindi fondamentale che gli operatori possano inserire, in totale sicurezza, dati all’interno della cartella tramite una semplice app o attraverso un portale web, direttamente da remoto. «Negli investimenti dedicati al digitale – conclude Baldini – riserviamo molta attenzione alla cybersecurity, anche per quanto riguarda la formazione di tutti i dipendenti, e guardiamo con estremo interesse a tutte le nuove tecnologie che possono portare miglioramenti ai flussi di lavoro e all’organizzazione nel suo complesso. A cominciare proprio dall’AI, che per noi rappresenta uno strumento di innovazione a supporto sia dell’amministrazione dell’Ente sia della riabilitazione degli utenti».

SICUREZZA E CONTINUITÀ

Fra i tanti aspetti che stanno caratterizzando l’evoluzione tecnologica del servizio sanitario, la resilienza dell’infrastruttura non occupa certo una posizione di secondo piano, vuoi per l’obbligo di conformità con i parametri definiti dalla normativa NIS 2, vuoi per la non sempre perfetta unità di intenti fra il reparto informatico e l’ingegneria clinica che si occupa di erogare i servizi. Secondo Nicola Mugnato, CTO e co-fondatore di Gyala, azienda italiana che ha sviluppato un software di cybersicurezza basato su algoritmi proprietari di intelligenza artificiale, la qualità del servizio erogato agli utenti dipende da due componenti fondamentali: la correttezza e l’immodificabilità dei dati rilevati dagli apparecchi medicali e gestiti attraverso i sistemi informativi e l’affidabilità degli strumenti utilizzati nelle attività diagnostiche e di cura.

«Ci troviamo di fronte a un problema di natura strutturale: la necessità di proteggere dati e informazioni in conformità con le direttive del GDPR, in un contesto dove (purtroppo) spesso gli investimenti per garantire la resilienza dell’intero comparto tecnologico sanitario compresi i sistemi elettromedicali, che sono il punto di ingresso più vulnerabile agli gli attacchi cyber. L’ingegneria clinica ha come priorità quella di erogare il servizio, mentre la componente IT quella di difendere l’integrità degli apparati attraverso precise best practice. Serve quindi trovare un giusto bilanciamento tra le due componenti, privilegiando, come giusto che sia, l’erogazione del servizio ma garantendo contemporaneamente la configurazione ottimale per mettere in sicurezza l’infrastruttura sanitaria».

#sanitàdigitale Il rischio ransomware proporzionale alla qualità delle difese – Nicola Mugnato #Gyala
Click To Tweet

Inoltre, bisogna considerare il valore del dato sanitario che sul mercato del dark web viene pagato dalle dieci alle trenta volte in più rispetto a una carta di credito. Secondo Mugnato – il settore healthcare deve trovare il giusto compromesso tra resilienza e protezione, garantendo innanzitutto la disponibilità dei servizi erogati. Un problema, quello della dilatazione temporale del blocco dei sistemi post violazione, che ha una spiegazione logica, insita nella maggiore complessità delle infrastrutture sanitarie (chiamate a erogare un’infinità di sottoservizi diversi fra loro): nel momento in cui si manifesta un attacco, per quanto si siano adottate anche le procedure migliori per il disaster recovery e la business continuity, il ripristino delle infrastrutture di un’azienda ospedaliera richiede l’interazione di moltissimi attori e di conseguenza tempi mediamente più lunghi.

FRONT END PROATTIVO

La capacità delle aziende sanitarie di introdurre innovazione nei processi deve trovare applicazione anche prima che il paziente entri nella struttura ospedaliera, al momento del primo contatto e del cosiddetto “onboarding”. Ed è questo il campo di azione di INGO, società benefit con oltre 25 anni di esperienza nel campo delle soluzioni di customer experience per il mondo healthcare basate su tecnologie AI proprietarie. Per il CEO Martino Carrera, il costo delle tecnologie nella sanità non dovrebbe essere considerato vincolante rispetto all’adozione di strumenti innovativi per la protezione della salute. «Per assicurare la migliore accessibilità del paziente ai servizi sanitari e garantire la sostenibilità economica della struttura, pubblica o privata che sia, è necessario canalizzare i budget di investimento verso provider con competenze molto specifiche e un know-how approfondito dei processi e delle procedure che interessano tutti gli operatori coinvolti.

Come INGO – spiega Carrera – lavoriamo sul perimetro esterno della struttura sanitaria, conosciamo in modo dettagliato le dinamiche dell’organizzazione e di conseguenza andiamo a confezionare soluzioni che sfruttano le capacità dell’intelligenza artificiale per non incrementare i costi operativi, agendo su tutti quei processi ripetitivi e a basso valore aggiunto che generalmente generano oneri di gestione particolarmente rilevanti». La chiave per introdurre innovazione nel settore sanitario risiede in un uso bilanciato tra nuove tecnologie e risorse umane, che continuano a rappresentare il costo più elevato. Questo approccio dovrebbe assicurare un’esperienza utente fluida e inclusiva, in cui l’interazione con un chatbot risulti del tutto naturale e indistinguibile da quella con un operatore umano. L’intelligenza artificiale comprende le esigenze dell’utente e guida il sistema di back-end nell’elaborazione dei dati, profilando l’utente in modo del tutto naturale. Al tempo stesso, accoglie e gestisce simultaneamente le richieste provenienti da diversi canali – telefono, WhatsApp, e-mail, app e altri – attraverso una piattaforma tecnologica dedicata.

«Uno degli aspetti sottovalutati, ma che dal nostro punto di vista è di importanza prioritaria – spiega il CEO di INGO – è quello di rendere la struttura sanitaria pienamente consapevole di ciò che accade sul perimetro esterno, e quindi di comprendere le esigenze delle migliaia di persone che interagiscono quotidianamente con la struttura stessa. Attraverso una dashboard avanzata, è possibile restituire una panoramica dettagliata degli eventi su base giornaliera, settimanale o mensile, con l’obiettivo di ottimizzare i processi, allocare correttamente le risorse umane e pianificare lo sviluppo futuro delle tecnologie».

#sanitàdigitale Accessibilità ai servizi sanitari e sostenibilità economica – Martino Carrera #INGO
Click To Tweet

Si arriverà al punto in cui un sistema basato sull’intelligenza artificiale sarà in grado di gestire in modo completamente automatizzato il 100% delle richieste inoltrate dagli utenti al front office di una struttura sanitaria? A precisa domanda, la risposta di Carrera è realistica e propende per un customer service che continuerà a mixare anche in futuro intelligenze digitali e intelligenze umane, così da assicurare continuità all’esperienza positiva del paziente e miglioramenti progressivi della tecnologia. Ma se è molto difficile pensare a un futuro in cui la prima fase della relazione fra utente e struttura sanitaria sia completamente demandata al software e agli agenti AI, è indubbio – come confermano da INGO – che la percentuale di interazioni gestite in modo completamente automatico sia cresciuta in modo esponenziale negli ultimi 18 mesi, arrivando nell’ordine del 70% del totale. E si tratta di una percentuale doppia rispetto al recente passato.

MEDICINA PERSONALIZZATA

La corsa all’innovazione del settore sanitario, come emerge dalle testimonianze degli addetti ai lavori, si gioca quindi su più fronti, dentro e fuori i confini delle strutture. Il pensiero comune dei partecipanti alla round table di Data Manager riflette la convinzione che la tecnologia è sempre di più un motore per la creazione di opportunità di miglioramento (a livello di processi, relazioni, servizi, gestione dei dati, infrastruttura) ma evidenzia nel contempo come il percorso verso la completa digitalizzazione del mondo healthcare presenti ancora delle criticità, soprattutto in termini di integrazione e di razionalizzazione dei processi. È di questo avviso anche Emanuele Fresa, regional director Lombardia del Gruppo SYNLAB Italia, leader europeo nella diagnostica medica, con una presenza capillare sul territorio e una copertura pressoché completa dei bisogni di salute dei cittadini.

Molteplici sono i fronti – spiega il manager – su cui porre maggiore attenzione quando si parla di sanità digitale: «Il primo è adeguare il livello di digitalizzazione della sanità a quello degli altri settori a cui i pazienti sono ormai abituati quando usufruiscono di altri tipi di servizi: servono percorsi digitali centrati sul paziente, accessibili e di facile utilizzo. Il secondo è poter beneficiare del valore dei dati, aggregare le informazioni in modo profittevole e sicuro, per il paziente e per gli erogatori». Un altro tema caldo è ovviamente l’intelligenza artificiale, o per meglio dire le sue applicazioni per la personalizzazione di cura e assistenza. «L’intelligenza artificiale – sottolinea Fresa – non è una scatola magica, non è una panacea dei mali, ma possiede enormi potenzialità, che stiamo progressivamente esplorando nei settori centrali della nostra attività, mettendo la prevenzione in primo piano. Se i dati vengono gestiti in modo appropriato e nel pieno rispetto delle normative, il loro valore deve essere restituito ai pazienti. Se aspiriamo realmente al paradigma della medicina personalizzata, il primo obiettivo deve essere la costruzione di un sistema di prevenzione su misura per il paziente, basato su una gestione ottimale delle informazioni disponibili».

L’intelligenza artificiale può avere anche applicazioni sulla gestione delle strutture sanitarie – evidenzia il direttore operativo di SYNLAB – come ad esempio quello della misurazione del livello di efficienza degli asset (vedi Diagnostica per Immagini), o in ambito clinico, come per le applicazioni a supporto dell’Anatomia Patologica, ambito nel quale la società sta conducendo diverse sperimentazioni. Un ultimo tema strategico, non meno importante degli altri, riguarda la riduzione dei tempi di attesa per gli esami specialistici: «L’intelligenza artificiale – conclude Fresa – è uno strumento per aiutare gli operatori a lavorare e a ottimizzare i processi, stratificando il rischio dei pazienti e identificando con più precisione e velocità i casi sui quali porre l’attenzione e verso cui indirizzare le cure».

#sanitàdigitale Armonizzazione dei sistemi e sicurezza – Emanuele Fresa #SYNLAB
Click To Tweet

VALORE DA PROTEGGERE

Ottimizzare le operations, efficientare i processi, applicare le nuove tecnologie, ripensare i modelli organizzativi, assicurare le competenze necessarie: coltivare e scaricare a terra i benefici dell’innovazione nel mondo sanitario è una combinazione di fattori che interessano l’aspetto clinico e medico, la sostenibilità economica e, nondimeno, la componente relativa alle persone e al capitale umano a disposizione. Un lavoro complesso – come sottolinea Andrea Valentino, operations manager della Direzione Operativa IRCCS Ospedale Galeazzi Sant’Ambrogio – Gruppo San Donato. La velocità del cambiamento che sta interessando la sanità è esponenziale rispetto ad altri settori più industrializzati. L’interazione con le persone e con l’utenza finale, rappresentata dai pazienti da curare, costituisce un aspetto tanto cruciale quanto critico. «Le necessità del paziente sono assolutamente centrali, ma altrettanto importante è anche ciò di cui necessita l’organizzazione, perché se l’organizzazione migliora grazie a un’adeguata digitalizzazione si creano le condizioni per offrire servizi ancora migliori e garantire una maggiore qualità di cura delle persone.

Negli ultimi dieci anni – continua Valentino – il processo di cambiamento guidato dalle tecnologie digitali è cresciuto esponenzialmente e sta assumendo un ruolo sempre più importante, anche se ci sono ancora ampi margini di sviluppo». L’intelligenza artificiale è una delle voci più importanti di questa nuova frontiera e nel caso di Gruppo San Donato l’applicazione degli algoritmi interessa in modo particolare la diagnostica per immagini, ambito nel quale la capacità di riconoscimento dell’AI di una possibile lesione arriva al 99,2% rispetto al 97% dell’essere umano. L’impiego di questa tecnologia – come ricorda a chiare lettere Valentino – risponde però a un principio preciso: «L’intelligenza artificiale non ha lo scopo di sostituire il medico o lo specialista, ma di supportarli nella definizione della diagnosi e del trattamento, offrendo un aiuto che può fare la differenza in termini di rapidità nelle risposte, maggiore capacità di individuare eventuali altre patologie e maggiore precisione nell’analisi delle lesioni, come ad esempio in campo ortopedico le fratture. Sebbene questo tema possa sembrare semplice, per noi è di fondamentale importanza, considerando che siamo uno degli ospedali ortopedici più importanti a livello nazionale, con l’obiettivo di diventare un punto di riferimento nazionale anche in ambito cardiologico».

#sanitàdigitale L’AI rivoluziona i modelli di cura – Andrea Valentino #GruppoSanDonato
Click To Tweet

La sfida a cui tutto l’ecosistema della sanità deve concorrere è dunque quella di creare i presupposti per rendere le tecnologie più innovative e facilmente accessibili su larga scala, intelligenza artificiale in testa, con l’obiettivo di gestire in maniera più rapida ed efficiente i pazienti anche in strutture in cui vi sono difficoltà a reperire personale formato e qualificato. La premessa per affrontare al meglio questa sfida è chiara. La massa di dati che deve essere analizzata, elaborata e stoccata per ottenere risultati efficaci e di valore è davvero impressionante. Per questo motivo, è fondamentale proteggere questi dati e assicurarne il transito da un sistema a un altro, garantendo accessibilità, trasparenza e sicurezza.

Foto di Gabriele Sandrini

Point of view

Intervista a Nicola Mugnato CTO e co-fondatore di Gyala: Apparati medicali e dati protetti

Intervista a Martino Carrera CEO di INGO: Sanità inclusiva, accessibile e multicanale

L'articolo Intelligent healthcare, la corsa all’innovazione proviene da Data Manager Online.

La centralità del cliente e la cura della relazione con i propri utenti sono concetti assunti a paradigma in ogni settore, e il mondo healthcare non fa ovviamente eccezione. La sanità moderna richiede infatti un approccio sempre più orientato alla persona, in cui le componenti di customer experience e di multicanalità sono la chiave per garantire accesso, qualità e inclusività dei servizi offerti e per massimizzare l’efficienza dei processi a beneficio del paziente. INGO risponde a questa sfida mettendo a disposizione delle aziende sanitarie 25 anni di esperienza sul campo e la capacità di combinare le funzionalità di avanzati algoritmi sviluppati in house con le competenze di professionisti qualificati che completano il lavoro svolto dall’intelligenza artificiale per assicurare la soddisfazione dei pazienti anche nei casi più complessi. Nell’essere una società benefit, inoltre, INGO, porta sul mercato non solo soluzioni tecnologiche all’avanguardia che consentono interazioni fluide e coerenti fra struttura e paziente ma anche un modello di business che coniuga innovazione, obiettivi aziendali e creazione di valore per la collettività.

CHATBOT, NUOVA FRONTIERA

L’ambito di intervento di INGO è il perimetro esterno dell’attività di una struttura sanitaria, laddove nasce il bisogno di un paziente e si gestiscono l’accoglienza, tutte le comunicazioni in ingresso e l’assistenza in caso di reclami. Un lavoro complesso, che trova concretezza con la disponibilità di tecnologie in grado di automatizzare i processi, sfruttando in modo sinergico le capacità dell’AI integrate nella piattaforma proprietaria XCALLY e quelle di oltre mille esperti dedicati. Uno degli elementi distintivi della proposta della società milanese – come spiega Martino Carrera, CEO di INGO – è l’utilizzo di chatbot e assistenti virtuali con supporto multilingua nativo progettati per offrire un’esperienza di conversazione che replica in modo naturale la modalità human-to-human. «Questi sistemi alimentati da tecnologie di intelligenza artificiale di ultima generazione permettono di dialogare con i pazienti in modo intuitivo ed empatico, fornendo risposte rapide e precise, abbattendo le barriere per le persone che non parlano l’italiano e creando di conseguenza i presupposti per un ecosistema sanitario più inclusivo, accessibile e in grado di rispondere ai bisogni di una popolazione sempre più diversificata». E quando una procedura automatica non va a buon fine, l’intervento di operatori umani permette di gestire in modo preciso i casi che richiedono attenzione particolare.

EFFICIENZA E SODDISFAZIONE

«Questo equilibrio tra automazione e intervento umano – spiega Carrera – assicura una customer experience ottimale per il paziente, offrendo un supporto personalizzato che migliora significativamente il grado di soddisfazione. Il sistema gestisce autonomamente circa il 70% delle richieste in entrata, con punte dell’80%, come nel caso di un importante ospedale e centro di ricerca di Milano». Molto significativo è l’impatto sui tempi di risposta per le prenotazioni e le richieste di informazioni, ridotti del 90% grazie ai sistemi multicanale. Altrettanto rilevanti sono i risultati ottenuti in termini di “soddisfazione percepita del paziente”, dove la sinergia tra AI e operatori umani ha portato a un incremento medio del 45% in diversi gruppi ospedalieri.

L'articolo Sanità inclusiva, accessibile e multicanale proviene da Data Manager Online.

Nel cuore dell’Italia del boom economico, tra il fermento e l’entusiasmo che caratterizzano il periodo che va dalla metà degli anni Cinquanta ai primi anni del decennio successivo, un trio di nascenti imprenditori comaschi dà vita a una delle storie più emblematiche dell’editoria italiana, quella dei fratelli Pini. Giordano, Luciana e Lilia, originari della Valtellina ma con radici ormai ben salde a Como, si distinguono non solo per la loro capacità di intuire i cambiamenti, ma anche per la lungimiranza con cui hanno saputo adattarsi all’evoluzione del mercato, dando vita a tre testate che hanno scandito la storia del Paese: Il Bollettino Lariano, Tempo Economico e Data Manager.

