Dal dato alla decisione: come l’AI sta trasformando il Finance

0:02 Maurizio Pèrcopo: Buongiorno a tutti. Allora grazie di essere venuti qui a questo nostro ricorrente appuntamento con la nostra community e i manager nonché, clienti relatori che partecipano ai nostri eventi. E oggi l'obiettivo è abbastanza ambizioso. Quando abbiamo definito questo progetto, se vogliamo, ci siamo un po' guardati negli occhi e abbiamo detto: "Ok, si parla tanto di intelligenza artificiale, chi la sta usando molto ad uso personale proprio di produttività", ma ci siamo cominciati a domandare quanto nelle aziende viene effettivamente utilizzato. E abbiamo deciso anche un po' di ritagliarlo, no? Quindi ci siamo concentrati sul mondo del finance e quindi abbiamo cercato di immaginare, chiedendo poi a tutti voi con una survey, e, chiedere poi la possibilità ai nostri relatori di raccontare le loro esperienze, di capire quanto effettivamente in concreto queste cose stanno accadendo. Ambizioso perché poi vedremo i risultati. Comunque naturalmente c'è ancora tanto da fare, come sappiamo, però iniziano a vedersi i primi casi., sarò io breve nel mio racconto. Io mi concentrerò principalmente su questa survey che abbiamo fatto, a cui penso sostanzialmente tutti voi avete avuto modo, se volevate, di partecipare. Poi penso che la cosa più interessante sia ascoltare i nostri ospiti relatori, che si andranno a presentare a breve, che hanno già dei casi concreti da raccontare, quindi cose fatte, cose concretamente realizzate, chi un po' più avanti, chi un po' più indietro, ma è molto normale che sia in questa fase, come andremo anche a vedere dai risultati della survey. Dopodiché ci sarà un momento di scambio di opinioni. La mi raccomando a tutti di partecipare se avete voglia o curiosità. È uno scambio aperto di opinioni, nessuno sta più avanti o più indietro di altri. È un momento talmente in movimento che non c'è un primo sicuramente in questo tipo di attività. E anzi, grazie a chi ha voluto condividere le proprie esperienze che sono anche un po' riservate per certi aspetti. Quindi andiamo avanti. Se funziona, sì, ecco qua. Quindi vabbè, il programma lo conoscete. Siamo leggermente in ritardo, ma recuperiamo, finiamo per le 18:00 e poi per chi può e vuole può restare per un aperitivo. I relatori direi che, a brevissimo si presenteranno da soli. Comunque vedrete che sono persone, in parte di azienda, in parte, diciamo, più innovatori e quindi più che pro forniscono, quindi provider della tecnologia e provider di soluzioni concrete, e quindi un po' misto. Vedete c'è realtà aziendale e realtà, servizi. Quindi la dottoressa Bonacina, la dottoressa Di Bartolomeo, il dottor Ferrari, il dottor Budemi e Andrea Guidi, il dottor Guidi. E io sono il semplice moderatore, relatore, non ho esperienza diretta se non per averla un po' studiata e curiosità personale. Questo è così fa al cinema, però questa slide la mettiamo sempre: spegnete i telefoni, per cortesia. Tra l'altro, altra cortesia vi chiedo, in realtà lo spunto è: visto che ci sarà qualcuno che condividerà soluzioni concrete, reali, live e tu rimane tutto molto riservato, teniamolo riservato e insomma conserviamolo così. Allora cosa in cosa è consistita la survey? Non tantissime domande, abbastanza focalizzate. Come vedete il panel è abbastanza ampio e trasversale, quindi abbiamo avuto un numero importante, devo dire anche in base alle nostre statistiche, di persone che hanno partecipato effettivamente alla survey, superiore alle 300, tre quasi 330 partecipanti. La dimensione aziendale è anche molto varia e anche ben distribuita, direi, quindi con aziende che vanno intorno al 20-30% del totale su tutte e quattro le fasce di fatturato che vedete indicate, quindi sia sotto i 50 milioni, tra i 50 e i 100 e i 300, e anche un buon campione sopra i 300 milioni. Il target principale era, vista anche l'impostazione che abbiamo voluto dare al workshop, quindi un taglio non tecnologico, ma un taglio di scelte decisionali e scelte strategiche dell'uso dell'AI, in particolare nel finance, era, diciamo, tutta la parte decisionale dell'azienda, quindi l'amministratore delegato, il CFO, il direttore generale quando c'è, l'imprenditore, piccola parte perché poi le aziende chiaramente che rispondono sono principalmente aziende non tutte imprenditoriali, e anche il COO. Poi c'è una, un'ampia pletora di altre persone, però diciamo che il 70%, quindi una percentuale elevata, è di questo taglio di persone. Trasversale anche sulle industry, come vedete, abbastanza risponde un po' allo schema, diciamo, della classica azienda media, medio-grande, anche piccola italiana, quindi con un 34% del manufacturing e poi più o meno equivalenti tutti gli altri settori tra consumer, retail, tecnologia, farma e servizi. Quindi un panel secondo me, penso lo possiamo condividere, ampio e trasversale, quindi avremo un risultato che vede un po' sia proprio le, i-il decisore, no? Come la vede da questo punto di vista, sia anche l'in-l'industry nella quale lavora. La