Tutti i diritti di proprietà letteraria e artistica riservati.
Il Sole 24 Ore non ha partecipato alla realizzazione di questo periodico e non ha responsabilità per il suo contenuto.
Pubblicazione ceduta gratuitamente.
4 STORIA DI COPERTINA
Digital commerce: un mondo ibrido, che si trasforma
Fare shopping in compagnia dell’AI
Percorsi di valore
13 IN EVIDENZA
Una nuova stagione per la “mela”
Concretezza e competenze per un‘AI che funziona
L’innovazione è un gioco di squadra
Dalla sicurezza al successo duraturo: tutto parte dai dati
L’integrazione dei dati è un’avventura semantica
IT, da freno a motore della trasformazione
Consolidamento e automazione nel Soc: il punto di svolta
24 SPECIALE CIO
Per guidare l’IT serve coraggio
30 CLOUD COMPUTING
Le fondamenta dell’innovazione
Una “nuvola” di potenzialità sprecate
32 INTELLIGENZA ARTIFICIALE
Rivoluzione AI, ma quanto ci costi?
L’architetto invisibile che plasma strategie
Un carico di promesse per il settore dei servizi
38
CYBERSICUREZZA
Tecnologia operativa: serve un ruolo ad hoc?
40
EXECUTIVE ANALYSIS
Identità macchina, un rischio da gestire
Punti di vista e strategie
46 ECCELLENZE
Consorzi Agrari d’Italia
Alpitour World
Campari Group
Comuni di Mantova e Sabbioneta
50
APPUNTAMENTI
UN MONDO IBRIDO, CHE SI TRASFORMA
Il panorama dell’e-commerce italiano è maturo ma non statico, mentre il phygital (arricchito dall’AI) diventa la nuova normalità.
Quale sarà la prossima frontiera tecnologica nel commercio omnicanale?
Che si tratti di siti di attività di marketing o supporto clienti, di procedure di pagamento o di servizi di consegna, la tecnologia non può essere fine a sé stessa o puro esercizio di stile. La capacità di creare valore sarà il discrimine fra le innovazioni effimere e quelle che, invece, sono destinate a restare, diventando parte delle dinamiche strutturali del commercio.
Questa è, se non altro, una previsione sensata, sulla scorta di quanto accaduto negli anni con i siti di e-commerce, i social media, l’evoluzione dei sistemi di pagamento e delle consegne. Le tecnologie sono entrate in molti processi di vendita, marketing, logistica, supporto clienti, fino a trasformarli in modo profondo e irreversibile. Non tutte, sia chiaro. Alcune innovazioni non hanno saputo uscire dalla nicchia per varie ragioni di costi, maturità o scalabilità del modello di business proposto: pensiamo per esempio agli acquisti in realtà aumentata o nella dimensione virtuale del metaverso, di cui tanto si parlava anni fa e oggi molto meno, o ai droni-fattorino sperimentati da Amazon e da Walmart in modo però ancora circoscritto. Altre trasformazioni, tecnologiche e di modello di business, sono invece di-
ventate la “nuova normalità” del commercio, per esempio l’omnicanalità, gli analytics applicati alle interazioni online, le app usate per vendere per fare marketing, l’uso dell’intelligenza artificiale nei motori di raccomandazione, nel servizio clienti, nella generazione di contenuti pubblicitari e creatività. “Se Internet ha segnato l’era dell’istantaneità, l’AI segna l’era delle aspettative e delle esperienze”, ha detto Roberto Liscia, presidente di Netcomm, commentando il tema scelto per l’edizione 2026 del Netcomm Forum, il value commerce. “Quando la tecnologia è in grado di agevolare processi e facilitare l’acquisto, il cliente si aspetta che lo faccia”, ha proseguito Liscia. “Il tema del value commerce rappresenta proprio questo: la necessità, per imprese e consumatori, di riscoprire il concetto di valore come equilibrio
COME COMPRANO GLI ITALIANI
L’identikit emerso dall’indagine “NetRetail 2026” di Netcomm.
• In Italia si contano 35 milioni di acquirenti online (numero stabile)
• L’età media è di 48 anni (allineata alle statistiche demografiche)
• Cinque categorie di acquirenti: abitudinari (37,4%), convenience seeker (23,1%), consapevoli (15,3%), informati e attivi (12,5%), “digitali” (11,8%)
• AI e chatbot sono già piuttosto usati per informarsi e comprare viaggi, arredamento ed elettronica
• Gli strumenti AI più usati per comprare: comparazione prezzi (67%), suggerimenti personalizzati (66,8%), sintesi recensioni (61,2%)
• I metodi di pagamento: digital wallet (33,9%), carta di credito (28,6%)
• Le preferenze di consegna: out-of-home al 21,9%
tra efficienza, innovazione e prossimità, in un’epoca in cui l’AI sta ridefinendo i modelli di business, il commercio e il lavoro”.
L’e-commerce fa selezione
I dati dell’Osservatorio sui siti e-commerce italiani, realizzato da Netcomm in collaborazione con Cribis (società del Gruppo Crif), fotografano un settore ormai maturo, ma non statico, che inevitabilmente risente del contesto economico nazionale e internazionale. Attualmente sono circa 87mila le aziende italiane presenti online e il numero è in calo del 4,4% rispetto alle 91mila conteggiate nel 2025. Va anche detto, però, che 21mila realtà italiane (e nella stragrande maggioranza si tratta di piccole e microimprese) hanno esordito nell’e-commerce nell’ultimo anno, mentre altre 26mila sono uscite di scena. Netcomm parla, quindi, della vendita online come di un settore vitale ma a elevato turnover, sempre più selettivo e polarizzato, un settore dove qualcuno getta la spugna ma chi resta è solido e profittevole. Le aziende attive nell’e-commerce, infatti, mostrano una solidità finanziaria superiore alle altre, e lo si capisce confrontando un po’ i numeri di bilancio. Nel 2024 il 74,2% delle società di capitale ha registrato un utile
di esercizio, ma considerando solo quelle attive nell’e-commerce la percentuale sale al 77,7%. Ma un altro dato è ancor più eclatante: in Italia nel 2026 meno di un’azienda su quattro (24,5%) ha un livello di maturità digitale medio-alto, mentre tra le società di capitale che vendono online ben il 63,9% ha un’elevata maturità digitale. Secondo Netcomm, la presenza nel commercio digitale è diventata “un indicatore strutturale di innovazione e solidità aziendale”. “I dati dell’Osservatorio Netcomm in col-
laborazione con Cribis evidenziano un passaggio chiave: l’e-commerce italiano entra in una fase di maturità selettiva, in cui non conta più solo la crescita del numero di operatori, ma la sostenibilità dei modelli di business”, ha commentato Liscia. “Il saldo negativo di circa 4.000 società di capitale e la contrazione nei numeri registrata rispetto al 2025 mostrano chiaramente che il mercato sta evolvendo verso modelli di business più complessi e paradigmi differenti. Oggi non basta essere online: è necessario sviluppare competenze, efficienza operativa e capacità di investimento per competere in un contesto sempre più complesso, dove il valore si costruisce nel tempo attraverso relazione, fiducia e integrazione tra canali”.
Punti di forza e debolezza
Sul totale delle aziende italiane di qualsiasi dimensione e settore, l’1,3% opera nella vendita online, percentuale che sale al 2,6% per le società di capitali. Il numero complessivo di 87mila realtà attive, per quanto in calo, consente al nostro Paese di tener testa alla Germania, che di aziende presenti nell’e-commerce ne ha 89mila. Le società di capitale che fanno e-commerce sono 47mila, il 54% del totale, ma generano il 96,1% del fattu-
Roberto Liscia
IL DIGITALE ENTRA IN NEGOZIO
Da tempo il digitale è uscito dagli schermi dei Pc e degli smartphone, diventando un ingrediente dell’esperienza d’acquisto in negozio e uno strumento che orienta le strategie di vendita, dalle grandi catene ai piccoli negozi. In molti casi non esiste nemmeno più una distinzione netta tra commercio “tradizionale” e “digitale”, ma si è creata una dimensione ibrida, phygital, in cui tra i due mondi c’è uno scambio bidirezionale continuo. Da un lato, tecnologie digitali come il Web, le app, il Bluetooth, i totem multimediali sono entrate a far parte dell’esperienza di shopping, prima, durante e dopo la visita in negozio. Dall’altro, i punti vendita sono diventati fonti e collettori di dati, preferenze di acquisto, punti fedeltà, interazioni, tutti elementi utilizzabili anche per migliorare l’e-commerce. Un recente studio di Manhattan Associates (“Unified Commerce Benchmark”, basato su un’analisi di 400 retailer realizzata da Incisiv) ha stimato che da qui al 2030 l’intelligenza artificiale, in varie forme, produrrà nel settore retail mondiale 500 miliardi di dollari di valore aggiunto. Il focus si sposterà dalla semplice automazione all’uso di sistemi AI in grado di prevedere la domanda, personalizzare l’offerta in tempo reale e risolvere problemi lungo il customer journey prima ancora che si presentino. Se ne parla di meno, oggi, tuttavia anche la realtà aumentata e quella virtuale hanno un ruolo in questa trasformazione, tra strumenti di “camerino virtuale”, applicazioni che consentono al personale di visualizzare dettagli aggiuntivi su articoli, prezzi o disponibilità e vere e proprie esperienze immersive. Arredamento, moda e bellezza sono gli ambiti di elezione. Barriere tecniche e costi hanno impedito a occhiali smart e visori di diventare fenomeni di massa, ma secondo le previsioni della società ResearchandMarkets il giro d’affari della realtà aumentata nel retail è destinato a crescere dai 4,63 miliardi di dollari di quest’anno ai 13,5 miliardi prospettati per il 2030. La stima di GrandViewResearch è ben più generosa, ovvero si pensa a un tasso di incremento annuo del 32,4% tra 2025 e 2033, per arrivare a sfiorare i 106 miliardi di dollari di giro d’affari. I principali motori del mercato saranno le soluzioni di virtual try-on, la crescita del social commerce basato su visori AR, l’adozione nei negozi di specchi “potenziati” dalla realtà aumentata. Ulteriore stimolo sarà il felice incontro con l’intelligenza artificiale per la creazione di esperienze di shopping personalizzate.
rato complessivo: un dato che segnala la progressiva concentrazione del mercato su operatori di grandi dimensioni, strutturati e con modelli di business sostenibili nel lungo periodo. Come detto, tra i nuovi debutti nell’online degli ultimi 12 mesi prevalgono le piccole e microimprese, in un ecosistema italiano dell’ecommerce che rimane frammentato e capillare sul territorio.
A proposito di geografia, le province a maggior concentrazione di aziende attive nell’e-commerce sono quelle di Milano (9,4% del totale italiano), Roma (9,3%) e Napoli (6,7%). Sotto il profilo della longevità aziendale, la fascia più rappresentata è quella che va da 11 a 25 anni di attività. Quanto al settore di appartenenza, i più rappresentati sono la moda (con 5.728 società di capitale attive nell’ecommerce) e l’agroalimentare (4.712), anche se nel 2026 crescono l’arredamen-
to (+6,5% di aziende attive), la cosmetica (+5,9%) e i giocattoli (+4,5%). In calo, invece, i settori turismo (-29,7%), ticketing (-21,2%) ed editoria (-11,9%).
“I dati dell’Osservatorio evidenziano la straordinaria vitalità delle micro e piccole imprese italiane, che in uno scenario in costante evoluzione rappresentano il
90% del totale di aziende che sono oggi dotate di un e-commerce”, ha commentato Marco Preti, amministratore delegato di Cribis. “A livello settoriale, è il manifatturiero a mostrare i trend di crescita più interessanti e, nello specifico, i comparti dell’arredamento, della cosme-
tica e dei giocattoli. Ma i dati mostrano anche un mercato sempre più competitivo e polarizzato, con un calo nel numero complessivo di quelle che hanno un canale di vendita online rispetto allo scorso anno. Per restare sul mercato, e cogliere le opportunità offerte dagli spazi virtua-
li, è dunque necessario rafforzare ulteriormente gli investimenti in persone e tecnologie e ottimizzare l’attività di tutta la rete di vendita. Sia quella digitale sia, dove presente, quella fisica”. Tra i punti deboli del mercato italiano spicca un aspetto più volte sottolineato da Netcomm negli anni: la scarsa propensione all’internazionalizzazione. Il 55% delle aziende italiane che vendono online ha un “livello di proiezione estera” basso o medio-basso, anche se nei singoli settori merceologici lo scenario cambia (nell’elettronica, per esempio, il 55% delle realtà ha vanta un alto tasso di internazionalizzazione). Tra i siti di ecommerce delle società di capitale, solo il 16% è fruibile anche in una lingua diversa dall’italiano.
Comunicare e vendere in digitale Facebook rimane il social network più usato dalle aziende italiane che vendono online, ma la piattaforma più in crescita da questo punto di vista è Instagram, che in un anno ha guadagnato quasi quattro punti percentuali di penetrazione (dal 69,6% del 2025 all’attuale 73,8%). Le preferenze cambiano un po’ a seconda del tipo di prodotto e servizio: YouTube è il canale privilegiato per l’elettronica, Pinterest domina nell’arredamento e X si conferma il punto di riferimento per l’editoria.
Diversificare è ancor più importante in un altro ambito, quello dei pagamenti: il 79,1% delle aziende permette ai clienti di completare la transazione scegliendo tra almeno un paio di metodi. PayPal si conferma lo strumento più diffuso nell’e-commerce italiano (sia tra i siti con opzioni multiple, sia tra chi propone solo un metodo), seguito dalla carta di credito e dal bonifico bancario. La possibilità di pagamento posticipato, il buy now, pay later, è proposta con maggiore frequenza dalle microimprese dell’e-commerce. Valentina Bernocco
FARE SHOPPING IN COMPAGNIA DELL’AI
Le funzionalità “agentiche” invadono chatbot e browser, trasformando (ancora una volta) l'esperienza d'acquisto.
L’uso dell’intelligenza artificiale nel commercio non è una novità. Ai sistemi di raccomandazione basati su machine learning, ormai consolidati, negli ultimi anni si sono aggiunti strumenti di AI generativa che per i retailer velocizzano la creazione di contenuti, le attività di servizio clienti, il ticketing, l’interrogazione dei dati. I Large Language Model sono entrati a gamba tesa anche nella quotidianità dei consumatori, che non si rivolgono più solo ai motori di ricerca o ai siti di e-commerce già conosciuti, ma fanno “shopping conversazionale” attraverso ChatGpt, Gemini, Copilot o Perplexity, per citare solo i servizi LLM generalisti più noti. Secondo le analisi fatte da Pre-
senc AI sulle statistiche e sui dati pubblici di OpenAI, sul totale delle sessioni di utilizzo di ChatGpt del 2025 il 9% riguardava ricerche di prodotti, prezzi e consigli per gli acquisti e quest’anno la percentuale è salita al 14%. In tutto questo, i motori di ricerca non sono usciti di scena ma hanno dovuto trasformarsi, come dimostrano le AI Overviews e AI Mode introdotte in Google Search per fornire risposte complete, punti elenco e panoramiche su quesiti specifici. Un’altra forma di shopping conversazionale, che si innesta su abitudini digitali già consolidate.
Dalle parole all’azione
Oggi molte attese si concentrano sulla nuova frontiera degli agenti AI, ovvero sistemi istruiti per poter compiere azioni in autonomia a partire da determinate basi di dati e strumenti software utilizzabili. E uno tra i vantaggi di questa tecnologia è proprio la possibilità di collegarla direttamente ai dati e ai processi
che interessano, ai Crm, alle piattaforme di gestione della supply chain, ai sistemi di gestione delle identità e via dicendo. L’agentic commerce ha due fondamentali declinazioni: tecnologie adottate dalle aziende che vendono prodotti e servizi (usate per automatizzare, velocizzare, risparmiare, migliorare i processi) e strumenti rivolti agli utenti finali, come quelli integrati direttamente nei browser. Molti i possibili casi d’uso: agenti AI in forma di chatbot che non si limitano a dare risposte ma suggeriscono prodotti, gestiscono resi, reclami, prenotazioni; sistemi che analizzano la domanda, le variabili stagionali, i prezzi, e di conseguenza gestiscono gli ordini nella catena di fornitura o i magazzini; sistemi per il pricing dinamico, che modificano i prezzi in tempo reale in base all’orario, all’andamento degli acquisti, ai livelli di inventario o ad altre variabili; e ancora, sistemi per il monitoraggio dei fornitori, per i controlli di compliance e per la gestione del personale.
Agentic commerce a doppio taglio In quanto sistemi dinamici, che apprendono e si perfezionano nel tempo, gli agenti AI possono consentire una personalizzazione più spinta, basata sulle preferenze dell’utente, su precedenti acquisti e programmi fedeltà. Rispetto ai Large Language Model, che sono sistemi probabilistici con capacità di analisi dei dati, comprensione del linguaggio e analisi previsionale, gli agenti AI compiono un passo ulteriore. Basandosi in parte su LLM, hanno una componente probabilistica ma anche una deterministica, basata su regole e logica, che aumenta la prevedibilità del sistema. Possiedono, inoltre, una “memoria a lungo termine” (tramite aggancio a database vettoriali) e possono modificare il loro comportamento in base alle esperienze passate e al contesto presente.
Per le aziende, i vantaggi dell’agentic commerce includono il miglioramento del servizio clienti, il perfezionamento degli inventari e la possibilità di essere “trovati” online anche schivando i motori di ricerca (a patto di adattare le piattaforme e i siti Web a nuove logiche di visibilità e accessibilità). Ma è soprattutto interessante la possibilità di fare personalizzazione con più efficacia, su larga scala e in tempo reale, applicandola al marketing, alla vendita, al postvendita. Ovviamente, sarà cruciale trovare un equilibrio tra automazione e controllo umano, tra innovazione e sicurezza. L’Agentic AI è esposta agli stessi rischi di “avvelenamento dei dati” e di manipolazione tramite prompt che condizionano l’intelligenza artificiale generativa. I potenziali impatti di un attacco o di un malfunzionamento sono però maggiori se l’intelligenza artificiale non è più solo un assistente o un compagno per lo shopping, ma ha in mano la carta di credito. Il collegamento degli agenti AI a banche dati e software di vario tipo, in particolare ai Crm e alle piattaforma di pagamento, complica ancora le
riflessioni sulla sicurezza. Come già si è visto con l’AI generativa, anche per quella agentica si sta creando un limbo normativo, uno scarto temporale tra l’evoluzione tecnologica, più rapida, e quella più lenta delle regole e delle cornici giuridiche. In assenza di framework normativi ad hoc, al momento non esiste per i consumatori una chiara protezione legale dagli eventuali errori della tecnologia.