La banda Pini attraversa più di mezzo secolo di storia dell’editoria italiana, riuscendo sempre a restare al passo, affrontando con coraggio il passaggio dalla carta stampata al mondo online e mantenendo la propria identità con autonomia e indipendenza, attraverso la valorizzazione del rapporto con il target di riferimento e un mix unico e riconoscibile di carta e bit. Esempio emblematico della forza dell’impresa familiare – «la cosiddetta “household economy” – che intercetta tecnologia, cambiamento e produttività» – afferma l’economista ed esperto di organizzazione aziendale Giulio Sapelli.

Radici storiche

La storia comincia nel 1955, quando Luciana Pini, allora sedicenne, lavora come impiegata in una società di informazioni economiche a Milano. La sua azienda pubblica L’Eco Commerciale, una sorta di bollettino che si occupa dei protesti. In quegli anni, le cambiali sono uno strumento per il credito delle imprese, e l’Italia vive un periodo di crescita straordinaria. Grazie all’accoppiata lira-cambiale, il Paese avvia i primi passi nella nascente società dei consumi. Le imprese italiane diventano le prime in Europa per esportazioni e il Made in Italy si afferma come marchio d’eccellenza nel mondo, mentre l’80% delle famiglie italiane diventa proprietaria della propria casa.

A un certo punto, la società milanese cessa l’attività e i dirigenti offrono a Luciana la possibilità di ricevere la liquidazione in denaro oppure in un pacchetto di 200 abbonamenti sottoscritti nella provincia di Como. Più bella di Gena Rowlands e con un istinto per gli affari degno di Luisa Spagnoli, Luciana vuole mettersi alla prova e non esita un attimo: sceglie gli abbonamenti, dando vita così alla prima testata del Gruppo: il Bollettino Lariano. È subito un successo. I fratelli Pini non hanno relazioni blasonate né potentati alle spalle. Nessuna scorciatoia finanziaria, e soprattutto, nessuna commistione con il mondo delle banche che occupano i CDA delle testate della carta stampata. «Nel contesto italiano degli anni 50, le cambiali svolgono un ruolo economico – ricorda Luciana – e rappresentano uno strumento di fiducia tra le parti. Facilitano i consumi, supportano le imprese e contribuiscono alla modernizzazione economica e sociale dell’Italia, riflettendo anche il passaggio da una società agricola e tradizionale a una società industriale e orientata al progresso».

Nel giro di pochi anni, il Bollettino Lariano diventa la “bibbia” dei commerciali nel territorio comasco, raggiungendo anche la provincia di Sondrio, Varese, Milano e Bergamo. In cinque anni, il numero degli abbonamenti cresce di oltre venti volte. Nel 1960 sono già più di 4500, con una raccolta pubblicitaria senza precedenti. Giordano Pini, che si occupa della redazione – il pallino per la scrittura e la capacità di guardare oltre – setaccia in lungo e in largo tutta la provincia. La crescente diffusione richiama nuova pubblicità. «Ma c’è anche un altro aspetto che entra in gioco e che oggi chiameremo reputazionale» – ricorda Valeria Pini, figlia di Giordano, venuto a mancare nel 2013.

«Per gli inserzionisti del Bollettino Lariano, la presenza pubblicitaria vale come una patente di solidità finanziaria». Nel 1963, dopo aver trasformato un giornalino di quattro pagine in una vera e propria testata B2B, Giordano Pini decide di scorporare la parte di contenuti economici e finanziari per trasformarla in una seconda testata autonoma con un approccio B2B2C. La sua visione ampia sopravanza i tempi.

In uno scenario di grandi cambiamenti economici e sociali, la nuova sfida porta alla nascitadi Tempo Economico, mensile in formato tabloid dedicato all’industria, al commercio e alla finanza. Proprio nello stesso anno, Pier Paolo Pasolini racconta l’Italia che sta cambiando nei suoi Comizi d’Amore. Il presidente degli Stati Uniti d’America John Fitzgerald Kennedy è in visita ufficiale in Italia. Giulio Natta vince il Nobel per la Chimica. E mentre sul mercato arriva la Lettera 32 Olivetti, erede della celebre Lettera 22, Pier Giorgio Perotto e il suo team lavorano al Programma 101, che l’anno dopo porterà alla nascita della mitica Perottina, il primo personal computer della storia, un concetto rivoluzionario per l’epoca e che segna la trasformazione dei CIO in “camice bianco” e dell’informatica distribuita sulle scrivanie di tutte le Line of business.

#DataManager celebra 50 anni di storia e lancia la nuova divisione #Eventi #ICT #DigitalTransformation
Click To Tweet

La storia continua

Tra il 1963 e il 1975, Tempo Economico interpreta non solo il desiderio di affermazione della piccola e media impresa italiana, ma anche della nascente industria informatica che – prima della separazione tra hardware, software e servizi – vuole intercettare proprio quel segmento in rapida crescita. Seguendo l’esempio delle testate specializzate inglesi e americane, Giordano Pini trasforma Tempo Economico nella “prima testata di informazione manageriale” in Italia, come si legge nelle cronache economiche dell’epoca. Un’affermazione che si intreccia anche con la storia del costume, al punto da acquisire persino un’aura di seduzione. Ne è prova il film cult Sessomatto (1973) di Dino Risi. Nell’episodio Non è mai troppo tardi, il regista affida un numero di Tempo Economico alle mani di Laura Antonelli, protagonista insieme a Giancarlo Giannini, trasformando così un semplice dettaglio editoriale in un simbolo di raffinata provocazione.

L’anima del marketing del clan Pini è l’intrepida Lilia, per tutti Lilly, che in pochi anni costruisce il primo team di vendita strutturato, passando da due a 25 venditori su tutto il territorio nazionale. Nel 1970 aprono i battenti della redazione di Milano, a due passi dalla Fiera Campionaria. Nel 1973, Tempo Economico fattura il primo miliardo di lire, e il diluvio di pubblicità impone altre scelte coraggiose. Tempo Economico dedica già molte pagine di approfondimento al nascente mondo dell’ICT.

I tempi sono maturi per un altro spin-off: i fratelli Pini intuiscono per primi in Italia che la rivoluzione informatica presto cambierà tutto. È la chiamata alle armi per moltissimi ingegneri informatici ed esperti di sistemi EDP che, da lì a poco, occuperanno ruoli apicali nelle più importanti aziende italiane. IBM, Sperry, Univac, Olivetti e molti altri nomi trovano finalmente una voce per raccontare le loro soluzioni.

In questa fase, Data Manager è solo un esperimento: la prima uscita risale al 1975 come supplemento ICT di Tempo Economico. Iniziano le collaborazioni con esperti di altissimo livello, i cui nomi in Italia circolano solo a livello accademico. La risposta del mercato è immediata e due anni più tardi, siamo nel 1977, Data Manager si affranca da supplemento mensile a testata autonoma.

Dieci anni più tardi, Doxa certifica nero su bianco che Data Manager è la prima testata per notorietà del brand, presenza sui tavoli dei manager (da cui la famosa campagna “Si legge dove si decide”) e qualità dei contenuti. Con queste premesse, Data Manager pubblicherà per trentaquattro edizioni la Classifica Top 100 delle società di software e servizi in Italia. Nel 1988, la testata registra un fatturato di un miliardo e 300 milioni di lire, con un incremento del 28% rispetto all’anno precedente. Un risultato che riflette una strategia vincente: integrare business technology, networking e trend di mercato.

Questa visione si traduce nella decisione di affiancare all’attività editoriale una serie di eventi di settore, trasformandoli in strumenti di approfondimento e confronto, gettando le basi per un’eredità che arriva fino ai giorni nostri e trovando continuità nell’evento annuale WeChange IT Forum.

Negli anni Ottanta, a supporto di questa evoluzione, Data Manager avvia collaborazioni con figure di spicco come Gianfranco Dioguardi, tra i pionieri dell’ingegneria gestionale, e Abraham Kaplan, filosofo della scienza e allievo di Bertrand Russell, promuovendo un approccio critico e flessibile all’IT – che oggi diremmo Agile – e favorendo l’innovazione multidisciplinare: tutti temi che sono ancora di prepotente attualità. Resta celebre la sua frase: «Se l’unico strumento che hai è un martello, allora tutto ti sembrerà un chiodo».

Nei trent’anni successivi, Lilia Pini, che ci ha lasciati nel 2024, vestirà di stile e di emozione il racconto dell’ICT italiana, contribuendo a costruire l’identità della testata, che a partire dal nome rappresenta un punto di riferimento per chi guida l’innovazione nelle imprese attraverso la gestione strategica delle informazioni. Con la nascita di DMO, tra i primi portali italiani di informazione B2B, pur rimanendo fedeli alla carta stampata, i fratelli Pini, da editori puri, guidano con successo la trasformazione digitale, distinguendosi dalla pletora di testate ICT che si moltiplicano sull’onda delle dot-com, nessuna delle quali è riuscita a sopravvivere. «Nato negli anni in cui l’informatica muoveva i suoi primi passi nel mondo aziendale, Data Manager ha attraversato cinque decenni di rivoluzioni tecnologiche, sempre con lo sguardo rivolto al futuro» – racconta il CEO Loris Bellè, seconda generazione alla guida del Gruppo.

Barbara Cambieri alla guida di #DataManagerEvents – Nuove strategie per focalizzarsi su #CxO e #LoB
Click To Tweet

«Dalla diffusione dei primi mainframe alla trasformazione digitale, fino all’esplosione dell’intelligenza artificiale, Data Manager ha raccontato e anticipato i cambiamenti, dando voce ai protagonisti di questa evoluzione». Se il mondo digitale ha un motore, questo è rappresentato dai dati. Oggi, più che mai, il valore di un’impresa si misura nella sua capacità di raccogliere, interpretare e proteggere le informazioni. Ma i dati, senza una guida strategica, sono solo informazioni grezze prive di valore. «È qui che entrano in gioco i manager, i veri artefici del successo aziendale» – continua Loris Bellè. «Data Manager ha sempre raccontato il ruolo di chi trasforma i dati in conoscenza, la conoscenza in decisioni e le decisioni in vantaggio competitivo».

Manager e dati sono un binomio unico che non può essere scomposto o ridotto anchenell’era dell’intelligenza artificiale che sta ridefinendo le regole del business ma che non cambia la centralità dei manager. «Sono i CIO, i CTO e gli altri leader C-level a dare un senso alla tecnologia, a interpretare gli insights generati dagli algoritmi e a prendere decisioni non solo sulla base dell’efficienza, ma anche delle loro conseguenze in una visione strategica e di sostenibilità. Data Manager continua a essere la bussola per chi guida il cambiamento, offrendo approfondimenti, analisi e prospettive su come l’innovazione crea valore reale per le imprese e per la società». Cinquant’anni di storia sono solo l’inizio. In un mondo data-driven, Data Manager resta il punto di riferimento per chi vuole comprendere, anticipare e governare la rivoluzione digitale. «Perché – afferma Loris Bellè – indipendentemente dalle tecnologie emergenti, una certezza rimane: senza dati non c’è impresa, senza manager non c’è sviluppo».

La mission si rinnova, i valori restano

Con la nascita di Data Manager Events, il gruppo rafforza ulteriormente il suo posizionamento nel panorama ICT e si pone l’obiettivo di rispondere alle richieste del mercato, offrendo occasioni di confronto strategico e insights di alto livello per i decision maker. La nuova realtà strutturata per dedicarsi esclusivamente alla gestione e organizzazione di eventi di settore, segna un passo decisivo nel percorso di crescita del gruppo Data Manager, con l’obiettivo di rispondere alle crescenti esigenze di cambiamento delle imprese, attraverso esperienze di valore e una profonda capacità di interpretazione dei bisogni di business.

Alla guida di Data Manager Events, insieme al CEO Loris Bellè, troviamo nel ruolo di general manager Barbara Cambieri, già GVP & general manager IDC Italy e head of European Events sales, che porta in dote un’esperienza pluriennale nell’organizzazione di eventi e una visione strategica orientata al business e alla trasformazione digitale. «La nuova struttura permetterà di potenziare la missione sugli eventi, facendo anche leva sul brand Data Manager, unica testata italiana di settore specializzata che, nella sua doppia veste cartacea e online, ha saputo mantenere una forte identità, valorizzando la sua audience di riferimento e ampliandola a tutta la linea di business» – dichiara Barbara Cambieri. «Il top management delle imprese sa di giocare una partita complessa per differenziarsi: strategia, cultura aziendale, risorse e modelli di trasformazione faranno la differenza. Il nostro impegno è quello di fornire, attraverso una gestione di eccellenza, tutto il ciclo degli eventi per creare occasioni di business, valore, relazione e leadership. Puntiamo a condividere una visione del cambiamento, incrementare l’impatto sugli stakeholder e potenziare il posizionamento su CxO e LoB aziendali».

Business technology, networking & trends #DataManager sempre al fianco di chi guida l’innovazione
Click To Tweet

La rapida evoluzione del mercato e la crescente complessità delle esigenze aziendali richiedono un cambio di prospettiva. «I vendor non possono più limitarsi a offrire soluzioni tecnologiche» – spiega Loris Bellè. «Le imprese cercano partner strategici in grado di guidarle nella trasformazione digitale». Data Manager Events si pone come una piattaforma progettata per essere punto di incontro tra domanda e offerta, grazie a un metodo fondato sull’ascolto dei decision maker e sull’analisi dei trend emergenti. «Dal 1975, diamo voce al mondo dei manager dell’ICT, creando relazioni di valore che durano nel tempo. Innovazione e Business sono il nostro punto di forza con un focus specifico sulle esigenze dei CxO e dell’ICT community, che rappresentano il nostro patrimonio più prezioso» – continua Loris Bellè. «La rinnovata centralità dell’IT di fronte all’esigenza di garantire resilienza e generare valore sostenibile sposta l’attenzione dal “cosa” delle scelte tecnologiche al “come” dello sviluppo, accentuando l’impatto delle decisioni sulle strategie di investimento e sull’intera catena degli stakeholder. Tramite gli eventi vogliamo rinnovare questa missione».

L'articolo Senza dati non c’è impresa, senza manager non c’è sviluppo proviene da Data Manager Online.

In un mercato che diventa sempre più dinamico, esigente e sfidante, le aziende manifatturiere stanno incrementando l’utilizzo delle nuove tecnologie digitali nei propri processi produttivi, rivoluzionando il proprio modo di utilizzare, gestire e monitorare impianti e macchinari: in questo modo sono in grado di ottimizzare l’intero ciclo di vita dei propri prodotti, aumentando efficienza, innovazione e competitività. Il momento è complesso – come ci spiega Lorenzo Veronesi, associate research director di IDC Manufacturing Insights EMEA. Una recente ricerca IDC evidenzia come molte aziende di produzione in Europa stiano attualmente affrontando sfide significative che possono sembrare perfino schiaccianti.

«A causa di pressioni inflazionistiche, i crescenti costi esterni stanno mettendo a dura prova i budget. Inoltre, i costi della manodopera stanno aumentando, con un impatto negativo sulla redditività. L’elevata variabilità della domanda complica la pianificazione aziendale e mina la stabilità operativa». L’industria manifatturiera, tradizionalmente basata su processi meccanici e manuali, è al centro di una trasformazione senza precedenti. I cambiamenti stanno rivoluzionando ogni aspetto del flusso produttivo, dalla progettazione al customer service, dagli acquisti alla programmazione e alla logistica. Si parla sempre più spesso di smart manufacturing o di industria intelligente: un modello che integra tecnologie avanzate, automazione e intelligenza artificiale per rendere i processi produttivi più efficienti, flessibili e interconnessi. Grazie alla digitalizzazione, le imprese oggi possono raccogliere e analizzare dati in tempo reale, prendere decisioni rapide e mirate e trasformare i loro stabilimenti in veri e propri ecosistemi tecnologici. Questa evoluzione non solo consente di rispondere con maggiore velocità ai cambiamenti del mercato, ma permette anche di soddisfare con precisione le esigenze dei clienti.

Al centro della rivoluzione c’è un binomio fondamentale: digitalizzazione e sostenibilità. L’obiettivo non è solo migliorare l’efficienza, ma anche costruire l’industria green del futuro. Non si tratta di un fenomeno riservato alle grandi aziende: anche molte piccole e medie imprese italiane stanno abbracciando questa transizione. Gli incentivi di Industria 4.0 hanno spinto numerose PMI a investire in tecnologie avanzate, ottenendo benefici significativi in termini di produttività e competitività. Quella che stiamo vivendo non è solo una trasformazione tecnologica, ma una vera e propria rivoluzione industriale, che ridefinisce il modo di produrre, consumare e interagire con l’ambiente.

#manifatturiero Il futuro è green e smart: AI, IoT e sostenibilità al centro #ERP #DigitalTransformation
Click To Tweet

STRATEGIE DI ADOZIONE

Affrontare la trasformazione digitale, soprattutto quando si intreccia con la transizione green, non è un’impresa semplice. Si tratta di un percorso articolato che va oltre la semplice adozione di nuove tecnologie: richiede una strategia chiara, obiettivi definiti e una pianificazione accurata. Tutto inizia con un’analisi dei processi aziendali, indispensabile per capire come si lavora oggi, individuare inefficienze e identificare le aree di miglioramento. Questo primo passo, tuttavia, deve essere calibrato sulle esigenze specifiche dell’azienda e sugli obiettivi da raggiungere, ponendo particolare attenzione ai settori che possono offrire i maggiori benefici.