prima domanda, che è un po' generica, diciamo, non è sull'intelligenza artificiale, ma è sostanzialmente quanto si è soddisfatti oggi nel poter avere informazioni dal punto di vista finanziario in tempistiche ragionevoli. Diciamo che, direi che c'è una parte forse ancora piccola che è sempre soddisfatta, che è questo 18% della torta che vedete a destra. C'è uno "spesso" che dice il 61%, "a volte" la si deve lavorare molto di più, che è un 20%. Quindi c'è un ampio spazio di miglioramento, direi, nel riuscire a fornire informazioni in maniera tempestiva e aggiornata e soprattutto puntuale. Quanto si è, come dire, attenti nell'analisi anche della marginalità dei propri prodotti e servizi? Anche qui diciamo che c'è una piccola parte molto soddisfatta, più o meno si ritrova quel 18-20%, una parte del tutto insoddisfatta, sostanzialmente, e qualcuno che, diciamo, soddisfatto abbastanza. Quindi si ritorna un po' nel concetto di dire: c'è molto ancora da fare, secondo me si può lavorare per dare maggiori informazioni con maggiori dettagli. E in questo, ovviamente, l'analisi dei dati e quindi l'intelligenza artificiale potrà aiutare. Questa è quella che a me sinceramente è una delle due, tre slide che piacciono di più. Perché cosa dice? Cioè io anche quando parlo con i nostri clienti, quando si tratta di aiutarli nel migliorare il modo in cui lavorano nell'ambito finanza, amministrazione. E questa slide dice sostanzialmente che si impiega tantissimo tempo, anche troppo tempo, nel- Produrre report e analizzare dati, ok? Non c'è quasi o c'è molto poco, parliamo del 19%, di aziende, o perlomeno di coloro che ci hanno risposto, che si concentrano sull'interpretare il dato, cioè sul capire il significato del dato. A me è successo ultimamente in un progetto:, loro mi hanno detto che arrivano sempre con dati perfetti, pulitissimi, tableau eccezionali, ma poi chi gli sta un gradino sopra e gli fa domande, diciamo che due domande su tre non sanno rispondere. Chi ha elaborato il dato. Perché sono poco concentrati sul business, sono poco concentrati nel capire cosa c'è dietro a questo dato, no? Quindi non è un tema di CFO, spesso è proprio chi elabora il dato che non riesce poi a dare la spiegazione che il CFO può chiedere e anche il CEO o altre figure apicali. Quindi vantaggio, cosa si legge da questa slide? Il vantaggio di poter ottenere, di perdere impiegare meno tempo a analizzare il dato e presentarlo, tutto di guadag non è tempo di lavoro perso perché si perdono posti di lavoro, ma è tempo di qualità di lavoro guadagnato. Cioè ci possiamo concentrare, chi lavora nel mondo del finance, molto di più sull'analisi del dato, quindi a guardare avanti piuttosto che guardare solamente il resoconto mensile spesso dei dati. Idem, que-qui ce quest'altra slide. Che cosa ci dice? Ci dice che laddove si è iniziato a fare qualche cosa, che parliamo sostanzialmente di quel 49% sulla destra, così come il 64% indicato nell'ambito delle sperimentazioni che si sono iniziate a fare, però sono concentrate nei primi elementi di analisi del dato, no? Quindi nel reporting, nel forecasting, nel budgeting, meno su tutto ciò che è l'interpretazione del dato, quindi valutazioni finanziarie, analisi del cash flow, analisi dei margini, quindi tutto ciò che è un po' più, diciamo così, guardare avanti. Oggi si tende molto a guardare indietro su quello che si è fatto, si lavora meno sul cosa si può fare in base ai dati che si conoscono. Che cosa ci si aspetta? Qua è un po' controverso, cioè che cosa, si può veramente aspettare come miglioramento? Allora, molti dicono che è quantificabile in un 10-40%, poi chiaro la domanda è un po' vaga, quindi andrebbe poi quantificato in che cos'è questo 10-40%, se è un risparmio costi, se è un o altro. Però, diciamo, ancora secondo me su questa domanda non c'è una vera risposta. Chiunque ha risposto non è riuscito a dare una visione concreta su quelle che sono veramente le aspettative. Però, diciamo, c'è un'aspettativa sicuramente importante nel 54% dei casi che si possa ottenere un beneficio superiore al 10%, anche fino al 40%. Quali sono ecco, qua veniamo su un altro elemento, secondo quello che è stata la mia interpretazione, la nostra interpretazione importante: il perché ancora non si è fatto tutto quello che si poteva fare in un mondo di numeri come quello del finance. In questa nostra survey non l'abbiamo analizzato, però da altre fonti che mi sono andato un po' a guardare in queste ultime settimane, il mondo finance risulta in azienda quello quasi meno utilizzato, dall'int che meno utilizza l'intelligenza artificiale. Cioè il finance in generale sta molto più indietro rispetto all'area del marketing, alla parte del customer experience, alla parte del la parte più commerciale. Il perché? Il perché può essere qualcosa che è uscito fuori da questa slide. Cioè, che cosa ci dice? Dice sostanzialmente che i sistemi vivono un po' troppo di vita propria, è difficile farli lavorare insieme. Dove sistemi intendiamo sistemi possono essere quelli