La diffusione capillare dell’AI e le nuove richieste operative
L’integrazione dell’intelligenza artificiale nelle strutture aziendali ha raggiunto una diffusione capillare, trasformando le aspettative dei reparti operativi in richieste di supporto sempre più concrete. Dai bilanci gestionali all’allocazione delle risorse finanziarie, le organizzazioni cercano risposte immediate per orientare i propri processi strategici.
Questa accelerazione conoscitiva pone però gli specialisti informatici di fronte a complessità strutturali che rischiano di frenare l’entusiasmo iniziale, generando fenomeni di scetticismo tecnologico. Il divario tra la semplicità percepita dell’interfaccia e la complessità dell’elaborazione analitica retrostante è diventato un punto critico per le figure professionali responsabili della gestione dei dati.
Il convegno Innovation Challenge 2026
Il tema è stato approfondito nel corso del convegno Innovation Challenge 2026 – Soluzioni per evitare la disillusione dell’AI, promosso dagli Osservatori Digital Innovation del Politecnico di Milano. Durante l’evento, Loris Lombardo, product manager della struttura Horsa Insight, ha illustrato un modello metodologico e tecnologico di tipo decision‑driven.
Decision‑driven: un nuovo paradigma per l’AI aziendale
L’implementazione delle tecnologie basate su intelligenza artificiale non rappresenta più un fattore sperimentale, ma una realtà consolidata nelle dinamiche quotidiane dei diversi reparti aziendali. Le strutture operative avanzano richieste sempre più dirette verso gli strumenti automatici e gli assistenti virtuali, pretendendo risposte tempestive per la gestione dell’operatività quotidiana e per la rendicontazione dei risultati economico‑finanziari.
Come evidenziato da Lombardo, «L’adozione degli strumenti di intelligenza artificiale è ormai pervasiva e le richieste del business verso gli assistenti virtuali sono estremamente pratiche, come richiedere supporto sugli investimenti o sulla chiusura del mese». Tuttavia, quando i sistemi forniscono risposte inaccurate o incomplete a causa dell’incoerenza delle fonti informative, si innesca una reazione negativa all’interno delle organizzazioni, alimentando il rischio di disillusione.
L’architettura decision‑driven
Per ovviare a questo problema, la risposta risiede nell’adozione di un’architettura decision‑driven capace di strutturare la conoscenza prima dell’elaborazione algoritmica. La gestione dei dati richiede un mutamento di prospettiva metodologica: non basta più “far parlare” i dati, è necessario “farli parlare” in modo coerente e governato.
La struttura di Horsa Insight, specializzata nelle soluzioni di data analytics all’interno del gruppo Horsa, ha individuato nella disciplina della Decision Intelligence la risposta teorica ed esecutiva a tali criticità informative. Il principio guida di questo approccio poggia su modelli teorici definiti dal Politecnico di Milano, i quali trasformano il concetto stesso di scelta manageriale in un elemento ingegnerizzabile.
La decisione come prodotto
Secondo la definizione fornita dall’Osservatorio, la Decision Intelligence è «la capacità di gestire, progettare ed eseguire le decisioni come se fossero dei veri e propri prodotti». Trattare una decisione alla stregua di un prodotto significa definire preventivamente la struttura informativa necessaria per supportarla, determinando i vincoli di accuratezza e le responsabilità umane.
L’integrazione dell’intelligenza artificiale nell’infrastruttura di Decision Intelligence non mira a sostituire la componente direzionale, bensì a rafforzarne l’efficacia valutativa attraverso un affiancamento costante. «I nostri strumenti si concentrano sull’aumento e sul supporto alle decisioni, lasciando la scelta finale in mano all’utente», ha rimarcato Lombardo, sottolineando la centralità della governance umana nel controllo dell’output sintetizzato dai sistemi.
Tipologie di utenti e tolleranze al margine d’errore
L’esperienza operativa analizzata da Horsa Insight individua due categorie distinte di utenti aziendali, caratterizzate da bisogni analitici e tolleranze al margine d’errore opposti.