La partecipazione del personale è determinante in questa fase iniziale. Ogni cambiamento organizzativo comporta un impatto sul modo di lavorare, ed è fondamentale che chi è coinvolto comprenda e condivida le modifiche che verranno introdotte. Solo con un team informato e consapevole si può affrontare con successo un cambiamento così profondo. La pianificazione, poi, deve entrare nel dettaglio: tempi, risorse necessarie e investimenti in tecnologie vanno definiti con precisione, garantendo che i nuovi sistemi siano integrati in modo efficace con quelli già esistenti. Durante tutto il percorso, verifiche continue devono confermare che i risultati siano in linea con quanto prefissato. Una volta concluso il progetto, il lavoro non è finito. Il monitoraggio e l’ottimizzazione sono attività fondamentali per garantire che i benefici si consolidino nel tempo. Grazie agli strumenti intelligenti disponibili oggi, come i sistemi che raccolgono dati in tempo reale dalle macchine, molte aziende possono adottare con facilità i principi del Continuous improvement. Questi strumenti non solo individuano aree di miglioramento, ma offrono suggerimenti concreti per ottimizzare i processi.

La doppia transizione digitale e green, però, non riguarda solo macchine e software: investire nella formazione del personale è essenziale per vincere la sfida culturale che questa rivoluzione comporta. Le tecnologie avanzate supportano l’uomo, ma non lo sostituiscono. Nella fabbrica del futuro, la risorsa umana rimane centrale, valorizzata e potenziata dai nuovi sistemi.

Mentre la trasformazione digitale e green richiede un ripensamento dei processi e un forte investimento nella formazione del personale, emergono sfide specifiche legate alla gestione dei dati, un elemento centrale di questa rivoluzione. Se da un lato le nuove tecnologie intelligenti offrono strumenti avanzati per il monitoraggio e l’ottimizzazione, dall’altro è fondamentale garantire che il personale operativo si senta adeguatamente supportato nell’affrontare aspetti più complessi, come il data engineering – come spiega Veronesi di IDC Manufacturing Insights EMEA. «È importante riconoscere che il personale operativo potrebbe sentirsi meno sicuro nell’affrontare le attività di data engineering rispetto ad altre competenze digitali. Questa realtà suggerisce che i reparti IT devono garantire personale adeguato per gestire le responsabilità di data engineering, in particolare nello sviluppo di un’infrastruttura di dati per la produzione. L’IT deve anche armonizzare la gestione dei master data nell’intera azienda con il panorama della tecnologia operativa. Possono sorgere sfide uniche dovute ai diversi requisiti dei dati di produzione rispetto alle tipiche capacità dell’infrastruttura dati aziendali. Mentre ci si muove tra una pletora di soluzioni dati e iniziative di analisi legacy, è essenziale che l’IT riconsideri e perfezioni la strategia di architettura dei dati operativi. Ciò contribuirà a garantire che queste soluzioni rimangano pertinenti e scalabili per il futuro».

#ManutenzionePredittiva #IoT #ERP Prevedere i guasti prima che accadano? Con AI e IoT si può
Click To Tweet

AI E IOT ALLA BASE

La trasformazione digitale nell’industria manifatturiera si basa soprattutto su AI e IoT. L’intelligenza artificiale si traduce in sistemi informatici in grado di comprendere l’ambiente nel quale sono inseriti, apprendere dai dati che elaborano, e quindi migliorare la propria capacità nel tempo, adattandosi dinamicamente alle variazioni delle condizioni di produzione, prendendo (o suggerendo) decisioni, fino a intraprendere autonomamente delle azioni. L’Internet of Things abilita la connettività tra oggetti fisici, dispositivi e macchinari dotati di sensori e sistemi in grado di raccogliere un vasto insieme di dati in tempo reale, direttamente sul campo, consentendo un controllo costante degli impianti produttivi.

È proprio la potenza dell’integrazione tra IoT e AI a rendere possibile l’ottimizzazione dei processi produttivi del mondo industriale. L’AI aggiunge valore all’IoT poiché permette di supervisionare in tempo reale i dati presenti nei sistemi collegati ai macchinari, ed è così in grado di guidare gli operatori, anche non specializzati, nel miglioramento delle performance e nella risoluzione di problematiche. La crescente diffusione di dispositivi IoT, insieme all’aumento della potenza di calcolo, genera volumi di dati enormi. L’Edge computing spesso abbinata al 5G sta guadagnando terreno come soluzione ideale per gestire l’enorme volume di dati generato dalla crescente diffusione dei dispositivi IoT e dalla potenza di calcolo associata. Questa tecnologia supporta efficacemente il connubio tra IoT e intelligenza artificiale, consentendo l’elaborazione dei dati direttamente vicino alla loro origine, con significativi vantaggi in termini di velocità, efficienza e reattività. Inoltre consente ai dispositivi in posizioni remote, nei reparti produttivi, di elaborare i dati ed eseguire azioni in tempo reale, offrendo grandi vantaggi, come insights più rapidi, tempi di risposta migliori e maggiore disponibilità della larghezza di banda sia nei reparti produttivi sia nel resto della rete.

I risultati dell’indagine Worldwide IT/OT Convergence 2024 di IDC, condotta su oltre mille professionisti dei settori IT e OT, evidenziano un significativo avanzamento nelle strategie di gestione dei dati operativi e nell’applicazione dell’intelligenza artificiale. Molte organizzazioni stanno perseguendo un approccio orientato allo sviluppo di una gestione dei dati agnostica, in grado di garantire un’integrazione fluida e senza interruzioni. Rispetto al 2022, quando un numero simile di aziende dichiarava già di aver raggiunto questo livello di maturità, i dati del 2024 mostrano un’evoluzione importante. Sempre più organizzazioni hanno compiuto progressi nella capacità di eseguire analisi complete, sfruttando dati provenienti da diversi siti e sistemi aziendali, superando così i tradizionali silos informativi. Questa trasformazione rappresenta un passo decisivo verso una gestione dei dati più intelligente, scalabile e interconnessa. Stando ai risultati di un’altra ricerca dello scorso dicembre condotta dal Laboratorio RISE dell’Università degli Studi di Brescia (www.rise.it) e focalizzata sulla evoluzione delle imprese manifatturiere verso il paradigma 5.0, nelle aziende manifatturiere italiane gli investimenti prevalenti in questi ambiti sono proprio in IoT, Big Data Analytics, robotica e AI.

La ricerca ha coinvolto 211 aziende manifatturiere italiane, tra grandi imprese (52%) e PMI (48%), in prevalenza geografica del Centro e Nord Italia. I benefici principali dall’adozione delle tecnologie, secondo gli intervistati, sono: l’aumento dell’efficienza e della produttività, seguita dall’aumento del livello di servizio al cliente e l’aumento della qualità del prodotto e dei processi. Le grandi aziende, in particolare, hanno mostrato particolare interesse nella sostenibilità, e questo ha comportato il miglioramento reputazionale dell’immagine aziendale, l’aumento di efficienza e produttività e la soddisfazione delle esigenze dei clienti più sensibili a queste tematiche. Tra i problemi evidenziati dagli intervistati, legati alla trasformazione digitale, vi sono la mancanza di personale qualificato, la chiarezza sui vantaggi economici e la mancanza di un sistema di gestione della conoscenza adeguato. Secondo la ricerca, il 44% delle imprese presenta bassi livelli in digitalizzazione e sostenibilità, mentre solo in 24% degli intervistati mostra ottimi livelli in entrambi gli ambiti: si tratta soprattutto delle aziende di medie-grandi dimensioni. Il digitale appare come una leva, e le tecnologie 4.0 sembrano favorire l’intensificazione dell’adozione di pratiche di sostenibilità, contribuendo al raggiungimento di obiettivi ambientali e sociali più ambiziosi. Secondo il RISE, il futuro delle imprese italiane sembra legato alla capacità di coniugare tecnologia e sostenibilità, mantenendo sempre al centro le persone e valorizzando le conoscenze come patrimonio strategico: solo con una gestione integrata di questi elementi sarà possibile affrontare con successo le sfide e le opportunità del paradigma 5.0.

MODIFICARE I PROCESSI

Secondo le previsioni di IDC, entro il 2026, oltre l’80% delle prime 500 aziende industriali sarà in grado di creare infrastrutture dati dedicate alla produzione, favorendo l’adozione di casi d’uso basati sull’intelligenza artificiale, che richiedono l’integrazione e l’analisi di più set di dati.

«Più ampia e completa è l’infrastruttura dati, come i data lake aziendali integrati, più efficacemente si può sfruttare l’AI per supportare il processo decisionale» – spiega Veronesi. Tuttavia, questa evoluzione comporta anche una maggiore dipendenza da tali tecnologie. «L’obiettivo chiave è ottimizzare i processi interni utilizzando informazioni generate dall’AI, provenienti da flussi di dati eterogenei. Tra i vantaggi principali spiccano l’aumento della produttività, reso possibile dall’automazione di attività come il risequenziamento delle linee di produzione, che consente alle aziende di rispondere in tempo reale ai cambiamenti operativi. Inoltre, l’implementazione di ispezioni di qualità basate sull’AI garantisce un controllo accurato e immediato, riducendo al minimo difetti e anomalie».

Un ulteriore beneficio è rappresentato dalla capacità di analizzare le cause profonde di eventuali problemi in modo rapido ed efficiente, facilitando interventi tempestivi e mirati che migliorano l’agilità e la competitività delle imprese. Grazie a queste innovazioni, l’industria si prepara a un futuro in cui i processi produttivi saranno sempre più intelligenti, automatizzati e orientati al miglioramento continuo.

La combinazione tra IoT e AI ottimizza le risorse e consente una riduzione degli sprechi, ma può anche aiutare a ridisegnare i processi produttivi. Un’azienda che ha operato in questo contesto è Automobili Lamborghini, icona della produzione di vetture supersportive di lusso: fondata nel 1963 a Sant’Agata Bolognese (Bo), ha circa 2400 dipendenti e una rete di 184 concessionari in 54 paesi. Utilizzando un mix di nuove tecnologie composto da AI, computer vision e machine learning, Lamborghini ha digitalizzato e ottimizzato il processo di verifica delle etichette omologative sui veicoli, indispensabile per rispettare regolamentazioni in materia di omologazione e scambi commerciali, che variano da nazione a nazione: una Lamborghini venduta in Cina può avere requisiti diversi rispetto a una destinata agli Stati Uniti. Le etichette omologative, applicate in punti strategici della vettura, come il motore o la scocca, certificano parametri fondamentali tra cui il peso della vettura o i dati inerenti alla tracciabilità del componenti del veicolo. In passato, il controllo delle etichette era svolto manualmente dagli operatori nelle aree di assemblaggio, utilizzando documenti cartacei per verificare le opzioni specifiche del mercato di destinazione.

Con l’aumento della complessità normativa, l’incremento del numero di mercati e del numero di etichette richieste, questo metodo non era più né sostenibile, né conveniente e soprattutto non era più ritenuto affidabile, quindi si è avviato un processo di digitalizzazione per supportare gli operatori nelle diverse operazioni legate al corretto posizionamento delle etichette sui veicoli. Il nuovo sistema verifica automaticamente sia la correttezza dell’etichetta, rispetto alla configurazione del veicolo, sia il suo posizionamento. Questo processo, che ora è completamente paperless, ha ridotto drasticamente gli errori e i tempi di esecuzione, garantendo maggiore affidabilità. L’acquisizione delle immagini, con tempi di elaborazione di soli due-tre secondi, permette il monitoraggio costante delle prestazioni e interventi immediati in caso di errori. Le immagini, archiviate nel sistema MES, consentono verifiche approfondite e la totale tracciabilità. Il successo del progetto ha portato a richieste di scalabilità in altre aree produttive di Lamborghini, come la meccanica di precisione e la carrozzeria.

Dai veicoli connessi ai flussi automatizzati: l’innovazione nel manifatturiero #InnovazioneItaliana #AI #ERP
Click To Tweet

MANUTENZIONE PREDITTIVA

Uno dei vantaggi dell’implementazione di tecnologie AI e IoT nei processi produttivi è la possibilità di attuare strategie di manutenzione predittiva. Grazie al monitoraggio di macchinari e impianti in tempo reale, infatti, è possibile individuare rapidamente eventuali anomalie o guasti nei macchinari. Oltre a permettere di intervenire tempestivamente su eventuali problemi, questi sistemi consentono anche di prevenirli: infatti, gli allarmi generati da algoritmi di machine learning, analizzando i dati raccolti in continuo dai sensori IoT, avvisano in anticipo gli operatori in caso di condizioni di lavoro critiche, prevedendo i guasti e riducendo i fermi macchina non pianificati. In questo modo, è possibile pianificare interventi di manutenzione solo quando realmente necessari, anticipando le criticità prima che si manifestino. Grazie all’intelligenza artificiale, si possono identificare le azioni più appropriate per ripristinare rapidamente le condizioni operative standard. Il principale vantaggio è il prolungamento del ciclo di vita delle attrezzature, accompagnato da una significativa riduzione degli interventi per la sostituzione delle componenti usurate. Questo approccio consente alle aziende di ottimizzare le risorse e ottenere una consistente riduzione dei costi operativi, migliorando al contempo l’efficienza e la sostenibilità delle operazioni.

AI e IoT permettono anche un uso più sostenibile dell’energia, migliorando l’efficienza energetica e quindi riducendo l’impatto ambientale delle operazioni industriali. Gli algoritmi di machine learning, analizzando i dati in tempo reale, possono valutare i diversi modelli di consumo energetico, ottimizzando i cicli di lavoro e minimizzando il consumo di energia per ogni fase di lavorazione: si può ridurre il consumo di energia senza compromettere le prestazioni produttive, integrando pratiche sostenibili senza compromettere la competitività o aumentare i costi in modo significativo.

In questo contesto si distingue il progetto di IMM Hydraulics, parte del gruppo Interpump, azienda specializzata nella produzione di tubi flessibili e raccordi oleodinamici di alta qualità. Con una forza lavoro di circa 700 dipendenti distribuiti tra diverse sedi produttive, IMM Hydraulics ha il proprio quartier generale ad Atessa, in provincia di Chieti. Questa realtà rappresenta un esempio di eccellenza italiana nel settore oleodinamico, che unisce innovazione tecnologica e standard qualitativi elevati per affrontare le sfide di un mercato sempre più competitivo. Per IMM Hydraulics l’innovazione è il motore che alimenta la crescita grazie a investimenti costanti in ricerca e sviluppo, con l’obiettivo di creare prodotti e processi sempre più efficienti e sostenibili. L’azienda si impegna a perseguire una produzione ottimale caratterizzata da un basso impatto ambientale, coniugando efficienza operativa e sostenibilità. Grazie a questa innovazione, l’azienda può prevenire i costosi fermi macchina causati da guasti improvvisi, migliorando la continuità operativa e riducendo le inefficienze. Questo approccio non solo incrementa la produttività, ma rappresenta anche un passo concreto verso la gestione più intelligente e sostenibile delle risorse. Per supportare questo obiettivo, è stato creato un database dedicato, progettato per ottimizzare progressivamente l’intero processo produttivo.

Il progetto è composto di due fasi: la prima di costituzione dell’architettura per il machine learning e la seconda di interazione uomo-macchina attraverso algoritmi di AI per efficientare le attività di manutenzione, semplificare la capacità di intervento degli operatori, monitorare la linea di produzione, definire piani di manutenzione preventiva e predittiva. La prima fase infrastrutturale è stata completata, ora il progetto si trova nella fase di implementazione dell’algoritmo per l’interazione uomo-macchina. L’infrastruttura intelligente creata grazie ai sensori e all’implementazione degli algoritmi porterà all’azienda un aumento della produttività del 10%, riducendo i fermi macchina per guasti straordinari del 15%. Il sistema, infatti, non si limita a monitorare i processi ma prevede anche interventi in ottica di manutenzione predittiva e preventiva, suggerendo al personale le azioni risolutive per evitare fermi macchina prima che si verifichino.

La piattaforma è gestita dagli operatori tramite app ed è integrata a tutti i sistemi informatici dell’azienda. I dati raccolti dai sensori vengono analizzati e presentati in tempo reale così da permettere interventi tempestivi e guidati. A regime, la produzione risulterà più efficiente e porterà anche a un risparmio energetico del 5-10%.

LA POTENZA DELL’AI

L’utilizzo di algoritmi di machine learning consente di analizzare grandi volumi di dati, individuare pattern significativi e formulare previsioni utili per ottimizzare sia i processi produttivi che i flussi di lavoro interni. I benefici sono trasversali e tangibili: dalla gestione della catena di approvvigionamento alla pianificazione della forza lavoro, fino al miglioramento delle relazioni con i clienti. Queste applicazioni trasformano l’ERP in una piattaforma intelligente e proattiva, capace di supportare decisioni strategiche e operazioni quotidiane, rendendo le aziende più agili ed efficienti. L’integrazione dell’intelligenza artificiale all’interno delle soluzioni ERP non si limita all’ottimizzazione dei processi esistenti, ma apre la strada a capacità avanzate che rivoluzionano la gestione aziendale. Grazie all’AI, le aziende possono prevedere con maggiore precisione la domanda, adattandosi rapidamente ai cambiamenti del mercato e modellando nuovi prodotti ottimizzati in base alle esigenze emergenti.