produttivi, quelli commerciali, quelli di analisi finanziaria, quindi tutto ciò che il CFO o il CEO di conseguenza hanno bisogno per interpretare il dato. Questi dati non sono integrati tra loro, problema storico sicuramente delle aziende, però ancor di più si risente con la I, perché l'intelligenza artificiale deve lavorare su un dato che è ancor migliore di quello che lavorano i sistemi un po' silos che oggi abbiamo in tutte le aziende, no? Quindi dovendo avere una visione integrata, l'intelligenza artificiale ha bisogno che i dati e i sistemi siano integrati tra loro, altrimenti le sue analisi diventano paragonabili a quelle che fanno i sistemi tradizionali di ERP o di analisi dei dati esclusivamente economici. Quindi questa è la l'elemento principale, quindi tutto ciò molto su cui si deve lavorare o si è più, tra virgolette, fortunati e quindi si lavora in un'azienda in cui si lavora da zero, no? Quindi si deve costruire tutto, probabilmente è più facile partire subito col piede giusto e partire anche con un motore di intelligenza artificiale da subito. Quanto più l'azienda nasce in maniera, come dire, anche di aggregazione di più aziende piuttosto che ha una storia lunga, tanto più sarà difficile, lo vedremo anche dai casi di oggi, riuscire a utilizzare al meglio tutti i vantaggi che può portare l'intelligenza artificiale. Sicuramente c'è un tema di competenze, c'è sicuramente un tema di anche attitudine dell'azienda al cambiamento, qualcuno di voi sicuramente ce lo racconterà, però è molto importante anche che ci sia entusiasmo, che ci sia investimento in termini di formazione, che ci siano anche, lo vedremo poi dalla slide successiva, se non sbaglio la successiva, esatto, un budget allocato, no? Quindi quanto siamo già pronti in azienda ad accettare questi cambiamenti? Quanto si se si tende a restare sulle pro sui propri passi per paura di cambiare? Con l'intelligenza artificiale questo è ancora più forte perché come potete immaginare ci sono temi di compliance, temi di ci sono tante anche scuse per non farlo, mettiamola anche in questi termini. Non c'è ancora poi tra l'altro un budget allocato, quindi tutte le iniziative che ci stanno o sono iniziative di, come dire, piccoli ritagli di fon-di fondi per poter fare qualche esperimento, ovviamente non c'è un budget pre-allocato anno sull'altro per poter, in quasi tutti i casi direi, per poter veramente pianificare in maniera strategica un utilizzo dell'intelligenza artificiale. Quindi tanti ancora passi da fare e limiti da superare. Scusate, io con questo telecomando ho qualche problema di sequenza. Veniamo sostanzialmente poi alla fine. Qua c'era qualche riflessione in più che abbiamo lasciato a chi ha partecipato per raccontare cose un po' più specifiche, no? Però sostanzialmente abbiamo poi cercato di aggregare i risultati e al di là delle altre analisi più puntuali, rimane il tema della difficoltà di integrare i dati, difficoltà di avere una visione integrata, difficoltà di avere le competenze specifiche per portare avanti progetti del genere e il tema culturale. Questi diciamo che sono i grossi tre, ostacoli da superare. E, - E anche probabilmente indicato lì con un 10% la difficoltà a capire effettivamente il ritorno dell'investimento che viene effettuato, tra l'altro non prevedibile tanto facilmente qual è l'investimento che si deve fare per poter ottenere dei risultati. Quindi siamo chiaramente ancora in una fase molto di esercizio, però il finance per sua natura, essendo una struttura sostanzialmente di numeri, ha un potenziale probabilmente superiore anche ad altri, nel momento in cui si può partire da una base di dati più sicuri, in cui non ci sono, tra virgolette, ostacoli legati alla compliance o alla scarsa consapevolezza di quello che implica un progetto del genere. Questo è un po' quello che è uscito dalla dal questionario. Io personalmente mi as sarei aspettato qualche prima di cominciare a entrarci veramente, qualche esempio in più di cose concrete che, si sono state già fatte., ho guardato anche un po' il mercato al di fuori dall'Italia, in Europa stanno sostanzialmente allo stesso livello, quindi non siamo noi italiani come al solito che pensiamo al sole e al mandolino, ma è così già, anche in altre realtà. Non esistono strumenti, come dire, precostituiti che uno può comprare, come può comprare il CRM di Salesforce piuttosto che l'ERP di SAP, eccetera. Ci stanno iniziando a lavorare, esiste qualche soluzione, ma anche quella è sicuramente una difficoltà. La tecnologia va talmente veloce per cui non è ovvio nemmeno per chi sviluppa, sviluppare qualcosa che può più facilmente rivendere in maniera più massiva. Però ovviamente poi i vostri esempi saranno illuminanti da questo punto di vista per dare concretezza alle mie considerazioni. Io qui mi fermo e perché penso che poi la cosa ancora più interessante sia far parlare voi., mi ero dato anche un ordine che non mi ricordo più, quindi chiedo a Tiziana. Ecco, a Tiziana se la rivolgiamo, quindi l'istinto mi ha portato da te.