Tecnologie e collaborazioni
Nell’Agentic AI siamo solo agli inizi, e tuttavia i dati di Salesforce mostrano che il fenomeno ha già trovato terreno fertile nel commercio: tra inizio novembre e fine dicembre 2025 le vendite online, alimentate dagli sconti del Black Friday e dalle compere natalizie, hanno superato i 1.290 miliardi di dollari di valore e gli agenti AI hanno contribuito a circa il 20% di questo giro d’affari. Per ora i tratta soprattutto un contributo indiretto, tramite raccomandazioni personalizzate e varie forme di coinvolgimento del consumatore, ma OpenAI e Perplexity hanno già sviluppato browser di navigazione Web (ChatGpt Atlas e Comet, rispettivamente ) con agenti AI integrati, che possono interagire con i cataloghi di
siti di e-commerce o ticketing, aggiungere articoli nel carrello e completare ordini in autonomia. L’acquisto scatta su richiesta dell’utente o a determinate condizioni, per esempio se è trascorso un certo tempo dall’ultimo ordine o se viene rilevata una promozione vantaggiosa. Inoltre sono stati definiti standard aperti, come l’Agentic Commerce Protocol e lo Universal Commerce Protocol, che permettono di collegare i servizi di intelligenza artificiale basati su LLM a siti di e-commerce e piattaforme di pagamento: in sostanza, diventa possibile fare acquisti direttamente dall’interfaccia del chatbot, con le dovute garanzie di protezione dei dati e delle transazioni. L’Agentic Commerce Protocol è già stato integrato in ChatGpt e nel software per i pagamenti di Stripe (azienda che ha contribuito a svilupparlo, a quattro mani con OpenAI), oltre che da siti basati sulla piattaforma di e-commerce di Shopify e da Etsy. A breve si aggiungerà anche Nexi: la società paytech ha siglato un accordo programmatico con Google per utilizzarne i servizi cloud e di intelligenza artificiale, e inoltre supporterà i citati standard per consentire pagamenti sicuri tramite agenti AI. V.B.
UNA NUOVA ERA DI OMNICANALITÀ
Da oltre vent’anni, non è un semplice appuntamento dedicato al commercio digitale ma l’evento italiano per eccellenza, e i numeri dello scorso anno parlano chiaro: 30mila accessi in due giorni, oltre 300 sponsor e più di 400 relatori coinvolti tra keynote e sessioni di approfondimento. In scena il 6 e 7 maggio all’Allianz MiCo di Milano, in questa sua 21esima edizione Netcomm Forum si propone con sottotitolo “Value Commerce - The New Era of Digital & Omnichannel Experience”, sottolineando con queste parole due concetti.
Il primo è che non ha più senso parlare di punti vendita tradizionali e di e-commerce come fossero due mondi distinti, perché la dimensione digitale permea e plasma tutti i canali. L’omnicanalità è ormai da tempo un requisito per vendere e per coltivare relazioni durature con i consumatori, ma è entrata in una nuova fase: da qui il secondo concetto, quello di value commerce.
L’intelligenza artificiale ha inevitabilmente un ruolo di primo piano tra le innovazioni che creano valore, come dimostra in questa edizione dell’evento il Netcomm AI Theatre, uno spazio dedicato alle tecnologie e ai casi d’uso dell’intelligenza artificiale nel commercio. Lo spazio Talent Village è dedicato, invece, alle nuove competenze e professioni richieste nel commercio. Ma che cosa significa “valore” nel commercio, e come costruirlo attraverso la tecnologia? In queste pagine vi proponiamo alcune riflessioni sul tema, firmate da Based, Mastercard, Nexi, PayPal, Salesforce, Satispay, Scalapay, Shopify e TiktTok, tutte aziende sponsor di Netcomm Forum.
PERCORSI DI VALORE
La prossima frontiera del digital commerce sarà la capacità di costruire relazioni e dati proprietari in un contesto sempre più mediato da AI agent, sistemi che cercano, confrontano e acquistano per conto dell’utente. Le innovazioni si muoveranno su una doppia direttrice: da un lato personalizzazione e automazione avanzata, dall’altro esperienze fisiche e relazionali che generano fiducia. I brand non parleranno più solo alle persone, ma anche agli algoritmi che decidono per loro. Angelo De Caro, Ceo di Based
Per Mastercard, la tecnologia che aumenterà il valore nel commercio digitale è l’AI agentica, che sta rivoluzionando l’esperienza di acquisto online guidando ricerca e pagamento. La prima transazione agentica è già avvenuta in Europa qualche settimana fa, con l’efficienza e la sicurezza di qualunque transazione resa possibile grazie al nostro network globale. Queste innovazioni, unite alla tokenizzazione, all’analisi dati, all’engagement personalizzato e alle soluzioni di cybersecurity di Mastercard, stanno già rendendo il commercio digitale più sicuro, efficiente e centrato sulle esigenze del cliente.
Mastercard
L’e-commerce sta già evolvendosi, passando da interfacce (come app e siti Web) a percorsi guidati dall’Agentic, AI che agisce per conto dell’utente. Il cambiamento poggia principalmente su tre pilastri: l’Agentic Servicing (assistenza autonoma), gli Agentic Payment (transazioni sicure gestite dall’intelligenza artificiale) e l’Agentic Commerce (nuovi canali dove l’AI confronta e acquista prodotti). È la transizione verso un mercato mediato da assistenti intelligenti.
Nexi
La prossima frontiera del commercio digitale sarà definita da esperienze di pagamento intelligenti e affidabili, integrate in ogni canale e sempre più alimentate dall’intelligenza artificiale. Il ruolo di PayPal è portare questa intelligenza in ogni fase del pagamento, in ogni app e assistente di shopping basato su AI, così che pagare online risulti non solo più veloce, ma anche più sicuro e rassicurante per tutti.
Vanina Acqualagna, General Manager di PayPal Italia
La prossima frontiera del commercio digitale sarà definita da esperienze di pagamento intelligenti e affidabili, integrate in ogni canale e sempre più alimentate dall’intelligenza artificiale. Il ruolo La prossima frontiera del digital commerce sarà sempre più guidata dagli agenti AI. Secondo dati interni, il traffico retail generato dagli assistenti AI è cresciuto del 119% anno. Soluzioni come Agentforce Commerce permettono ai brand di offrire esperienze d’acquisto conversazionali e semplificate, accompagnando il cliente su tutti i touchpoint dalla ricerca fino al checkout grazie a soluzioni di POS sempre più digitali. E il tutto deve essere accompagnato da soluzioni di Order Management che garantiscono esperienze di consegna facili e veloci.
Marco Torrisi, Regional Vice President Cloud Sales di Salesforce
La prossima frontiera sarà portare anche nel mondo fisico alcune evoluzioni nate nell’e-commerce, come il BNPL, rendendole sempre più diffuse e accessibili. L’innovazione sarà quella che integra online e offline, offrendo un’esperienza più fluida e coerente per utenti ed esercenti.
Alberto Dalmasso, Ceo e cofounder di Satispay
La prossima frontiera è il cliente che delega. Assistenti intelligenti che comprano per te: confrontano prezzi, scelgono il momento giusto, trovano il pagamento migliore. Il consumatore non navigherà più 50 siti, dirà all’agente cosa vuole e l’agente farà il resto. Secondo noi, puntare sul valore significa una cosa sola: il cliente deve fidarsi di te. Non basta offrire un pagamento, devi rendere l’esperienza così semplice e onesta che il cliente torna ogni settimana.
Simone Mancini, Ceo e cofondatore di Scalapay
La prossima frontiera è sicuramente legata all’AI e all’evoluzione dell’agentic commerce: un modello in cui il commercio non vive più solo nei siti o nelle app, ma diventa una capability integrata dentro nuove superfici digitali - dalle AI search agli assistenti conversazionali fino agli strumenti di produttività. Nei prossimi anni vedremo esperienze d’acquisto sempre più distribuite su nuovi touchpoint, più intelligenti e integrate nelle interazioni quotidiane tra persone, tecnologia e brand.
Paolo Picazio, Country Manager Italia di Shopify
Il futuro è un ecosistema integrato in cui racconto, scoperta e transazione convivono, con la creatività come motore della crescita. TikTok si posiziona come abilitatore e acceleratore di questo modello, con un impatto omnicanale che unisce online, offline e TikTok Shop. L’AI generativa, insieme ai creator e al modello di discovery e-commerce, renderà il percorso sempre più immediato, offrendo esperienze fluide, interattive e personalizzate.
Christina Lundari, Country Manager Global Business Solutions di TikTok Italia e Grecia
l’analisi
UNA NUOVA STAGIONE PER LA “MELA”
Storico passaggio di testimone: John Ternus è il nuovo amministratore delegato di Apple, dopo i 15 anni di Tim Cook.
Sono passati cinquant’anni dalla nascita della “mela morsicata” per antonomasia, e oggi per Apple finisce un’era. Un’altra, dopo la cesura della malattia di Steve Jobs e il passaggio del testimone a Tim Cook, nell’ottobre del 2011. Ed è proprio Cook il protagonista (uno dei due) di una notizia che ha già segnato le cronache tecnologiche di questo 2026: le dimissioni dal ruolo di Ceo. Dal prossimo settembre l’azienda di Cupertino sarà guidata da John Ternus, attuale senior vice president hardware engineering. Cook manterrà poi il ruolo di presidente esecutivo, per dare supporto in alcune attività della compagnia, tra cui le relazioni con governi e istituzioni.
“Essere il Ceo di Apple e ricevere fiducia per guidare un’azienda tanto straordinaria è stato il maggiore privilegio di tutta la mia vita”, ha dichiarato. “Amo Apple con tutto me stesso e sono davvero grato di aver avuto l’opportunità di lavorare con una squadra di persone
così ingegnose, innovative, creative ed estremamente attente, dedite in modo incrollabile ad arricchire la vita dei nostri clienti e a creare i migliori prodotti e servizi al mondo”.
Una scelta sicura
L’ingresso di Cook in Apple risale al 1998, quando l’ingegnere già aveva alle spalle 12 anni di lavoro in Ibm: la scelta fu presa, così ha raccontato, dopo aver conosciuto Steve Jobs. Oggi finisce un’era ma senza drammatiche discontinuità. John Ternus, ingegnere meccanico, classe 1975, non è certo un outsider per Apple: entrato in azienda nel 2001, ha lavorato nel team di sviluppo prodotto per dedicarsi inizialmente ai monitor e poi ai lettori iPod, ai Mac e agli iPad, e ancora dopo agli iPhone. Nel suo ruolo di senior vice president hardware engineering ha lavorato a diretto riporto dell’amministratore delegato. Nelle dichiarazioni di rito, del suo successore Cook ha det-
to che ha “la mente di un ingegnere, l’anima di un innovatore e il cuore per guidare con integrità e onore”. Ternus è anche “visionario”, i cui contributi in oltre 25 anni in azienda sono troppo numerosi per citarli. “Senza dubbio è la persona giusta per guidare Apple nel futuro”, ha concluso Cook. “Non potrei essere più sicuro delle sue capacità e del suo carattere”.
Protagonisti dei mercati
In un mercato Pc a crescita lenta (+4% anno su anno) nel 2025 Apple è riuscita a incrementare del 13% le vendite di Mac e Macbook, confermandosi quarto marchio a volume dopo Lenovo, Hp e Dell. In base ai dati di Counterpoint, nell’ultimo trimestre del 2025 le vendite di iPhone hanno superato quelle degli smartphone Samsung, anche se l’ordine della classifica cambia a seconda dello specifico quarter e della società di ricerca, quindi del metodo usato per conteggiare ordini e spedizioni. Nel suo cinquantesimo anno di attività, Apple ha una valutazione che si avvicina ai quattromila miliardi di dollari (circa 3.940 miliardi) ed è un’azienda sempre più integrata verticalmente, che sviluppa internamente i propri chip e mantiene un forte controllo sull’ecosistema software, ma che stringe alleanze strategiche dove necessario per restare al vertice della competizione. Ne è esempio il recente accordo stretto con Google per l’integrazione di Gemini in Siri. V.B.
CONCRETEZZA E COMPETENZE
PER UN‘AI CHE FUNZIONA
Workday inaugura a Milano uno spazio di co-design, aperto ai clienti. Obiettivo: scrivere il futuro del lavoro.
Per creare innovazione in azienda, oggi come oggi, c’è un ingrediente ancor più importante dell’immancabile intelligenza artificiale: la collaborazione. Su questo punta Workday in Italia, inaugurando nella propria sede in centro a Milano un nuovo spazio, un “Innovation Lab” dove poter incontrare clienti e partner per concepire, sviluppare e testare nuove soluzioni. Soluzioni che hanno l’intelligenza artificiale alla base, ça va sans dire, ma la declinano sui dati, processi e contesti specifici.
“Siamo presenti in Italia dal 2018, ma oggi per noi è un punto di svolta”, ha raccontato in conferenza stampa il country manager, Fabrizio Rotondi. “Nel design del nuovo Innovation Lab ho trovato molti punti di congiunzione con le Olimpiadi: la presenza di regole
condivise e di persone che concorrono per dimostrare eccellenza e superare i propri limiti. Ci accomuna alle Olimpiadi anche l’apertura alla diverse culture”. Il suo essere multiculturale Workday l’ha sempre sottolineato: fondata nel 2005 in California, l’azienda ha posizionato a Dublino il proprio quartier generale europeo e qui porta avanti attività di ricerca e sviluppo. Recentemente è stato annunciato un investimento triennale da 175 milioni di euro per allestire un centro di eccellenza sull’intelligenza artificiale che dovrà dare lavoro a duecento professionisti specializzati in quest’area.
Nati sul cloud
Oggi Workday smuove circa 9,5 miliardi di fatturato (nel 2026, in crescita del 13% anno su anno) e conta 21mila col-
laboratori, un market cap di 40 miliardi di dollari, 11.500 aziende clienti e 75 milioni di utenti per le proprie applicazioni Software as-a-Service, che spaziano dai processi delle risorse umane (assunzioni, contratti, paghe, formazione, gestione dei dipendenti) alla contabilità, dalla pianificazione all’area legale. Le applicazioni SaaS condividono un modello dati centralizzato (con la possibilità di combinare dati interni ed esterni) e integrano funzionalità di analytics e intelligenza artificiale a supporto dei processi decisionali e dell’automazione. “Nel B2B Workday è la seconda piattaforma più usata al mondo, dopo Microsoft”, ha sottolineato il country manager italiano. “Philips, Sorgenia, Unilever, Spotify, Venchi, Uber, LinkedIn, Banca Sella, Visa, Iliad utilizzano Workday perché condividono con noi una visione: cercare di liberare il potenziale delle persone. Con l’AI abbiamo una risorsa in più, ma vogliamo lasciare le persone al centro”.
Alla sua nascita, ha raccontato Rotondi, Workday ha rappresentato una scommessa: “Nel 2005 l’onda del cloud computing stava montando e i fondatori hanno voluto basare su questo tutta la tecnologia Workday. Siamo nati sul cloud e ci siamo sviluppati sul cloud. Il vantaggio di questa idea è che nel cloud i dati sono disponibili e uniformati. Rispettando, ovviamente, le regolamentazioni, abbiamo la possibilità di accedere a mille miliardi di dati all’anno”. Quelli a cui Workday ha accesso sono “dati buoni”, provenienti non da ambienti di sviluppo o test ma da applicazioni “in produzione”, e dunque contestualizzati nelle attività delle aziende. “Non c’è garbage-in , e quindi gli algoritmi basati su questi dati sapranno fare previsioni molto accurate”, ha osservato il manager.
Fabrizio Rotondi
Agenti AI nell’organigramma “Qui si disegna il futuro del mondo del lavoro”, ha affermato Rotondi a proposito dell’Innovation Lab. “L’obiettivo di questo spazio è di creare innovazioni che possono cambiare il futuro del lavoro, strumenti concreti”. Questa visione riguarda anche l’Agentic AI, su cui Workday ha scelto di puntare già a fine 2024, con il lancio di un primo set di strumenti per il recruiting, la gestione delle note spese, la pianificazione della successione e l’ottimizzazione del processi. In seguito è stata lanciato un servizio per la configurazione, l’orchestrazione e la governance degli agenti AI, anche in ottica di integrazione con applicazioni terze. “L’organigramma del futuro sarà composto da dipendenti e agenti AI, che assorbiranno alcune delle funzioni delle persone senza però togliere centralità a queste ultime”, ha proseguito Rotondi.
“Il punto di delega finale dovrà sempre essere la persona. L’agente premastica la decisione, mentre la persona è incaricata di validare o invalidare l’azione dell’intelligenza artificiale”.
L’area delle risorse umane è terreno fertile per gli agenti AI, dalle attività di selezione del personale (in cui possono realizzare una prima scrematura dei curricula e fissare i colloqui con i candidati) alla gestione dei talenti interni, dalla preparazione dei corsi di formazione alla gestione delle assenze e sostituzioni.
Nella contrattualistica, invece, l’intelligenza artificiale può far valere la propria velocità e capacità di ingerire dati, per preparare documenti e fare verifiche di compliance. A breve, inoltre, Workday presenterà una declinazione di Agentic AI per le attività di segreteria: potrà creare appuntamenti, fissare riunioni, compilare note spese, fare rassegne stampa automatizzate, aggiornare i dati del Crm e altro ancora.
Il paradosso della produttività
Nel suo studio “Beyond Productivity: Measuring the Real Value of AI”, Workday evidenzia i benefici dell’intelligenza artificiale ma non nasconde gli attuali punti deboli della sua adozione. Senza investire sull’evoluzione di competenze, ruoli e modalità di lavoro, l’incremento di produttività è illusorio: con l’AI si guadagna velocità nell’immediato salvo poi perdere tempo per controllare la qualità degli output, modificare e correggere. Tra i professionisti intervistati, con l’AI il 94% degli italiani (contro l’85% del totale campione) risparmia da una a sette ore settimanali. La necessità di controllare e rielaborare i contenuti prodotti dall’AI, però, vanifica in parte il vantaggio. A livello globale, quasi il 40% del tempo risparmiato con strumenti di AI generalisti viene poi perso in rielaborazioni, correzione di errori, riscrittura di contenuti e verifica dei risultati. Solo il 14% dei dipendenti ottiene con
l’AI “risultati netti chiaramente positivi in modo costante”. In Italia, un lavoratore su due impiega tipicamente da una a due ore a settimana a chiarire, correggere o riscrivere risultati di scarsa qualità prodotti dall’AI. “Siamo consapevoli del fatto che sulla precisione o imprecisione dell’AI si giochi la partita”, ha ammesso Rotondi. “La precisione migliorerà, perché il focus di ogni azienda vendor è su questo. Sulla precisione dei risultati quello che fa la differenza, per Workday, è la nostra storia di vent’anni sul cloud e il fatto che i nostri dati provengano da sistemi in produzione. Quando l’input è giusto, anche l’output è corretto”. Dal report di Workday emerge, inoltre, che il 66% dei dirigenti considera le competenze in AI come una priorità assoluta, ma tra i dipendenti più impegnati nel lavoro di rielaborazione dei risultati dell’AI solo il 37% ha accesso ad attività di formazione mirata.
Valentina Bernocco
L’INNOVAZIONE È UN GIOCO DI SQUADRA
Ibm non sta mai ferma: un tempo sinonimo di tecnologie mainframe, oggi è salita sul carro dell’intelligenza artificiale per le aziende. E lo ha fatto a pieno titolo, considerando che con la propria tecnologia di computing cognitivo, Watson, la società di Armonk ha aperto la strada a molte delle innovazioni che sarebbero arrivate poi. Con la recente acquisizione di Confluent (piattaforma per il data streaming), costata 11 miliardi di dollari, è stata rafforzata la componente di offerta relativa alla gestione dei dati e all’automazione: Ibm l’ha definito un “incastro perfetto”, coerente con le proprie strategie di cloud ibrido e intelligenza artificiale. Ma l’evoluzione tecnologica non è la sola misura del cambiamento. Sotto la guida di Roberta Bavaro, director of Ecosystem and Select Territory di Ibm Italia (e con Nicola Losito, da poco nominato general manager), nel nostro Paese ora si punta a far crescere le attività rivolte alle piccole e medie imprese, con un’offerta di soluzioni di facile implementazione, personalizzabili e per necessità specifiche.
Come è cambiata la vostra strategia di go-to-market per il segmento piccole e medie imprese?