L’AI consente inoltre di anticipare possibili ritardi nei programmi di produzione, migliorando la pianificazione e il controllo dei costi. Molino Grassi, azienda italiana leader nella produzione di farine biologiche e semole di alta qualità, ha integrato con successo le informazioni raccolte dai dispositivi IoT all’interno del proprio sistema ERP. Questa sinergia consente all’azienda di gestire in modo centralizzato e coordinato tutte le fasi del processo produttivo e logistico. Grazie a questa piattaforma, l’azienda può raccogliere e analizzare i dati provenienti dai dispositivi IoT e dai sistemi di movimentazione automatica, migliorando la visibilità e il controllo su tutte le operazioni. L’integrazione dell’ERP con i sistemi IoT consente di monitorare in tempo reale le prestazioni delle macchine e prevedere eventuali guasti, minimizzando i tempi di inattività. Questo sistema avanzato raccoglie dati preziosi che vengono utilizzati anche per ottimizzare le operazioni e garantire standard elevati di qualità e sicurezza alimentare. Inoltre, l’ERP è strettamente collegato ai sistemi di magazzino automatico e ai processi di allestimento merce automatici in fase di spedizione. Questo permette una gestione efficiente dello stoccaggio e del prelievo delle merci, riducendo i tempi di attesa e migliorando la precisione nella gestione delle scorte. I processi di allestimento merce automatici assicurano che i prodotti siano preparati e inviati ai clienti in modo rapido e accurato. L’adozione di macchinari automatizzati e l’integrazione con l’ERP hanno permesso a Molino Grassi di migliorare la precisione e la velocità delle operazioni, riducendo al contempo gli sprechi. Questo approccio proattivo all’automazione e alla manifattura intelligente non solo aumenta la competitività dell’azienda, ma contribuisce anche alla sostenibilità ambientale, riducendo l’impatto ecologico della produzione.

#ERP intelligenti, l’innovazione al comando. L’AI abbatte i silos tra IT e OT
Click To Tweet

PROGETTARE CON L’AI

L’intelligenza artificiale e il machine learning stanno trasformando il modo in cui vengono sviluppati nuovi prodotti e servizi, rendendo il processo più rapido e sostenibile. Grazie ai sistemi CAE (Computer Aided Engineering) potenziati dall’AI, è possibile analizzare in profondità i dati raccolti lungo l’intero ciclo di vita di un prodotto – dall’ideazione alla produzione, fino all’utilizzo finale – consentendo di progettare soluzioni migliori e correggere eventuali difetti in fase preliminare. I sistemi di AI partono dai requisiti definiti dai progettisti e – tenendo conto di vincoli e funzionalità desiderate – affrontano e risolvono anche problemi di progettazione complessi. Questo approccio accelera i processi creativi e migliora la produttività dei team multidisciplinari, offrendo la possibilità di esplorare soluzioni progettuali innovative che sarebbero difficilmente individuabili con metodi tradizionali.

È quanto ha messo in pratica Iveco Group multinazionale automobilistica che opera nel settore dei veicoli commerciali e speciali, con otto marchi, 20 siti industriali, di cui 16 in Europa, e oltre 36mila dipendenti. L’azienda aveva l’esigenza di creare una piattaforma condivisa, accessibile e intuitiva per raccogliere e analizzare grandi quantità di dati provenienti da fonti diverse, inclusi i sensori IoT installati sui veicoli. L’obiettivo era rendere tali informazioni disponibili in tempo reale a tutti i livelli aziendali, semplificando l’accesso e migliorando i processi decisionali.

L’evoluzione verso i veicoli connessi ha posto nuove sfide, in particolare nella gestione e nell’interpretazione dei dati generati. I sensori dei veicoli producono un’enorme quantità di informazioni che, se analizzate correttamente, rivelano schemi di utilizzo e comportamenti inusuali, sia a livello di singolo veicolo che di intere flotte, anche se distribuite a livello globale. Grazie all’integrazione di IoT, advanced analytics e tecniche di intelligenza artificiale, Iveco Group è in grado di monitorare e comprendere eventi e comportamenti specifici, individuando anomalie e migliorando la reattività operativa. Questo sistema di analisi avanzato consente all’azienda di adottare un approccio proattivo, trasformando i dati in insights utili per ottimizzare la progettazione dei veicoli e rivedere le strategie di business. L’altro vantaggio del nuovo sistema è la sua accessibilità: anche i membri del team privi di competenze avanzate in data analysis possono utilizzare lo strumento per interpretare i dati e individuare soluzioni. Questo democratizza l’uso delle informazioni e accelera notevolmente i tempi di reazione, rendendo Iveco Group un esempio virtuoso di come tecnologia e dati possano guidare innovazione e competitività.

Eos Solutions: Intelligenza artificiale, IoT e digital twin: la nuova era della manifattura intelligente

L'articolo Green & smart. Il nuovo volto del manifatturiero proviene da Data Manager Online.

Con la crescita della quantità di dati digitali gestiti, registrata dopo la netta affermazione di paradigmi tecnologici come il cloud computing e l’Internet delle cose – e con la forte evoluzione del modello di business data-driven, alimentata da una nuova cultura della business intelligence e dell’intelligenza artificiale – tutte le aziende, praticamente senza eccezione, hanno dovuto confrontarsi in questi anni con la necessità di implementare strategie di data governance più solide e resilienti. La data strategy definisce il “cosa” e il “perché” (obiettivi e valore dei dati). La data governance si occupa del “come” (processi, regole e gestione pratica dei dati).

Nello storico dominio delle architetture di database, uno dei pilastri dell’ingegneria informatica, la priorità era ottimizzare fattori come l’accessibilità, la velocità della ricerca, l’aggiornamento e la coerenza interna. Oggi l’aspetto architetturale delle strutture dei dati è solo uno degli elementi di una disciplina, la gestione del data lifecycle, in cui rientrano aspetti di sicurezza, organizzazione e compliance normativa la cui natura non necessariamente ingegneristica finisce comunque per influenzare scelte organizzative e procedurali. La complessità di queste procedure richiede a sua volta una robusta dose di automazione, in cui l’AI gioca un ruolo fondamentale, migliorando la qualità dei dati, rilevando anomalie, ottimizzando la gestione e la protezione dei dati. Al tempo stesso, una governance efficace dei dati è un presupposto fondamentale per sfruttare appieno il potenziale dell’AI, poiché una “buona” AI, specialmente nel nuovo dominio generativo, dipende dalla pulizia delle sorgenti informative, dell’affidabilità e organizzazione dei modelli, nonché dall’appropriatezza delle domande e degli stimoli, i famosi “prompt”, che sono alla base di decisioni accurate e informate. In questo contesto, AI e data governance lavorano insieme per migliorare l’affidabilità, la trasparenza e la sicurezza dei dati all’interno delle organizzazioni.

Il dossier si propone di delineare i punti essenziali e i presupposti teorici di una strategia di data e AI governance aziendale, anche lungo l’asse dei ruoli e gli accorgimenti organizzativi da adottare, con la finalità di garantire al ciclo di vita del dato – dalla sua generazione alla definitiva archiviazione o distruzione – un percorso che sia in linea con gli obiettivi di creazione di valore a partire dai dati stessi e con il quadro normativo che nell’opinione generale è stato forse il fattore più importante nella definizione della “nuova” data governance.

L’obiettivo è di prendere in esame anche i fondamentali aspetti tecnologici e le categorie di piattaforme e applicazioni che oggi sono al servizio di queste strategie e più specificatamente delle nascenti pratiche del DataOps, intesa nella definizione di IBM come “insieme di pratiche di gestione dei dati condivisi, volte ad accelerare la distribuzione, mantenere la qualità, promuovere la collaborazione e massimizzare il valore dai dati”. Secondo questa definizione, ovviamente ispirata alla filosofia DevOps, l’obiettivo del DataOps è garantire che funzioni di sviluppo che in passato venivano portate avanti all’interno di silos indipendenti gli uni dagli altri, siano automatizzate e agili. In altre parole, se il DevOps si occupa di razionalizzare e snellire le attività di sviluppo software, il DataOps si concentra sull’automazione del processo di gestione e analisi dei dati.

DataOps e automazione: la nuova frontiera per gestire il ciclo di vita dei dati #DataGovernance #AI
Click To Tweet

IL MANUALE DI RIFERIMENTO

Molti dei principi illustrati in questo dossier si ispirano alla Guida alla data governance di Evren Eryurek, Uri Gilad, Valliappa Lakshmanan, Anita Kibunguchy-Grant e Jessi Ashdown, pubblicata da O’Reilly Media nel 2021. Gli autori della guida, molti dei quali coinvolti nelle attività del cloud pubblico di Google, identificano proprio nel cloud l’origine e la destinazione di una moderna strategia di gestione dei dati “nel cloud e per il cloud”, individuando un altro momento spartiacque nella vita dei consumatori di servizi infrastrutturali: l’avvento della normativa europea GDPR, che ha avuto – anche fuori dall’Europa – un profondo impatto sulle aspettative percepite dalle aziende. L’entrata in vigore della normativa sulla privacy, scrivono gli autori della Guida, ha focalizzato l’attenzione generale su tre potenziali fattori di rischio legati all’uso delle informazioni conservate in cloud: protezione dei dati, conformità alle normative vigenti e visibilità, tracciabilità e controllo. L’archiviazione dei dati in un’infrastruttura cloud pubblica preoccupano le grandi aziende tipicamente abituate a distribuire i propri sistemi informativi in modalità “on prem” e si aspettano una sicurezza rigorosa. A fronte di una crescente percezione mediatica degli effetti delle minacce informatiche e delle violazioni della sicurezza, molte aziende hanno cominciato a temere di poter diventare vittime di questi eventi e questo ha rafforzato il bisogno di gestire meglio il rischio dovuto alla mancata protezione da accessi non autorizzati o all’esposizione di dati sensibili (dati relativi all’identità delle persone, informazioni aziendali riservate, segreti commerciali, proprietà intellettuale).

Per quanto riguarda la compliance normativa, su scala globale, oltre alla GDPR si registra un aumento di regolamenti nazionali e di settori, in particolare quello bancario e assicurativo, che implicano tutta una serie di processi e di ruoli aziendali adibiti alla tutela della privacy e della integrità dei dati personali. Le stesse normative definiscono tali ruoli e processi in modo esplicito, contribuendo a innalzare il livello di attenzione e a definire opportune policy di monitoraggio e attuazione all’interno delle singole aziende. Come conseguenza di questi due fattori, i professionisti della gestione dei dati e i “consumatori” di dati aziendali hanno preso coscienza dei grossi limiti di visibilità che le loro organizzazioni possono avere sul proprio patrimonio informativo. L’incertezza relativa a tutti questi punti limita la capacità di sfruttare ulteriormente i propri dati per migliorare la produttività o generare valore per l’azienda.

Governance dei dati: non solo strumenti, ma anche persone e processi #DataGovernance #AI
Click To Tweet

L’ORGANO DI GOVERNO

Un buon piano di governance dei dati deve includere la creazione di un organo di governo o un vero e proprio board decisionale, oltre a un set definito di procedure e un flusso di esecuzione di tali procedure. In parole povere, la governance dei dati implica il modo in cui persone, processi e tecnologia lavorano insieme per consentire una misurabile conformità rispetto alle policy sui dati che l’azienda ha concordato e definito. Una organizzazione deve approcciarsi alla governance dei dati in modo esaustivo, dall’assunzione e immissione dei dati, passando attraverso diversi momenti: catalogazione, persistenza, conservazione, gestione dell’archiviazione, condivisione, archiviazione, backup, ripristino, prevenzione di furti e violazioni, rimozione e definitiva eliminazione. Cerchiamo di capire che cosa prevede ciascuna di queste fasi.

CLASSIFICAZIONE DEI DATI

Valutare correttamente un asset dati e analizzare il contenuto dei suoi diversi attributi può aiutare a categorizzare l’asset dati per una successiva organizzazione. Questo processo può servire anche a stabilire se l’oggetto contiene dati sensibili e, in tal caso, classificarlo in termini di livello di sensibilità dei dati, come dati personali e privati, dati riservati o proprietà intellettuale. Per implementare la governance dei dati nel cloud, bisogna porre estrema attenzione nel profilare e classificare i dati sensibili per determinare quali policy e procedure di governance verranno applicate a questi dati. Una volta valutati e classificati gli asset dati, è fondamentale documentare i profili raccolti, in modo che le varie comunità di utenti di dati abbiano visibilità sul panorama dei dati dell’intera organizzazione. È necessario mantenere un catalogo dati che contenga metadati strutturali, metadati di oggetti-dati e la valutazione dei livelli di sensibilità in relazione alle direttive di governance (per esempio la conformità a una o più normative relative alla privacy dei dati). Il catalogo dati non solo consente agli utenti di visualizzare queste informazioni, ma può anche fungere come una sorta di “indice inverso” al quale ricorrere per la ricerca e la scoperta, sia per stringa/parola/espressione, sia per concetto (presupponendo la disponibilità delle corrette ontologie). È inoltre importante comprendere il formato degli oggetti dati strutturati e semi-strutturati e consentire ai sistemi di trattamento di gestire questi tipi di dati in modo diverso, se necessario.

Accesso ai dati: garantire usabilità senza compromettere la sicurezza #DataGovernance #AI
Click To Tweet

QUALITÀ E ACCESSO

Diversi utenti di dati possono avere diversi requisiti di qualità dei dati, quindi è importante fornire uno strumento per documentare i livelli di qualità previsti e mettere a disposizione tecniche e strumenti adatti a supportare il processo di validazione e monitoraggio dei dati. Il processo di gestione della qualità del dato deve comprendere la creazione di parametri di controllo per la validazione; l’attivazione di un costante monitoraggio e segnalazione delle variazioni della qualità; il supporto di una precisa diagnostica che misuri il livello di gravità degli incidenti; un’ulteriore fase “autoptica” che individui le cause principali di queste perdite; e, partendo da queste, una fase di remediation in un cui vengono fornite precise indicazioni su come riparare incidenti e guasti ed evitare che questi si ripetano anche in futuro.

Un corretto trattamento della gestione della qualità deve quindi mirare a fornire dati misurabili per questo tipo di analisi. Ci sono due aspetti della governance dell’accesso ai dati. Il primo riguarda la modalità di erogazione degli accessi alle risorse disponibili. È importante fornire servizi dati che consentano agli utenti di accedere ai dati di proprio interesse e in questo senso la maggior parte delle piattaforme cloud prevede anche una metodologia di sviluppo dei servizi-dati. Il secondo aspetto da considerare è la prevenzione di accessi impropri o non autorizzati. È importante definire identità, gruppi e ruoli e assegnare diritti di accesso per stabilire un livello di accesso chiaramente gestibile. In questo dominio le best practice puntano verso la gestione dei servizi di accesso e l’interoperabilità con i servizi di gestione dell’identità e dell’accesso (IAM) messo a disposizione del provider cloud, definendo ruoli, relativi diritti di accesso e gestendo e assegnando chiavi di accesso che assicurino che solo persone e sistemi autorizzati e autenticati siano in grado di accedere alle risorse dati in base alle regole che sono state definite.

L’AI Act è qui: cosa cambia per le imprese e perché è un’opportunità #DataGovernance #AI
Click To Tweet

AUDIT E PROTEZIONE

Una organizzazione deve essere in grado di valutare i propri servizi-dati per assicurarsi che funzionino come previsto. Monitoraggio, audit e tracciamento (chi ha fatto cosa, quando e con quali informazioni) aiutano i team di cybersecurity a raccogliere dati, identificare minacce e agire su tali minacce prima che queste possano tradursi in compromissioni o perdite di informazione. È importante eseguire audit regolari per verificare l’efficacia dei controlli al fine di contenere nel tempo più rapido possibile le eventuali minacce e valutare lo stato generale della sicurezza. Nonostante gli sforzi di queste squadre e il loro impegno nel mantenere determinati livelli di sicurezza che escludano l’accesso non autorizzato, il concetto di sicurezza perimetrale non basta a proteggere i dati più sensibili. Se in teoria è possibile impedire che qualcuno possa accedere a un sistema protetto dall’esterno, è molto più complesso proteggersi da una violazione della sicurezza interna o da un eventuale tentativo di esfiltrazione (furto di dati), manovrato dall’interno del perimetro protettivo. È importante quindi istituire una serie di metodi di protezione aggiuntivi, tra cui la crittografia statica dei dati “a riposo”, la crittografia dinamica sui flussi di dati in transito, il mascheramento e persino la definitiva eliminazione, per fare in modo che i dati eventualmente esposti a “sguardi” e impieghi non autorizzati non possano essere letti immediatamente.

I TRE AMBITI DELLA GOVERNANCE

La qualità del dato, il controllo degli accessi da parte delle varie tipologie di utenti, e la prevenzione di eventi che possono portare al degrado di qualità, alla perdita o addirittura al furto dei dati più sensibili – ci dimostrano che la pratica della data governance è in realtà un ibrido multidisciplinare, al quale devono contribuire competenze aziendali molto diverse. La data governance è principalmente focalizzata sull’accessibilità, sul rendere i dati facilmente accessibili, raggiungibili e pre-indicizzati in modo da favorire la ricerca delle informazioni rilevanti, per una base di utenti che di solito rappresenta l’intera popolazione di knowledge worker di una organizzazione aziendale. La data governance può in una certa misura ampliare il momento del data enablement, abbracciando opportuni flussi di lavoro durante i quali avviene l’acquisizione del dato da parte dei loro utenti. Per “attivazione” o data enablement si intende la capacità di andare oltre alla semplice accessibilità.