13:59 Tiziana Bonacina: Solo in ordine alfabetico.

14:00 Maurizio Pèrcopo: In ordine assolutamente alfabetico è stato, penso, no? Non proprio.

14:04 Tiziana Bonacina: Non proprio, ma-

14:04 Maurizio Pèrcopo: Non proprio, però l'idea era mischiare un po' interventi di chi è in azienda, di chi invece fornisce servizi alle aziende e speriamo di avere un'ampia visione su quello che sta, su quello che sta accadendo. In termini tecnici so che se la dottoressa decide di presentare qualche cosa via Visa c'è qualche cosa da fare sugli schermi. E lascio la parola a te, a presentarti un minimo.

14:28 Tiziana Bonacina: Un minimo, bello.

14:29 Maurizio Pèrcopo: Io sono rimasto vedrete che se io sono rimasto particolarmente, come dire, innamorato di quello che fa la dottoressa perché è molto attuale come lavoro, al di là del ruolo da CFO.

14:37 Tiziana Bonacina: Sì. Allora-

14:38 Maurizio Pèrcopo: Ci interessa direttamente.

14:38 Tiziana Bonacina: Prendo questo challenge sull'intelligenza artificiale. Buon pomeriggio a tutti, sono Tiziana Bonacina, attualmente ricopro la posizione di Group CFO, HR e IT Officer di Value Group. Ho, come si vede dalle mie rughe, ho qualche anno di esperienza. I primi 20 li ho passati in due grandi multinazionali, IBM e nel gruppo Shell, che sono state due grandissime scuole e poi negli ultimi 16 anni ho deciso che volevo, diventare CFO di un gruppo italiano internazionale e sono 16 anni che lavoro con investitori istituzionali e fondi di private equity., questo è il mio ottavo progetto con un fondo di private equity, quindi un sacco di divertimento, un sacco di challenge e un sacco di belle cose da fare., chi è Value Group?, noi siamo, una società di servizi, leader assoluto in Europa nella gestione di Airops. Che cosa sono le Airops? Sono le irregular operations nel mondo delle airlines. Non lo so se tutti voi prima o poi nella vita sono rimasti siete rimasti stuck da qualche parte in qualche aeroporto sperduto perché il vostro volo era stato cancellato dai vertici di un altro aeroporto oppure ritardato di N ore, non si sa cosa succede, nessuno ci dice niente, siamo lasciati in un angolino. Se va bene, qualcuno ci dice qualcosa o ci arriva un SMS: "Ecco il tuo voucher, arrangiati". Noi ci inseriamo in questo filone e aiutiamo i nostri clienti, che sono ovviamente airlines o handlers aeroportuali, a gestire questa disruption. Quindi ci prendiamo cura dei passeggeri che vengono abbandonati, offriamo servizi di ristoro, di hotel oppure di trasporto sulla base delle indicazioni ovviamente che ci vengono date dai nostri clienti., è un lavoro, estremamente challenging perché ovviamente noi siamo accesi, 24 ore, 7 giorni, 365 giorni all'anno e abbiamo dei periodi particolarmente caotici, come vi potete immaginare, soprattutto nell'estate quando il numero dei voli ovviamente esplode, quindi i ragazzi del nostro centro operativo si passano il cellulare: "Tu prendi questo, io prendo questo e tu prendi quell'altro". Insomma, abbiamo dei momenti particolarmente interessanti. Siamo presenti, in nei principali aeroporti, d'Europa, dove abbiamo valutato che valeva la pena investire in persone, sia perché le nostre airline ce lo chiedono, perché vogliono, no? Loro non hanno le loro persone o non sono dedicate, quindi ci chiedono: "Per favore, mettete le vostre persone. Quando ti chiamiamo, le vostre persone vanno, si prendono cura dei passeggeri", no? Cercano di dare indicazioni, di lenire questo effetto catastrofico e negativo. L'idea è quella di, far sì che il passeggero pensi: "Ecco, nonostante è successo un grande caos, guarda che cosa hanno fatto per me". Mh? E ovviamente di evitare anche tutte le richieste di rimborso secondo la legge europea., siamo però anche un gruppo estremamente tecnologico, sempre più questa è la nostra leva di differenziazione. Quindi noi diciamo che abbiamo "human touch with artificial intelligence" o qualcosa del genere, perché cerchiamo di combinare questi due aspetti e di differenziarci, di offrire un servizio veramente unico. Ovviamente operiamo con la barretta altissima perché non possiamo che offrire un servizio super eccellente. Questo è un po' quello che facciamo. Oggi il gruppo, che è stato acquisito da un fondo di private equity, Azimut Libera Impresa, alla fine del 2023- Ah, opera in tutta Europa e in diversi aeroporti anche del mondo. Serviamo circa 400 aeroporti in Europa, ma abbiamo fatto servizi anche in South America, in North America, in Africa, in vari posti in giro per il mondo. Operiamo ovviamente con nostre legal entities in Italia, in Spagna, in Marocco, in Francia, in UK, in Olanda e in Germania. Queste sono le nuove SARS che personalmente anche ho creato con il mio arrivo, all'inizio del 2024. Quindi ci divertiamo un sacco. Questo è un po' quello che facciamo., ora, il problema, visto che, Ianne mi chiesto: "Parlaci del tuo problema e di come state tentando di risolverlo"., noi abbiamo quindi il nostro centro operativo, ok? Con i nostri ragazzi che sono quelli di fatto che confezionano la soluzione. Abbiamo un nostro ERP, si chiama OMS, Operations Management Systems, con cui dialoghiamo con i nostri clienti. Quando c'è una disruptions a qualsiasi ora del giorno, riceviamo un'email, una chiamata, un contatto. Adesso ci sono tantissime modalità che abbiamo sviluppato con cui questo può succedere e i nostri ragazzi si mettono in moto. Mettersi in moto cosa vuol dire? Una delle cose chiave che noi dobbiamo fare ex ante è quella di creare una base in tutti gli aeroporti dove operiamo affinché ci siano nostri partner, nostri fornitori disponibili. Chi sono? Hotel, trasportatori. Diciamo che il ristoro è un po' più facile. Quindi dobbiamo creare o degli accordi contrattuali o trovare trasportatori, operatori che siano disposti, se sono chiamati alle 3:00 di notte, a venire in aeroporto e a s aiutarci con 300 passeggeri, 400 passeggeri, 500 passeggeri. Non tutti ovviamente sono capaci di fare questo, quindi c'è tutto un lavoro di selezione anche all'origine, oltre al cercare di, garantirci delle disponibilità presso i nostri hotel partner con cui operiamo, no? Più spesso, più frequentemente. Quindi, quando parte una, u-una richiesta di servizio, i nostri ragazzi devono fare tutta una serie di attività che sono alcune