Non parlerei di un cambio di strategia ma di una maggiore focalizzazione. Il nostro obiettivo e principio è da sempre quello di portare la tecnologia a valore a disposizione di tutti, imprese e clienti, e anche in senso lato alla società. Ora c’è stata un’estensione della strategia, con l’idea di portare anche sul territorio ciò che sappiamo fare
bene sui sui grandi clienti. Sulle circa 200mila imprese censite da Istat, abbiamo deciso di focalizzarci sulle circa 25mila che pensiamo possano effettivamente sposare l’innovazione tecnologica per restare competitive e al passo con i tempi. Anche per questo la mia missione all’interno di Ibm si è espansa: alla qualifica di direttrice dell’ecosistema dei partner si è aggiunta la responsabilità sul “Select Territory”, che include principalmente le Pmi ma anche alcune grandi imprese su cui finora non siamo stati molto presenti.
Che tipo di soluzioni proponete a questo target?
Il portafoglio di Ibm è molto ampio, dunque abbiamo voluto focalizzarci su una ventina di prodotti che pensiamo possano essere più facilmente scelti, implementati e scalati nel tempo, man mano che le esigenze dei clienti crescono. Questa scelta rispecchia i trend tecnologici che già avevamo definito e che rappresentano i pillar della nostra strategia: l’intelligenza artificiale e l’hybrid cloud. Parlando di intelligenza artificiale ci riferiamo anche all’Agentic AI e agli Small Language Model, che possono essere facilmente implementati e personalizzati dai partner, creando soluzioni ad hoc per i clienti. Ma ci riferiamo anche a un’AI che si è fusa con tutte le soluzioni e nelle infrastrutture IT, per ottimizzare, efficientare e togliere complessità. Parliamo di un’AI che viene integrata nei processi aziendali, perché si può ottenere un ritorno dell’investimento, senza limitarsi a benefici isolati. Per quanto riguarda
Roberta Bavaro
il cloud ibrido, Ibm ne parla da tempo e la nostra strategia è stata sempre chiara su questo punto, abbiamo sempre saputo di dover puntare su questo modello anziché proporre un cloud “totale”.
La cybersicurezza oggi rimane un tema caldo, anche in relazione alla gestione dei dati che transitano dall’AI. Come la trattate?
La cybersecurity è trasversale a tutti i nostri prodotti, che si portano dietro il principio di soluzioni di livello enterprise, pur potendosi adattare alla piccola e media impresa. Ed è un aspetto importante anche nell’intelligenza artificiale, dato che come Ibm rispettiamo i criteri dell’AI Act europeo e della legge 132 italiana. Attraverso Red Hat Openshift, inoltre, possiamo implementare l’intelligenza artificiale anche nell’on-premise del cliente. Teniamo presente che le piccole e medie imprese affrontano sfide ancor maggiori nell’adozione dell’AI.
Da un lato, rispetto alle grandi aziende, hanno i medesimi requisiti di compliance da rispettare ma dispongono di minori risorse e quindi, ancora di più, devono avvalersi di partner di fiducia. Anche per questo continuiamo a investire sulle competenze.
A proposito di partner di canale, quanto sono importanti in questa nuova strategia di go-to-market?
È insieme ai partner che possiamo raggiungere più velocemente le piccole e medie aziende. I partner sono fondamentali sia per loro presenza capillare sul territorio sia perché conoscono i bisogni, le paure e le sfide delle aziende. Inoltre hanno una conoscenza completa delle nostre tecnologie: mettiamo a loro disposizione lo stesso
percorso di enablement che usiamo al nostro interno, non abbiamo segreti. Se prima potevamo vederli come un team esterno con cui collaborare, ora davvero fanno parte di un team interno che lavora con noi. Oltre a conseguire diversi livelli e specializzazione, i partner interloquiscono con i nostri laboratori, quindi vengono interpellati, testano per primi la tecnologia e possono dare suggerimenti su funzionalità o miglioramenti da apportare. Per quanto riguarda l’AI, avendo noi sposato non solo la cultura degli LLM ma anche quella dei piccoli modelli, il ruolo del partner è anche quello di creare soluzioni ad hoc per il cliente a partire da template personalizzabili. Dobbiamo lavorare a braccetto: imprese, partner e vendor.
Che obiettivi avete per quest’anno?
In Italia puntiamo a una crescita di almeno il 20% nel giro d’affari del segmento di mercato su cui ho responsabilità. Per dirla con un gioco di parole, è una “sfida sfidante”. Serve anche un cambio di paradigma:
per sostenere nel tempo la crescita, non ci si può più accontentare della singola transazione. Oggi molte aziende preferiscono dotarsi di soluzioni al consumo, che prima testano, poi adottano e scalano nel tempo. Qui si colloca la scelta di rivisitare il programma di incentivi ai partner, per accompagnarli in questo percorso, premiando la vendita di e sottoscrizioni e anche l’uso del Software as-a-Service. Non a caso molte delle soluzioni Ibm sono state rese disponibili sui marketplace di Aws, Azure e Google Cloud, così da poter premiare i partner sui modelli a consumo e così da lasciare alle imprese la libera scelta sulle modalità di adozione delle nostre tecnologie. Ci distingue anche il fatto di avere una squadra di client engineering che lavora a quattro o anche a sei mani con partner e clienti per l’adozione della tecnologia, dalla valutazione alla realizzazione di un Mvp, un minimum viable product, superando quindi la fase della semplice demo o del proofof-concept V.B.
l’intervista DALLA SICUREZZA AL SUCCESSO DURATURO:
TUTTO PARTE DAI DATI
Per OpenText, saranno la governance, i casi d’uso e la scelta dei giusti modelli di deployment a fare la differenza nel lungo periodo.
Per le aziende, adottare l’intelligenza artificiale non è poi così difficile. Ma farlo in modo sicuro e focalizzato, pensando al lungo periodo, è un altro paio di maniche. Ne abbiamo parlato con Shannon Bell è executive vice president, chief digital officer e chief information officer di OpenText
Nell’adozione dell’AI il 2026, secondo molti analisti e vendor, sarà l’anno del pragmatismo e dell’attenzione al ROI. Siete d’accordo?
Sì, condivido questa visione. Stiamo andando oltre la fase in cui le organizzazioni sentivano la pressione di sperimentare l’AI ovunque, ed entrando in una fase molto più pragmatica, focalizzata sul raggiungimento di risultati misurabili. È un passaggio assolutamente necessario. In OpenText, questo percorso lo stiamo vivendo in prima persona. Nel mio ruolo di Cio e Cdo, ho potuto constatare che il valore dell’AI non deriva dall’implementare il maggior numero possibile di strumenti nel minor tempo, ma dalla comprensione dei dati e del loro utilizzo all’interno dell’organizzazione, dall’adozione di adeguati modelli di governance e sicurezza e dall’applicazione dell’AI a casi d’uso chiari, con risultati misurabili. All’interno di OpenText abbiamo adottato un approccio deliberato all’adozione dell’AI, concentrandoci su produttività, automazione dei workflow, semplificazione della complessità e creazione
di valore misurabile, garantendo al contempo adeguati meccanismi di controllo. Questa esperienza guida anche il modo in cui supportiamo i clienti. Sappiamo che una AI affidabile (o AI sicura) non può prescindere dal basarsi su dati affidabili, e che questi richiedono una solida gestione delle informazioni, data governance e sicurezza. Molte organizzazioni stanno comprendendo che portare l’AI in produzione richiede molto più di un modello. Ed è qui che OpenText si distingue: aiutiamo i clienti a passare dalla sperimentazione alla produzione con un’AI sicura, governata, resiliente e allineata a risultati di business concreti, basata su dati correttamente gestiti e governati.
Che cosa cambia con gli agenti AI, rispetto ad altri tipi di AI, in termini di rischi e opportunità?
Nel momento in cui si passa da sistemi che generano output a sistemi in grado di compiere azioni, per le aziende è necessario adottare controlli molto più stringenti. La sfida dell’Agentic AI non riguarda solo ciò che il modello produce, ma anche ciò che è autorizzato a fare, a quali dati può accedere, come questi dati sono protetti e come le sue azioni vengono governate. Questo innalza significativamente il livello richiesto in termini di identità, controllo degli accessi, verificabilità, rafforzamento delle policy e supervisione umana. In pratica, le aziende devono
costruire l’Agentic AI su una solida base di gestione delle informazioni, con dati governati e confini chiari nei workflow. Gli agenti possono generare enorme valore, ma solo se operano all’interno di un ambiente affidabile e ben governato.
La sovranità oggi è un tema caldo e molti cloud provider stanno investendo in nuovi data center “locali”. Pensare alla collocazione geografica dei dati è sufficiente?
La residenza dei dati è importante, ma è solo una parte della sovranità. La vera sovranità digitale include anche giurisdizione legale, controllo operativo, resilienza, gestione degli accessi e la capacità di decidere quale livello di protezione sia necessario per ciascun workload. Per questo considero la sovranità come un modello “a livelli”. Non tutti i workload richiedono lo
Shannon Bell
SOVRANITÀ A DOPPIO LIVELLO
Per un cloud sovrano servono non solo servizi di infrastruttura con particolari garanzie di residenza del dato, compliance e sicurezza: le piattaforme dati di livello enterprise, come quelle della canadese OpenText, fanno parte del corredo necessario alle aziende per ottenere qualità e coerenza dalle proprie applicazioni. Incluse quelle, oggi molto chiacchierate, di Agentic AI. Qui si innestano le recenti alleanze strette con due hyperscaler, Amazon Web Services e Google Cloud. L’accordo con Amazon prevede la disponibilità delle soluzioni Enterprise Data and AI di OpenText su Aws European Sovereign Cloud, cioè su servizi erogati da “regioni cloud” di Aws europee (al momento da un nuovo data center tedesco in Brandeburgo, ma seguiranno aperture in Belgio, Paesi Bassi e Portogallo). Sono incluse nell’accordo le soluzioni Content Management, Documentum Content Management, Core Application Security e Core Service Management di OpenText. Quella con Google Cloud viene definita come una vera “partnership strategica”, che dà vita a una “architettura ibrida di trusted cloud per l’Europa”, erogata dalla Francia e interoperabile con le piattaforme degli hyperscaler. C’è un terzo player coinvolto, ovvero Thales, che attraverso la propria controllata S3NS mette a disposizione un’infrastruttura con certificazione SecNumCloud, un “bollino” dell’Agenzia Nazionale per la Sicurezza dei Sistemi Informativi francese. L’architettura è ibrida perché si possono mantenere i workload dei dati più sensibili all’interno di questo ambiente soggetto a governance locale, con rigorosi requisiti di residenza dei dati, conformità e controlli operativi. Gli altri carichi di lavoro possono essere posizionati sul cloud di Google, con tutti i vantaggi di costi, semplicità e accesso all’innovazione che un hyperscaler può offrire.
stesso approccio e pochissime organizzazioni adotteranno un unico ambiente. Il mondo è ibrido. La maggior parte dei Cio prende ogni giorno decisioni sul posizionamento dei workload in base alla sensibilità dei dati, ai requisiti normativi e alle esigenze di business. Il ruolo di OpenText è quello di aiutare i clienti a gestire questa complessità. Offriamo opzioni che spaziano da on-premises a cloud privato, pubblico, sovrano e ambienti ibridi. Questo è un elemento distintivo. Aiutiamo le organizzazioni a proteggere i dati più sensibili, consentendo allo stesso tempo di sfruttare innovazione e scalabilità degli hyperscaler quando opportuno. Il nostro obiettivo è ampliare il supporto al cloud sovrano in Europa e offrire ai clienti maggiore scelta nei modelli di deployment. I clienti richiedono flessibilità tra on-premises, cloud pubblico, cloud sovrano e modelli ibridi, e noi vogliamo supportarli in ogni fase del loro percorso.
Come poter trarre valore dall’AI in modo sicuro?
Il punto di partenza sono i dati. I dati proprietari rappresentano la maggiore opportunità di valore per l’AI, ma anche il principale fattore di rischio. Le aziende devono sapere quali dati possiedono, quanto sono sensibili, dove devono risiedere e quali controlli devono regolarne l’utilizzo. Questo significa costruire l’AI su una base sicura di gestione delle informazioni, con classificazione, controlli di accesso, crittografia, auditability e rafforzamento delle policy. Significa anche adottare un approccio consapevole al posizionamento dei workload: alcuni dati possono risiedere nel cloud pubblico, altri richiedono controlli più stringenti, come ambienti di cloud sovrano o privato. Le aziende non devono scegliere tra innovazione e protezionee: con la giusta governance e strategia di deployment, possono valorizzare i dati proprietari per l’AI
proteggendo al contempo proprietà intellettuale, compliance e fiducia dei clienti.
Da che cosa dipenderà l’esito delle iniziative di AI nel lungo periodo?
Il successo nel lungo periodo dell’enterprise AI parte da dati affidabili, governance solida e obiettivi di business chiari. Le aziende che avranno successo saranno quelle in grado di comprendere i propri dati, applicare i giusti controlli e utilizzare l’AI su priorità concrete. L’intelligenza artificiale amplifica sempre la qualità della base su cui si fonda. Un errore da evitare è considerare cloud, sovranità e AI come decisioni separate, perché oggi sono sempre più interconnesse. Le organizzazioni vincenti adotteranno un approccio pragmatico: conoscere i dati, decidere dove collocare i workload, costruire con governance e sicurezza fin dall’inizio e scalare sulla base di valore misurabile. V.B.
l’intervista
L’INTEGRAZIONE DEI DATI È UN’AVVENTURA SEMANTICA
Per Denodo l’intelligenza artificiale può essere una “compagna di viaggio”, verso un futuro in cui l’accesso ai dati sarà sempre più democratico.
I dati sono, oggi più che mai, un bene strategico ma anche un punto dolente per le aziende. Delle difficoltà di gestirli, contenerli e valorizzarli si parlava già dieci anni fa, con il tema dei Big Data e degli analytics, ma oggi continuiamo a farlo sebbene con sfide tecnologiche di altro tipo, in ambienti IT sempre più frammentari e popolati anche di dati non strutturati, poco sfruttabili. Ne parliamo con Andrea Zinno, partner & channel sales director Emea South di Denodo
Per anni abbiamo parlato di Big Data, delle sfide legate alla proliferazione e alla eterogeneità dei dati. Poi il focus si è spostato sul cloud e oggi si parla soprattutto di AI. I problemi di fondo riguardanti i dati sono rimasti i medesimi o sono cambiati anch’essi? Parafrasando una famosa citazione degli economisti Carl Shapiro e Hal R. Varian del 1998, (“Technology changes, but the laws of economics don’t!”), potremmo affermare che la tecnologia cambia, ma non cambia il ruolo dei dati. Essi saranno sempre e comunque il risultato di una concettualizzazione della realtà osservata, necessaria per comprenderla, analizzarla e su di essa prendere decisioni. Può cambiare la tecnologia o il modo in cui i dati sono organizzati, ma il loro potenziale dipende sempre dal come siano fedeli a ciò che devono rappresentare: in un mondo sempre più fluido e in continua accelerazio -
ne, i problemi di fondo sono rimasti gli stessi, ma si è ampliata la loro magnitudine.
Quanto è importante lavorare sui dati per preparare il terreno all’intelligenza artificiale?
Se lo slogan "garbage-in, garbage-out" sintetizza il tema di base, è necessario andare oltre e interrogarci su come dobbiamo trattare i dati affinché siano il nutrimento giusto per l’AI, tradizionale, generativa o agentica che sia. Non solo è importante fornire i dati giusti, durante l’apprendimento o l’esecuzione, ma è necessario che
questi siano ben modellati, per garantire sia che gli algoritmi agiscano su un mondo ben rappresentato, sia che la loro attività sia investigabile, secondo quel principio di etica operazionale teso non a dare una morale all’AI, ma a far conoscere il perché di ciò che ha prodotto. Va poi ricordato, con riferimento all’Agentic AI, che essa ha bisogno di dati in real-time o near real-time: un agente deve sempre operare qui e ora, perciò è fondamentale che una data platform sia in grado di integrare sorgenti dati sia analitiche sia operazionali. Solo quando le aziende riconosceranno, al di là degli slogan, l’importanza del dato – e molte lo stanno naturalmente facendo – sarà possibile avere quella fiducia necessaria per un’AI che sia compagna di viaggio e non avversario da temere.
Quali sono, oggi, le innovazioni “game changer” nel campo della gestione e valorizzazione dei dati?
L’integrazione dei dati non deve essere vista come una sfida tecnologica, ma come un’avventura semantica. Ciò che distingue una buona soluzione per la gestione dei dati da una ottima è il supporto che essa può dare a chi i dati li gestisce e utilizza. La pietra angolare è la capacità di creare un modello che sia un “collante semantico” tra tutti i dati necessari, indipendentemente da come questi siano rappresentati e da chi ne abbia
Andrea Zinno
OLTRE IL SIGNIFICATO LETTERALE
In ambito informatico, la ricerca semantica è una tecnica di esplorazione dei dati che supera l’interpretazione letterale delle query, avvicinandosi ai processi di ragionamento umani. Impiegando tecnologie di elaborazione del linguaggio naturale (Npl, Natural Language Processing), apprendimento automatico, reti neurali e grafi di conoscenza, i sistemi di semantic search possono analizzare il contesto in cui la query viene posta, le precedenti interazioni e richieste dell’utente e la sua posizione geografica, ma anche i sinonimi contenuti nella frase, le espressioni figurate e idiomatiche, le relazioni tra concetti. Così facendo, riescono a comprendere il più ampio significato della query e l’intenzione con cui è stata formulata.
Il tutto si traduce per gli utenti in risposte più rilevanti, in tempo e fatica risparmiati, ma soprattutto con questo metodo per le aziende è possibile trarre valore da una più ampia ed eterogenea base di dati. I principali ambiti di utilizzo consolidato sono i motori di ricerca come Google (che ha fatto passi in avanti in tal senso con Bert, algoitmo introdotto in Google Search già nel 2018) e i sistemi di raccomandazione (tipicamente, su siti di e-commerce, social media e servizi di streaming), gli assistenti chatbot e i sistemi di gestione documentale di livello enterprise.
responsabilità. In un mondo dove la data democracy e la data economy cessano di essere un’opzione e diventano fondamenta per una circolazione dei dati libera e governata, non si può prescindere dall’istituire un linguaggio comune tra contesti necessariamente differenti. Qui l’AI gioca un ruolo fondamentale, divenendo assistente per chi gestisce e usa i dati: in uno scenario democratico, esercitare i diritti e ottemperare ai doveri devono essere attività semplici, alla portata di tutti, per non creare privilegi e divisioni.
Nella visione di Denodo, il Semantic Data Layer è un elemento chiave per la modernizzazione delle architetture IT. Perché?
Perché, indipendentemente dalla tecnologia sottostante, è il luogo dove il significato prende vita, dove si definiscono le regole di governo dei dati e dove si riconciliano oggettività e soggettività, rispettando la dignità di entrambe e senza pretendere di ricondurre la seconda alla prima. Ogni tentativo in tal senso sarebbe una for-
zatura ontologica che pregiudicherebbe la corretta rappresentazione di ciò che deve essere rappresentato. Il Semantic Data Layer, inoltre, dev’essere al di sopra delle parti (intese come ecosistemi tecnologici che gestiscono i dati) affinché i cambiamenti non si riverberino su chi i dati deve usarli. Il modello semantico è il componente chiave di un’integrazione resiliente ai cambiamenti tecnologici e rappresenta, attraverso il Data Marketplace, il luogo dove i dati possono essere investigati, compresi e utilizzati.