Il concetto si estende a quegli strumenti che consentono un’analisi e un trattamento dei dati per rispondere a una precisa richiesta da parte del business. Quanto spende l’azienda per questa voce? Possiamo ottimizzare questa supply chain? E così via. L’argomento è decisivo e richiede una conoscenza approfondita di come si “lavora” sui dati. Per favorire ulteriormente questa conoscenza è opportuno prevedere fin dall’inizio la creazione di metadati che descrivono i dati, includendo parametri di tipo valoriale, l’indicazione della loro origine e discendenza ed eventualmente il contatto diretto con il curatore e il proprietario dei dati in questione, per consentire ulteriori approfondimenti.

La sicurezza va a intersecarsi sia con il problema dell’attivazione sia con la governance dei dati, ed è normalmente concepita come l’insieme dei meccanismi messi in atto per prevenire e bloccare ogni accesso non autorizzato. La governance dei dati include quindi la presenza di tradizionali meccanismi di cybersicurezza, ma va oltre la semplice prevenzione dell’accesso non autorizzato per occuparsi di policy, trasformazione e capacità di verificare l’efficacia e i livelli di applicazione delle policy previste. L’implementazione corretta di tutte le dinamiche di sicurezza promuove quel grado di “data trust” o affidabilità del dato, necessaria per la piena condivisione dell’informazione e l’effettiva “democratizzazione” del dato all’interno dell’organizzazione.

Chi, come e perché può accedere ai dati. DataOps, oltre la gestione #DataGovernance #AI
Click To Tweet

COME IMPLEMENTARE IL PIANO

Implementare un piano di governance all’altezza di tutte queste aspettative richiede una perfetta sinergia tra strumenti, ruoli e processi. Il punto di partenza è la creazione di un dizionario che descrive come un’organizzazione lavora con i dati ed è su questo primo strumento di base che si regge l’intera strategia di governance. Un dizionario può assumere forme diverse, da un semplice documento cartaceo a un vero e proprio framework che codifica o automatizza determinate policy relative ai dati. Di norma il dizionario sarà responsabilità dell’ufficio legale, quando il primo obiettivo è la conformità, o più propriamente dell’ufficio dati, che si occupa della standardizzazione dei singoli elementi utilizzati. Una volta definito il dizionario, gli infotype contenuti al suo interno possono essere raggruppati in classi di dati e per ogni classe di dati può essere definita una policy. Una volta che i dati gestiti dall’organizzazione sono definiti nel dizionario aziendale, le policy che regolano le varie classi di dati possono essere assegnate ai dati ripartiti nei diversi contenitori. In molti casi, insieme alla specifica della classe di dati, l’ufficio responsabile definisce un libro delle policy aziendali che serve a specificare le classi di dati utilizzate, i tipi di dati elaborati, indirizzando anche l’aspetto procedurale: in pratica cosa è consentito e cosa non è consentito fare con i dati.

POLICY BOOK

Un policy book aziendale ben calibrato e ben documentato è utilissimo per comprendere, organizzare e applicare le proprie politiche in materia di informazione, ma consente anche di reagire rapidamente alla continua evoluzione delle normative che regolano aspetti come la privacy, la continuità e la disponibilità dei dati. La capacità di fornire rapidamente e facilmente la documentazione e le prove di conformità –  non solo in occasione di audit esterni ma anche nelle indagini promosse al proprio interno – non va mai sottovalutata. Per limitare la responsabilità, l’impatto del rischio e l’esposizione ad azioni legali, l’azienda è tenuta anche a definire una precisa durata, minima e massima, per la conservazione dei suoi dati.

Ciò è importante perché durante un’eventuale indagine da parte delle autorità, queste possono richiedere determinati tipi di dati che l’azienda è obbligata a fornire. Sul piano fiscale e contributivo, per esempio, ci sono precisi obblighi di conservazione su orizzonti di almeno cinque anni. Un altro tipo di policy riguarda sicuramente il controllo dell’accessibilità. Pur trattandosi di dati digitali, le politiche di accesso non possono essere binarie. Tra “zero accessibilità” e “totale accessibilità” possono esserci diverse gradazioni di accessibilità parziale. In genere queste consistono in forme di accesso a un sottoinsieme dei bit effettivamente conservati o alla possibilità di disporre solo dell’informazione criptata, in modo da consentire una forma semplificata di elaborazione e trattamento.

Il libro delle policy e il dizionario aziendale descrivono i dati gestiti dall’organizzazione. A questi si possono poi aggiungere strumenti più specifici che possono agevolare le attività di governance del dato e i tempi di intervento degli operatori. Per esempio, è possibile rendere ancora più dettagliato il libro delle policy applicando specifiche “policy per caso d’uso”. Vi sono poi attività di classificazione e profilazione dei dati che si avvalgono di strumenti automatici, spesso messi a disposizione dagli stessi cloud provider. Un altro aspetto su cui soffermarsi è la gestione dei metadati e la creazione di cataloghi di dati che permettono di conoscere meglio la natura “ontologica” delle informazioni che vengono elaborate in azienda. E infine, si possono prendere in considerazione strumenti capaci di intervenire sulla qualità e la “normalizzazione” dei dati, per consentire agli utenti risultati ottimali dei vari processi analitici, o anche appositi tool di “data lineage”, il processo di tracciamento del flusso di dati nel tempo, che fornisce una chiara comprensione dell’origine dei dati, dei loro cambiamenti e della loro destinazione finale all’interno delle cosiddette “pipeline” dei dati.

Il ciclo di vita dei dati non è lineare. Ogni fase presenta sfide uniche #DataGovernance #AI
Click To Tweet

L’USABILITÀ DEL DATO

A questi strumenti si aggiungono quelli che riguardano più da vicino le policy di accesso e controllo dell’usabilità del dato. Pensiamo per esempio alle varie soluzioni e piattaforme che gestiscono la crittografia e la gestione delle chiavi crittografiche; gli strumenti IAM (gestione delle identità e degli accessi); quelli per la gestione delle regole e delle regole di conservazione e delle eventuali procedure di cancellazione dei dati che per ragioni di business o di compliance devono essere rimossi dagli archivi, dinamici o storici che siano. Gli strumenti, tuttavia, non sono l’unico fattore da valutare quando si progetta una strategia di data governance: le persone coinvolte e il processo mediante il quale viene implementata la governance dei dati sono fondamentali per il successo di una strategia, anche se proprio le persone e i processi sono aspetti che spesso vengono trascurati o frettolosamente semplificati, mentre il focus è tutto sugli strumenti e gli ausili tecnologici.

DATI, RUOLI E PROCESSI

Gli strumenti per la governance dei dati, sebbene sempre più sofisticati e smart, non sono sufficienti da soli. Il loro successo dipende strettamente dal modo in cui vengono implementati, dalla comprensione da parte delle persone che li utilizzano e dai processi messi in atto per garantirne il corretto utilizzo. La governance dei dati, infatti, è il risultato di una complessa interazione di ruoli e responsabilità che dovrebbero operare come un meccanismo ben regolato e coordinato. Tuttavia, molte aziende si trovano raramente nella condizione di adempiere pienamente a questi incarichi sia per carenza di competenze specifiche sia, più comunemente, per insufficienza di personale. Di conseguenza, i dipendenti che operano nell’ambito dei dati sono spesso costretti a ricoprire più ruoli contemporaneamente. Anche se si possono identificare tre categorie principali – chi governa, chi autorizza e chi utilizza i dati (utente) – è necessario considerare anche una quarta categoria, quella dei ruoli “ancillari”, che supportano o completano il sistema di governance, come il responsabile legale, i membri del C-level, l’auditor esterno. Tutti questi ruoli, nelle loro specifiche funzioni, se coordinati efficacemente, consentono di costruire un sistema di governance robusto, capace di affrontare le sfide di un ambiente sempre più orientato ai dati e alle normative che li regolano.

Sebbene vi siano molte attività importanti per il successo di una strategia di data governance, si può affermare che le più critiche riguardano la categorizzazione, la classificazione e l’etichettatura dei dati. Per governare i dati, occorre prima conoscere la loro natura e per definizione questa natura può cambiare costantemente. Senza un corretto arricchimento dei dati – che costituisce il compito primario della funzione del data steward – probabilmente non si avrà mai una corretta data governance. ll ruolo del data steward è così importante che, nelle organizzazioni che adottano strategie specifiche di governance dei dati, chi ricopre questa posizione si trova spesso a indossare più “cappelli”. Non solo svolge le proprie mansioni, ma assume anche il ruolo di responsabile della privacy o di data owner. Inoltre, capita frequentemente che il data steward agisca anche come utente, partecipando direttamente all’analisi delle informazioni.

Dati e metadati come infrastruttura invisibile della governance in un ecosistema cloud #DataGovernance #AI
Click To Tweet

IL CICLO DI VITA DEI DATI

Indipendentemente dalle specificità e dalle esigenze dell’azienda, l’unico modo per rendere concreta la data governance è seguire correttamente ogni fase del ciclo di vita delle informazioni. Definire che cosa sia un data lifecycle sembra quasi intuitivo, ma in realtà è molto complesso. Non esiste un modo standardizzato di concepire le diverse fasi attraversate da un determinato volume di dati, ma si può concordare sul fatto che ogni fase ha determinate caratteristiche esclusive, che la distingue dalle altre. E a causa di queste diverse caratteristiche, all’interno di ogni fase, anche il modo di pensare alla governance varierà man mano che ogni aggregato di dati si sposta dalla sua creazione alla sua archiviazione “statica” o cancellazione definitiva.

È importante sottolineare che questa definizione cerca di catturare l’essenza di ciò che accade a un insieme di dati. Inoltre, non tutte le tipologie di dati passano attraverso ogni fase del ciclo di vita. Le fasi rappresentano una sequenza logica che descrive come i dati potrebbero essere gestiti, tuttavia, questa sequenza non implica che i dati seguano effettivamente tutti i passaggi in modo lineare o che tali fasi si traducano direttamente in flussi operativi reali all’interno di un sistema informatico. In pratica, alcune fasi potrebbero essere saltate, sovrapposte o manifestarsi in modi diversi a seconda della natura dei dati, delle esigenze aziendali o delle caratteristiche del sistema tecnologico adottato.

Le aziende lavorano su due grandi categorie di dati. La prima è quella dei dati transazionali derivati nello svolgersi delle normali transazioni di business e gestiti focalizzandosi soprattutto sulla velocità e sulla capacità di seguire in tempo reale queste transazioni. L’altra grande categoria, è quella dei dati analitici, dove la priorità è la capacità di sintetizzare ed estrarre informazioni da grandi volumi di dati di partenza.

Dati transazionali e dati analitici possono seguire cicli di vita profondamente diversi, poiché la gestione di ciascuno dipende dalle scelte strategiche e operative dell’organizzazione. Tuttavia, questi dati non rimangono confinati nei sistemi transazionali. Al contrario, vengono spesso esportati verso sistemi separati e specializzati, come data warehouse o piattaforme di analisi, per essere elaborati e trasformati in informazioni utili per decisioni strategiche. Durante questo trasferimento e utilizzo, i dati transazionali passano attraverso diverse fasi del ciclo di vita, come la raccolta, l’elaborazione, l’archiviazione e, infine, l’utilizzo a fini analitici. La corretta supervisione dei dati durante tutto il loro ciclo di vita è essenziale per ottimizzarne l’utilità e ridurre al minimo il potenziale di errori. Definire questo processo è necessario per rendere operativa la governance e poiché ogni fase ha esigenze di governance distinte, questa strutturazione favorisce la missione complessiva sull’intero spettro di utenti.

Il modello suggerito (creazione, preparazione, archiviazione, rimozione e cancellazione) è solo una delle tante possibili approssimazioni, ma qualunque variante si decida di apportare, è importante che la struttura definitiva del ciclo di vita guidi, dall’alto, le singole procedure messe in atto. Qualunque framework si scelga di utilizzare deve essere quello che guida i processi e le procedure da mettere in atto. La prima fase del ciclo di vita dei dati è la creazione o l’acquisizione dei dati. I dati vengono ricavati da più fonti, in formati diversi come dati strutturati o non strutturati e in diversi momenti (in batch o come flusso real-time). I clienti possono scegliere di utilizzare opportuni connettori verso dati esistenti, creare nuove pipeline ETL (Extract, transform, load) oppure sfruttare tool di inserimento (ingestion) di terze parti per caricare i dati in una piattaforma dati o in un sistema di archiviazione. In questa fase, possono essere creati e acquisiti anche i metadati. Si osserva che creazione e acquisizione dei dati sono due modalità utilizzate in modo intercambiabile, a seconda della fonte utilizzata principalmente a causa della fonte dei dati: in genere un dato del tutto nuovo viene generato, quello già disponibile viene acquisito manualmente, importato o anche “catturato” (un esempio di quest’ultimo caso è tipicamente il dato rilevato da un sensore IoT). Ognuna di queste modalità scatena situazioni che impattano sulla governance. Per esempio: quali sono i diversi controlli e bilanciamenti per i dati acquisiti dall’esterno di una organizzazione? Probabilmente ci sono contratti e accordi che definiscono in che modo l’azienda è autorizzata a utilizzare questi dati e per quali scopi. Potrebbero esserci anche precise limitazioni su chi può accedere a quei dati specifici.

Data steward e data owner chiamati a ricoprire ruoli ibridi e multipli #DataGovernance #AI
Click To Tweet

Una volta acquisiti, i dati subiscono una sorta di pre-trattamento, che precede la fase del vero e proprio utilizzo o valorizzazione. Questa preparazione viene anche definita manutenzione e prevede processi di integrazione, pulizia, scrubbing o estrazione-trasformazione-caricamento per prepararli per l’archiviazione e l’eventuale analisi. In questa fase, alcune delle implicazioni di governance da tener presenti sono il “lineage” (la discendenza), la qualità e la classificazione, che abbiamo discusso in precedenza. Tra le considerazioni da fare c’è ovviamente anche la protezione, statica o dinamica, da dare al proprio patrimonio dati. La terza fase del ciclo di vita dei dati è l’archiviazione dei dati, in cui sia i dati che i metadati vengono archiviati su sistemi di archiviazione e dispositivi con i livelli di protezione appropriati. Poiché ci stiamo concentrando sul ciclo di vita dei dati analitici, un sistema di archiviazione potrebbe essere un data warehouse, un data mart oppure un data lake. I dati devono essere crittografati staticamente per proteggerli da intrusioni e attacchi. Inoltre, i dati devono essere sottoposti a backup per garantire la ridondanza in caso di perdita di dati, eliminazione accidentale o disastro.

La fase di impiego dei dati definisce come i dati vengono finalizzati al supporto degli obiettivi e le operazioni dell’organizzazione. In questa fase, i dati rappresentano davvero un valore e consentono all’organizzazione di prendere decisioni informate. È in questa fase che i dati vengono “interrogati” e se la loro qualità non viene implementata correttamente, le risposte saranno incomplete o addirittura fuorvianti. Poiché i dati vengono utilizzati da più stakeholder e processi interni ed esterni durante questa fase, una corretta gestione degli accessi e un puntuale audit delle tracce di utilizzo sono essenziali.

Nella fase di archiviazione, i dati vengono rimossi da tutti gli ambienti di produzione attivi e trasferiti in un altro ambiente. Qui non verranno più elaborati, utilizzati o pubblicati, ma resteranno a futura disposizione di chi vorrà (o dovrà) tornare a interrogarli. Pur non essendo previste operazioni di manutenzione in questa fase, il piano di governance deve comunque prevedere in dettaglio le modalità dell’archiviazione e i controlli da effettuare, soprattutto dal punto di vista della durata in previsione dell’ultima fase, quella della cancellazione. Nella fase finale, i dati vengono definitivamente rimossi anche dagli archivi storici ed eliminati. Quando si arriva a questo punto in genere si fa riferimento anche alla rimozione di ogni copia rimasta all’interno dell’organizzazione. Prevedere una durata illimitata dei propri archivi diventa un’ipotesi sempre meno realistica, perché anche se i costi unitari dell’archiviazione diminuiscono, il volume delle informazioni cresce enormemente, rendendo troppo oneroso il mantenimento di dati fuori produzione. Ovviamente, ogni decisione di definitiva rimozione deve partire dalla profonda conoscenza delle normative sulla conservazione dei dati e le operazioni devono essere tracciate e certificate affinché le risorse di archiviazione occupate risultino effettivamente libere in caso di inventario.

DATI E INTELLIGENZA ARTIFICIALE

Che posizione assume l’intelligenza artificiale all’interno di una strategia e di una policy di data governance? L’intera disciplina dell’AI – sia che si parli di modellamento e studio dell’andamento del business, di supporto alle decisioni, di simulazione e affiancamento degli esperti umani, sia delle nuove frontiere dell’intelligenza generativa, semantica e linguistica – è profondamente legata alla qualità e all’accessibilità dei dati e dunque alla loro corretta gestione. Per questa ragione, i fondamenti e gli obiettivi della governance (accountability, standardizzazione, conformità, qualità e trasparenza) si applicano almeno tanto all’AI quanto ai dati. La governance dell’AI stabilisce le policy e le procedure per lo sviluppo e l’applicazione di modelli e algoritmi in un’organizzazione. Con una governance adeguata, il machine learning può aggiungere valore ai processi aziendali, rendere ancora più efficienti l’automazione e i meccanismi decisionali e al tempo stesso ridurre rischi di natura normativo-legale e reputazionale.

