Le aziende che adottano l’intelligenza artificiale stanno vivendo una trasformazione profonda dei propri modelli operativi e decisionali. In Ariston Group, leader globale nel comfort termico presente in più di 70 Paesi con oltre 10.000 dipendenti, l’AI agentica è stata introdotta per ottimizzare la supply chain, migliorare la qualità dei dati e affrontare le sfide legate al digital divide interno.

Case study: RFQ agent per le spedizioni spot

Il primo caso d’uso sviluppato da Ariston riguarda le richieste di trasporto spot, note come Request for Quotation (RFQ). Si tratta di spedizioni non standard, straordinarie o fuori quota contrattuale provenienti da dipartimenti quali produzione, commerciale e manutenzione. Ogni mese l’azienda gestisce circa 30‑40 richieste spot, che in passato richiedevano circa 2 ore di lavoro complessivo per inserimento dati e scambi informativi.

Con l’introduzione di un RFQ Agent basato su Microsoft Copilot Studio, il tempo necessario si è ridotto a pochi minuti. Gli utenti, spesso privi di conoscenze approfondite sulle normative di riferimento, rischiavano di inserire dati incompleti. L’agente, guidando l’operatore attraverso le policy aziendali, garantisce l’integrità del dato, elimina le barriere d’uso del software e sopprime le email interne, con un diretto incremento della produttività.

Benefici concreti

    • Aumento della qualità del dato grazie al rispetto guidato delle policy aziendali.
    • Azzeramento delle barriere d’uso software e eliminazione delle email interne.
    • Incremento della produttività dovuto alla riduzione del tempo di gestione da 2 ore a pochi minuti.

Case study: Load builder con coding agent

Il secondo progetto si concentra sull’ottimizzazione del carico dei materiali per gli ordini clienti. A differenza dei flussi standard, la saturazione di camion o container per richieste flessibili richiede una personalizzazione elevata. Per velocizzare il processo, Ariston ha impiegato un coding agent (Claude Code, Codex o Cursor) per sviluppare l’applicazione Load builder.

Il volume gestito è di circa 30‑40 emissioni ordine al giorno, con un risparmio stimato di almeno 20 minuti di lavoro per ordine. L’applicazione si integra nell’ambiente operativo, riconoscendo slang, vocaboli tecnici e gergo del personale di magazzino durante la preparazione dei carichi.

Sicurezza e governance dei coding agent

L’uso di coding agent per lo sviluppo rapido di micro‑applicazioni solleva questioni di governance e sicurezza. Se ogni dipendente potesse creare autonomamente applicazioni senza una regia centrale, si rischierebbe il fenomeno della “shadow AI”, con potenziali conflitti operativi e vulnerabilità informatiche. Inoltre, i coding agent operano prendendo il controllo del terminale dell’utente, con accesso a dati sensibili, comandi e screenshot. Per questo motivo, Ariston ha deciso di far operare gli agenti all’interno di sandbox protette e isolate.

Strategia di governance e domanda di processo

Secondo Gianmarco Baleani, AI and Digital Transformation Manager di Ariston, “i dirigenti devono chiedersi se l’applicazione serve a chiudere una falla procedurale locale o se è necessario ridisegnare l’intero processo aziendale in funzione dell’AI”. Questa riflessione è fondamentale per garantire che la tecnologia generi valore reale e non diventi semplicemente un “miracolo tecnico”.

Formazione: superare il digital divide

L’analisi preliminare di Ariston ha evidenziato tre fasce di utilizzo dell’AI tra i dipendenti: pochi curiosi che usano molto l’AI, una grande maggioranza che la usa poco o nulla, e una quota che la usa in modo sbagliato. Questo divario ha creato una perdita di produttività e l’assenza di un linguaggio comune.

Per colmare il gap, il gruppo ha sviluppato un percorso formativo non focalizzato sul prompting di base, ma sulla formulazione del problema (problem framing) e sulla validazione dell’output. Il modulo di 4 ore, erogato a piccoli gruppi, è strutturato in due parti:

    • Prime 2 ore: introduzione al funzionamento dell’AI, analisi dei rischi, applicazione del framework 4D di Anthropic per la strutturazione dei prompt e ragionamento sulla descrizione dei risultati attesi.
    • Successive 2 ore: approfondimento di concetti avanzati come Agent Skills, MCP (Model Context Protocol) e RAG (Retrieval‑Augmented Generation), con esercitazioni pratiche su casi d’uso concreti per validare direttamente la qualità dei dati.

Il lavoro in gruppi ristretti stimola la partecipazione attiva, agevola l’apprendimento e stabilisce una base metodologica condivisa in tutta l’organizzazione.

Rischi critici e misure preventive

Ariston ha identificato tre rischi principali legati all’adozione dell’AI:

    • Data leakage: inserimento di informazioni aziendali confidenziali in strumenti AI pubblici non autorizzati, con server al di fuori dell’UE e in violazione delle policy aziendali.
    • Accettazione acritica degli output: fiducia cieca nelle risposte dei modelli (“me l’ha detto ChatGPT”) senza verifica di merito.
    • Mancata comprensione delle precondizioni operative: sottovalutazione delle potenzialità dell’AI come automazione di task o aspettative irrealistiche su problemi che richiedono database strutturati diversamente.

Per mitigare questi rischi, il percorso formativo include moduli specifici su privacy, gestione dei dati e tecniche di verifica degli output, oltre a policy interne che obbligano all’uso di sandbox e a una revisione centralizzata delle nuove applicazioni generate dagli agenti.

Lezioni per altre aziende

L’esperienza di Ariston Group offre indicazioni trasversali per le organizzazioni che intendono integrare l’AI nei propri processi:

    • Definire casi d’uso concreti e misurabili prima di implementare la tecnologia.
    • Stabilire una governance rigorosa, con sandbox protette e revisione centrale delle applicazioni.
    • Investire in formazione mirata, focalizzata su problem framing, validazione dell’output e consapevolezza dei rischi.
    • Valutare costantemente se l’AI risolve una problematica operativa specifica o se è il momento di ripensare l’intero flusso di lavoro.

In sintesi, l’AI agentica di Ariston dimostra come la combinazione di tecnologia avanzata, governance strutturata e formazione diffusa possa trasformare la supply chain, aumentare la produttività e mantenere alti standard di sicurezza e conformità.