Che cosa vi distingue da altre data platform?
Denodo incarna alla perfezione l’idea di un’integrazione dei dati semanticfirst e indipendente dalle caratteristiche dei dati stessi, dal loro luogo di residenza e dai loro proprietari. Il tutto senza la duplicazione tipica del tradizionale approccio ETL (Extract, Transform, Load), il quale in scenari di data economy ha evidenti limitazioni dovute ai problemi di governance che emergono quando si vogliano fisicamente consolidare dati
appartenenti a soggetti diversi. Tendenzialmente non ci rivolgiamo a un target specifico, anche se Denodo dà il meglio di sé in contesti enterprise e data-driven , dove i dati sono molti, eterogenei e distribuiti, sia in cloud sia on-premise e, soprattutto, dove è richiesto che siano davvero a disposizione di tutti.
Come cambieranno le piattaforme dati nei prossimi anni?
Al netto di ciò che potrebbe nascere in futuro e che oggi non possiamo immaginare, credo che oramai la tecnologia sia matura al punto di poter gestire qualsiasi tipo di dato. Il futuro deve quindi portarci a data platform sempre più facili da usare, che consentano a i diversi utenti di concentrarsi su ciò che devono fare e non sul come farlo. Un po’ come le auto moderne, che per il modo in cui sono costruite e dotate di sistemi di assistenza alla guida, rendono il trasporto piacevole e sicuro, consentendo al guidatore di godersi il viaggio e concentrarsi sulla meta, e al meccanico di manutenere e riparare l’auto senza troppe difficoltà. V.B.
IT, DA FRENO A MOTORE DELLA TRASFORMAZIONE
Le esigenze di modernizzazione applicativa e di sicurezza guidano la domanda di servizi IT: parola di Kyndryl.
Nella trasformazione digitale delle aziende e nel loro successo sul mercato nel lungo periodo, ancor prima delle tecnologie, a fare la differenza saranno le progettualità: parola di Kyndryl. Per la società nata nel 2021 come spin-off di Ibm, la migrazione in cloud e i nuovi strumenti di intelligenza artificiale generativa e agentica sono importanti ingredienti. Ma per il successo delle iniziative servono innanzitutto delle decisioni progettuali e strategiche: l’assessment iniziale, la definizione dei casi d’uso, i metodi di governance, la scelta del vendor e del system integrator a cui affidarsi. Perché la trasformazione digitale, appunto, non è soltanto questione di tecnologie.
“Vediamo una domanda molto forte che si sta spostando sulla parte progettuale”, ha esordito il presidente di Kyndryl Italia, Paolo Degl’Innocenti, durante un incontro con la stampa di settore. “Il mercato dei servizi infrastrutturali IT, trainato dalla componente cloud, nel suo complesso sta crescendo ma si muove a due velocità: da un parte ci sono i servizi legacy di gestione degli ambienti, che stanno tenendo i volumi a fatica rispetto al passato, e dall’altra c’è una sempre maggiore domanda legata a tutto ciò che riguarda la trasformazione delle aziende”.
Tra modernizzazione e sicurezza
Da un recente report di Kyndryl è emerso uno scenario un po’ paradossale, in cui l’IT è spesso un freno all'innovazione dei servizi e dei modelli di business. Ma le aziende non restano con le
mani in mano. "La maggior parte degli intervistati ha dichiarato che il proprio IT non era pronto e abilitato per favorire la trasformazione dell’azienda”, ha detto Degl’Innocenti. “Quasi metà delle aziende investe per adattare l’IT alle dinamiche di business. Ciò si rispecchia grandemente nella domanda che osserviamo, una domanda molto importante di trasformazione a 360 gradi dell'information technology, che riguarda anche le applicazioni. Aumentare unicamente la capacità elaborativa non solo non è sostenibile, ma non asseconda le necessità del business. Quindi l’IT entra in modo forte nella modernizzazione delle aziende. Non viene più visto solo come una scelta di pochi tecnici o tecnologi, perché impatta sui più alti livelli decisionali”. La modernizzazione, secondo Kyndryl, deve procedere di pari passo con altre esigenze oggi molto sentite: la sicurezza, la cyber resilienza e le necessità di com-
pliance. Tutti temi di grande rilevanza anche per i board aziendali. Alla luce dei nuovi obblighi di conformità che sarebbero arrivati dopo (per esempio legati alla direttiva NIS2, al regolamento Dora e all’AI Act europei), è stato particolarmente lungimirante l’investimento fatto da Kyndryl per avviare nel 2023 a Roma un Security Operations Center, in pochi anni diventato punto di riferimento non solo per i clienti italiani ma anche per altre country. Recentemente è stato ampliato con l’apertura di uno spazio di coprogettazione. “Dal centro di Roma eroghiamo servizi a una sessantina di aziende tra le più grandi e complesse in Italia e in Europa”, ha svelato Degl’Innocenti. “La professionalità paga, la corporation la riconosce e dunque investe”.
Una AI più concreta
Sul tema dell’intelligenza artificiale Kyndryl non si tira indietro, ma affronta il tema con un approccio particolare, consapevole del fatto che molti progetti falliscono o comunque vengono interrotti prima di entrare in produzione. Succede quando i progetti sono troppo generalisti o teorici. “Non ci interessa creare un innovation lab che dissemina proof-of-concept sul mercato”, ha detto Degl’Innocenti. “Ci interessa fare i progettisti della trasformazione, sui processi core, senza buzzword ma parlando di ritorno sull'investimento. Il 2026 ci ha insegnato che essere focalizzati su progettualità verticali paga, e nel 2027 riteniamo che questa focalizzazione sarà ancora più importante”.
Valentina Bernocco
Paolo Degl’Innocenti
CONSOLIDAMENTO E AUTOMAZIONE
NEL SOC: IL PUNTO DI SVOLTA
Per Palo Alto Networks, il Security Operations Center diventa il punto di convergenza di tecnologie e processi.
Oggi, tra le aziende di sicurezza informatica pure play, Palo Alto Networks è la numero uno al mondo, e dirlo non è pubblicità occulta. Fanno testo i 9,2 miliardi di dollari di ricavi annuali, un market cap superiore ai 100 miliardi, ma anche l’ampiezza di un’offerta che è notevolmente cresciuta sia per sviluppo interno sia attraverso acquisizioni. Strategiche (ammesso che esistano acquisizioni di altro tipo), perché le permettono di potenziare una piattaforma di software e servizi che copre ormai tutto il ciclo della cybersicurezza, dal codice al runtime, dal rilevamento alla risposta, senza dimenticare quella gestione delle identità che oggi è il vero punto dolente. Il termine “piattaforma”, per quanto abusato nel campo dell’informatica, non è casuale. È questa una delle parole chiave ribadite dai manager italiani e dal Ceo Emea, in visita a Milano per il recento evento “Ignite”, rivolto a partner e clienti. L’altra parola chiave di questa edizione di “Ignite”, non a sorpresa, è automazione. A fare da tratto d’unione tra
i due concetti – la platformization e l’automazione – c’è un elemento a tre lettere: Soc, cioè Security Operations Center. Che sia interno o, più spesso, un ser vizio gestito, senza un Soc la difesa informatica è inevitabilmente debole, frammentaria e lenta. Il Soc, in un modo o nell’altro, è un approdo obbligato. “Oggi siamo la prima azienda di cybersecurity globalmente”, ha esordito in conferenza stampa Helmut Reisinger, Ceo Emea di Palo Alto Networks. “Abbiamo due grandi hub di ricerca e sviluppo, uno in California e uno a Tel Aviv, come conseguenza dell’acquisizione di Cyberark”. Un’operazione da 25 miliardi di dollari, la più dispendiosa mai realizzata da Palo Alto, ma la cifra è giustificata dalla forza di Cyberark nel segmento delle tecnologie per la sicurezza delle identità. Tecnologie che saranno sempre più richieste, considerando l’esercito di agenti AI che le aziende metteranno in campo nei prossimi anni, o almeno così si attendono analisti e vendor. Oltre a Cyberark, lo scorso anno Palo Alto ha acquisito
per 3,35 miliardi di dollari Chronosphere, startup proprietaria di una tecnologia di osservabilità per ambienti container e microservizi, e Protect AI, società focalizzata sulla sicurezza dei modelli di intelligenza artificiale. Poi è arrivato l’accordo da 400 milioni di dollari per rilevare Koi Security, startup israeliana che precorre i tempi con una tecnologia per la sicurezza di agenti AI ed endpoint autonomi.
Tante tecnologie, un unico Soc “Siamo convinti che la cybersicurezza debba essere in tempo reale e altamente automatizzata, oltre a dover offrire benefici di business in termini di semplificazione”, ha detto Reisinger, sottolineando la necessità di superare, nelle aziende, una condizione di frammentazione tecnologica che genera complessità. Da qui la proposta di una piattaforma modulare e “aperta”, che permette ai clienti e agli Msp di scegliere quali elementi adottare e che dialoga con soluzioni terze. “La nostra è una piattaforma aperta”, ha proseguito il Ceo Emea, “che può integrare i dati di telemetria raccolti da firewall, sistemi di protezione endpoint e cloud di terze parti”. Sulla logica del consolidamento tecnologico è intervenuto anche Francesco Seminaroti, recentemente nominato country manager per l’Italia dopo quattro anni in azienda: “Che cosa chiedono i chief information officer oggi? Da un lato, c’è un bisogno di consolidamento delle tecnologie, e qui possiamo aiutare con il nostro approccio alla platformization. C’è, inoltre, una necessità di automazione. Altro punto è la pressione normativa, che è stata un abilitatore per l’innovazione tecnologica ma è stata vista anche come un freno in quelle aziende che magari avevano già fatto degli investimenti che avevano portato alla creazione di silos. In questo possiamo essere d’aiuto”. V.B.
Helmut Reisinger
Francesco Seminaroti
PER GUIDARE L'IT SERVE CORAGGIO
Siamo nell’era del Cio “intrepido”, chiamato ad affrontare grandi sfide: ma non da solo. L'analisi di TIG e Cefriel.
Nel lavoro del chief information officer (Cio) oggi è richiesta una particolare dote: il coraggio. Siamo nell’era del Cio “intrepido”, come raccontato sul Lago Maggiore, a Baveno, lo scorso marzo durante l’ultimo “Cio Leaders Summit”. Giunto alla terza edizione, l’evento organizzato da TIG – The Innovation Group, in collaborazione con Cefriel e con il patrocinio di Aused, è un osservatorio privilegiato sul futuro del digitale nelle aziende. Nonché un momento di confronto su una figura – quella del responsabile dei sistemi informativi – che sta affrontando in prima persona le tensioni e le opportunità legate alla trasformazione.
Nuove variabili e interdipendenze Il panorama in cui si trovano a operare i responsabili dei sistemi informativi italiani è in continua evoluzione. Le sfide tecnologiche infatti si moltiplicano, si sovrappongono o cambiano natura. Non si tratta più solo di modernizzare infrastrutture o accompagnare processi di digitalizzazione: oggi il Cio si muove all'interno di un ecosistema in cui le va-
riabili e le interdipendenze sono sempre più numerose, le aspettative del business sempre più elevate. E infatti, tra i Cio che hanno condiviso il loro punto di vista in
un’indagine condotta da TIG in collaborazione con Cefriel a supporto dei contenuti del Summit, il 40% dichiara come il tema dell’allineamento tra IT e business sia ancora oggi la principale sfida per il proprio ruolo. È in questo scenario che emerge quello che viene definito intrepid Cio, non come ideale astratto ma
Risposta alla domanda: “Qual è il grado di coinvolgimento della leadership aziendale rispetto all’adozione dell’AI?”; fonte: TIG - The Innovation Group e Cefriel, “Cio Leaders Survey 2026”, marzo 2026; base: 49 rispondenti (Cio o figure equivalenti)
come risposta concreta a un contesto che impone di essere quanto più reattivi.
Non più soli al comando
Dobbiamo dire addio all’immagine dell’uomo solo al comando. Uno dei temi più rilevanti, tra quelli discussi a Baveno, riguarda la dimensione culturale e relazionale della leadership digitale. Lo scenario delinatosi è quello di un Cio che non può più permettersi di operare in isolamento. Attorno al responsabile IT si costruisce – o si dovrebbe costruire – un ecosistema interno di persone e competenze: team in grado di stimolare, di mettere in discussione, di sostenere l’innovazione anche quando essa comporta il rischio di sbagliare. La cultura dell’errore deve diventare una condizione strutturale per chi opera sulla frontiera dell’innovazione e, contestualmente, la leadership digitale dev’essere capace di sviluppare questa cultura nei propri team. Lo scenario si complica ulteriormente quando si guarda verso l’alto nella gerarchia aziendale. Essere intrepidi significa anche mantenere un dialogo costante, a volte non facile, con la proprietà e con i vertici aziendali. Il top management non può infatti limitarsi a delegare la tecnologia, ma deve diventare parte attiva di una visione in cui il digitale è motore di sostenibilità e crescita. Il supporto della leadership è la condizione abilitante senza la quale anche i progetti più ambiziosi rischiano di arenarsi prima ancora di prendere forma.
Lo tsunami tecnologico dell’AI
Oggi stiamo assistendo a un vero e proprio “tsunami tecnologico”. Alle ondate di trasformazione digitale già in corso da diversi anni – con la necessità di ammodernamento dei sistemi legacy, l’evoluzione delle architetture e la gestione dei dati – si sono aggiunte le promesse dell’intelligenza artificiale, in particolare di quella generativa. È uno scenario inedito, che
Risposta alla domanda: “In quale ambito dell’AI sta investendo maggiormente la sua azienda?”; fonte: TIG - The Innovation Group e Cefriel, “Cio Leaders Survey 2026”, marzo 2026; base: 49 rispondenti (Cio o figure equivalenti)
porta con sé nuove opportunità ma anche nuovi rischi: modelli di interazione con il business che cambiano rapidamente, superfici di vulnerabilità che diventano più ampie, processi decisionali che richiedono nuove forme di governance. La leadership italiana, però, spesso sembra ancora non abbastanza matura per affrontare la sfida dell’intelligenza artificiale: dei Cio coinvolti nell’indagine, il 47% dichiara, infatti, che da parte dei vertici aziendali c’è un interesse ai livelli iniziali. Attualmente, significativi impatti si registrano soprattutto nell’ambito del servizio e supporto clienti e nel marketing.
Equilibri che cambiano
Sullo sfondo di questa trasformazione, si ridisegna anche la mappa delle relazioni con i partner tecnologici. I fornitori tradizionali sono chiamati a un salto di qualità: non più semplici erogatori di servizi, ma partner capaci di comprendere il contesto, anticipare i bisogni e costruire
soluzioni insieme ai propri clienti. Accanto a loro si affaccia però ora un nuovo attore, l’intelligenza artificiale stessa, che con strumenti come il generative coding e il vibe coding inizia a competere con il tradizionale mercato dello sviluppo software, o quantomeno a influenzarlo. Lo scenario che emerge è quello di un portfolio fornitori in profonda trasformazione, in cui l’AI può occupare uno spazio competitivo inedito e alimentare nuove riflessioni sull’insourcing applicativo. Il ritratto emerso dal Summit di TIG è quello di un Cio chiamato a governare la complessità, senza subirla. Essere “intrepidi”, non è una qualità innata: è un mindset da costruire e da praticare ogni giorno, fatto di visione strategica, apertura al rischio controllato e capacità di trasformare l’innovazione in valore concreto per l’azoemda. Uno scenario esigente ma allo stesso tempo, per chi è disposto ad abbracciarlo, pieno di opportunità.
Camilla Bellini
Per
UNA STRATEGIA PER L’INCERTEZZA SISTEMICA
i direttori
della
funzione IT, le priorità e i metodi devono cambiare: l’analisi di Gartner.
L’unica certezza è che di certezze non ce ne sono. Quest’anno, ancor più che in passato, i chief information officer non possono permettersi di fare piani statici, perché la volatilità dell’economia, l’instabilità geopolitica, la velocità dell’innovazione e i cambiamenti normativi possono cambiare le carte in tavola da un giorno all’altro. Basti pensare ai costi del cloud computing e dell’intelligenza artificiale, soggetti a spostamenti repentini in base a dazi, logiche di competizione tra i vendor o dinamiche di fornitura. Prepararsi in modo da sa-
per reagire all’imprevisto sarà, probabilmente, la migliore strategia: questo ci dice Gartner nella sua ultima “Cio and Technology Executive Survey”. Sul totale dei Cio e professionisti di analogo ruolo intervistati, uno schiacciante 94% ha detto di aspettarsi significativi cambi di rotta per le proprie strategie in un arco temporale relativamente breve, due anni. Eppure sono pochi, solo il 18%, i Cio che abitualmente rivedono le strategie, cambiano, aggiungono o cancellano progetti, ricalibrano i budget in modo dinamico e senza seguire rigidamente
i tipici cicli di pianificazione annuali o trimestrali. Pochi di più, il 28%, quelli che gestiscono in modo proattivo (senza aspettare di vedere impatti negativi) i rischi legati alle turbolenze geopolitiche e al tema della sovranità digitale, che oggi sta condizionando sia l’offerta di molti vendor sia le decisioni di fornitura delle aziende e dei governi.
Agilità e preparazione
Come possono, quindi, i Cio gestire l’imprevedibile portando comunque avanti i propri obiettivi di innovazione?
VIRTUAL
TWIN POTENZIATI
DALL’AI,
IL MOTORE INNOVATIVO DELL’INDUSTRIA
Dassault Systèmes sviluppa piattaforme digitali e mondi virtuali che consentono alle aziende di progettare, simulare e gestire prodotti e processi lungo l’intera catena del valore, piattaforme che assumono oggi un ruolo sempre più centrale nella trasformazione digitale dell’industria. Al cuore di questa evoluzione tecnologica, i 3D UNIV+RSES di Dassault Systèmes rappresentano ambienti immersivi in cui mondi virtuali e reali convergono, permettendo di integrare dati, simulazione e intelligenza artificiale in un’unica piattaforma. Qui i Virtual Twin diventano strumenti strategici per progettare, testare e ottimizzare prodotti e processi prima della loro realizzazione fisica, riducendo tempi, costi e complessità. L’innovazione si estende anche al modo in cui le persone interagiscono con la tecnologia. I Virtual Companion, esperti basati sull’AI recentemente presentati dall’azienda, Aura, Leo e Marie formano una forza lavoro virtuale che potenzia le capacità umane e migliora le prestazioni: introducono un nuovo paradigma collaborativo, affiancando progettisti e ingegneri con competenze specialistiche e capacità di analisi avanzata lungo tutto il ciclo di vita del prodotto. A rafforzare ulteriormente questo ecosistema, la partnership siglata con Nvidia abilita una nuova generazione di AI industriale fondata su modelli del mondo reale e su infrastrutture di calcolo accelerato. L’integrazione tra Virtual Twin e AI consente di simulare sistemi complessi su larga scala e di estendere queste capacità a diversi settori, dal manifatturiero, alle scienze della vita, a molti altri. In questo scenario, Dassault Systèmes abilita un approccio cross-industry all’innovazione, in cui simulazione, dati e intelligenza artificiale diventano leve concrete per rendere i processi produttivi più efficienti, sostenibili e adattivi.