Nel mondo aziendale e nei servizi pubblici, sta assumendo un’importanza sempre più centrale il “come” un’organizzazione analizza il proprio stato finanziario, prende decisioni, sviluppa e commercializza prodotti o interagisce con i clienti. Questa centralità si accentua ulteriormente quando modelli o algoritmi sono in grado di sostituire, parzialmente o completamente, il ragionamento umano. L’adozione di queste nuove forme di “automazione” solleva inevitabilmente questioni di responsabilità etica e legale che non possono essere ignorate, specialmente quando tecnologie avanzate come i Large Language Models, il cui successo è stato finora soprattutto mediatico, iniziano a trovare applicazione concreta. Questi strumenti diventano parte integrante dei processi aziendali, trasformandosi in pratica quotidiana e introducendo nuove sfide e opportunità. Il requisito minimo che la governance dell’AI deve stabilire è che tutti i modelli e gli algoritmi utilizzati devono essere conformi alle normative pertinenti al settore o all’applicazione a cui afferiscono.

Negli Stati Uniti, per esempio, i settori dei servizi finanziari e dell’istruzione sono soggetti a una legislazione che stabilisce quali tipi di input possono essere inclusi nello sviluppo e nella formazione dei modelli. Questi standard sono pensati per garantire che le classi protette della popolazione ricevano un accesso equo a prestiti, alloggi, istruzione e altri servizi essenziali. Ma il discorso normativo riguarda anche gli stati membri dell’Unione europea, con l’ormai celebre AI Act che ricalca, per la sua validità globale, l’impianto giurisdizionale della GDPR, promettendo di lasciare una traccia profonda e duratura sul tema della governance.

Sicurezza e flessibilità operativa. GDPR e AI Act: la compliance come catalizzatore #DataGovernance #AI
Click To Tweet

L’AI VISTA DALL’UNIONE EUROPEA

Entrato in vigore nell’agosto del 2024, con un percorso di graduale entrata in vigore e armonizzazione su un orizzonte triennale, l’Artificial Intelligence Act parte dalla definizione di “sistema di intelligenza artificiale” come qualsiasi sistema basato su computer che “opera in modo autonomo per generare output quali previsioni, raccomandazioni o decisioni che influenzano ambienti fisici o virtuali”. Questa ampia definizione, ispirata alle linee guida dell’OCSE, è pensata in modalità “future proof”, per coprire, nel corso del tempo, un’ampia gamma di tecnologie tra cui l’intelligenza artificiale generativa, il deep learning, ma anche tecniche di analisi dei dati più convenzionali. Come nel caso della GDPR, ogni singola organizzazione sarà chiamata a ragionare a fondo sulle implicazioni che questa normativa può avere sulle sue scelte di natura tecnologica. E influirà sulle strategie che verranno messe in atto per garantirne la conformità, ridurre il rischio di esposizione alle sue possibili violazioni e, nel caso, intervenire con le opportune manovre correttive.

L’utilizzo di strumenti di catalogazione per il controllo granulare dei dati è un modo sicuro per limitare, fin dallo stadio della programmazione, ciò che può essere utilizzato come input, da parte di quali funzioni e così via. La legge ci dice quello che possiamo o non possiamo fare. Quando si tratta di AI, tuttavia, oltre ai requisiti legali si pone una serie di potenziali considerazioni etiche, spesso tutte da scoprire, ma che nell’insieme costituiscono lo spinoso ambito delle cose che dovremmo e non dovremmo fare. Ed è in quest’area che gli algoritmi dell’intelligenza artificiale mal governati possono provocare gravi conseguenze di natura reputazionale, indipendentemente dalle dimensioni di una organizzazione. I prossimi anni vedranno sicuramente svilupparsi un ampio dibattito su una “compliance etica” che non ha ancora un suo “How-to” e forse è giusto che non l’abbia mai.

L'articolo Data-driven o caos? La nuova data governance proviene da Data Manager Online.

L’intelligenza artificiale è ormai il plus di qualsiasi software aziendale: dagli ERP ai CRM, dagli antivirus ai sistemi di business intelligence. Se un tempo bastava aggiornare un firewall per sentirsi al sicuro, oggi la questione è molto più complicata. Perché non solo l’AI e il machine learning sono integrati in tutto ciò che utilizziamo a livello professionale, ma li portiamo con noi anche nella vita di tutti i giorni. Chi non ha mai chiesto un consiglio a ChatGPT, delegato una ricerca a Gemini o messo alla prova DeepSeek? Eppure, mentre affidiamo all’AI analisi, decisioni e perfino parte della nostra creatività, una domanda resta sospesa: chi protegge queste intelligenze artificiali dai tentativi di manipolazione, sabotaggio o furto? Se un hacker può corrompere i dati di addestramento, far deragliare un modello predittivo o persino sottrarre un’intera rete neurale, la sicurezza dell’AI diventa una questione di sopravvivenza per le aziende.

NON BASTA CHE FUNZIONI

L’intelligenza artificiale è il nuovo olio di palma. Si adatta a ogni sollecitazione, si lega con tutto e la maggior parte di noi gradualmente dimentica in quante occasioni la utilizza. Eppure sotto al cofano di tantissimi software – dall’antivirus al gestionale, dall’ERP al programma di contabilità – sono depositati strati robusti di AI e machine learning che come un plotone di impiegati invisibili e silenziosi lavorano instancabilmente dietro le quinte. Sempre di più, usiamo e beneficiamo di queste innovazioni passando oltre, convinti che il salto di produttività ed efficienza siano tutto merito nostro. Sappiamo bene che invece queste tecnologie meritano più di una riflessione. A partire da un piccolo dettaglio che spesso ci sfugge. Anche l’AI ha bisogno di protezione: non basta che funzioni, deve farlo in modo sicuro, perché se crolla, crollano a cascata integrità dei dati, continuità operativa e competitività aziendale.

Ma cosa significa esattamente difendere un software che sfrutta l’AI? Proteggere questi sistemi significa blindare l’integrità dei loro processi, la riservatezza dei dati che gestiscono e la loro affidabilità operativa. Tenere cioè al sicuro quei “cervelli” che ogni giorno analizzano montagne di dati, prendono decisioni in tempo reale e contribuiscono al funzionamento del motore delle aziende. Prendiamo in considerazione sistemi come SAP, Oracle NetSuite e Microsoft Dynamics, veri e propri motori operativi delle aziende. Comprometterli è il sogno proibito di ogni hacker perché significa mettere le mani su dati sensibili, personali, finanziari, segreti aziendali e interrompere operazioni aziendali, produzione, e così via. L’AI infatti si basa su algoritmi e dati di addestramento che se corrotti o manipolati possono far sì che il software inizi a funzionare in modo errato, inducendolo a prendere decisioni sbagliate, e trasformandosi così in un’arma letale nelle mani dei malintenzionati. Per esempio, un antivirus la cui base dati fosse “avvelenata” potrebbe non riconoscere più i malware o, peggio, identificare erroneamente file sicuri come minacce. Proteggere questi sistemi significa proteggere anche i dati utilizzati per l’addestramento e il funzionamento degli algoritmi. Non un compito banale. Soprattutto in un contesto nel quale anche un solo errore può costare caro. L’intelligenza artificiale è il motore operativo di molti servizi critici. Basta un’interruzione, ed ecco che arrivano perdita di dati, danni reputazionali e rosso sul bilancio. Certo. Ma chi dovrebbe occuparsene? I vendor certamente, che devono costruire software sicuri. Ma anche le aziende, che devono mantenerli protetti e aggiornati. Perché quando si tratta di tecnologie strategiche, lasciarle incustodite è come lasciare le chiavi di casa sotto lo zerbino.

PROTEGGERE L’AI

La sicurezza non si improvvisa, si progetta. Ma da dove si inizia a proteggere un software? Semplice. Dalla culla. Cioè sin dalla fase di progettazione. Anche per i componenti di intelligenza artificiale e machine learning integrati nelle loro soluzioni, i vendor devono adottare un approccio “security by design”. Ma quali sfide comporta l’integrazione della sicurezza in ogni fase del ciclo di vita del software?

Un sistema di AI è diverso da un sistema software generale perché i suoi algoritmi non codificano “cosa fare per risolvere un certo problema” ma “cosa fare per imparare a risolvere un certo problema” – spiega Corrado Giustozzi che fa parte del Comitato direttivo di CLUSIT. «Il comportamento di un sistema di AI non dipende dalle regole di apprendimento ma dall’esperienza acquisita su dati di training o su dati reali. La sicurezza “by design” quindi non può limitarsi alla progettazione e implementazione di algoritmi di inferenza corretti e robusti, ma deve prendere in considerazione anche la fase di addestramento del sistema e la sua interazione con gli utenti e con i reali dati di esercizio. Gli attacchi tipici contro i sistemi di AI non sono attacchi cyber in quanto non sono rivolti contro la struttura informatica che ospita il sistema. Sono attacchi semantici che sfruttano gli stessi dati di input, opportunamente manipolati dall’attaccante, come vettori di attacco».

#cybersecurity #AI Come proteggere l’AI – Corrado Giustozzi #Clusit
Click To Tweet

ANALISI DEI RISCHI MIRATA

Niente ritocchi last minute e toppe sparse qua e là. La sicurezza deve essere il filo rosso che attraversa ogni fase del ciclo di vita del software dall’idea al prodotto finito. Perciò non basta una generica analisi dei rischi. Serve condurre un’analisi mirata alle minacce specifiche per AI e ML. Prendiamo l’avvelenamento dei dati, una tecnica di attacco che mira a corrompere i dati sui quali si addestrano i sistemi AI. Non è difficile immaginare quali conseguenze potrebbe avere il proprio modello AI addestrato su informazioni manipolate. Le domande chiave da porsi in questo caso sono: da dove provengono i dati? Sono integri? Quali controlli devo implementare per prevenire la loro manipolazione? Per esempio nel caso di un sistema AI che analizza i dati provenienti da una serie di sensori IoT, cosa succederebbe se un sensore compromesso iniziasse a trasmettere spazzatura, ossia dati errati, corrompendo il modello?

Un altro rischio è rappresentato dal pericolo di estrazione del modello utilizzato per addestrare i dati. Tradotto: qualcuno potrebbe rubare il “cervello” della nostra AI, frutto di anni di lavoro e milioni di euro investiti, per usarlo a proprio vantaggio. Anche in questo caso occorre porsi le domande appropriate: quanto è protetto il modello? Quali misure devo adottare per proteggerlo da furti o copie non autorizzate? Lasciare una cassaforte aperta, sperando che nessuno la noti è puro azzardo. Allo stesso modo, un’azienda che sviluppa un modello AI proprietario per la previsione delle vendite deve garantire che nessuno possa copiarlo indisturbato.

MODELLAZIONE DELLE MINACCE

La sfida è di elaborare una metodologia che permetta di identificare tutte le minacce attuali per l’AI/ML e progettare contromisure adeguate. «Trattandosi di attacchi semantici, gli approcci possibili si basano soprattutto sulla validazione o sanitizzazione dei dati di input prima che vengano elaborati dal sistema, per evitare che quest’ultimo cada per così dire nella trappola, oppure – in output – prima che il risultato venga emesso in risposta all’elaborazione richiesta, per identificare eventuali risultati anomali che potrebbero evidenziare anomalie sospette attribuibili a errori o attacchi» – spiega Giustozzi di CLUSIT.

Come? Per esempio cercando di identificare e bloccare, o analizzare più in profondità, input o output che risultino eccessivamente anomali dal punto di vista statistico rispetto alla “normalità” attesa. Anche le interazioni con l’utente, in particolare le richieste in input, devono essere analizzate e validate per riconoscere ed eludere richieste illecite, anomale o potenzialmente dannose per il corretto funzionamento del sistema. Attraverso l’analisi dei rischi – che comprende l’identificazione delle minacce, la valutazione dell’impatto sui sistemi AI/ML, l’individuazione delle difese da mettere in campo – occorre definire i requisiti di sicurezza che si traducono in una lista di condizioni che devono essere soddisfatte durante lo sviluppo del sistema AI per resistere agli attacchi. Per contrastare gli attacchi adversariali, si può puntare su un’arma preventiva come l’adversarial training, l’addestramento del modello a reagire positivamente anche in caso di dati manipolati. Mentre nel caso di un modello AI impiegato per il rilevamento di frodi, la sfida è di proteggere il sistema dalla manipolazione dei dati in ingresso, dall’esposizione di dati sensibili contenuti nei dataset e dai malfunzionamenti del modello causati da attacchi adversariali.

RESILIENZA E ADATTAMENTO

Poiché le minacce sono in rapida evoluzione occorre sviluppare una strategia che garantisca una resilienza a lungo termine e un’adattabilità continua ai nuovi scenari di attacco. Da un lato, il sistema deve essere progettato e costruito in modo da non accettare passivamente tutti gli input, ma validarli costantemente attraverso criteri semantici o statistici. Inoltre, deve essere addestrato su un insieme di dati più ampio del minimo necessario e testato su un numero di casi superiore allo stretto indispensabile, includendo anche scenari statisticamente lontani da quelli previsti per le normali condizioni di esercizio. Inoltre, deve verificare la coerenza dei propri output, evitando di fornire risultati se non affidabili.

«Dall’altro – prosegue Giustozzi di CLUSIT – gli sviluppatori del sistema devono mantenersi costantemente aggiornati sull’evoluzione delle minacce e, se necessario, integrare contromisure specifiche per contrastare attivamente quegli attacchi che la sola resilienza del sistema non sarebbe in grado di fronteggiare. Le soluzioni non mancano, ma vanno pensate perché dispieghino i loro effetti in modo integrato». I dati sensibili si possono proteggere con l’anonimizzazione. Tecniche come la Differential privacy aggiungono rumore statistico ai dati per proteggere la privacy senza compromettere l’accuratezza del modello. Ogni decisione presa dal modello AI deve essere tracciabile per garantire trasparenza e auditabilità. Inoltre, bisogna lavorare sulla salvaguardia della sicurezza del modello contro il furto o la copia. La crittografia supportata da hardware sicuro, come i moduli Trusted Platform Module, è la soluzione per blindare il sistema. Anche le scelte tecniche ovviamente giocano un ruolo importante. E questo si può tradurre nell’utilizzo di algoritmi e architetture AI note per essere più resistenti a determinate minacce, oppure di tecniche di Robust training o di Certified defenses per aumentare la resistenza agli attacchi adversarial. La sicurezza è un viaggio, non una destinazione, ma vale la pena intraprenderlo per fare dell’intelligenza artificiale uno strumento potente, affidabile e, pur nei limiti delle attuali conoscenze, sicuro.

LA PARTITA DELLA SICUREZZA

Sappiamo tutti che le piattaforme software non sono esattamente delle fortezze impenetrabili. Diciamo che ci provano. D’altra parte sarebbe assurdo il contrario, visto che parliamo di sistemi che custodiscono segreti aziendali e informazioni critiche. Prendiamo un ERP che di critico ha tutto ed è il cuore delle operazioni aziendali. La sua forza sta nella sicurezza integrata a più livelli. Chi accede e a cosa? Lo decide una gestione meticolosa di ruoli e autorizzazioni, che tiene lontano chi non deve vedere, fare o sapere. Le attività interne? Tutto è registrato, tracciato e monitorato in un audit log che non si fa sfuggire nulla. E quando i dati devono viaggiare, lo fanno sotto la protezione di protocolli sicuri. Gli sviluppatori di questi sistemi, tuttavia, sanno bene devono proteggere le piattaforme da tecniche sempre più sofisticate e per questo, come ogni altra piattaforma critica, gli ERP sono sistemi che prendono la sicurezza sul serio.

Tuttavia, per quanto ben progettata, nessuna architettura può garantire il mitico 100% di protezione: anche la più blindata necessita di strumenti integrati, aggiornamenti costanti e un occhio sempre vigile sulle nuove minacce. Per questo, anche aziende e organizzazioni dovranno impegnarsi per la sicurezza dei software che integrano l’AI. In primo luogo, perché ogni ambiente è un mondo a sé, con i suoi dati, le sue configurazioni e le sue vulnerabilità. Ed è impossibile per i vendor prevedere ogni contesto d’uso. In secondo luogo, perché l’AI si nutre di dati che spesso arrivano dalle aziende stesse. Se i dati usati per addestrare l’intelligenza artificiale non sono custoditi come si deve, il rischio è di avvelenare irreversibilmente i pozzi. Nessun sistema vive in una bolla: i software presenti in azienda devono dialogare con altri software e l’infrastruttura esistente. Se un malintenzionato compromette un server di posta o un database non protetto, può aprirsi un varco anche nel software più sicuro.

#cybersecurity #AI Shadow AI, rischi errori e minacce interne – Giovanni Fiorino #Axitea
Click To Tweet

ERRORI E MINACCE INTERNE

Poi ci sono il fattore umano e le minacce interne. Due variabili che nessun vendor potrà mai controllare. Una password troppo debole, una configurazione sbagliata, un dipendente infedele o scontento possono vanificare anni di ricerca e sviluppo in sicurezza. L’AI in particolare nella sua versione generativa, insieme ai suoi indiscutibili benefici, porta con sé anche alcune sfide. Una di queste è la cosiddetta “Shadow AI” – spiega Giovanni Fiorino, product manager di Axitea. «L’utilizzo non autorizzato di strumenti di intelligenza artificiale da parte dei dipendenti potrebbe mettere a rischio la proprietà intellettuale dell’azienda. Fondamentale per il contenimento di questo rischio è l’adozione di adeguate misure di Data loss prevention (DLP) per impedire che i dati proprietari possano essere compromessi».