sono, passatemi la dico male, meccaniche e ripetitive. Per esempio, la prima cosa che devono fare è capire in che di che aeroporto stiamo parlando, che alberghi sono eventualmente disponibili e la disponibilità delle camere. Quindi partono una serie di chiamate sulla base di una priorità, di alberghi che noi abbiamo predisposto, che può essere per convenienza economica o per rapporti di partnership o per vicinanza all'aeroporto, o perché il cliente ci ha chiesto specificatamente: "Devi mettere i miei passeggeri non più lontano di 10 km dall'aeroporto". Questa potrebbe essere una richiesta di uno dei clienti. Quindi ci sono telefonate ripetitive: "Salve, sono Value Group, quante camere hai?" Mh? Lo stesso per quanto riguarda i trasportatori. Sono quindi attività, diciamo, una prima area di attività un po' più meccaniche e ripetitive che abbiamo pensato di iniziare ad attaccare con l'intelligenza artificiale. E questa è una prima area, poi an-andrò un pochettino più nel dettaglio. In pratica, per esempio, stiamo facendo dei test dove un agente AI chiama, e l'ho visto con i miei occhi, io sono abbastanza scettica, sono un CFO, quindi devo, mh, vedere i benefici e le cose molto pratiche. Questo agente chiama i nostri hotel, dialoga con i nostri hotel, riceve le risposte e inserisce in automatico nel nostro sistema la disponibilità delle camere. Da qui i ragazzi quindi possono partire a decidere dove prenotare, che cosa fare e quale hotel eventualmente scegliere. E questa è quindi una prima area. Noi la chiamiamo anche scouting, per esempio, sono tutta una serie di attività che vengono fatte prima. Similarmente, sulla base di linee guida che abbiamo, spiegato, abbiamo facciamo un sacco di training al nostro centro operativo e sulla base delle richieste del cliente, quando nasce un servizio ci sono una serie di una serie di scelte e di sequenze che facciamo, che si potrebbe pensare di svolgere come prima attività, come primo screening tramite l'intelligenza artificiale. Ovviamente poi c'è una proposta da parte dell'intelligenza artificiale ed è sempre l'essere umano che valuta, guarda e sceglie. Questa è una prima area. Subito dopo se ne appiccica un'altra. Quando il servizio finisce, diciamo che siamo stati bravissimi, abbiamo messo abbiamo allietato tutti i passeggeri, sono tutti tranquilli, sono tutti in aeroporto, poi li abbiamo riportati, gli abbiamo dato il ristoro, hanno mangiato, hanno dormito, sono pronti per ripartire, ripartono e il servizio si chiude. Dobbiamo fatturare il servizio, ok? Ora, per fatturare il servizio, quali sono gli elementi che dobbiamo prendere? Se ci sono, abbiamo dei contratti con i nostri clienti, che ovviamente hanno dei prezzi a seconda della doppia, della singola, della tripla, a seconda dell'aeroporto, a seconda di quanti chilometri di trasporto abbiamo fatto, mh? Sono tutti molto dettagliati, aeroporto per aeroporto, Paese per Paese, da una parte. Dall'altra parte ci sono anche, sperabilmente, dei contratti con i trasportatori oppure con gli hotel, che hanno un preciso pricing a seconda del servizio che abbiamo utilizzato. Vi potete immaginare nel caos dell'evoluzione delle cose che un servizio non è mai regolare. Cioè, la compagnia aerea comincia a chiamarci e ci dice: "Ah, ho l'aereo a terra, prenotami 40 camere". Adesso invento. Mezz'ora dopo arriva e dice: "No, ho più passeggeri, me ne devi aggiungere altri 10". Mezz'ora dopo dice: "No, aspetta, qualcuno ha deciso di non venire, quindi tornano a 45". No, però quei-questi sono i passeggeri in business, quindi me li devi mettere in questo albergo. È una continua evoluzione di richieste, di avanti e indietro, di risposte, di azioni, di cambiamenti, che si fanno nel giro di dipende ovviamente dal servizio, se è un servizio particolarmente complesso si può chiudere anche in mezz'ora piuttosto che in tre o quattro ore, no? Dipende dalle evoluzioni. Quindi, quando il servizio è chiuso, la pratica, diciamola così, passa a un reparto più finance. Mh? Noi abbiamo un reparto che si chiama revenue management, che è il reparto che deve capire che servizio abbiamo fatto e quanto poi dovremo fatturare al cliente. Questo reparto quindi si riguarda tutta la pratica, entra nel nostro sistema e poi magari ve lo faccio vedere. Si legge da 10 a 600 email perché deve capire l'evoluzione del servizio, deve arrivare anche a fatturare correttamente, altrimenti poi il cliente torna e ci dice: "Mh, non ho capito perché mi hai fatturato 80 passeggeri in 20 doppie, per esempio, te ne ho chiesti 60, perché me ne hai fatturati 80?" Per esempio. Quindi ci sono alcune attività dove l-il manager di quel reparto e anche tutti i suoi i nostri collaboratori possono impiegare anche una mattinata per quantificare quanto dobbiamo fatturare. Stiamo tentando di inserire l'intelligenza artificiale in tutto questo, in modo che, legga l'intelligenza artificiale, scannerizzi tutte le email da 10 a 600 e faccia una proposta di pricing, andando quindi a capire qual è il servizio che è stato fatto, quali sono tutte le varie componenti. Sperabilmente va a prendere ovviamente anche il pricing corretto, che può esserci o può non esserci, e fa quindi una proposta di importo di fatturazione. Ancora una volta da validare. Quindi voi potete capire i benefici immensi di anche solo cominciare a lavorare su questi due passaggi., l'idea è quella ovviamente di mettere i nostri reparti e i nostri ragazzi a fare il servizio sempre più eccellente nei confronti del cliente e a concentrarsi sull'eccellenza del servizio e a evitare di destinare tempo, alle attività ripetitive., come vediamo l'intervento dell'intelligenza artificiale qua? Non certo per tagliare risorse, ma per noi è fondamentale per supportare la nostra crescita. Nel nostro percorso noi stiamo crescendo del 30% all'anno e non si può pensare di crescere double digit in questo modo continuando a inserire persone d'organizzazione. Mh, ovviamente non è sostenibile, anche perché il nostro business, co-come potete immaginare, un anno possono succedere tantissime disruption e l'anno dopo 20% in meno, quindi non si può settare un'organizzazione a livello di punta, no? Bisogna trovare, come al solito, il giusto equilibrio. Abbiamo messo a budget, prendendo lo spunto, diverse centinaia di migliaia di euro.