La revisione continua delle strategie e la gestione proattiva del rischio, già citati, sono i due passaggi di metodo da compiere: Gartner li chiama “riallineamento agile” e “preparazione al rischio”. Per il primo obiettivo, gli analisti suggeriscono di passare a una valutazione continua dell’allocazione delle risorse, abbandonando le iniziative che producono i risultati sperati. Possono aiutare, inoltre, la capacità di prevedere possibili “fattori di perturbazione” e le alleanze con altri dipartimenti aziendali. Per ridurre l’esposizione al rischio, invece, è consigliabile ripensare alle scelte di fornitura, evitando di dipendere da un numero troppo ristretto di vendor e legandosi anche ad aziende del territorio.
Focus sui risultati
C’è poi un terzo pilastro nel modello proposto da Gartner: la tenacia, qui intesa come perseveranza nel cercare di rendere redditizie le iniziative IT. In molte aziende i chief information officer
restano esposti a una forte pressione su obiettivi di miglioramento della produttività (per il 57% degli intervistati) e di taglio dei costi (per il 52%). Solo il 33% dei Cio, però, si impegna attivamente e in modo costante a raggiungere obiettivi
di questo tipo. Il consiglio degli analisti è di focalizzarsi maggiormente sui risultati delle iniziative, pensando non solo all’efficienza ma anche ai costi e magari sfruttando l’intelligenza artificiale per internalizzare una parte del lavoro. Su
AUTONOMOUS ENDPOINT MANAGEMENT: UNA PRIORITÀ STRATEGICA PER CIO E CISO
La pressione sulle direzioni IT non è mai stata così forte. Carichi operativi crescenti, superfici d’attacco frammentate e aspettative sempre più elevate da parte del business stanno mettendo a dura prova la capacità delle organizzazioni di restare resilienti. Lo studio “Autonomous Endpoint Management Advantage” di Ivanti evidenzia un dato chiave: la gestione tradizionale degli endpoint non è più sufficiente per garantire sicurezza, continuità operativa ed efficienza. Per i Cio, il problema è strutturale. Le interruzioni tecnologiche ricorrenti impattano direttamente la produttività e rallentano l’esecuzione delle priorità strategiche. Per i Ciso, la situazione è ancora più critica: visibilità frammentata, remediation manuale e ritardi nell’applicazione delle patch aumentano il rischio cyber in modo significativo. L’Autonomous Endpoint Management (AEM) risponde a questa doppia sfida unificando automazione, intelligenza artificiale, sicurezza e Digital Employee Experience in un approccio proattivo. L’obiettivo non è solo risolvere incidenti più velocemente, ma anticiparli, riducendo la finestra di esposizione alle minacce e migliorando la qualità del servizio IT. Lo studio mostra che la maggioranza dei professionisti IT vede nell’automazione intelligente un potente abilitatore: meno attività ripetitive, più tempo per governance, innovazione e gestione del rischio. Tuttavia, solo una minoranza delle aziende sfrutta oggi appieno questo potenziale, lasciando valore sul tavolo. Per Cio e Ciso italiani, il messaggio è chiaro: adottare l’AEM non è una scelta tecnologica, ma una decisione strategica per rafforzare la postura di sicurezza, migliorare l’esperienza digitale e trasformare l’IT da funzione reattiva a vero motore di valore per il business.
Fabio Alghisi, Enterprise Sales Manager di Ivanti
GOVERNANCE,
SICUREZZA E INNOVAZIONE IN UNA SOLA PIATTAFORMA
Oggi ai team finance viene chiesto di fare di più, in tempi più rapidi e con una maggiore sicurezza: tutte cose che richiedono necessariamente la collaborazione dei chief information officer. I Cio stanno diventando dei veri e propri “architetti” che collaborano alla trasformazione aziendale. Nel dipartimento del Cfo il vecchio modello, che consisteva nell’implementare e tenere insieme soluzioni puntuali, sta cedendo il passo all’adozione di piattaforme. La frammentazione degli strumenti si traduce in duplicazione dei dati, costi operativi più elevati, difficoltà sul piano della sicurezza e dell’aggiornamento dei sistemi. AI Cio, quindi, viene richiesto di eliminare la frammentazione e ridurre il numero di fornitori nei processi di consolidamento, pianificazione, reporting e riconciliazione. Nella scelta di una piattaforma per il dipartimento del Cfo, i Cio devono considerare esigenze diverse, quelle di agilità e innovazione provenienti dal dipartimento finance, ma anche quelle di sicurezza, governance e scalabilità provenienti dall’IT. La posta in gioco è alta: una scelta sbagliata può tradursi in debito tecnico, difficoltà di integrazione e un rallentamento della trasformazione. OneStream risponde a tutte queste esigenze con una piattaforma che elimina la frammentazione, permette la governance e velocizza l’adozione di un’intelligenza artificiale trasparente e sicura nei processi dell’area finance.
OneStream
questo aspetto, la visione di Gartner trova conferme in quanto già evidenziato per l’Italia da una ricerca di TIG ‒ The Innovation Group, la “Digital Business Transformation Survey” dello scorso anno (condotta su un campione di 146
imprese private e società pubbliche italiane): l’allineamento delle iniziative IT agli obiettivi del business è una delle principali responsabilità che pendono sui Cio e sui direttori Ict, come segnalato dal 63% degli intervistati. Seguono,
tra le aspettative che più si riversano sui Cio, il coinvolgimento nella definizione delle strategie aziendali (53%), il potenziamento della cybersicurezza (52%), la promozione del cambiamento organizzativo e culturale in azienda (44%). V.B.
LE FONDAMENTA DELL’INNOVAZIONE
Gli analisti di Omdia prevedono per quest’anno una crescita del 26% delle componenti IaaS, PaaS e dintorni.
Il cloud computing continua a crescere, soprattutto nelle sue due componenti di infrastruttura e di piattaforma. Che sono, poi, quelle necessarie per sviluppare, addestrare e far funzionare i modelli di intelligenza artificiale e le soprastanti applicazioni. La spesa mondiale in servizi di cloud infrastrutturale e di piattaforma nell’ultimo
trimestre del 2025 è cresciuta del 29% anno su anno, movimentando tra inizio ottobre e fine dicembre quasi 111 miliardi di dollari (110,9 miliardi): a dirlo è la società di ricerca Omdia (già Canalys), a conferma di numerose evidenze e stime precedenti.
Si è trattato del sesto semestre consecutivo in cui il mercato cloud è cresciuto,
LA CORSA A OSTACOLI ITALIANA
anno su anno, a tassi superiori al 20%.
Una precisazione è doverosa: Omdia parla di “cloud infrastrutturale” considerando in tale perimetro lo IaaS classico su macchine virtuali, i servizi su bare metal, quelli su container e il serverless, ma anche il Platform-as-a-service, il PaaS, escludendo quindi solo il Software as-a-Service (SaaS) e i servizi accessori. Per la somma di tutte queste attività, si prevede per un incremento annuo di giro d’affari del 27%.
Anche in Italia i data center si prendono sempre più spazio, più attenzioni e più energia. Nel nostro Paese saranno investiti 21,8 miliardi di euro nei prossimi cinque anni per potenziare la capacità di calcolo, storage e networking erogata sul territorio nazionale: questa la stima di Ida, l’Associazione Italiana Data Center, racchiusa nella “Ricerca di Mercato 2025 Status dei Data Center in Italia”. Il mercato italiano sta crescendo rapidamente a dispetto di significativi ostacoli: i tempi lunghi per la messa in opera delle infrastrutture tecnologiche, la mancanza di un codice Ateco definitivo e di una normativa unificata, i costi energetici. Fattori che ci posizionano in svantaggio rispetto ad altri contesti europei dove creare data center risulta più semplice e conveniente, che si tratti di costruire ex novo o di convertire edifici esistenti. L’ultimo “Osservatorio Data Center” del Politecnico di Milano ha dipinto un simile quadro a luci e ombre: nel triennio 20232025 nel nostro Paese sono stati investiti 7,1 miliardi di euro per costruire, allestire e riempire di apparecchiature IT infrastrutture di elaborazione dati. Una cifra considerevole, ma molto inferiore ai 10,5 miliardi di euro che erano stati stimati nel 2023 per il triennio. Milano resta la capitale italiana dei data center, con il 68% della potenza energetica nominale installata a livello nazionale e il 6% di quella totale europea. Dagli attuali 414 MW IT, la città potrà superare la soglia di 1 GW entro il 2028.
UNA “NUVOLA” DI POTENZIALITÀ SPRECATE
In larga parte, il cloud va sprecato: solo il 14% delle aziende lo usa al meglio, senza sottovalutarne le potenzialità. Secondo uno studio di Ntt Data (“Cloud-led innovation in the era of AI: The new rules for driving value with cloud”, condotto su oltre 2.300 C-suite, dirigenti e altre figure senior di aziende di 33 Paesi), appena il 14% delle organizzazioni ha raggiunto il massimo livello di maturità nel cloud e utilizza infrastrutture, piattaforme e software “a servizio” in tutte le loro potenzialità. Solo il 49% dei manager, inoltre, è pienamente soddisfatto del contributo apportato dal cloud all’innovazione della propria azienda. A fare da freno c’è una pesante “eredità del passato”, rappresentata da applicazioni e dati legacy, difficili se non impossibili da sostituire: per metà delle aziende sono un freno alla modernizzazione. C’è inoltre un fattore economico, connesso all’ambivalente relazione tra cloud e intelligenza artificiale. Da un lato, molti servizi di AI sono fruibili solo in cloud, o comunque quest’ultimo consente di adottarli senza i grandi costi iniziali, le complessità e le tempistiche di una nuova infrastruttura on-premise da allestire. E infatti la quasi totalità degli intervistati, il 99%, pensa che l’AI stia aumentando la spesa destinata al cloud. Se esiste una dinamica di mutuo incentivo, c’è però anche un problema di “coperta corta”, di budget che non bastano per fare tutto: l’88% dei manager crede che gli attuali livelli di investimento in cloud siano cannibalizzando le iniziative riguardanti l’AI, le applicazioni cloud-native e la modernizzazione IT. E a proposito di modernizzazione, c’è generale consenso sul fatto che il cloud sia essenziale per questo, ma solo metà dei dirigenti è soddisfatto dei risultati ottenuti finora dalla propria azienda. Si evidenzia, così, un divario tra ambizione e realtà. Accanto a questa contraddizione (il mutuo supporto che convive con la rivalità sui budget), tra cloud e AI esiste anche uno sfasamento di tempi e livelli di maturità. “L’AI sta accelerando più rapidamente della maturità del cloud enterprise”, ha commentato Charlie Li, president global head of cloud and security di Ntt Data. “Il cloud è andato ben oltre l’infrastruttura ed è ora il livello di esecuzione per l’AI. Le organizzazioni che non riescono a far evolvere le proprie fondamenta cloud rischiano di limitare la crescita e il valore dei loro investimenti nell’AI”. Secondo Ntt Data, da qui in poi sarà importante che cloud e intelligenza artificiale viaggino sugli stessi binari e che le relative strategie vengano sviluppate di pari passo.
Il traino dell’AI
Il grande motore degli investimenti sono, naturalmente, le Big Tech e le società sviluppatrici di intelligenza artificiale, impegnate ad allargare la propria capacità di calcolo per applicazioni a bassa latenza e a intenso utilizzo di dati. Siamo in una fase storica di maturazione dei progetti di intelligenza artificiale, almeno secondo numerose società di analisti che già hanno descritto il tramonto della fase di hype e di sperimentazione. Gli sviluppi tecnologici dell’Agentic AI si inseriscono in questo percorso e alimentano, a loro volta, la spesa in IaaS e PaaS da parte delle aziende utenti. Le società tecnologiche grandi e piccole, nel frattempo, contribuiscono alla buona salute del mercato acquistando servizi da fornitori neocloud come Nebius, CoreWeave e Lambda Labs.
Saldi sul podio
In cima alla piramide dei fornitori IaaS e PaaS c’è il solito terzetto: Amazon, Microsoft e Google, che complessivamente detengono il 66% di market share, e che per restare in vetta sfornano continue novità di prodotto. Nel quarto trimestre 2025 Aws aveva una quota pari al 32%, con diversi indicatori suggestivi di una domanda forte, come una crescita di ricavi del 24% anno su anno e un backlog di 244 miliardi di dollari. Negli ultimi mesi Amazon Web Service ha lanciato nuovi strumenti per la personalizzazione degli agenti AI e un servizio (Nova Forge) che permette alle aziende di integrare i propri dati privati nei Large Language Model della serie Nova.
Attraverso Azure, Microsoft si è confermato il secondo fornitore, con una quota mercato del 22% nel trimestre. La società di Redmond ha continuato ad allar-
gare il ventaglio di LLM disponibili in Azure AI Foundry (anche con l’aggiunta di Claude, aprendosi per la prima volta ad Anthropic) e ha introdotto capacità di Agentic AI in Azure Copilot and GitHub Copilot. Sul terzo gradino del podio c’è Google Cloud, con un più piccolo (ma in forte crescita) market share del 12%. Per quanto riguarda l’offerta, sono da segnalare una serie di aggiunte alla piattaforma Vertex AI, come i modelli Gemini Embedding, Gemini 3.1 Pro e Nano Banana Pro/2 e come un nuovo strumento builder per l’Agentic AI. Ma soprattutto ha fatto notizia l’accordo pluriennale firmato con Apple: le tecnologie alla base di Gemini saranno usate dalla società di Cupertino per lo sviluppo dei propri Large Language Model, da integrare in iOS per rendere sempre più evoluta e personalizzata l’esperienza d’uso degli iPhone. V.B.
RIVOLUZIONE AI,
MA QUANTO CI COSTI?
La tecnologia fruita “as-a-Service” porta con sé un paradosso: crea al tempo stesso innovazione e inefficienze.
Da quando il cloud computing ha fatto affari con l’intelligenza artificiale generativa, proponendosi come “casa” di dati e applicazioni e come modello di erogazione preferenziale, per molte aziende i costi dell’IT sono diventati ancora più imprevedibili. E più salati, in certi casi. Certo, i vantaggi dell’intelligenza artificiale sono, almeno potenzialmente e con le giuste cautele da osservare, così numerosi e tra-
sversali che è impensabile rinunciarvi a priori, chiudendo le porte all’innovazione. Ma affrontare il problema dei costi dell’intelligenza artificiale sarà altrettanto inevitabile.
Il tema si lega a quello, più annoso, dei costi del cloud, poiché sia la tecnologia sia l’economia dell’intelligenza artificiale si sono innestate sul modello “as-aService”. Opzioni di utilizzo on-premise (su server di proprietà dell’azienda utente) sono certamente possibili, almeno per le attività di inferenza, e anzi è probabile che nei prossimi anni vengano maggiormente proposte dai vendor per soddisfare le nascenti esigenze di sovranità sui dati o altre preferenze. Anche in questi casi, tuttavia, il problema dei costi non esce di scena, perché eseguire determina-
ti modelli AI può esigere investimenti in hardware avanzato e comporta una spesa energetica aggiuntiva. Rubando l’espressione a un recente report di Capgemini, si è creato un “paradosso della tecnologia on-demand”: le stesse aziende che si rivolgono al cloud e alla GenAI per ottenere velocità e scalabilità spesso (82% del campione d’indagine) affrontano costi crescenti e inoltre (68%) faticano a prevedere la quantità di risorse necessarie, quindi il futuro fabbisogno di Gpu o di token.
Il futuro dell’inferenza
Sorge spontanea una domanda: i costi non dovrebbero calare progressivamente, considerando la Legge di Moore, gli incrementi di potenza ed efficienza dei
semiconduttori, i progressi dello storage?
Sì e no. Gartner lo ha spiegato benissimo, in una recente sua analisi: il costo della GenAI è destinato a crollare, ma solo per i provider tecnologici, cioè per aziende come Amazon, Google, Microsoft, OpenAI, Anthropic e via dicendo. Secondo gli analisti, nel giro di cinque anni per queste aziende i costi dell’inferenza caleranno del 90%, tenendo come termine di confronto il 2025 e come punto di arrivo il 2030, e considerando un’attività eseguita su un LLM con mille miliardi di parametri (dunque con caratteristiche superiori a quelle dei modelli di fascia altissima disponibili sul mercato oggi). Nella sua misurazione, Gartner ha considerato come unità di inferenza token da 3,5 byte.
Gli analisti prevedono anche che i grandi modelli linguistici disponibili nel 2030 avranno un rapporto costo/efficienza fino a cento volte migliore rispetto agli LLM (di grandezza comparabile) sviluppati nel 2022. Tutto ciò sarà il risultato di una combinazione di fattori tecnologici e di mercato. “I miglioramenti di costo”, ha scritto Will Sommer, senior director analyst di Gartner, “saranno innescati da una combinazione di miglioramenti nell’efficienza dei semiconduttori e dell’infrastruttura, innovazioni nella progettazione, un maggior utilizzo di chip più elevati e di semiconduttori specializzati per l’inferenza, e ancora applicazioni di dispositivi edge per casi d’uso specifici”.
L’inghippo dei token
Ma attenzione: il vantaggio economico di cui beneficeranno i fornitori non sarà automaticamente trasferito alle aziende utenti. Non possiamo sapere, al momento, quali saranno le strategie di mercato e di concorrenza, quale sarà il bilanciamento tra domanda e offerta di servizi basati su LLM, né quanto i provider avranno il coltello dalla parte
del manico. Inoltre le applicazioni più evolute, come i sistemi di Agentic AI e i modelli di ragionamento, richiederanno mediamente un maggiore consumo di token rispetto ai servizi di intelligenza artificiale generalisti. Per far funzionare un agente AI attualmente si spendono da cinque a trenta volte più “gettoni” di quanti non siano necessari per interrogare ChatGPT, Gemini, Claude o Copilot. Dunque, se calcolati unità di misura diverse dai token (per esempio sul tempo o sul task da completare), i costi dell’inferenza potrebbero scendere secondo traiettorie differenti. O magari non scendere affatto. Se il consumo di token aumenterà più velocemente rispetto alla speculare discesa del costo per “gettone”, i costi complessivi dell’inferenza potrebbero addirittura aumentare. “I chief product officer non devono confondere il calo di prezzi dei token commodity con la democratizzazione del ragionamento di frontiera”, ha ammonito Sommer. “Mentre l’intelligenza commoditizzata tende verso un costo quasi nullo, d’altro canto la potenza di calcolo e i sistemi
necessari per supportare il ragionamento avanzato rimangono scarsi. I Cpo che oggi mascherano inefficienze architetturali con token economici scopriranno, un domani, di non poter raggiungere la scalabilità agentica”. Brutta espressione, quest’ultima, per dire che gli agenti AI non potranno essere adottati su larga scala a fronte di costi sostenibili.
E quindi? Gli analisti di Gartner suggeriscono alle aziende di puntare su “piattaforme in grado di orchestrare i carichi di lavoro su un portafoglio diversificato di modelli”. Le attività di routine, ad alta frequenza, potranno essere eseguite su modelli linguistici più piccoli e specifici per dominio, con vantaggi sia di qualità degli output sia di costi. Per attività complesse si potranno usare i modelli “di frontiera”, ma con parsimonia, solo dove l’AI più evoluta e costosa rappresenti davvero un valore aggiunto. Dovremo, quindi, capire quando metterci al volante della Ferrari e quando guidare una onesta utilitaria che ci porta comunque a destinazione.
Valentina Bernocco
L’ARCHITETTO INVISIBILE CHE PLASMA STRATEGIE
I modelli di AI di taglia “small” presentano diversi vantaggi per le aziende, ma anche specifiche sfide di governance.