Strumenti come ChatGPT utilizzati autonomamente possono esporre i dati aziendali a violazioni, «un rischio che preoccupa il 58% delle organizzazioni e che l’80% dei leader individua come priorità assoluta» – avverte Tamara Zancan, direttore cybersecurity, compliance e identity di Microsoft Italia. Strategie implementate nelle soluzioni dei vendor garantiscono una resilienza a lungo termine e un’adattabilità continua ai nuovi scenari di attacco. «La nostra piattaforma fornisce capacità di cyber resilience grazie a una serie di funzionalità chiave» – afferma Alessio Stellati, regional sales director Italy di Rubrik. «I backup, immutabili, sono al sicuro dalla crittografia o dall’alterazione da parte di ransomware, insider malintenzionati o persino attacchi sofisticati basati sull’AI. Ciò garantisce l’integrità e la disponibilità dei dati, anche di fronte alle minacce più avanzate. Rubrik offre capacità di ripristino rapido, consentendo alle organizzazioni di identificare rapidamente i dati puliti e ripristinare le operazioni con tempi di inattività minimi. Ripristino – conclude Stellati – fondamentale per mitigare l’impatto degli attacchi che sfruttano l’AI generativa».

La sicurezza “alla fonte” non basta. Affidarsi unicamente a quella confezionata dal vendor è come comprare un’auto con l’ABS e pensare di poter guidare bendati. Se come si ripete spesso la sicurezza è un gioco di squadra, allora anche chi usa un software proprietario deve fare la sua parte. Mettere in campo le proprie difese e adattarle al proprio contesto. Anche se i vendor costruiscono una “casa” con le pareti solide e un ottimo sistema d’allarme, tocca alle aziende chiudere porte e finestre, attivare il sistema di sicurezza e controllare regolarmente che tutto sia in ordine. Ognuno deve fare la sua parte.

#cybersecurity #AI Come garantire l’integrità e la disponibilità dei dati – Alessio Stellati #Rubrik
Click To Tweet

SICUREZZA DEI SISTEMI AI

L’AI generativa è un’arma a doppio taglio. In questo momento storico, quanti si stanno davvero chiedendo se sia una priorità proteggersi da un’intelligenza artificiale integrata nei software di uso quotidiano? Lo studio “Securing GenAI, what matters now”, pubblicato da IBM in collaborazione con AWS conferma che i responsabili delle organizzazioni esprimono preoccupazione circa l’utilizzo della GenAI – come ci spiega Raffaele Palombi, security leader di IBM Italia. «L’84% ritiene necessario adottare una GenAI che sia sicura e affidabile, preoccupati della imprevedibilità derivante dal suo utilizzo, ma solo il 24% ha messo in sicurezza o sta lavorando per mettere in sicurezza i propri progetti».

Eppure, l’AI è un ospite attivo, capace di apprendere, adattarsi e – se manipolato – anche tradire. Alcuni lo hanno già capito. I professionisti della cybersecurity, per esempio, scrutano questi nuovi orizzonti con un misto di entusiasmo e preoccupazione. Per loro, l’AI è una frontiera tecnologica e un rischio in agguato. Dai CISO che decidono le strategie aziendali ai penetration tester che giocano a fare i “ladri autorizzati”, molti si interrogano su come proteggerla e proteggerci.

#AI Solo il 24% dei progetti #GenAI incorpora componenti di #cybersecurity – Raffaele Palombi #IBMItalia
Click To Tweet

«L’AI generativa se da un lato migliora la produttività, dall’altro, crea diversi rischi per la sicurezza, non ancora compresi in modo chiaro» – afferma Luca Maiocchi, country manager Italia di Proofpoint. «Sulla base del nostro report “Voice Of The CISO”, il 45% dei CISO italiani nel 2024 considera l’AI generativa un rischio per la sicurezza della propria azienda. Al tempo stesso, può rappresentare un importante elemento di difesa. Con l’80% degli intervistati che dichiara l’intenzione di implementare funzionalità basate sull’intelligenza artificiale per contribuire alla protezione da errori umani e minacce cyber avanzate incentrate sulla persona».

#AI Il 45% dei CISO italiani considera #GenAI un rischio per la #sicurezza – Luca Maiocchi #Proofpoint
Click To Tweet

Per integrare in modo sicuro l’AI generativa, le aziende dovrebbero partire da un solido quadro di governance, definendo policy chiare sui modelli approvati, procedure di gestione dei dati e conformità alle normative di settore – sintetizza Bogdan Botezatu, direttore Threat Research and Reporting di Bitdefender. «Prima di implementare modelli pre-addestrati, è essenziale valutare attentamente i protocolli di sicurezza dei fornitori, condurre analisi approfondite dei rischi per garantire che i dati siano crittografati e protetti da adeguati controlli di accesso. Il monitoraggio continuo, audit regolari e la stretta collaborazione tra i team MLOps (Machine Learning Operations) e della sicurezza informatica sono fondamentali per prevenire vulnerabilità nei modelli, rilevare tempestivamente le anomalie e mantenere la conformità con standard e best practice».

Nel frattempo, le agenzie regolatrici iniziano a definire standard e linee guida, seppur con la lentezza che da sempre accompagna questi processi. E per noi utenti comuni? Diciamo che siamo ancora nella fase di metabolizzazione di alcuni concetti. Certo, la parola “deepfake” inizia a farsi strada, e ogni tanto qualcuno potrebbe domandarsi fino a che punto sia opportuno fidarsi delle previsioni del proprio assistente vocale. L’idea che l’AI possa essere manipolata è, per molti, un pensiero ancora lontano. Tuttavia, iniziare a lavorare su una maggiore consapevolezza dei rischi legati a queste tecnologie diventerà presto una priorità per tutte le organizzazioni. Con questa ambizione, IBM ha inaugurato a marzo 2024 la IBM Cyber Academy.

#cybersecurity #AI Come integrare in modo sicuro l’AI generativa – Bogdan Botezatu #Bitdefender
Click To Tweet

«Un luogo fisico nel centro di Roma, dove ospitare imprese, istituzioni, università e scuole con l’obiettivo di aumentare la consapevolezza circa il rischio cibernetico rispetto agli incidenti di sicurezza e all’utilizzo dell’AI, attraverso simulazioni e sessioni specifiche di training. Nel primo anno di attività supereremo l’obiettivo di formare 2200 professionisti» – spiega Palombi di IBM Italia. È fondamentale educare i team aziendali sulle implicazioni e i rischi dell’AI, affinché possano adottare pratiche sicure e responsabili nell’integrazione delle nuove tecnologie. «È importante conoscere quali dati si possono condividere e quali strumenti utilizzare in sicurezza» – dichiara Tamara Zancan di Microsoft Italia. «La formazione aiuta a sviluppare un approccio proattivo, promuovendo una cultura attenta alla protezione dei dati e all’uso responsabile delle tecnologie AI. In parallelo, la tecnologia supporta queste misure. Soluzioni come il Microsoft Purview Data Security Posture Management for AI offrono visibilità sull’uso dei dati nei prompt AI, individuando rischi e utilizzi non conformi. Solo combinando formazione mirata e strumenti avanzati è possibile mitigare i rischi, proteggere gli asset critici e garantire un’adozione sicura e conforme dell’AI generativa».

#cybersecurity #AI Violazione dei dati, il rischio preoccupa le imprese – Tamara Zancan #MicrosoftItalia
Click To Tweet

LA SICUREZZA È UN PROCESSO

Tiriamo le fila, ma con una sommessa dichiarazione di esonero da qualsiasi responsabilità. Non stiamo chiudendo un cerchio, al massimo tracciando un’ellisse. Perché il discorso sulla sicurezza dell’AI è tutt’altro che lineare e ancor meno definitivo. Domanda delle domande: “Perché l’AI non può essere sicura per natura e by design?” La risposta sta proprio nella natura stessa della tecnologia, che, come tutte le creature complesse, è tanto brillante quanto vulnerabile.

L’AI non è un oracolo infallibile, ma un sistema di probabilità, nutrito da dati spesso imperfetti e come abbiamo visto potenzialmente manipolabili. Si muove in una dimensione opaca, dove anche gli esperti faticano a distinguere un’innovazione da una falla. Pensiamo a una tela di Pollock. Affascinante, ma se si dovesse strappare, da dove inizieremmo a ripararla? Aggiungiamo che il campo di battaglia digitale evolve a una velocità che neanche Usain Bolt nei suoi giorni migliori potrebbe eguagliare. Ogni nuovo strumento di difesa genera una nuova tecnica di attacco, in una rincorsa senza fine.

Secondo studiosi e futurologi, in meno di dieci anni l’AI sarà in grado di automigliorarsi a velocità esponenziale, portandoci a confrontarci con scenari completamente inediti. Se questa previsione si avvererà, l’autocorrezione potrebbe diventare una routine. Ma è proprio qui che nascono le riflessioni più spinose. La sicurezza, l’etica e la governance dell’AI devono essere le nostre priorità già oggi. Forse, allora, è meglio diffidare dalle promesse di sicurezza assoluta, perché la tecnologia perfetta esiste solo nei romanzi di Asimov. Tuttavia, possiamo e dobbiamo puntare su un’AI in grado di resistere agli attacchi più sofisticati, sufficientemente trasparente, affidabile e integrata in un contesto di regole rigorose, standard condivisi e, soprattutto, di una maggiore consapevolezza e responsabilità, che coinvolgano tutti, ben oltre i livelli attuali. Anche per l’AI, la sicurezza sarà sempre un processo, non un risultato. Ma forse è proprio questo a renderla interessante. Un equilibrio dinamico, dove il gioco tra attaccanti e difensori continua a spingere entrambi a migliorarsi. In fondo, non è così che si evolvono anche le specie più resilienti?

L'articolo AI sotto attacco? Ecco perché proteggerla è una priorità proviene da Data Manager Online.

I sistemi ERP, tradizionalmente utilizzati per gestire e monitorare i processi aziendali chiave, come la logistica, le vendite, la contabilità, la produzione, hanno una funzione per lo più reattiva: raccolgono e organizzano i dati, ma lasciano all’utente il compito di interpretarli. Con l’introduzione dell’intelligenza artificiale, questa logica cambia radicalmente.

L’AI, infatti, è in grado di analizzare grandi volumi di dati in tempo reale, identificando modelli e tendenze che potrebbero sfuggire all’occhio umano. Ciò, oltre a snellire le operazioni di routine e ridurre drasticamente i rischi di errore umano, consente di passare da un approccio descrittivo a uno predittivo e prescrittivo. In altre parole, i sistemi di intelligenza artificiale non solo descrivono ciò che è accaduto, ma prevedono cosa potrebbe accadere e suggeriscono azioni da intraprendere.

Un esempio pratico di questa integrazione si trova nella gestione delle scorte. Un ERP tradizionale può mostrare le quantità di merce a magazzino, ma un sistema con AI può prevedere la domanda futura basandosi su dati storici, stagionalità e fattori esterni come le tendenze di mercato. Questa previsione consente di ottimizzare la gestione delle scorte, riducendo i costi di stoccaggio e minimizzando il rischio di rotture di stock. Anche l’ottimizzazione dei trasporti trae grande vantaggio dall’integrazione AI-ERP. I sistemi di AI possono analizzare i dati relativi ai percorsi, ai tempi di consegna e ai costi logistici, identificando le rotte più efficienti e suggerendo soluzioni per ridurre i ritardi. Questo approccio consente di ottimizzare l’utilizzo dei veicoli, ridurre i costi operativi e migliorare la puntualità delle consegne, con un impatto positivo sulla soddisfazione del cliente e, non ultimo, sull’ambiente. Un altro ambito in cui questa sinergia è cruciale è la gestione finanziaria. I sistemi di AI possono rilevare anomalie nelle transazioni, segnalare potenziali frodi e ottimizzare i flussi di cassa. L’intelligenza artificiale supporta, inoltre, la previsione finanziaria, consentendo ai responsabili di adottare strategie più informate ed efficaci.

#ceosute Ottimizza i costi, riduci i rischi e migliora le prestazioni. La nuova era dell’ERP inizia con l’AI
Click To Tweet

L’integrazione dei sistemi di intelligenza artificiale con l’ERP non è solo una questione di tecnologia, ma anche di approccio culturale. Le aziende devono essere pronte a rivedere i propri processi e a promuovere una cultura basata sui dati. La formazione del personale è essenziale per sfruttare appieno le potenzialità offerte da questa integrazione. Tuttavia, occorre anche considerare le sfide. La qualità dei dati è cruciale: senza dati accurati e aggiornati, l’AI rischia di produrre risultati imprecisi. Inoltre, l’adozione di questi sistemi richiede un investimento iniziale significativo, che però viene rapidamente recuperato grazie ai benefici operativi e strategici. Un ulteriore aspetto fondamentale è la necessità di sviluppare nuove competenze all’interno dell’azienda. La gestione dell’AI non può essere affidata esclusivamente ai sistemi informatici, ma richiede figure professionali in grado di interpretare i dati, utilizzare gli strumenti di intelligenza artificiale sia in fase di prompting che di valutazione della risposta e facilitare il cambiamento organizzativo. Formare il personale e attrarre nuovi talenti con competenze specifiche diventa, quindi, un passaggio essenziale per il successo di questa trasformazione.

L’integrazione tra ERP e sistemi di intelligenza artificiale offre opportunità senza precedenti per le aziende. Questa sinergia non solo migliora la gestione operativa, ma permette di ottenere una visione aziendale più completa, con dati chiari, analisi predittive e decisioni più informate. Le organizzazioni che sapranno cogliere questa opportunità potranno vantare un vantaggio competitivo significativo nel loro settore di riferimento.

Paola Pomi CEO di Sinfo One

L'articolo L’uomo al centro tra AI e ERP proviene da Data Manager Online.

Con l’accesso istantaneo alle informazioni diventato la norma, i consumatori richiedono la stessa immediatezza nei pagamenti. Le tecnologie emergenti, come l’intelligenza artificiale, la blockchain e l’Internet of Things, stanno ridefinendo il settore, non solo facilitando il trasferimento di denaro ma anche creando esperienze personalizzate e sicure. Tuttavia, il crescente rischio di minacce alla sicurezza e la sensibilità sulla privacy richiedono un bilanciamento tra innovazione e protezione.

L’ASCESA DELLE VALUTE DIGITALI

Le valute digitali, incluse criptovalute e Central Bank Digital Currencies (CBDC), rappresentano un’alternativa ai sistemi tradizionali. Le CBDC offrono la sicurezza delle valute fiat unite all’efficienza delle transazioni digitali. Paesi come la Cina e l’Europa stanno sperimentando versioni digitali delle proprie valute. Tuttavia, l’adozione di CBDC solleva questioni di privacy e regolamentazione. Le aziende dovranno integrare queste valute nei loro sistemi, rispettando normative emergenti per mantenere la competitività.

AI E ML NEI PAGAMENTI

L’intelligenza artificiale e il machine learning stanno diventando strumenti essenziali per migliorare l’efficienza e la sicurezza nei pagamenti elettronici. Attraverso l’analisi dei dati in tempo reale, le soluzioni basate sull’AI possono rilevare e prevenire le frodi con una precisione senza precedenti. Algoritmi avanzati identificano modelli sospetti nelle transazioni, consentendo alle aziende di intervenire immediatamente per proteggere i clienti. Oltre alla sicurezza, l’AI sta migliorando l’esperienza utente attraverso l’automazione e la personalizzazione attraverso gli agents di intelligenza artificiale che ridefiniscono il panorama dei pagamenti elettronici, agendo come assistenti virtuali avanzati per ottimizzare l’esperienza utente e migliorare la sicurezza. Questi agenti possono monitorare transazioni in tempo reale, rilevando attività fraudolente con una precisione straordinaria e bloccando potenziali minacce prima che si verifichino. Inoltre, semplificano le interazioni con i clienti, automatizzando processi come la gestione dei rimborsi o l’impostazione di limiti di spesa personalizzati. Grazie alla loro capacità di apprendere dai dati, gli AI Agents offrono raccomandazioni finanziarie su misura, creando esperienze fluide e sicure che aumentano la fiducia e la fedeltà dei consumatori.

BLOCKCHAIN OLTRE LE CRIPTOVALUTE

La tecnologia blockchain, nota principalmente per essere alla base delle criptovalute, sta trovando applicazioni più ampie nel settore dei pagamenti. La blockchain offre un registro decentralizzato e immutabile delle transazioni, aumentando la trasparenza e riducendo il rischio di frode. Questa tecnologia può semplificare i pagamenti transfrontalieri, eliminando intermediari e accelerando i tempi di elaborazione. Le aziende stanno esplorando da tempo l’uso della blockchain per creare smart contracts, che eseguono automaticamente accordi contrattuali quando determinate condizioni sono soddisfatte. Questo potrebbe automatizzare processi complessi come il rilascio di pagamenti dopo la consegna di beni o servizi, aumentando l’efficienza operativa.

SICUREZZA AVANZATA

Con l’aumento delle minacce alla sicurezza, l’autenticazione biometrica sta emergendo come un metodo sicuro ed efficiente per verificare l’identità degli utenti. Tecnologie come il riconoscimento facciale, l’impronta digitale e la scansione dell’iride stanno sostituendo le password tradizionali, spesso vulnerabili a violazioni. L’implementazione dell’autenticazione biometrica nei pagamenti mobili e online offre un doppio vantaggio: aumenta la sicurezza delle transazioni e migliora l’esperienza utente eliminando la necessità di ricordare password complesse. Tuttavia, la raccolta e l’archiviazione di dati biometrici sollevano preoccupazioni sulla privacy, richiedendo alle aziende di adottare misure rigorose per proteggere queste informazioni sensibili.

