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 gli specialisti informatici di fronte a complessità strutturali che rischiano di frenare l’entusiasmo iniziale, generando fenomeni di scetticismo tecnologico. Il divario tra le richieste pratiche del business e la capacità delle infrastrutture informatiche di fornire risposte accurate è diventato un punto critico da gestire.

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. Loris Lombardo, product manager della struttura Horsa Insight, ha illustrato un modello metodologico e tecnologico di tipo decision‑driven.

Lombardo ha sottolineato che «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». La semplicità dell’interfaccia percepita, però, nasconde una complessità analitica retrostante che può generare risposte inaccurate o incomplete, alimentando la disillusione.

Decision‑Intelligence: un nuovo paradigma per la governance

Per ovviare a questi problemi, la risposta risiede nell’adozione di un’architettura decision‑driven capace di strutturare la conoscenza prima dell’elaborazione algoritmica. 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 sui modelli teorici definiti dal Politecnico di Milano, i quali trasformano il concetto stesso di scelta manageriale in un elemento ingegnerizzabile. L’azienda sposa integralmente la definizione fornita dall’Osservatorio: «la capacità di gestire, progettare ed eseguire le decisioni come se fossero dei veri e propri prodotti».

Decisioni come prodotti

Trattare una decisione alla stregua di un prodotto significa:

L’integrazione dell’AI 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.

Tipologie di utenti e loro esigenze

La progettazione di sistemi di intelligenza artificiale efficaci richiede la comprensione delle differenti modalità con cui le risorse umane interagiscono con le basi informative. Horsa Insight ha identificato due categorie distinte di utenti aziendali, caratterizzate da bisogni analitici e tolleranze al margine d’errore opposti.

Gli esploratori (power user)

Questa prima categoria è rappresentata dai cosiddetti esploratori, identificabili nella figura del power user. Si tratta di operatori con elevato background tecnico e profonda conoscenza dei processi informatici, abituati a sessioni analitiche prolungate e complesse.

Caratteristiche principali:

Lombardo ha osservato che gli esploratori «conoscono la materia tecnica, svolgono sessioni approfondite per testare ipotesi e costruire strumenti analitici, tollerando un livello di accuratezza inferiore poiché possiedono le competenze per valutare l’output dell’AI».

Gli decisori

Al polo opposto si collocano gli decisori**, ovvero dirigenti e responsabili di funzione che necessitano di informazioni per deliberare in intervalli di tempo ristretti. Per questi profili, la fruizione del dato risponde a una necessità puntuale, collegata a un’azione strategica o tattica immediata.

Caratteristiche principali:

    • Tempo limitato per l’analisi;
    • Assenza di competenze tecniche per verificare la correttezza del processo computazionale;
    • Elevata sensibilità a imprecisioni o incoerenze, che compromettono la validità della scelta aziendale.

La presenza di errori per gli decisori alimenta la disillusione verso la tecnologia, rendendo indispensabile una struttura decision‑driven che garantisca coerenza e affidabilità dei dati.

Case study: un brand globale di 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 presenza sia nei canali e‑commerce che nelle piattaforme di digital marketing.

L’organizzazione affrontava problematiche legate alla gestione dei dati generati dalle molteplici iniziative promozionali 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 interconnesse:

    • Semantic layer: livello intermedio di astrazione che si frappone tra i database grezzi 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.
    • Agent decisionale dedicato: un agente AI configurato per guidare i manager nella scelta, sfruttando il semantic layer per estrarre dati coerenti, verificare la completezza delle fonti e presentare insight contestualizzati.

Il semantic layer ha permesso di:

    • Governare KPI, tassonomie e modelli di calcolo in modo centralizzato;
    • Eliminare incoerenze tra metriche provenienti da piattaforme diverse;
    • Ridurre i tempi di accesso ai dati da giorni a poche ore.

L’agente decisionale, invece, ha tradotto le richieste dei decisori (es. “Qual è il ROI della campagna X nel Q3?”) in query ottimizzate, fornendo risposte precise e contestualizzate, pronte per l’azione immediata.

Risultati e insegnamenti

Dopo l’implementazione, il brand fashion ha registrato:

    • Una riduzione del 45 % dei tempi di consolidamento dei KPI;
    • Un aumento del 30 % nella precisione delle metriche operative;
    • Un miglioramento della soddisfazione degli utenti decisori, con una diminuzione del 60 % dei feedback negativi legati a dati incoerenti.

Questi risultati confermano che una struttura decision‑driven, supportata da semantic layer e agenti AI, può trasformare la frustrazione derivante dalla frammentazione dei dati in una fonte di valore strategico.

Prospettive future e raccomandazioni

Per le organizzazioni che desiderano evitare la disillusione dell’AI, gli esperti di Horsa Insight raccomandano:

    • Investire nella definizione di un semantic layer fin dalle fasi di progettazione dei sistemi informativi, garantendo coerenza semantica tra fonti diverse.
    • Adottare un approccio decision‑driven che consideri la decisione come prodotto, con requisiti di accuratezza, responsabilità e governance ben delineati.
    • Segmentare gli utenti in esploratori e decisori, fornendo interfacce e livelli di dettaglio adeguati a ciascuna tipologia.
    • Implementare agenti AI dedicati per tradurre le richieste di business in query tecniche, riducendo il carico sugli specialisti informatici.
    • Monitorare costantemente la qualità dei dati e introdurre meccanismi di feedback per correggere rapidamente eventuali incoerenze.

In conclusione, l’adozione di un’architettura decision‑driven non è soltanto una risposta tecnica, ma una trasformazione culturale che mette al centro la capacità di prendere decisioni informate, rapide e affidabili. L’esperienza di Horsa Insight dimostra che, con gli strumenti giusti, l’AI può diventare un vero alleato strategico, evitando la trappola della disillusione e promuovendo una crescita sostenibile per le imprese.