Imodelli di intelligenza artificiale sono diventati per tutte le aziende uno strumento insostituibile di efficientamento dei processi, di miglioramento della qualità delle analisi, di supporto nelle decisioni strategiche. Tuttavia la loro adozione passa spesso attraverso l’individuazione di un difficile equilibrio tra efficienza operativa, controllo dei dati e sostenibilità economica. Questi tre obiettivi all’apparenza difficilmente con-
ciliabili possono essere in qualche modo posti in equilibrio attraverso l’architettura degli Small Language Model (SLM), modelli linguistici di dimensioni ridotte rispetto ai classici LLM. Gli SLM sono ottenuti attraverso un processo chiamato distillazione, che partendo dai Large Language Model consente di generare modelli di dimensioni contenute che possono essere installati ed eseguiti su infrastrutture di calcolo a bassa capacità computazionale.
I vantaggi della "botte piccola" L’utilizzo degli SML garantisce il rispetto di molti importanti vincoli di sicurezza e riservatezza. Un SLM può essere eseguito interamente on-premise o in ambienti cloud privati, eliminando il rischio che
dati sensibili (come strategie commerciali, informazioni sui clienti, know-how di prodotto) transitino verso infrastrutture esterne, fuori dal controllo dell’impresa.
La loro dimensione ridotta e la specializzazione su un dominio circoscritto rendono gli SLM intrinsecamente più interpretabili dei grandi modelli generalisti, essendo più agevole tracciare le ragioni di una raccomandazione, identificare bias emergenti e intervenire correttivamente. L’integrazione di un SLM in processi aziendali esistenti, inoltre, non richiede team di data science di grandi dimensioni né infrastrutture dedicate di livello enterprise, consentendo di abbassare la soglia di accesso per organizzazioni che non dispongono di risorse tecniche interne significative. Gli SLM si prestano
agevolmente a essere inseriti in sistemi multi-agente, in cui modelli specializzati collaborano su compiti distinti sotto la supervisione di un coordinatore. Questa architettura consente alle piccole e medie imprese di costruire progressivamente capacità di AI composita senza dover adottare un unico modello monolitico, difficile da governare.
Un attore silenzioso I tanti pregi offerti da tali modelli non devono indurre a pensare che gli SLM rappresentino una soluzione universale per ogni esigenza e contesto, pur essendo un’opportunità tecnica per le Pmi che intendono adottare l’intelligenza artificiale in modo responsabile, sostenibile e governabile. L’inserimento dell’AI nei processi aziendali impone particolare attenzione se impatta sui processi decisionali perché questa tecnologia tende rapidamente ad assumere il ruolo di attore silenzioso e pervasivo che opera dall’interno dell’organigramma come “architetto” o “progettista di scelte” pur essendo privo di un mansionario, di un supervisore e dell’imparzialità che normalmente si attribuisce a uno strumento. I modelli AI, infatti, non sono mai oracoli imparziali, ma operano come architetti di interfacce che definiscono i percorsi decisionali: che si tratti di una dashboard, di una lista ordinata o di un alert, questa architettura rende alcune opzioni più facili, più visibili o apparentemente più logiche delle altre, spesso al di fuori della consapevolezza dei decisori umani.
La vera posta in gioco Quando si parla di AI, i leader d’impresa non devono più preoccuparsi se lo strumento funzioni ma di quali comportamenti stia promuovendo. Il nuovo contesto tecnologico che si genera dall’adozione dall’AI porta con sé un paradosso emblematico: le organizzazioni
sono diventate straordinariamente abili nell’ottimizzare l’efficienza operativa, ma rimangono cieche rispetto a come questi stessi sistemi stiano silenziosamente ridisegnando ciò che scelgono di perseguire. La vera posta in gioco non è la performance tecnica dello strumento, ma la governance dei comportamenti che esso promuove e le decisioni strategiche che, indirettamente, orienta. L’efficienza è la posta minima; la governance comportamentale è il nuovo vantaggio competitivo. Capire in che modo un modello AI influenzi i comportamenti di scelta è diventato un obiettivo importante tanto quanto il capire in che modi esso sia giunto a una conclusione: è il concetto di spiegabilità dell’output.
Due tipi di nudge algoritmico Il processo di indirizzamento delle decisioni è ampiamente descritto nell’economica comportamentale con il termine nudge. I nudge sono interventi sottili che influenzano decisioni e comportamenti preservando la libertà di scelta. L’AI moltiplica esponenzialmente l’impatto di questo meccanismo grazie alla capacità di generare in modo adattivo nudge che rispondono in tempo reale alle azioni umane. Per semplificare le cose, possiamo dire che i nudge algoritmici si suddividono in due grandi categorie con implicazioni gestionali profondamente diverse. La prima è quella dei nudge algoritmici “intenzionali”, che sono progettati deliberatamente per raggiungere obiettivi espliciti (per esempio ottimizzare un flusso di lavoro o suggerire un percorso operativo) e sono, in linea di principio, gestibili con gli strumenti di governance tradizionali. La seconda categoria è quella dei nudge algoritmici “emergenti”, che si manifestano spontaneamente nei modelli senza essere stati progettati né previsti. I modelli di AI possono sviluppare autonomamente strategie per massimizzare segnali di ricompensa
interni, anche sviluppando tecniche di persuasione sofisticate per ottimizzare metriche operative non necessariamente allineate al benessere dell’utente o agli obiettivi strategici dell’organizzazione. Questa capacità emerge inaspettatamente in contesti operativi ordinari, spesso indotta da specifici pattern di utilizzo, e tende a evolvere nel tempo.
Verso una nuova governance I framework di governance esistenti (audit tecnologici, processi di validazione, certificazioni di conformità) sono stati progettati per prevenire rischi tecnici noti e prevedibili, fondandosi su due presupposti che l’AI avanzata mette radicalmente in discussione. Il primo presupposto ritiene che, una volta validato, un sistema mantenga il comportamento accertato. I sistemi di AI avanzati, invece, evolvono continuamente, apprendendo dai pattern di utilizzo reale. Il secondo presupposto ritiene che i progettisti siano in grado di mappare tutte le funzionalità del sistema. Le capacità emergenti sono per definizione sconosciute ai progettisti e agli sviluppatori. Un sistema può superare brillantemente i test pre-deployment e sviluppare bias sistemici mesi dopo, semplicemente apprendendo dai pattern di utilizzo reali. L’approccio check-the-box, basato sulla sequenza “acquistare lo strumento, eseguire l’audit, dichiarare la conformità”, non è più sufficiente. La sfida posta dall’evoluzione intrinseca dei sistemi di intelligenza artificiale richiede un cambiamento di paradigma: passare dall’auditing tecnico, prevalentemente basato su competenze algoritmiche, a una governance comportamentale adattiva, orientata a monitorare non solo le performance ma la traiettoria che il sistema sta imponendo alle scelte organizzative.
Paolo D’Ambrosio, Remco Jan Geukes Foppen e Vincenzo Gioia
UN CARICO DI PROMESSE
PER IL SETTORE DEI SERVIZI
L’intelligenza artificiale sta trasformando in modo profondo il settore dei servizi, con effetti che si manifestano già nel breve termine e che nel lungo periodo ridisegneranno modelli organizzativi, competenze e relazioni con clienti e cittadini. Non si tratta solo di automazione tecnologica, ma di un cambiamento strutturale nel modo in cui il valore viene creato, distribuito e percepito all’interno delle organizzazioni di ser vizio.
L’AI nel settore dei servizi ha impatti di diverso tipo nel breve, nel medio e nel lungo periodo.
Orizzonti vicini
Nel breve termine i benefici dell’intelligenza artificiale si concentrano soprattutto sull’efficienza operativa. Nei servizi finanziari, assicurativi, sanitari, logistici e nella pubblica amministrazione, l’AI consente di automatizzare attività ripetitive e a basso valore aggiunto, come l’inserimento dati, il controllo documentale, la gestione delle richieste standard o il primo livello di assistenza al cliente. Questo permette una riduzione dei tempi di risposta, una maggiore continuità del servizio e una diminuzione degli errori operativi, con
effetti immediati sulla qualità percepita dall’utente finale. A parità di risorse, le strutture riescono a gestire volumi più elevati di richieste, migliorando la produttività senza aumentare proporzionalmente i costi.
Un secondo beneficio di breve periodo riguarda il supporto alle decisioni. Gli algoritmi di analisi dei dati permettono di individuare pattern, anomalie e correlazioni che difficilmente emergerebbero con strumenti tradizionali. Nei servizi questo si traduce in una migliore valutazione del rischio, in una personalizzazione più accurata delle offerte
AI AGENTICA: COME UTILIZZARLA IN MODO SICURO
L’Agentic AI sta ampliando in modo esponenziale le possibilità di crescita, efficienza e innovazione, ridefinendo processi e modelli operativi. La priorità non è limitare questo potenziale, ma garantire che agenti autonomi capaci di decisioni e azioni sui sistemi operino sempre entro un perimetro controllato, sicuro e allineato agli obiettivi aziendali, definire in sostanza le condizioni affinché un agente AI possa lavorare sempre per noi e mai contro di noi. La risposta è creare un ecosistema trusted e affidabile, in cui gli agenti possano operare in modo coordinato e continuo. Questo richiede visibilità completa sul loro raggio d’azione, protezione del dato durante ogni interazione, gestione rigorosa di identità e accessi, modelli Zero Trust, capacità di assorbire nuove classi di rischio come prompt injection e communication poisoning, oltre a un monitoraggio costante della postura applicativa.
Pierpaolo Alì
Le soluzioni OpenText Cybersecurity sono progettate esattamente per questo scenario: proteggono i dati lungo l’intero ciclo di vita, rilevano anomalie comportamentali, sfruttano machine learning avanzato, analizzano minacce interne, esterne e di far space, governano la sicurezza applicativa end-to-end e gestiscono identità e accessi secondo i più moderni standard di controllo. Questo approccio unificato consente di trasformare il rischio degli agenti AI in un vantaggio competitivo misurabile, creando un ambiente in cui la sicurezza diventa un moltiplicatore di valore. OpenText abilita un’adozione sicura dell’Agentic AI: visibilità, protezione dei dati e governance unificata accelerano l’innovazione senza compromessi.
Pierpaolo Alì, director Southern Europe, Cybersecurity Enterprise di OpenText
LA TRIPLICE SFIDA IN AZIENDA
Oggi si assiste al passaggio dell’AI da progetti pilota all’implementazione su larga scala, mentre in parallelo è cominciata l’adozione degli agenti AI autonomi. Per le aziende di ogni dimensione e per la Pubblica Amministrazione questo è un grande cambiamento, che comporta significative opportunità ma anche potenziali rischi, oltre alla necessità di adeguarsi alle normative vigenti e di sviluppare nuove competenze. Compliance, trasparenza e continuo monitoraggio sono gli imprescindibili elementi che guidano la progettazione delle iniziative AI. Le aziende devono affrontare sfide in tre aree: l’ infrastruttura IT, perché gli attuali ambienti sono complessi e frammentati; i dati, spesso separati in silos e difficili da gestire; e l’ubicazione dei workload , da cui dipendono la sicurezza e la scalabilità.
Dell Technologies aiuta ad affrontare queste sfide con un approccio a più fasi: valutazione, implementazione, scalabilità, misurazione dei risultati. Nella nostra metodologia si parte dall’identificazione delle caratteristiche della singola azienda per capire e valutare come e dove implementare l’AI per poter generare un ritorno dell’investimento. Con il nostro framework Dell AI Factory possiamo definire i casi d’uso, la corretta gestione del dato e le scelte di infrastruttura, con il vantaggio di poter contare su un ecosistema aperto. Abbiamo scelto di co-ingegnerizzare le migliori soluzioni disponibili sul mercato con i principali player con cui lavoriamo, evitando di creare lock-in tecnologici. Grazie a questi elementi e all’esperienza maturata al nostro interno, Dell Technologies permette alle aziende di ridurre la complessità, di ottenere scalabilità e di accelerare il time-to-market delle iniziative di intelligenza artificiale.
Roberto Morandi, Southern Europe AI business development executive di Dell Technologies
e in una maggiore capacità di anticipare i bisogni dei clienti. Anche quando non prende decisioni autonome, inoltre, l’intelligenza artificiale fornisce raccomandazioni che aumentano la qualità e la coerenza delle scelte umane, riducendo la dipendenza dall’intuizione e dall’esperienza individuale. Nel medio periodo emergono benefici legati alla riorganizzazione del lavoro. L’intelligenza artificiale libera tempo e risorse che possono essere riallocate verso attività a maggiore valore relazionale e consulenziale. Nei servizi, dove la componente umana resta centrale, questo significa poter dedicare più attenzione all’ascolto del cliente, alla risoluzione di problemi complessi e alla costruzione di relazioni di fiducia. L’AI non sostituisce il rapporto umano, ma lo rende più qualificato, spostando il focus dalla gestione operativa alla consulenza e alla personalizzazione.
Un impatto sistemico
Nel lungo termine l’impatto dell’AI nei servizi diventa sistemico. Cambiano i modelli di business, con servizi sempre più proattivi e predittivi. Le organizzazioni non si limitano più a rispondere a una richiesta ma sono in grado di anticiparla, proponendo soluzioni prima che il bisogno diventi esplicito. Questo vale sia per il settore privato sia per quello pubblico, dove l’AI può contribuire a servizi più mirati, inclusivi ed efficienti, riducendo sprechi e asimmetrie informative.
Un beneficio strutturale di lungo periodo è l’aumento della scalabilità. Grazie all’intelligenza artificiale, i servizi possono crescere senza un incremento lineare delle risorse umane, mantenendo standard qualitativi elevati anche su bacini di utenza molto ampi. Questo aspetto è particolarmente rilevante in contesti demografici complessi, caratterizzati da invecchiamento della popolazione e carenza
di personale qualificato. Infine, nel lungo termine l’AI contribuisce a una trasformazione culturale del settore dei servizi. Le organizzazioni diventano più orientate ai dati, più veloci nell’adattarsi ai cambiamenti e più capaci di apprendere dall’esperienza.
La formazione continua e l’aggiornamento delle competenze divengono elementi centrali, con un’evoluzione dei ruoli professionali verso profili ibridi, in grado di integrare competenze tecnologiche, analitiche e relazionali. In sintesi, nel breve periodo l’intelligenza artificiale porta efficienza, rapidità e riduzione dei costi; nel lungo periodo abilita un cambiamento profondo nel modo di concepire e offrire i servizi. Il vero valore non sta solo nella tecnologia, ma nella capacità delle organizzazioni di integrarla in modo consapevole, mantenendo al centro le persone, i bisogni reali e la qualità delle relazioni.
Francesco Megna
Roberto Morandi
TECNOLOGIA OPERATIVA, SERVE UN RUOLO AD HOC?
La sicurezza dell'Operational Technology è questione di responsabilità e competenze, e non solo di tecnologie. Il punto di vista dei Ciso italiani.
La sicurezza industriale passa dalle persone, ma non nel modo in cui siamo abituati a pensare. Quante volte abbiamo sentito ripetere che la difesa informatica va ritagliata su misura dell’azienda che deve proteggere? Questo è uno degli assunti di base di chiunque voglia avere una fondata speranza di proteggere i dati e l’operatività di un’azienda, perché ogni infrastruttura ha le proprie particolarità e conseguenti punti deboli. La base è molto simile per tutti, ma senza
la dovuta attenzione e personalizzazione della sicurezza si lasciano aperti varchi che per gli attaccanti è fin troppo facile sfruttare. Ma che cosa succede se ci allontaniamo dall’IT e pensiamo all’OT, la tecnologia operativa (Operational Technology)? Questo concetto si applica anche alla parte produttiva, industriale e “concreta” dell’azienda? Ovviamente, la risposta è un enorme sì. Quando si parla di OT si parla praticamente sempre di infrastrutture costruite ad hoc, con processi pensati per scopi
estremamente “solidi”, in cui la protezione dagli attacchi informatici storicamente non è mai stata prevista. Ma queste infrastrutture e processi oggi sono fondamentali per la resilienza nazionale e sono al centro delle operazioni di intelligence (in preparazione di potenziali attacchi) delle “nazioni “canaglia”, e non solo di queste.
Il punto di partenza
L o scenario sembra desolante, ma quanto il problema sia serio lo si comprende solo parlando con chi è chiamato a trovare un modo di tenere insieme questo mondo frammentato, fragile e vitale. In occasione del “Ciso Leader Summit” organizzato da TIG – The Innovation Group a Baveno, i responsabili della sicurezza di grandi aziende hanno avuto modo di confrontare le proprie esperienze in numerosi tavoli di lavoro, due dei quali estremamente interessanti, dedicati alla sicurezza OT. E il risultato della discussione è stato illuminante. Il punto di partenza è stato un quesito estremamente pratico: chi ha una infrastruttura fisica molto complessa da “mettere in ordine” dove dovrebbe porre una prima barriera? Il layer 3, cioè il livello IT, può essere una buona opzione per preservare l’operatività aziendale nell’attuale e rimandare il resto del lavoro a un approfondimento futuro? Ovviamente, le esperienze dei chief information security officer presenti erano molto diverse tra di loro, ma tutti hanno convenuto sulla
LE CRITICITÀ ANCORA IRRISOLTE
La cybersicurezza industriale sta finalmente guadagnando l’attenzione che merita. Spinte dall’evoluzione normativa (la direttiva Nis2, il Cyber Resilience Act, gli standard IEC 62443), sempre più aziende riconoscono l’importanza di proteggere gli ambienti di Operational Technology (OT) e dei sistemi di controllo industriale (Industrial Control System, Ics) come fattore critico per la propria resilienza e continuità operativa. L’indagine “Smart Manufacturing Survey 2025”, realizzata da TIG ‒ The Innovation Group in collaborazione con SPS Italia, ContactValue e Made Competence Center, ha evidenziato che tra le imprese industriali italiane (le 94 incluse nel campione) il 59% considera la sicurezza informatica come priorità alta o estremamente alta e che appena il 6% evita di affrontare attivamente il tema. Per il 34% la cybersicurezza è una priorità moderata o bassa. Come si proteggono le aziende industriali italiane? Le principali strategie sono i backup regolari (nel 66% delle realtà del campione), attività di analisi delle vulnerabilità e patching (53%), l’uso di firewall industriali (52%), la segmentazione delle reti (50%) e il monitoraggio continuo delle anomalie (47%). Una pratica utile, quest’ultima, ma che andrebbe potenziata con soluzioni avanzate di threat detection. Permangono significative aree di miglioramento: solo il 52% si appoggia a personale esterno esperto e solo il 41% investe in formazione continua. Appena il 28% isola gli impianti obsoleti o critici, lasciando esposti sistemi legacy potenzialmente vulnerabili. Ancor più piccola, 12%, è la quota di aziende che usano l’intelligenza artificiale per la sicurezza dei sistemi di tecnologia operativa.
frase tipica: “Dipende dalla particolarità dell’azienda”. Più specificatamente, in linea di massima, i Ciso hanno concordato sul fatto che una “linea orizzontale” non dovrebbe essere dritta, ma salire e scendere nei layer a seconda di quanto sono importanti i dati che arrivano dal primo e dal secondo livello (quello più esterno e quello di scambio con i gateway di ricezione).