27:57 Maurizio Pèrcopo: Quindi siete nella fettina-

27:58 Tiziana Bonacina: Siamo nella fettina che stiamo assolutamente spendendo e quindi ci auguriamo che ritornino i benefici che abbiamo pure cercato di quantificare, in ovviamente numero di ore, diciamola così, risparmiate, quindi numero di FT risparmiate che quindi non dovremo portare a bordo per supportare la crescita. È ovvio che poi è tutto da vedere, tutto da validare. E però, insomma, questo è un po'-

28:27 Maurizio Pèrcopo: No, volevo aggiungere che il fatto di non prendere FT non vuol dire levare posti di lavoro-

28:31 Tiziana Bonacina: Assolutamente no

28:32 Maurizio Pèrcopo: Vuol dire rendere l'azienda sostenibile nel tempo perché altrimenti rischiate di esporvi a dei costi fissi che non sarebbe sostenibile nel tempo. Quindi stiamo creando valore, non stiamo non assumendo qualcuno o licenziando qualcun altro.

28:43 Tiziana Bonacina: Stiamo assolutamente creando-

28:45 Maurizio Pèrcopo: È una gestione di lavoro interinale, se vuoi, fatto-

28:47 Tiziana Bonacina: No, è corretto. Stiamo creando valore ai nostri clienti e diventando sempre più tecnologici diventiamo, estremamente competitivi, no? E creiamo una leva di differenziazione che nessuno ha come abbiamo noi per il momento e che ci porta anche a farci scegliere da parte dei clienti perché qualcuno ha avuto il coraggio, e ci siamo arrivati, di essere completamente integrato con noi., abbiamo completato un progetto di cui ovviamente non posso fare nome di chi è il cliente., siamo integrati al 300% con questo cliente. Lui ci passa tutti i dati dei suoi passeggeri e ha un cockpit disponibile dove vede in real time quello che stiamo facendo e tutte le disruption che stiamo gestendo per lui. In assoluto real time., e quindi è un grandissimo elemento differenziatore perché, oltre al fatto che nessuno è in grado di offrire un servizio di questo tipo, crea anche lealtà, no? Il legame nei confronti del cliente con cui siamo costantemente evolvendo, perché ci fa continue richieste, ci stimola costantemente ogni giorno: "Ah, mi servirebbe questo, poi mi servirebbe anche questo, poi mi servirebbe quest'altro". E noi lo seguiamo assolutamente con una customizzazione assoluta, perché per noi è creare valore. Quindi questo è un po'...

30:11 Maurizio Pèrcopo: Sembra che hai-

30:13 Tiziana Bonacina: Quello che stiamo facendo

30:14 Maurizio Pèrcopo: Coperto completamente quello che era il compito. E ti ringrazio. Se ci sono domande specifiche su questo caso di successo, direi forse le possiamo cogliere-

30:22 Tiziana Bonacina: Vediamo, però-

30:23 Maurizio Pèrcopo: Successo iniziale-

30:24 Tiziana Bonacina: Sta portando de allora la cosa interessante da condividere è che stiamo operando in test e quello che abbiamo visto è- Incominci a dare in pasto trenta, quaranta casistiche. Immaginatevi, noi ogni servizio è diverso, ogni, no? Non è mai uguale, non ci sono mai regole. E infatti anche la società di intelligenza artificiale che si sta seguendo, che è un grande gruppo internazionale, pensava che fosse facile, ma noi non-

30:53 Maurizio Pèrcopo: E standardizzabile

30:54 Tiziana Bonacina: E standardizzabile. Invece stanno imparando che non c'è bianco e nero da noi, ma ci sono migliaia di grigi. E la cosa interessante, che infatti abbiamo visto, è che dando quaranta casistiche, diciamo che all'inizio, dopo un po' di lavoro, sono state centrate le soluzioni all'86%, che è altissimo. Altissimo. E quindi abbiamo detto: "Caspita!" Poi abbiamo cominciato ad allargare, è calato drasticamente al 46%. Però ce lo aspettavamo e quindi anche, no? Le persone devono le persone che ci stanno aiutando, la società adesso sta cercando di capire, ok, quali sono i driver decisionali, perché poi c'è il cliente A che vuole questa soluzione, il cliente B che ne vuole un'altra, il cliente C che ne vuole un'altra. Quindi in funzione del cliente, in funzione dell'aeroporto, in funzione della soluzione, non è mai uguale. Per cui adesso, insomma, ogni settimana c'è un pezzettino che si aggiunge, un up and down., però noi crediamo assolutamente che questo possa dare notevoli benefici, per ma soprattutto perché ci consente di concentrarci a fornire servizi eccellenti, che è il nostro lavoro, e a supportare tutta la crescita che dobbiamo fare, perché altrimenti non ce la faremmo.

32:11 Maurizio Pèrcopo: E far lavorare meglio le persone che non-

32:13 Tiziana Bonacina: Che si concentrano magari su attività a più valore aggiunto, no? E quindi c'è la retention, la motivation, eccetera.

32:22 Maurizio Pèrcopo: Bene, io ti ringrazio, il tempo usato in maniera egregia.

32:25 Tiziana Bonacina: Sono fatta.

32:26 Maurizio Pèrcopo: Sì, sostanzialmente sì.

32:27 Tiziana Bonacina: Ho reso l'idea senza far vedere il sistema?

32:29 Maurizio Pèrcopo: Sì, va benissimo, assolutamente.

32:31 Tiziana Bonacina: Vediamo.

32:31 Maurizio Pèrcopo: E colgo l'opportunità che mi hai raccontato, perché il sistema che hai raccontato, infatti Paolo prima mi suggeriva: "Ma è molto simile a quello che facciamo noi". Dico: "Sì, esattamente, non a caso, insomma, siamo anche tutti insieme qui oggi". E, Paolo Ferrara adesso si presenta da solo, è il secondo, a raccontarsi la sua storia, raccontandoci con dei casi di-

32:52 Tiziana Bonacina: Un sacco di divertimento.

32:53 Maurizio Pèrcopo: Lui è il lato fornitore in questo caso, noi pensiamo che sia utile anche conoscere appunto le società che devono aiutare a star dietro a tutte queste esigenze che cambiano poi nel tempo. E insomma, tu mi raccontasti un paio di storie che secondo me vale la pena condividere, oltre a raccontare un attimo quello che fai.