- Esploratori (power user): operano con un elevato background tecnico, conducono sessioni analitiche prolungate e sono in grado di valutare criticamente i risultati forniti dagli strumenti. Accettano margini di approssimazione temporanei perché possiedono le competenze per verificare l’output dell’AI.
- Decisori: dirigenti e responsabili di funzione che necessitano di informazioni puntuali per deliberare in intervalli di tempo ristretti. Non hanno il tempo né le competenze per verificare la correttezza del processo computazionale retrostante; per loro, l’imprecisione compromette irrimediabilmente la validità della scelta aziendale.
Per gli esploratori, la tecnologia funge da laboratorio di sperimentazione per validare modelli conoscitivi e strutturare nuove metriche. Per i decisori, invece, è fondamentale garantire coerenza, accuratezza e rapidità nella fruizione del dato.
Case study: un brand globale del fashion
La dimostrazione pratica della validità di un’infrastruttura decision‑driven è stata illustrata attraverso un caso reale relativo a un marchio globale operante nel settore del fashion, con una forte presenza sia nel canale e‑commerce sia nelle piattaforme di digital marketing.
L’organizzazione affrontava problematiche legate alla gestione dei dati generati dalle molteplici iniziative promozionali attive sui canali digitali. Le informazioni provenienti dalle diverse reti di inserzione pubblicitaria si accumulavano in silos separati, creando un ecosistema «fortemente frammentato tra varie piattaforme di advertising, con incoerenza nei KPI e rallentamenti nei processi decisionali».
Le due leve architetturali
Per superare la frammentazione informativa, Horsa Insight ha implementato un intervento articolato su due componenti fondamentali e interconnesse.
- Semantic layer: livello intermedio di astrazione che si frappone tra i database grezci e gli strumenti di consultazione dell’utente finale. Agisce da regolatore centrale della conoscenza aziendale, unificando le regole di calcolo e garantendo l’omogeneità delle informazioni elaborate. Grazie al Semantic layer, l’accesso ai dati è uniformato, i KPI sono governati da tassonomie condivise e i modelli di calcolo sono standardizzati.
- Agent decisionale dedicato: un agente AI specializzato che traduce le richieste dei decisori in query semantiche, verifica la coerenza delle fonti e restituisce risposte contestualizzate, con indicatori di affidabilità e suggerimenti per azioni correttive.
Questa architettura ha permesso al brand di consolidare le metriche chiave di prestazione, confrontare in tempo reale le performance delle campagne e intervenire tempestivamente sui budget di investimento, riducendo i tempi di decisione da giorni a poche ore.
Benefici concreti e prospettive future
Il modello decision‑driven ha dimostrato tre benefici principali:
- Riduzione della frammentazione: tutti i dati provengono da un unico punto di vista semantico, eliminando silos e incoerenze.
- Aumento della fiducia: la trasparenza delle regole di calcolo e la presenza di indicatori di affidabilità riducono la percezione di “scatole nere” e prevengono la disillusione.
- Velocità operativa: i decisori ricevono risposte pronte all’uso, consentendo interventi rapidi su campagne, investimenti e chiusure di periodo.
Guardando al futuro, Lombardo prevede che la combinazione di Semantic layer, agenti decision‑driven e governance umana diventerà lo standard per le imprese che vogliono trasformare l’AI in un vero partner strategico, piuttosto che in un semplice strumento tecnico.
Conclusioni
L’adozione di un’architettura decision‑driven, basata su una solida gestione semantica dei dati e su agenti AI dedicati, rappresenta la risposta più efficace alla sfida della frammentazione informativa e della disillusione tecnologica. Solo trattando le decisioni come prodotti ingegnerizzabili, definendo in anticipo le strutture informative e mantenendo la governance umana al centro, le imprese potranno sfruttare appieno il potenziale dell’intelligenza artificiale per guidare scelte strategiche, operative e finanziarie con sicurezza e rapidità.