Una nuova figura
Mettere in sicurezza tutti i sensori è un’impresa impossibile per la stragrande maggioranza dei budget aziendali, ma controlli di integrità devono essere previsti per quelle aree dove i sensori e l’edge sono critici. E qui si arriva al secondo tema della giornata: definire che cosa sia possibile fare, e come. La gestione dell’Operational Technology ha bisogno di competenze molto specifiche che si costruiscono nel tempo e la risposta dei Ciso è stata geniale, anche se non di semplice attuazione: alcune aziende hanno identificato un referente di security per la parte OT. Si tratta di una figura ibrida, solitamente di estrazione OT, che vanta però delle competenze in ambito
IT (o viceversa). Il risultato è quello di avere una persona capace di comprendere le motivazioni delle richieste che arrivano dal reparto di cybersecurity e di trovare il modo migliore per calarle nella realtà OT, tenendo presente tutti quei fattori e sottigliezze che spesso sfuggono a chi si occupa solo di dati. Questa figura, inoltre, è preziosissima perché riesce a comprendere bene gli effetti delle politiche adottate, valutandone correttamente l’efficacia da un punto di vista tecnico e l’impatto da un punto di vista del personale che deve poi convivere con queste direttive “calate dall’alto”. Il feedback che si ottiene risulta particolarmente prezioso per raffinare le procedure, soprattutto in quella parte di mondo OT che ancora deve fare i conti con macchine vecchie di decenni, le quali mal si integrano con i sistemi di controllo più attuali.
Le difficoltà da superare
Per le aziende, tuttavia, non è facile dotarsi di una figura di questo tipo. Sono pochissime le realtà con al proprio interno una persona già “pronta” ad assumere questo ruolo e l’idea di reperirla dall’esterno, attingendo al mercato, è
utopistica in quanto la conoscenza delle procedure interne di produzione è un requisito indispensabile. Resta allora la prospettiva di formarla internamente, partendo dal reparto IT o dall’OT, e poi fare il possibile per tenerla in azienda. Un compito arduo anche alla luce di un’altra caratteristica peculiare del reparto OT: la sua scarsa tendenza a una governabilità centralizzata. Moltissime aziende, infatti, fanno i conti con reparti produttivi disseminati su territori anche molto ampi, magari frutto di acquisizioni e fusioni, e che hanno mantenuto molte delle loro peculiarità negli anni.
Il numero di persone che hanno una serie di conoscenze “a silos” è quindi elevato e solo una decentralizzazione del controllo e delle operazioni riesce a mantenere l’efficienza. Questo, però, è un bel problema, che moltiplica il numero di “referenti per la sicurezza informatica” necessari. Ed è l’ennesima dimostrazione di come le persone diventino ogni giorno più importanti nello scenario della sicurezza, soprattutto quando questa deve attecchire in maniera profonda in altre divisioni.
Giancarlo Calzetta
IDENTITÀ MACCHINA, UN RISCHIO DA GESTIRE
Centralizzare l’Identity and Access Management dei sistemi non umani è una strada obbligata, ma di difficile imbocco. A che punto sono le aziende italiane?
La gestione delle machine identity, le identità “non umane”, è una delle sfide più complesse nel quadro della cybersecurity aziendale. La diffusione di architetture cloud-native, microservizi, container, ambienti ibridi, infrastrutture di tecnologia operativa (OT) e di Internet of Things ha portato a una crescita esponenziale delle identità macchina da gestire. A questi fenomeni si aggiungono l’adozione estensiva di architetture elastiche e scalabili, l’automazione introdotta dai processi DevOps e CI/CD (integrazione e distribuzione continue) e la progressiva introduzione degli agenti AI. Complessità e insicurezza crescenti creano l’urgenza di adottare un programma trasversale per la gestione delle identità macchine (MIM, Machine Identity Management), con l’obiettivo di bilanciare sicurezza e controllo del
rischio, continuità operativa e velocità di esecuzione del business. Qual è l’attuale scenario italiano? In collaborazione con CSA – Cyber Security Angels, tra gennaio e febbraio di quest’anno TIG –The Innovation Group ha intervistato 16 realtà italiane di grande dimensione e di riconosciuta maturità sui temi della cybersecurity: ne è emerso che già oggi nelle organizzazioni più strutturate il tema è affrontato non da un punto di vista esclusivamente tecnico, ma con un approccio strutturato che integra tecnologia, governance e sviluppo di nuove competenze.
Un mare di difficoltà
Oltre alla crescita esponenziale del loro numero, va considerato che le identità macchina, a differenza di quelle umane, sono caratterizzate da un ciclo di vita
dinamico e automatizzato, con fasi di creazione e dismissione spesso legate ai processi applicativi e infrastrutturali. Questo scenario rende difficile mantenere una visibilità completa e aggiornata sulle identità in azienda o lungo la filiera, nonostante si tratti di un requisito di base per garantire adeguati livelli di sicurezza e un’operatività continua. Ulteriori complessità derivano dalla frammentazione degli ambienti tecnologici, dalla presenza di sistemi legacy difficili da integrare nei nuovi modelli di gestione centralizzata e dall’aumento delle interazioni machine-to-machine, anche con soggetti terzi all’interno di estese supply chain digitali.
In aggiunta, la stessa pressione normativa e l’adozione di modelli di sicurezza avanzati (come lo Zero Trust) accelerano la necessità di strutturare programmi for-
mali di gestione delle machine identity. In prospettiva, assisteremo a una crescente rilevanza delle identità associate agli agenti basati su intelligenza artificiale, che richiederanno nuovi modelli di autenticazione e governance.
Rischi e criticità
Una gestione inefficace delle machine identity è percepita dalle aziende come un fattore di rischio trasversale, con impatti sia operativi sia strategici. Dal punto di vista della sicurezza, le identità macchina compromesse rappresentano un vettore di attacco ideale, favorendo accessi non autorizzati e silenti, movimenti laterali all’interno delle infrastrutture ed escalation dei privilegi. Come emerge dalle interviste, una mancata gestione dei privilegi delle identità macchina secondo i principi di least privilege e need-to-know può amplificare ulteriormente l’esposizione a questi rischi. Sul piano operativo, una delle principali criticità riguarda la scadenza non gestita dei certificati digitali, che può causare disservizi applicativi, interruzioni di processi critici e problemi di interoperabilità tra sistemi interni ed esterni. Dal punto di vista della governance, la mancanza di visibilità centralizzata rende difficile dimostrare conformità ai requisiti normativi e agli standard di sicurezza. In diversi contesti, inoltre, l’impatto si estende anche alla continuità operativa, in particolare nelle organizzazioni che gestiscono infrastrutture critiche o processi produttivi.
Modelli organizzativi e soluzioni
Le organizzazioni intervistate stanno progressivamente evolvendo verso modelli di gestione centralizzata e riskbased delle identità macchina. Nella maggior parte dei casi, la responsabilità della governance delle identità digitali è attribuita alle aree cybersecurity e IT, con la tendenza crescente a collocare le com-
petenze di Identity and Access Managament (IAM) all’interno delle strutture di sicurezza, anche con team dedicati, per favorire un approccio orientato alla gestione del rischio. Tra le iniziative più diffuse emergono: la costruzione di inventari centralizzati delle identità e degli asset crittografici; l’adozione di piattaforme IAM integrate per la gestione unificata di identità umane e non umane; la definizione di policy e procedure per la governance dei privilegi; l’introduzione di modelli di automazione e orchestrazione del ciclo di vita delle identità. In percentuale più bassa, si assiste anche alla creazione di programmi dedicati alla crypto-agility e alla transizione verso algoritmi post-quantum. Le organizzazioni, inoltre, adottano un approccio progressivo, concentrando inizialmente gli sforzi sugli asset più critici e ampliando nel tempo il perimetro di gestione.
Il pilastro dei certificati
Uno dei pilastri operativi della machine identity security è la gestione dei certificati TLS (Transport Layer Security), strumenti che consentono al browser di autenticare i siti Web e di avviare una connessione cifrata sicura. Le realtà italiane intervistate stanno convergendo verso l’adozione di piattaforme di Certificate Lifecycle Management (CLM) di mercato, integrate con le infrastrutture PKI aziendali (Public Key Infrastructure, cioè insiemi di tecnologie, regole e procedure per la gestione di chiavi crittografiche e certificati digitali). L’adozione di tali piattaforme consente di migliorare la visibilità sugli asset crittografici, automatizzare emissione e rinnovo dei certificati e ridurre il rischio di errori manuali. Tuttavia, in molti contesti la centralizzazione completa è ostacolata dalla presenza di sistemi legacy, che richiedono l’adozione di controlli compensativi e roadmap di integrazione graduali.
Nonostante i progressi, persistono le criticità operative. La principale riguarda la gestione delle scadenze e la necessità di ridurre la dipendenza da attività manuali, soprattutto in contesti eterogenei e distribuiti. L’aumento del numero di certificati, unito alla riduzione della loro durata temporale, rende imprescindibile l’automazione dei processi di rinnovo. Altre problematiche sono la difficoltà di mantenere inventari aggiornati e completi; la complessità nell’integrare sistemi legacy; la necessità di coordinare molteplici domini tecnologici e organizzativi; la carenza di competenze specialistiche dedicate alla governance degli asset crittografici. Diversi intervistati sottolineano come la creazione di team dedicati alla gestione delle identità digitali e dei certificati rappresenti un fattore abilitante per il miglioramento dei processi.
Mettere insieme i pezzi
L’integrazione del Certificate Lifecycle Management nei processi DevOps emerge come una priorità strategica condivisa, sebbene con livelli di maturità differenti tra le organizzazioni. Nei contesti più evoluti, l’emissione e il rinnovo dei certificati sono già integrati nelle pipeline di sviluppo, consentendo una gestione automatizzata e coerente con i modelli Agile e cloud-nativi. In altri casi, l’integrazione è ancora in fase progettuale o limitata a specifici ambiti applicativi. L’obiettivo comune è quello di rendere la gestione delle identità macchina e dei certificati un processo nativamente incorporato nei flussi di sviluppo e rilascio software, riducendo il rischio di errori configurativi e migliorando la sicurezza by design. In prospettiva, l’evoluzione dei processi DevOps dovrà includere anche la gestione delle identità associate agli agenti AI e l’adozione di modelli crittografici resilienti alle minacce future, inclusi gli scenari post quantistici.
Elena Vaciago
PUNTI DI VISTA E STRATEGIE
Al centro della sicurezza delle identità macchina vanno realizzati il censimento, il monitoraggio e la verifica periodica della loro corretta implementazione. Il controllo deve garantire che le soluzioni siano coerenti con i requisiti di sicurezza e con le aspettative organizzative. A seconda della struttura aziendale, avremo diversi livelli di controllo: di primo livello, svolto direttamente dalle funzioni IT operative; di secondo, gestito da strutture di governance o security; di terzo livello, demandato all’ internal audit.
Massimiliano Baldessarini, responsabile cyber risk di Alperia
La gestione delle identità macchina non può essere confinata all’IT: il business deve comprendere il proprio ruolo nella generazione di esigenze tecnologiche. Il nostro percorso si inserisce in un più ampio programma di trasformazione infrastrutturale e digitale. L’approccio adottato prevede la definizione chiara di policy e procedure, l’identificazione di ownership e responsabilità, l’implementazione di strumenti tecnologici, la tracciabilità end-to-end dei flussi e la progressiva centralizzazione della governance.
Davide Barbarini, group Ciso & IT infrastructure & operations director di Artsana
Oggi le identità digitali non riguardano più solo le persone, ma anche applicazioni, server, servizi cloud e agenti AI che dialogano tra loro in modo continuo. Se non sono governate correttamente, diventano un punto di vulnerabilità. Per questo è fondamentale che la gestione delle identità macchina sia integrata fin dalla progettazione dei servizi digitali e automatizzata lungo tutto il loro ciclo di vita. Solo così si riducono i rischi, si evitano interruzioni operative e si garantisce sicurezza in ambienti sempre più dinamici e distribuiti.
David Neumarker, Ciso di Aruba
Le interazioni funzionali avvengono sempre più frequentemente tramite identità non umane, un fenomeno che aumenterà con l’adozione di agenti AI, destinati a potenziare – e non a sostituire – le professionalità delle persone, sempre centrali. La gestione della granularità e della profondità dei privilegi rimane, quindi, un elemento critico. Un’ulteriore sfida riguarda la gestione del loro ciclo di vita, in particolare verifiche di utilizzo e scadenze di credenziali e certificati. In definitiva, emerge l’esigenza di una governance strutturata, paragonabile a quella già sviluppata negli anni per le identità umane e in aggiunta a essa.
Alberto Maldino, cybersecurity director di Barilla
Una delle principali sfide legata all’elevato grado di automazione richiesto nella gestione delle identità non umane riguarda, in particolare, la discovery e l’inventario delle comunicazioni machine-to-machine. È essenziale mappare dove e come sono utilizzati segreti, token, certificati e meccanismi di cifratura nelle comunicazioni tra sistemi. L’uso di credenziali statiche cablate nel codice o archiviate in repository è un rischio elevato: può portare a furti di credenziali, movimenti laterali, escalation di privilegi e, nei casi più gravi, ad attacchi alla supply chain del software.
Antonio Piovesan, digital security specialist di Despar Nord (Aspiag Service Srl)
Negli ambienti industriali e manifatturieri, caratterizzati da comunicazioni macchina-macchina, emerge la necessità di riconoscere che ogni dispositivo connesso rappresenta un’entità da gestire secondo principi di identità, autenticazione e autorizzazione. Storicamente, molte soluzioni industriali erano gestite in modo isolato, spesso direttamente in collaborazione con i fornitori: questo approccio rende più complessa la sicurezza degli ambienti di Operational Technology (OT) e la loro integrazione coerente con policy di sicurezza IT aziendali.
Diego Lunetta, Ciso di Diasorin
La gestione delle identità macchina si inserisce pienamente nei principi Zero Trust e richiede, come primo elemento, una governance solida e sostenibile. A differenza delle identità umane, quelle macchina presentano cicli di vita molto più estesi e una forte dipendenza dall’evoluzione tecnologica dei sistemi applicativi. Questo scenario è ulteriormente complicato dalla presenza di architetture multicloud ibride. La sfida principale è quindi garantire visibilità completa, coerenza delle policy e automazione dei processi di gestione lungo tutto il loro ciclo di vita.
Simone Cucchetti, information security officer di E.on Italia
Una gestione inefficace delle machine identity può generare rischi critici lungo tutta la catena della sicurezza: accessi malevoli, data breach, mancata conformità, perdita di controllo sugli accessi e interruzioni di servizio dovute, ad esempio, alla scadenza dei certificati. Errori umani e mancanza di automazione amplificano ulteriormente il rischio operativo. Le identità macchina vulnerabili possono diventare punti di ingresso per attacchi avanzati, consentendo escalation di privilegi e compromissioni su larga scala.
Giampaolo Tacchini, Ciso di Gruppo Edison
Nella nostra realtà, le identità non umane sono formalmente riconosciute all’interno delle policy aziendali e rientrano pienamente nel perimetro di governance dell’Identity & Access Management. La principale sfida consiste nel garantire che anche queste identità siano soggette agli stessi principi di responsabilità, ownership e ciclo di vita definiti per quelle umane. Ogni identità tecnica o applicativa deve, infatti, avere un owner chiaro, uno scopo definito e una durata temporale limitata, evitando quindi la creazione di utenze perpetue.
Paolo Cannistraro, Ciso di Engie Italia
Gli ambienti IT sono sempre più dinamici: questo determina un aumento esponenziale delle identità macchina, diventato più complesso con la diffusione delle tecnologie di AI agentica, che vanno gestite con modelli operativi scalabili, superando gli approcci statici tradizionalmente adottati per le identità umane. La sfida è costruire inventari completi e aggiornati delle identità macchina, con approcci risk-based In questo percorso, ci ispiriamo a modelli che mettono al centro le persone: gestire correttamente le identità macchina significa anche liberare gli utenti da attività a basso valore, permettendo loro di esprimere al meglio i propri talenti.
Tina Bux, cyber security specialist di Fater
Un tema critico è l’accountability : è difficile risalire a un responsabile se un’identità macchina è condivisa tra più applicazioni. Con un modello di gestione centralizzato è possibile associare l’accountability di un’utenza a criteri legati all’asset. Un ulteriore rischio, quando non si dispone di una gestione con piattaforma centrale, è il mancato governo della frammentazione degli strumenti: si rischia una proliferazione di soluzioni isolate. Con riferimento alla gestione sicura delle identità macchine nello sviluppo software, è fondamentale l’attività di formazione.
Paolo Scicolone, cyber security manager di Campari Group
La gestione delle machine identity è stata declinata su due macro-ambiti, quello infrastrutturale e quello dello sviluppo applicativo, secondo un principio di security by design: il ciclo di vita dell’identità e la sua sicurezza sono integrati nei processi di progettazione, sviluppo e deployment delle soluzioni, anziché essere aggiunti successivamente. La funzione di sicurezza svolge un ruolo di indirizzo, governance e audit, mentre le aree operative sono responsabili della corretta implementazione e del mantenimento dei requisiti e degli obiettivi di sicurezza.
Guido Galletti, data protection officer & cybersecurity manager del settore telco
Le machine identity fanno parte di un ecosistema digitale sempre più distribuito, dinamico e complesso. In questo scenario diventa essenziale garantire coerenza, visibilità e controllo lungo l’intero ciclo di vita delle identità macchina. La gestione non può essere episodica o reattiva. Dev’essere inserita all’interno di un modello strutturato di governance, con approccio top-down per definire il contesto, individuare le principali criticità e progettare soluzioni operative e tecnologiche applicabili in modo progressivo su tutta l’organizzazione.
Claudio De Rossi, Ciso di Infocamere
Italgas ha un modello di governance integrato per la gestione delle machine identity, con team e responsabilità condivise tra security e strutture operative IT. Prevediamo processi per monitorare e governare identità completamente autonome, incluse quelle create tramite agenti AI, con controllo sui privilegi e restrizioni su informazioni sensibili. Inoltre, ci stiamo preparando alla migrazione post-quantum e alla gestione di certificati più brevi, effimeri e ad alto turnover, integrando discovery, inventory e monitoring
Andrea Zlobec, responsabile security & resilience di gruppo di Italgas
Un elemento critico è la difficoltà di monitoraggio delle identità macchina, che operano 24 ore su 24 e sette giorni su sette, eseguendo processi automatici all’interno di applicazioni complesse. Ciò rende molto più difficile distinguere un comportamento legittimo da uno malevolo rispetto a quanto avviene per le identità umane, che presentano pattern di utilizzo più facilmente osservabili e analizzabili. La scarsa visibilità e l’assenza di governance strutturata possono consentire attività malevole silenziose, movimenti laterali non rilevati e una prolungata persistenza di un attaccante nell’infrastruttura.
Nicola Sotira, responsabile Cert di Poste Italiane
UN PERICOLO SOTTOVALUTATO
Le identità macchina sono oggi la frontiera più critica, e trascurata, della cybersecurity. Con un rapporto, in Italia, di 85 a una rispetto alle identità umane, certificati, chiavi SSH e agenti AI moltiplicano la superficie d’attacco a una velocità che i processi manuali non sono in grado di reggere. Il dato più allarmante: l’80% delle aziende italiane non le riconosce come identità privilegiate, nonostante l’87% negli ultimi 18 mesi abbia subìto almeno due violazioni incentrate sulle identità. Violazioni che spaziano dagli attacchi alla supply chain, agli accessi privilegiati compromessi e ai furti di identità e credenziali.
Paolo Lossa, sales director identity security platform di Palo Alto Networks
La principale sfida è la corretta attribuzione della responsabilità delle machine identity tra IT e funzioni di business. Le identità non umane non sono, infatti, una mera esigenza tecnica ma piuttosto il risultato di decisioni architetturali che nascono da esigenze di business. Di conseguenza, limitarne la governance all’area IT è riduttivo e potenzialmente fuorviante. Le funzioni di business devono mantenere l’accountability finale sulle machine identity, in quanto queste sono create per abilitare servizi, processi e modelli operativi richiesti dal mercato.