33:07 Paolo Ferrari: Grazie mille. Buongiorno a tutti, sono Paolo Ferrara e sono uno dei due fondatori di Cappto. Cappto è una società nata tre anni fa da un matematico, mio socio, e da un ex consulente. E ci siamo messi insieme per rispondere a una domanda che ci hanno fatto: "Ma con queste nuove tecnologie è possibile ridurre il lavoro ripetitivo?" Cioè fare in modo che le persone si dedichino a attività con maggior valore aggiunto e non a gestire dati non strutturati da mettere dentro nei sistemi informativi. Ci abbiamo iniziato, pian piano. Abbiamo iniziato nelle assicurazioni. In questo momento noi nelle assicurazioni stiamo facendo tantissimo lavoro perché sono, contrariamente a quella che è la mia storia, perché io ho sempre lavorato in aziende industriali, ho sempre visto aziende industriali muoversi con maggior velocità su questi temi innova-innovativi, oggi vedo le assicurazioni che sono, anche perché per loro, insomma, aziende basate sui documenti, su dati non strutturati, quindi per loro è veramente gioco forza. Siamo partiti, abbiamo messo adesso abbiamo messo in piedi una piattaforma che è in grado di automatizzare completamente, end to end, l'attività, diciamo, legata ai contenuti non strutturati che servono a essere alimentati dai processi. Succede quello che diceva prima la dottoressa Balaccini, cioè ci sono alcune cose dove per scalare devi metterci più gente, perché l'unico modo che hai per interpretare, leggere, capire e fare le cose che il processo ti richiede è inserire nuove persone. Noi stiamo facendo quello che è successo nelle aziende industriali, cioè sostituire le linee di produzione piene di lavoratori, diciamo, lavori ripetitivi, con, l'attività del fatta anche dall'intelligenza artificiale, perché la nostra piattaforma non è solo intelligenza artificiale, è un insieme di contenuti che ripropone le skill che sono necessarie per fare questo lavoro. Quali sono? Noi riceviamo migliaia di mail al giorno, migliaia di mail al giorno, che contengono documenti delle assicurazioni, entrate per l'entrata merci, ordini, qualsiasi tipo di cosa. La piattaforma le legge, capisce di che cosa si tratta, capisce il contenuto, estrae i, i dati che è addestrata e gli abbiamo insegnato a capire, a estrarre, valida questi dati. Vi faccio un esempio stupido: noi leggiamo le constazioni amichevoli. Nelle constazioni amichevoli uno scrive la targa della macchina. Noi prendiamo-

35:28 Maurizio Pèrcopo: Ma male, di solito.