I PAGAMENTI INDOSSABILI

L’Internet of Things amplia i pagamenti oltre smartphone e computer, introducendo dispositivi indossabili come smartwatch e tracker per eseguire transazioni contactless rapide e comode. In questo modo i dispositivi domestici intelligenti possono effettuare pagamenti autonomamente. In questo contesto, l’edge computing ottimizza l’elaborazione sul punto di interazione riducendo latenza e dipendenza dal cloud, consentendo transazioni rapide e affidabili, migliorando l’esperienza utente e garantendo maggiore resilienza operativa nei moderni ecosistemi di pagamento decentralizzati. Questo modello di “pagamenti invisibili” richiede alle aziende di sviluppare infrastrutture sicure e affidabili per gestire transazioni automatizzate.

5G E TRANSAZIONI IN TEMPO REALE

L’avvento della tecnologia 5G promette di rivoluzionare le comunicazioni mobili, offrendo velocità di connessione significativamente superiori e una latenza ridotta. Questo progresso avrà un impatto diretto sui pagamenti elettronici, facilitando transazioni in tempo reale e migliorando l’affidabilità delle connessioni. Il 5G abiliterà nuove applicazioni come i pagamenti in realtà aumentata e virtuale, espandendo le possibilità per il commercio elettronico. Inoltre, supporterà l’espansione dei servizi finanziari in aree remote o meno sviluppate, contribuendo all’inclusione finanziaria globale.

IL RUOLO DELL’OPEN BANKING E DELLE API

L’open banking, abilitato dall’uso delle Application programming interface (API), sta trasformando il settore finanziario rendendo i dati bancari più accessibili a terze parti autorizzate. Questo approccio favorisce l’innovazione, consentendo a fintech e altre aziende di sviluppare nuovi servizi finanziari basati sulle informazioni dei clienti. Per i consumatori, l’open banking offre maggiore controllo sui propri dati e accesso a servizi più personalizzati. Le aziende devono adattarsi a questo ambiente collaborativo, garantendo la sicurezza dei dati condivisi e sfruttando le opportunità per creare offerte innovative.

QUANTUM COMPUTING NEI PAGAMENTI

Il quantum computing rappresenta una svolta epocale per la sicurezza e l’efficienza nei pagamenti elettronici. Grazie alla sua potenza di calcolo senza precedenti, consente di elaborare e validare transazioni a velocità ultra-rapide, riducendo drasticamente i tempi di elaborazione. Inoltre, rivoluziona la crittografia, introducendo algoritmi quantistici capaci di proteggere i dati sensibili contro minacce future, come gli attacchi informatici avanzati. Le sue applicazioni spaziano dalla sicurezza delle transazioni all’ottimizzazione dei processi finanziari complessi. Le aziende che adotteranno questa tecnologia saranno in grado di garantire pagamenti più sicuri e affidabili, posizionandosi all’avanguardia nel competitivo settore dei servizi finanziari.

VERSO UN FUTURO INTEGRATO E SICURO

Le tendenze nei pagamenti digitali delineano un futuro con transazioni sempre più integrate, sicure e personalizzate. Tecnologie avanzate come quantum computing, edge computing, intelligenza artificiale, blockchain e IoT trasformeranno le transazioni, rendendole rapide e intuitive. Soluzioni innovative come pagamenti vocali, identità decentralizzate e realtà aumentata offriranno nuove esperienze finanziarie, bilanciando sicurezza e personalizzazione. Le aziende che sapranno cogliere in anticipo questi cambiamenti, investendo su innovazione e adeguamento normativo, avranno l’opportunità di crescere e affermarsi. Adottare un approccio proattivo sarà essenziale per creare valore, fidelizzare i clienti e favorire la crescita sostenibile del settore dei pagamenti elettronici.

Dr. Devid Jegerson 

Devid vanta una grande esperienza nel campo dei pagamenti digitali, del settore bancario e in altri componenti critici del settore dell’e-commerce.

La sua carriera comprende 4(,5) start-up, il lancio sul mercato della prima carta prepagata ricaricabile (2002), il primo conto bancario di moneta elettronica (2006), un completo gateway di pagamento eCommerce con licenza acquiring (2008), il primo sistema di pagamento istantaneo P2P (2014) e la prima piattaforma di pagamento cloud in Medio Oriente (2016).

La sua carriera è stata rivoluzionaria nel settore dei pagamenti e del settore bancario, in realtà come noon.com negli Emirati Arabi Uniti, PayPal, Fastweb e IWBank in Italia. Recentemente, come parte del team fondatore e CEO of Payments di noon.com, ha portato la sua esperienza globale nei pagamenti elettronici a supporto della piattaforma cloud di e-commerce. In precedenza è stato responsabile monetica presso una primaria banca italiana, gestendo i pagamenti elettronici e lanciando servizi come i sistemi UBI PAY Mobile con NFC, mobile wallet e mPOS. Inoltre, ha lavorato alla regolamentazione europea PSD2 per i sistemi di pagamento; ha anche fatto parte del team fondatore del sistema di pagamento peer-to-peer Jiffy (ora parte di NPSS della Banca Centrale degli Emirati Arabi Uniti) che è stato determinante nel lancio della Banca Digitale di UBI Banca.

Membro del consiglio di amministrazione di Webidoo e altre società, attraverso un approccio visionario e strategico unito a straordinarie capacità di esecuzione si occupa di Digital Transformation in settori bancari e fintech.

Ha conseguito un dottorato di ricerca nell’ambito della accettazione e diffusione delle criptovalute all’Università di Abu Dhabi, un EMBA presso il MIP-Politecnico di Milano, Italia, e un Master in Mercati e Strategie d’Impresa presso l’Università Cattolica del Sacro Cuore, Italia.

È autore del libro: “Pagamenti elettronici. Dal baratto ai portafogli digitali” (2016, goWare) e numerosi articoli di ricerca pubblicati su giornali scientifici.

L'articolo Quantum computing e wearables, le tendenze future nei pagamenti proviene da Data Manager Online.

L’intelligenza artificiale è il topic più discusso degli ultimi anni, che richiede un numero crescente di investimenti in tutte le sue sfaccettature. Secondo il report di International Data Corporation, la spesa globale relativa all’AI raggiungerà i 632 miliardi di dollari entro il 2028, raddoppiando il valore attuale. Ero immerso nei miei pensieri romani, osservando l’infinita “coltre” di palazzi del centro storico e mi è venuto in mente Emanuele Ricco, giovane ricercatore e imprenditore da qualche mese trasferitosi in Arabia Saudita per un PhD in Computer Science.

Quale sarà il futuro dell’AI?

«Quando penso al futuro dell’AI, mi viene subito in mente il paper redatto a fine 2023 dal team di Google Mind riguardo l’AGI (Artificial General Intelligence), ovvero quella tecnologia che dovrebbe superare le potenzialità umane secondo una visione distopica. ll paper propone sei livelli, definiti in base alla capacità tecnica di svolgere compiti attualmente affidati agli esseri umani, oltre alla capacità di apprendere e applicare nuove abilità. È particolarmente interessante osservare come l’AI, in ambiti specifici, sia già in grado di sovraperformare le capacità di qualsiasi scienziato, come dimostrato da AlphaFold, ma risulti ancora limitata nella capacità di acquisire e comprendere nuove competenze. Una delle sottotecnologie più rilevanti è il RAG, una tecnica che consente di ottimizzare i modelli esistenti integrando dati in tempo reale e migliorando i prompt, senza aumentare la complessità computazionale e superando così alcune delle principali limitazioni dell’AI attuale. Se fai una domanda a ChatGPT-3.5 oppure a Claude, i modelli allucineranno quasi sicuramente. In GPT-4, come in altri modelli come Gemini, il RAG migliora decisamente l’efficienza degli LLM».

Emanuele, perché ti sei trasferito proprio in Arabia Saudita?

«Dopo aver studiato Fisica per tanti anni, prima a Salerno e poi a Torino, ho conosciuto per caso il mondo dell’intelligenza artificiale durante la mia tesi magistrale. All’epoca stavo sviluppando un modello basato sulla meccanica quantistica per analizzare e prevedere i mercati finanziari con un approccio prettamente quantitativo. Quasi contemporaneamente iniziai a lavorare a Roma per una società in cui mi occupavo proprio di metodologie predittive in ambito finanziario ed energetico. E così ricevetti l’opportunità di intraprendere un percorso di dottorato di ricerca al KAUST, la prima università del Medio Oriente. Forse non tutti sanno che questa istituzione si distingue come uno dei centri di eccellenza più avanzati al mondo e di recente ha lanciato il Center of Excellence for Generative AI, dedicato allo sviluppo di tecnologie innovative in linea con Vision 2030, il programma che sta letteralmente trasformando il paese. A novembre scorso, l’Arabia Saudita ha investito 100 miliardi di dollari nel progetto Transcendence, il piano strategico per posizionare il paese come leader globale nello sviluppo di infrastrutture tecnologiche all’avanguardia, inclusi data center, centri di ricerca di eccellenza e il sostegno alle startup. KAUST rappresenta un pilastro fondamentale di questo programma, grazie a risorse come il supercomputer Shaheen III, uno dei più potenti al mondo per capacità computazionale. Il KAUST, inoltre, riunisce docenti di livello assoluto come Jurgen Schmidhuber, riconosciuto a livello internazionale come uno degli inventori del Deep Learning. Il mio quotidiano lavoro di ricerca si basa sullo studio di reti neurali e LLM tramite le mie conoscenze di matematica e fisica con ricadute nel settore della cybersecurity, tema fondamentale nel 2025».

Quali sono i driver più importanti per lo sviluppo dell’AI?

«Personalmente sono uno strenuo sostenitore del connubio fra mondo accademico e aziendale nel settore dell’intelligenza artificiale. A differenza di altri ambiti, servono anni di studio, reputazione scientifica a livello internazionale e un forte track record di pubblicazioni per poter ambire a fondare unicorni del settore. Basti pensare a realtà come Perplexity e Anthropic, due tra le società più avanzate sia per i modelli sviluppati che per la visione complessiva sull’AI: entrambe guidate da CEO che in passato hanno ricoperto il ruolo di ricercatori. Le competenze, da sole, non sono sufficienti: il training di ChatGPT-5, per esempio, è costato circa un miliardo di dollari e ha richiesto oltre sei mesi di lavoro, rendendo indispensabile il ricorso a capitali esterni. Negli ultimi cinque anni gli USA hanno investito 328 miliardi di dollari in AI, con un incremento del 65% nel 2023 rispetto al 2019, più che doppiando la Cina che però, non va sottovalutata».

Di cosa parli esattamente?

«Recentemente DeepSeek, startup cinese controllata dall’hedge fund High-Flyer basato a Hangzhou, ha rilasciato un’app free subito diventata la più scaricata negli USA. Potenzialmente questa notizia potrebbe essere un uragano a livello geopolitico poiché il costo di sviluppo si aggira sui sei milioni di dollari, meno di un millesimo dei suoi rivali. Questa notizia ha seminato il panico sui mercati, provocando il crollo del 10% di NVIDIA e del 4% del NASDAQ, potenzialmente bruciando oltre mille miliardi, secondo gli analisti di Bloomberg. Da ricercatore preferisco mantenere una posizione sempre critica. È ancora presto per trarre conclusioni affrettate, soprattutto alla luce della nuova presidenza Trump e dell’inasprimento dei dazi che potrebbero giocare un ruolo rilevante in questo scenario competitivo. La startup cinese ha sconvolto l’equilibrio dell’intelligenza artificiale. Ma l’equilibrio è sempre precario anche nelle dinamiche globali. Alla fine c’è sempre un topolino che spaventa l’elefante. In generale, ritengo che è meglio concentrarsi sulla ricerca di casi d’uso sempre più innovativi, in cui tecnologie come l’AI e il Quantum possano essere applicate per ottimizzare i processi. Come diceva Steve Jobs, non bisogna mai partire dalla metodologia, ma dal problema».

#AILAB L’intervista di Antonio Simeone al giovane ricercatore italiano Emanuele Ricco #Quantum #DeepSeek
Click To Tweet

Puoi fare un esempio?

«Il tema delle comunicazioni sicure, soprattutto con l’ascesa di Elon Musk e Starlink alla Casa Bianca, è diventato un tema fondamentale. Thales Alenia Space ha annunciato l’avvio della prima fase di sviluppo di QKD-GEO, il primo sistema basato su Quantum Key Distribution (QKD) in orbita geostazionaria. Questa tecnologia sfrutta le proprietà quantistiche dei fotoni per garantire la trasmissione sicura dei dati. Il quantum computing, nonostante non abbia lo stesso hype dell’AI, è un insieme di metodologie da tenere d’occhio poiché potenzialmente rivoluzionarie in tantissimi settori, soprattutto legati alla cybersecurity. Come OpenAI nel 2022 si assicurò il predominio nel settore dell’AI con ChatGPT, vedremo chi dominerà il settore del quantum».

Quali consigli daresti a un giovane che desidera intraprendere una carriera nel mondo IT?

«Il primo passo è studiare con impegno e diventare esperti della propria materia. Ma le competenze tecniche da sole non bastano più. È fondamentale anticipare i trend tecnologici, individuare i centri di eccellenza dove poter crescere e, soprattutto, non relegare la propria visione al dettaglio analizzato quotidianamente. La vera innovazione, oggi, è sia verticale nello sviluppo di nuovi tool innovativi per il miglioramento dei processi esistenti, ma anche orizzontale, guardandosi attorno e imparando sempre, anche dai video su YouTube».

L'articolo Emanuele Ricco, la lezione del topolino e l’elefante proviene da Data Manager Online.

Risorse limitate e carenza di competenze specifiche rendono più difficile il cammino delle PMI verso una gestione efficace dei dati. L’adozione di policy di data governance richiede impegno e investimenti a lungo termine per garantire sicurezza, conformità e valore strategico. Governare i dati non è solo una questione tecnica, ma una sfida culturale per le PMI che vogliono crescere e innovare. La strada verso l’efficienza e la sicurezza non ammette scorciatoie. Ogni azienda, piccola o grande che sia, si trova a fare i conti con la governance dei dati. Ma possiamo davvero pensare di gestire un business senza una strategia chiara? La mia esperienza mi dice di no.

LE BASI DI UNA BUONA DATA GOVERNANCE

Per governare i dati servono basi solide. La data governance si basa su sette pilastri che, se implementati correttamente, possono trasformare i dati in un vero asset strategico: obiettivi, ruoli, tecnologia, qualità, sicurezza, monitoraggio e formazione. La definizione di obiettivi specifici, misurabili e raggiungibili costituisce il punto di partenza. È fondamentale, inoltre, creare una struttura organizzativa che assegni ruoli e responsabilità chiare, favorendo una gestione trasparente. Dal punto di vista tecnologico, l’adozione di piattaforme avanzate come data warehouse e data lake, supportate da strumenti di automazione, risulta determinante. A ciò si aggiunge l’implementazione di standard di qualità per assicurare la completezza e la tempestività delle informazioni, accompagnata da processi regolari di pulizia e manutenzione dei dati. La sicurezza rappresenta l’altro tassello imprescindibile: misure standardizzate devono garantire la protezione dei dati sensibili da accessi non autorizzati o perdite di dati. Per monitorare e migliorare le performance, è necessario adottare metriche e KPI, oltre a condurre audit regolari per verificare la conformità e individuare le aree di miglioramento. Infine, ma non meno importante, la formazione del personale gioca un ruolo decisivo. Programmi strutturati possono assicurare che tutti i dipendenti siano consapevoli delle politiche aziendali legate alla gestione dei dati, contribuendo a una cultura organizzativa orientata alla qualità e alla sicurezza.

COME TRASFORMARE I LIMITI IN OPPORTUNITÀ

Rispetto alle organizzazioni più grandi – nelle PMI – funzioni diverse possono essere assorbite dallo stesso ruolo: il CEO è anche direttore generale, il CIO è responsabile IT e CISO allo stesso tempo. Da un lato, questo dà una visione d’insieme; dall’altro, può essere un limite. Di conseguenza, la preparazione necessaria deve essere più generalista e meno specialistica, con il vantaggio di permettere una visione più trasversale dei processi aziendali. Per contro, spesso può non essere sufficiente per risolvere in modo efficiente alcune problematiche aziendali. In alcuni casi, l’applicazione dell’approccio bottom-up per l’introduzione di una nuova procedura può risultare la soluzione migliore anche se inizialmente più faticosa da gestire. Durante la pandemia, abbiamo dovuto reinventarci. La necessità di accedere ai dati anche da remoto ci ha obbligati a ripensare tutto, spingendo verso un cambiamento che ha coinvolto ogni reparto. Un altro esempio? La gestione dei turni. Prima, tutto avveniva via email o WhatsApp, con mille intoppi. Abbiamo introdotto un’app HR aziendale che ha reso tutto più semplice e immediato. Il risultato? Tempi di elaborazione delle buste paga drasticamente ridotti e maggiore tranquillità per il personale. Convincere il team di management dell’importanza di un investimento in hardware per il data center non è mai facile. Il coinvolgimento e il dialogo sono la chiave: se riesci a far capire come una migliore gestione dei dati avvantaggi tutti, allora quel “semplice” server diventa una risorsa strategica. La governance dei dati è un cambiamento che coinvolge tutta l’organizzazione. Serve visione, leadership e, soprattutto, una squadra motivata a fare la differenza. Le PMI che accettano questa sfida hanno davanti a sé l’opportunità di trasformare la data governance in leva competitiva.

Massimo Anselmo direttore Sistemi Informativi di Karol Spa e delegato regionale Sicilia – CIO Club Italia

L'articolo Data governance e PMI, a che punto siamo? proviene da Data Manager Online.