Francesco Pappalardo, head of information security di Snaitech
In ambienti in cui la tecnologia costituisce un pilastro del modello di business, l’evoluzione architetturale verso il cloud sta determinando una proliferazione rapida e continua delle identità non umane. Un secondo elemento critico è rappresentato dalla visibilità e dall’inventario delle identità esistenti. Infine, emerge la complessità di integrazione tra sistemi legacy e architetture cloud moderne, fatto che rende più difficile l’adozione uniforme di modelli di gestione delle identità macchina coerenti e automatizzati.
Alessandro Tatti, IT security & operations lead, e Marco Gaeta, chief information technology officer di Telepass
Un’adeguata gestione delle machine identity è di fondamentale importanza per governare aspetti chiave per il business di un’azienda. La compromissione di un’identità digitale rappresenta, infatti, il punto di ingresso iniziale di un attacco, consentendo movimenti non autorizzati all’interno dell’infrastruttura, nonché la possibilità di scalare i privilegi. È dunque necessario implementare un accurato controllo sul ciclo di vita delle machine identity, con un coordinamento strutturato di governance, procedure e adozione di piattaforme tecnologiche per presidiare proattivamente il rischio.
Luigi Ballarano, head of cyber security di Terna
CON I METADATI SI COLTIVA L’EFFICIENZA
Con Havant è stato realizzato un archivio documentale di facile accesso, indicizzato e scalabile.
L‘ agricoltura italiana è sempre più digitale, e non solo grazie a sensori, droni e soluzioni agritech che operano sul campo (anzi, sui campi). Anche la gestione documentale diventa digitalizzata, come racconta il caso di Consorzi Agrari d’Italia, rete con sede legale a Roma, creata sei anni fa da Coldiretti e partecipata da oltre 20mila soci. Per supportare oltre 100mila aziende agricole con mezzi tecnici, consulenza, logistica e accordi di filiera, questa realtà si avvale di circa 600 collaboratori distribuiti su oltre 300 agenzie e filiali, che ogni giorno producono migliaia di documenti tra fatture, bolle, contratti e altro. Si è deciso di passare dall’analogico al digitale con un progetto teso a migliorare l’efficienza operativa della gestione documentale, a tagliarne i costi e a valorizzare il patrimonio di informazioni posseduto. Si puntava non solo a creare un archivio digitale, ma a ottenere informazioni strutturate e facilmente accessibili, così da poter automatizzare le attività di raccolta, smistamento, classificazione e conservazione dei documenti. C’era anche un’esigenza di metodo: non solo informatizzare i processi, ma farlo con il massimo livello di accuratezza e automazione. Con la propria piattaforma AI-Docs,
LA SOLUZIONE
AI-Docs è una piattaforma di digitalizzazione documentale con estrazione automatica dei dati via Ocr, lettore barcode, classificazione dei documenti, gestione dei flussi operativi, generazione di output personalizzati e assegnazione automatica di metadati. Il modulo di AI eleva l’accuratezza nell’acquisizione di codici e documenti.
Havant (già SB Italia) ha permesso di superare due ostacoli tecnici. In primo luogo, il grande volume di documenti esigeva una soluzione molto scalabile. “Il progetto ha preso il via lo scorso anno”, racconta Pablo Pellegrini, direttore della divisione Intelligent process & content automation di Havant. “La vera sfida è stata realizzare un’infrastruttura scalabile e avanzata, capace di automatizzare la lettura dei codici a barre presenti nei file PDF che ogni giorno le filiali ci inviano”. La seconda sfida riguardava la scarsa leggibilità di parte dei codici a barre usati per tracciare e commercializzare i prodotti agricoli. “I lettori di barcode funzionano al meglio solo con immagini perfette”, spiega Luca Rodolfi, direttore della divisione Data & AI di Havant. “Nella realtà, però, ci troviamo quotidianamente a gestire documenti con fogli sgualciti, scanner non calibrati, etichette applicate in modo scorretto o deteriorate. In queste condizioni la lettura automatica dei codici falliva più spesso, rendendo necessario l’intervento manuale per risolvere le anomalie”. La tec-
nologia di riconoscimento ottico dei caratteri (Ocr) di AI-Docs ha raggiunto circa il 90% di accuratezza nella classificazione tramite barcode, ma è stata solo il primo passo. Un modulo di AI, sviluppato e integrato nella piattaforma, permette la corretta comprensione e archiviazione anche in caso di anomalie dovute a errori di stampa o scansione. “L’AI entra in gioco quando il sistema tradizionale classifica un documento come anomalo”, precisa Rodolfi. “Non cerca di leggere le barre danneggiate, ma sfrutta la lettura del testo sottostante tramite Ocr e applica regole intelligenti per riconoscere i codici validi, restituendo comunque l’informazione corretta e mantenendo alta l’affidabilità del processo”. “Il nostro target dichiarato era il 99% di accuratezza, perché solo così potevamo garantire processi veramente efficienti su larga scala e soddisfare le crescenti esigenze del mercato”, racconta Ugo Mattia, responsabile infrastrutture IT di Consorzi Agricoli d’Italia. “Grazie ad Havant, questa importante attività è stata automatizzata e il personale è stato sgravato di un compito delicato e molto time-consuming”. Il nuovo sistema ha ridotto drasticamente il numero delle anomalie, i problemi legati ai barcode danneggiati e la necessità di interventi manuali. Con l’assegnazione di metadati strutturati, AI-Docs ha reso totalmente automatizzate le attività di classificazione e smistamento dei documenti destinati alla conservazione digitale: questo ha migliorato l’accuratezza e ha sgravato il personale da un lavoro ripetitivo e impegnativo. L’obiettivo per quest’anno è di estendere il progetto a tutte le oltre 300 agenzie del consorzio.
IL PIÙ BEL VIAGGIO È SUL CLOUD, DESTINAZIONE FUTURO
L’operatore turistico ha trasformato con Aws e Kyndryl le proprie applicazioni “core”.
Quello compiuto da Alpitour
World è un viaggio verso una destinazione di modernità, flessibilità e miglioramento dei servizi. Un viaggio che continua. Per un gruppo protagonista del settore turistico da quasi 80 anni, che oggi controlla decine di tour operator (tra cui Alpitour, Bravo, Francorosso, Eden Viaggi e Turisanda), catene alberghiere e anche una compagnia aerea (Neos) e che sviluppa un fatturato annuo di 2,3 miliardi di euro (nel 2025), la migrazione in cloud è stata la necessaria premessa per la modernizzazione applicativa. La società ha scelto Kyndryl come partner tecnologico del progetto e Amazon Web Service (Aws) come infrastruttura cloud su cui effettuare una piena migrazione. “Come IT ci siamo resi conto che l’infrastruttura su cui poggiamo tutti i nostri ser vizi di vendita e le relative applicazioni non era più adeguata a sostenere il ritmo del cambiamento”, racconta Francesco Ciuccarelli, chief innovation & technology officer di Alpitour World. “Avevano applicazioni scritte in Cobol, posiziona-
LA SOLUZIONE
Sono state modernizzate e portate su Aws centinaia di applicazioni, tra sistemi di produzione (gestione dei contratti, inventario turistico e definizione pacchetti), piattaforme di prenotazione, canali di vendita B2B e B2C, contact center. In parallelo, sono stati adottati assistenti AI “copiloti” e agenti AI.
te sul mainframe, che gestivano processi core”. Mettere mano al mainframe può essere difficile per problemi di competenze ed è potenzialmente rischioso, considerando le applicazioni mission-critical che tipicamente poggiano su queste infrastrutture. L’affollamento di player digitali che oggi operano nel mercato dei viaggi e del turismo rendeva la sfida di trasformazione ancora più impegnativa e necessaria. “Gli azionisti del gruppo hanno visto la tecnologia come un asset e non solo come uno strumento finalizzato a raggiungere degli obiettivi”, prosegue Ciuccarelli. “La scelta di un progetto di trasformazione tecnologica dell’infrastruttura è partita dalla motivazione di avere un abilitatore, anziché un freno al cambiamento”.
Alla fase di pianificazione hanno fatto seguito 16 mesi di progetto vero e proprio, con kick-off nell’ottobre del 2025. Tempi brevi, considerando le centinaia di applicazioni che sono state trasformate e portate in cloud. “La digitalizzazione è una necessità competitiva, quella di rimanere al passo con i tempi e anche cercare di anticipare un po’ la concorrenza, portando ai clienti servizi sempre innovativi”, commenta Giulia Gasparini, country manager di Aws Italia. “Il progetto di Alpitour World, mettendo insieme elementi diversi, è indicativo di una trasformazione di questo tipo”. Il successo di iniziative come questa, a detta di Gasparini, sta nel lavoro di personalizzazione della tecnologia (incluse le soluzioni di intelligenza artificiale da adottare), reso possibile da una piattaforma come Amazon Bedrock. Il pro-
getto ha consentito di portare velocità e innovazione nell’articolato ambiente IT di Alpitour World, tagliando i tempi e i costi dei rilasci software. Ha, inoltre, migliorato la user experience per i diversi tipi di utenza coinvolti: il personale interno delle diverse società del gruppo, le agenzie di viaggio, i clienti finali. Con i nuovi strumenti di GenAI e Agentic AI è stata migliorata sia la produttività individuale sia la collaborazione. Grazie ai continui rilasci e aggiornamenti della piattaforma Aws, l’innovazione in Alpitour World è diventata più semplice, veloce e priva di ostacoli. “La tecnologia evolve esponenzialmente e, credo, oggi con l’AI stiamo vedendo con i nostri occhi che cosa significhi singolarità tecnologica”, testimonia Ciuccarelli. “Senza piattaforme che abilitano questo tipo di velocità, tutto ciò non sarebbe possibile. E se Aws è l’azienda che ha portato la tecnologia, Kyndryl è stato l’operatore che ci ha supportati nel percorso”. Alpitour World con propria la divisione Software Factory sta anche portando avanti un progetto di utilizzo dell’intelligenza artificiale per la scrittura di codice.
UN OTTIMO COCKTAIL DI TECNOLOGIE INTEGRATE
Dall’Erp in cloud agli analytics, dalle risorse umane alla supply chain: la multinazionale del beverage ha scelto Sap.
Alle spalle oltre centocinquant’anni di storia, davanti un futuro sempre più digitale. Era il 1860 quando il liquorista Gaspare Campa metteva a punto un nuovo drink che avrebbe poi ottenuto un successo planetario, attraverso decenni di crescita imprenditoriale e acquisizioni. Dal primo stabilimento aperto nel 1904 a Sesto San Giovanni, Campari è cresciuta fino a diventare una delle grandi multinazionali del beverage: 4.700 collaboratori, 24 impianti produttivi tra Italia ed estero e una cinquantina di marchi, tra cui (oltre al brand che dà nome al gruppo) Aperol, Averna, Braulio, Crodino, Grand Marnier, Courvoisier, Cinzano, Glen Grant, Skyy Vodka e Zedda Piras. Il progetto di trasformazione avviato da Campari Group fa perno sull’Enterprise Resource Planning (Erp) ma abbraccia altri processi e aree, in logica di integrazione. Si è scelto di posizionare l’Erp in un ambiente cloud privato, utilizzando i servizi e la metodologia di Sap. “Abbiamo intrapreso il percorso Rise with Sap per restare al passo con le innovazioni offerte da Sap Cloud Erp Private e dalle funzionalità dell’AI integrata”, ha spiegato José Silva, group head of IT di Campari Group.
L’Erp è, tuttavia, solo un ingrediente della trasformazione: quella realizzata è un’architettura digitale integrata, in cui si intrecciano dati e processi dell’area contabilità, della supply chain, del marketing e delle risorse umane. Grazie alle soluzioni Sap Analytics Cloud, Sap Integrated Business Planning e Sap Da-
tasphere è stata creata una piattaforma integrata per le attività di pianificazione, gli analytics e lo sviluppo applicativo. Altro ingrediente è l’intelligenza artificiale, che è stata adottata sia per ottimizzare le operazioni sia per migliorare la produttività e la qualità del lavoro dei dipendenti. All’interno di Sap SuccessFactors, soluzione per la gestione del capitale umano, l’AI è presente sia in forma di funzionalità integrate sia attraverso Joule, un assistente-agente che migliora l’accesso ai dati e automatizza processi. L’intelligenza artificiale ha anche permesso di semplificare la registrazione di ordini e pagamenti, migliorando il processo decisionale e ottimizzando i costi operativi. LeanIX, altra soluzione Software as-a-Service di Sap, ha invece consentito di mappare le interdipendenze tra applicazioni, processi e ruoli in azienda. “Oggi possiamo ridise-
LA SOLUZIONE
L’architettura digitale realizzata mette insieme le soluzioni di Sap Cloud Erp Private, Analytics Cloud, Integrated Business Planning e Datasphere. Sap Concur viene utilizzato per la gestione delle spese, mentre Sap LeanIX ha permesso di mappare le interdipendenze tra applicazioni, processi e persone. L’adozione di Business Data Cloud consentirà di unificare dati provenienti da ambienti Sap e di terze parti.
gnare i processi in linea con l’evoluzione del business, migliorare la pianificazione e rendere la supply chain più efficiente, garantendo una distribuzione costante dei nostri prodotti in tutto il mondo”, ha dichiarato Silva. Il passaggio a un modello di processo centralizzato ci permette di aumentare la produttività e ridurre in modo continuativo il total cost of ownership”.
Il prossimo passo sarà l’implementazione di Business Data Cloud, soluzione SaaS gestita che permetterà di unificare i dati provenienti da software Sap e di terze parti. “Campari è una delle nostre migliori referenze nel settore food & beverage ed è un eccellente esempio di come le soluzioni Sap possano trasformare i processi organizzativi e produttivi”, ha commentato Carla Masperi, amministratore delegato di Sap Italia. “Combinando cloud Erp, AI e pianificazione data-driven, Campari sta definendo un nuovo standard di trasformazione digitale nell’industria dei beni di consumo”.
RINASCIMENTO “PHYGITAL”
E PERSONALIZZATO
Fabbricadigitale ha realizzato un assistente AI che personalizza l’esperienza turistica, sia tramite app sia sul territorio.
AMantova e Sabbioneta le bellezze dell’arte rinascimentale e del territorio trovano il perfetto incontro con il digitale, ma meglio sarebbe dire con il phygital. La patria dei Gonzaga, di Palazzo Te, del Castello di San Giorgio e di altre meraviglie architettoniche è stata dichiarata Patrimonio Mondiale Unesco nel 2008, così come Sabbioneta, la “piccola Atene”, edificata secondo i principi della città ideale rinascimentale. L’Ufficio Mantova e Sabbioneta Patrimonio Mondiale Unesco, trasversale ai due Comuni, ha realizzato un riuscito progetto di valorizzazione turistica con Fabbricadigitale, società Ict di Casalmaggiore (Cremona).
L’intento era quello di valorizzare non solo i due tessuti urbani ma anche il territorio circostante, che perfettamente si presta a essere vissuto come turismo lento, anche muovendosi in bicicletta. Il risultato è non una singola applicazione, bensì un ecosistema di servizi digitali e non digitali, che poggia su una Web app e sull’integrazione con sistemi di ticketing e prenotazione del territorio, di musei, eventi. La piattaforma è fruibile come sito Web o app per smartphone, ma anche attraverso totem distribuiti sul territorio, creando così per i turisti un’esperienza di visita “phygital”. Rispetto al classico portale Web di valorizzazione turistica, ci sono due elementi distintivi: una mappa interattiva dei punti di interesse e un assistente AI. La mappa geolocalizza monumenti, musei, luoghi simbolo, percorsi a piedi o in bicicletta, servizi e attività, correndandoli di
informazioni, descrizioni, gallerie multimediali e percorsi tematici. L’utente, se vuole, può creare il proprio itinerario su misura. Ancor più distintivo è l’altro elemento, un assistente AI che analizza preferenze, azioni svolte durante la visita e contesto (dunque le variabili tempo, posizione, interessi) per proporre al momento giusto contenuti e percorsi rilevanti per l’utente. I suggerimenti dell’AI possono dipendere dal tempo a disposizione dell’utente, dagli interessi selezionati sull’app (arte, storia, paesaggio, enogastronomia, eventi, esperienze all’aria aperta) e delle tappe già visitate. “Con l’assistente AI per Mantova e Sabbioneta mettiamo a frutto l’esperienza maturata in progetti phygital di livello nazionale per creare una piattaforma che parte dal-
LA SOLUZIONE
La Web app mantovasabbionetaunesco include una mappa interattiva delle attrazioni turistiche di Mantova e Sabbioneta: cliccando sul luogo scelto, si ottengono informazioni utili, descrizioni, gallerie fotografiche, itinerari. L’altra metà della schermata propone un assistente AI che via chat risponde alle domande con informazioni, link e approfondimenti suggeriti. Il sistema è accessibile via browser, su app e su totem distribuiti sul territorio. La piattaforma supporta beacons, QR code, video immersivi e contenuti in realtà aumentata.
le persone e dai territori”, dichiara Laura Vitali, marketing manager di Fabbricadigitale. “L’intelligenza artificiale diventa il motore che connette i dati della città con le esigenze dei visitatori, generando un modello replicabile per altre destinazioni italiane che vogliono innovare il proprio modo di accogliere e accompagnare i turisti”.
E non è tutto: l’esperienza turistica diventa realmente phygital, arricchita di elementi digitali, grazie a tecnologie come beacons, QR code, realtà aumentata e video a 360°, utili per proporre contenuti immersivi, notifiche contestuali e sfide di “caccia al tesoro” per scoprire in modi inediti le bellezze della città. La piattaforma realizzata da Fabbricadigitale permette anche di creare visite virtuali e anteprime “immersive” di luoghi, monumenti e musei. Completa l’ecosistema una audioguida multilingue, fruibile via smartphone.
NETCOMM FORUM 2026
Quando: 6-7 maggio
Dove: Allianz MiCo, Milano
Perché partecipare: la prossima edizione del grande appuntamento annuale di Netcomm è sottotitolata “Value Commerce: The New Era of Digital & Omnichannel Experience”. Si parlerà di AI, efficienza, esperienza e responsabilità come leve di cambiamento e di generazione del valore.
PAL SUMMIT
Quando: 19 maggio
Dove: Maschio Angioino, Napoli
Perché partecipare: sarà un’occasione per capire come Regioni, Comuni, Città Metropolitane e Province affrontano le sfide del post PNRR.
SMART MANUFACTURING CONFERENCE
- SPS ITALIA 2026
Quando: 27 maggio
Dove: Fiere di Parma, Parma
Perché partecipare: il programma di TIG Events dedicato alla manifattura smart sarà ospite di Sps Italia, con due momenti di incontro focalizzati sui temi delle piattaforme dati e dell’intelligenza artificiale.
RETAIL SUMMIT
Quando: 1-2 luglio
Dove: Grand Hotel Dino, Baveno (VB)
Perché partecipare: in questa sua decima edizione, il summit traccerà una previsione sul futuro del retail, tra sessioni plenarie, tavole rotonde, case history e i dati degli Osservatori di Confimprese e di Jakala.
QUANTUM COMPUTING SUMMIT
Quando: 8 luglio
Dove: Assolombardia, Milano
Perché partecipare: dopo una prima edizione di successo, in collaborazione con Cefriel riproponiamo l’evento dedicato al calcolo quantistico, discutendone le sfide tecniche, lo scenario di mercato e le promesse.
