L'adozione dell'intelligenza artificiale (AI) nelle aziende sta portando a una forte evoluzione nei modelli operativi e decisionali. L'impatto degli algoritmi richiede anche una riflessione su come cambia il tempo operativo nelle organizzazioni, come ha rilevato Gianmarco Baleani, AI and Digital transformation manager di Ariston Group, durante un convegno al Politecnico di Milano.
“Potendo richiedere le varie operazioni – anche quelle fino a ieri più complesse – in linguaggio naturale, la complessità esecutiva viene delegata alle macchine, consentendo alle persone di concentrarsi sul valore e sull’ottimizzazione dei processi. Tuttavia, questa transizione richiede casi d’uso concreti, governance rigorosa e formazione diffusa”, sottolinea Baleani.
Ottimizzazione delle spedizioni straordinarie
Un primo caso d’uso sviluppato nella multinazionale italiana riguarda le richieste di trasporto spot (Request for Quotation o RFQ) nella supply chain. Si tratta delle spedizioni non standard, straordinarie o fuori quota contrattuale provenienti dai vari dipartimenti (produzione, commerciali, manutenzione). Ogni mese l’azienda gestisce circa 30-40 richieste spot, ognuna delle quali richiedeva in passato circa 2 ore di lavoro complessivo tra inserimento dati e scambi informativi. Ora il tutto si riduce a pochi minuti.
Gli utenti che richiedevano queste spedizioni, spesso privi di competenze sulle diverse normative di riferimento, rischiavano di inserire dati parziali e incompleti. Per eliminare queste inefficienze, Ariston Group ha realizzato un RFQ Agent basato su Microsoft Copilot Studio.
I vantaggi di queste applicazioni “sono diversi”, spiega Baleani: “aumento della qualità del dato grazie al rispetto guidato delle policy aziendali, azzeramento delle barriere d’uso software ed eliminazione delle email interne, con un diretto incremento della produttività”.
Ottimizzazione del carico dei materiali
Un secondo progetto riguarda l’ottimizzazione del carico dei materiali per l’inserimento degli ordini clienti. A differenza dei flussi standard, la saturazione di camion o container per richieste flessibili richiede elevata personalizzazione.
Per velocizzare il processo, Ariston Group ha utilizzato un Coding agent – come Claude Code, Codex o Cursor – per sviluppare l’applicazione Load builder. Il volume trattato è di circa 30-40 emissioni ordini al giorno, con un risparmio stimato di almeno 20 minuti di lavoro per singolo ordine.
L’applicazione si integra nel contesto operativo, comprendendo anche lo slang e i vocaboli gergali o tecnici usati dal personale di magazzino durante la preparazione dei carichi nei container.
Governance e sicurezza
L’impiego dei Coding agent per lo sviluppo rapido di micro-applicazioni apre anche questioni di governance e sicurezza che la leadership aziendale deve affrontare con attenzione.
Se da un lato la capacità di generare codice software in pochi minuti offre flessibilità, dall’altro la creazione incontrollata di App rischia di innescare fenomeni di shadow AI. In un’organizzazione con oltre 10mila dipendenti – come Ariston Group –, se ogni lavoratore sviluppasse autonomamente le proprie applicazioni senza una regia centrale, si genererebbe caos informatico e disastro operativo.
Inoltre, va considerato il profilo di sicurezza: i Coding agent operano prendendo il controllo del terminale dell’utente, con potenziale accesso a dati sensibili, comandi e screenshot. Per questa ragione, Ariston Group sottolinea la necessità di far lavorare questi agenti all’interno di sandbox protette e isolate.
Riflessione strategica
Sotto il profilo strategico, “i dirigenti devono anche porsi una domanda di processo”, fa notare Baleani: “l’applicazione serve a chiudere una falla procedurale locale, o è necessario ridisegnare l’intero processo aziendale in funzione dell’AI?”.
Formazione e digital divide
Nessuna tecnologia genera valore se non è supportata dalle competenze delle persone. L’analisi condotta da Ariston Group prima del nuovo piano formativo ha evidenziato una distribuzione a tre fasce: pochi curiosi che usavano molto l’AI, una grande maggioranza che la usava poco o niente, e una quota che la usava in modo sbagliato. La conseguenza era un divario di produttività e l’assenza di un linguaggio condiviso.
La mancanza di formazione espone ogni azienda a diversi rischi critici:
- Fuga di dati riservati (Data leakage): inserimento di informazioni aziendali confidenziali in strumenti di AI pubblici non autorizzati, i cui server risiedono fuori dai confini europei (anche in violazione delle policy aziendali).
- Accettazione acritica degli output: fiducia cieca nelle risposte dei modelli (“me l’ha detto ChatGPT”), senza la necessaria verifica di merito.
- Mancata comprensione delle precondizioni operative: sottovalutazione delle potenzialità dell’AI come automazione di task, o al contrario aspettative irrealistiche su problemi che richiedono invece Database diversamente strutturati.
Percorso formativo
Per superare queste criticità, Ariston Group ha adottato un percorso formativo incentrato non sul prompting di base, ma sulla formulazione del problema (problem framing) e sulla validazione dell’output.
Una fase di questo percorso si sviluppa in un modulo di 4 ore rivolto a piccoli gruppi di dipendenti:
- 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), insieme a esercitazioni pratiche su casi d’uso concreti, dove gli utenti possono validare direttamente la qualità dei dati.
L’approccio in gruppi ristretti “stimola la partecipazione attiva, agevola l’apprendimento e stabilisce una base metodologica condivisa in tutta l’organizzazione”, sottolinea Baleani.
Lezioni apprese
L’esperienza di Ariston Group offre indicazioni trasversali per le aziende che intendono applicare l’AI con successo:
- L’adozione dell’AI richiede una governance rigorosa e una formazione diffusa per evitare fenomeni di shadow AI e garantire la sicurezza dei dati.
- L’ottimizzazione dei processi attraverso l’AI può portare a significativi risparmi di tempo e miglioramenti nella qualità dei dati.
- La formazione deve essere incentrata sulla formulazione del problema e sulla validazione dell’output, piuttosto che sul prompting di base.
- L’AI può essere utilizzata per sviluppare rapidamente micro-applicazioni, ma è necessario operare all’interno di sandbox protette e isolate per garantire la sicurezza.