35:29 Paolo Ferrari: Male, perché è sul magari piove, leggermente arrabbiato o arrabbiata. Per le donne scrivono meglio, ma comunque arriva una schifezza. Cosa fa l'intelligenza artificiale? Prende questo scalabocchio, genera dei candidati interpretativi di questo scalabocchio, va su un sito che ci mette a disposizione l'assicurazione, dove ci sono tutte le targhe circolanti, e fa il matching tra gli scalabocchi e i candidati dello scalabocchio e le targhe circolanti. Le trova, va sul sistema di compagnia, legge la polizza, che è sulla constatazione amichevole, e fa il matching tra il numero di polizza e la targa. Noi sulle targhe non sbagliamo mai, perché se sbaglia anche un umano non ce la farebbe, perché vuol dire che manca qualche cosa insomma. Quindi, non solo Cappto fa questo, quindi valida i dati, ma poi c'è un oggetto dentro questa piattaforma che si chiama profile che deve decidere qual è la next best action. Mo, che devo fa'? Qual è la cosa, qual è il passo successivo che devo fare? Faccio l'entrata merci, mando la conferma d'ordine al cliente, chiedo al cliente o al fornitore: "Guarda che non nel tuo documento c'è questo errore". Quindi gli arriva una mail che si apre, gli apre la piattaforma al cliente o al fornitore o al- A chi deve fare la correzione. Questo scrive il dato che manca, noi recuperiamo questo dato, quindi anche tutte le mail: "Non ho capito", finiscono perché viene tutto gestito all'interno del, di questo contenitore in cui io non è che chiedo al fornitore, al cliente di fare del lavoro che dovrei fare io. Chiedo il lavoro che ha fatto male lui, perché se io non riesco a interpretare, non riesco a chiudere il matching tra l'entrata merce o il sinistro, perché mi hai dato un'informazione sbagliata o non c'è nel documento. Quindi non è che sto trasferendo lavoro da me a te. Ti sto chieden anzi, ti sto velocizzando perché se mi dai quel dato fatturi prima, incassi prima. Cioè c'è tutta una conseguenza anche di, benefici di velocizzazione del processo che, da CFO prima o poi verrete chiamati a, anche a quantificare. Bene, fatta la decisione di qual è la next expectation, c'è un enactor, un operatore, digitale che, esegue questa cosa. Per questo noi chiamiamo Catto il digital worker. Noi non ci sentiamo in competizione con Gemini, con ChatGPT, noi ci sentiamo in competizione con Adecco, perché noi forniamo un servizio completamente infatti stiamo già cominciando a fare delle proposte di outsourcing, quindi di BPO, che non prevedono più l'utilizzo degli operatori, perché la gran parte del lavoro viene svolta direttamente dalla piattaforma. Diceva un agente che fa le chiamate, noi in questo momento siamo più sui processi via mail, ma non perché la tecnologia non perché in questo momento non ci hanno ancora chiesto di fare una cosa come quella che chiedeva, che ha detto la dottoressa. E noi su questi processi abbiamo un tasso di successo, quindi di straight through, di processi che si chiudono automaticamente senza bisogno di intervento umano, del 94%. Il 94% delle mail, stamattina io c'ho i dati, se volete vi faccio vedere, di stamattina, di questa insurance: 2.500 mail, otto errori dell'AI. Vuol dire che l'AI ha sbagliato. Di quel 5% di lavoro che non ha completato automaticamente, solo otto casi erano per un problema AI. Però adesso sono errori innocenti, cioè ci sono lo stesso, la stessa persona ha due sinistri, ha aperto, ha associato al sinistro sbagliato, cioè cosa che può succedere a qualsiasi operatore. Tenete conto che questi strumenti hanno un'accuratezza superiore alla capacità umana, superiore alla capacità umana. Un umano arriva un operatore umano arriva al, 92, 93, 94%, noi siamo a un'accuratezza più elevata. Una piccola non voglio entrare nella tecnologia perché poi io non sono un tecnologo, ci vorrebbe il mio socio matematico, ma due cose vi voglio dire. La prima cosa: quali sono le condizioni per poter automatizzare un processo? Uno: l'AI deve essere accurata, perché se l'AI non è accurata, statisticamente tu hai un errore per oggetto e te devi controllare tutti. Quindi devi arrivare ad avere un'accuratezza dell'AI che ti consente di dire: "Mi fido". Mh? E questa è deve essere up front, cioè non puoi neanche partire se non sei accurato, perché se non sei accurato c'è il pushback, perché dici: "Cazzo, se devo guardare tutti, e allora me li faccio da solo". La seconda cosa è lo straight through, cioè quante attività passano, in automatico senza essere controllate. E questo qui non è un prerequisito, cioè ci si arriva. Noi normalmente partiamo con una, un'automazione attorno al 65, 70, 75% e da lì inizia a partire, perché poi il sistema rileva tutti i log delle attività, rileva tutto ciò che è successo. Chi è il fornitore che sbaglia di più? Paolo. Chi è il fornitore che sbaglia di meno? Gabriele. Chi è il f il cliente che mi fa gli ordini migliori? Maurizio. Grazie. Ecco. Solo perché sto al centro. E certo. Capito? Cioè io ho la statist io ho tutti i numeri di quello che succede. So chi sbaglia di più, so dove si sbaglia di più, so quali sono le condizioni, quindi si riescono a fa infatti normalmente si parte con l'automazione del processo principale, dopodiché si comincia a mettere a posto tutte le varie cose. Anche perché, ripeto, la gestione delle eccezioni, la gestione delle eccezioni non è più lasciata totalmente alla, all'autonomia dell'operatore, ma anche questa viene inglobata. Noi abbiamo, diciamo, n-n-nella nostra piattaforma un altro vantaggio della no ma non voglio fare il commerciale, un altro, un'altra cosa che è importante che si faccia è: noi non usiamo solo gli LLM, anzi noi gli LLM li usiamo poco. Prendiamo i, gli algoritmi degli LLM e li specializziamo sul cliente. Quindi noi costruiamo uno short language model specialistico sulla situazione. Ecco perché noi riusciamo ad avere una grande accuratezza, perché lui impara a fare le cose vostre, insomma, de-de-di chi ci chiama, no? Con quel processo di, di accrescimento e d'apprendimento, che tra l'altro nella nostra piattaforma è anche automatico, cioè noi misuriamo costantemente la differenza tra l'output e la ground truth, cioè quello che dovrebbe essere. E nel momento in cui c'è un drifting, in automatico la piattaforma si riaddestra. Quindi ci sono proprio anche tutti degli elementi di controllo e di governance del processo che fanno sì che gli elementi costituenti, del ragionamento che l'AI deve fare siano costantemente sotto controllo. Noi leggiamo, questionari anamnestici, noi leggiamo informazioni di una importanza e rilevanza privatistica enorme. Quindi poi la piattaforma deve essere isola cioè tutta una serie di considerazioni tecniche che però sono già risolte. Quindi io mi trovo con i risultati che sono usciti dalla- Dalla survey...dalla survey che aveva che ha fatto, Maurizio, che han fatto i colleghi di AIAM. Perché, perché, diciamo, in questo momento non c'è ancora la consapevolezza di dove può arrivare questo strumento, di fino a che punto a noi ci stupisce sempre per eccesso. È vero che sono solo tre anni, non ho 20 anni di storia, però fino adesso riusciamo sempre a fare di più- Di quello che inizialmente pensiamo si possa trovare, perché è uno strumento potentissimo. E secondo me, altra cosa, io due ragionamenti perché c'è un tema organizzativo, io vengo dalla cultura organizzativa, io ho sempre fatto riorganizzazioni aziendali, no? Sono, diciamo, prestato all'intelligenza artificiale da poco, no? Allora due cose: io pensavo che l'interlocu al di là ovviamente il CEO illuminato non può non essere insensibile a questi argomenti. Pensavo che il capo delle operations fosse quello più sensibile a questi tipi di argomenti. Non è così. Il capo delle operations vede questa innovazione molte volte come un problema che gli si crea da superare, perché se funziona diventa l'idolo del folle, se non funziona è lo stupido di turno che è caduto a una tecnologia non pronta, no? I CFO sono secondo me una leva fondamentale in questa cosa, perché qui c'è tanta co ci sono tanti, diciamo, i costi indiretti nelle aziende industriali sono considerati incomprimibili, no? Sì, va bene, puoi mettere un 5%, non se ne però non s qui si parla del 50%, 60%, 70% di attività che non è più necessaria. Confermo, nelle aziende dove lavoriamo noi non licenziano nessuno, li mettono a gestire i clienti, li mettono a fare robe intelligenti, non a mettere dentro dati nel, nei sistemi informativi.

44:22 Altro partecipante: Ne approfitto di questa tua nota per dire: ma quindi chi era lo sponsor dei vostri clienti e chi era invece il detrattore che non voleva farlo e poi comunque l'avete fatto?

44:32 Paolo Ferrari: Il business, allora, dipende. Cioè ci sono in alcune compagnie dove abbiamo iniziato, l'uomo dei sinistri è stata la persona che ha fatto la cioè l'innovation manager, l'innovation manager gioca un ruolo, CIO, innovation manager, la persona di tecnologia gioca un ruolo importante. Il CFO gioca un ruolo molto importante. Secondo me, nella mia esperienza, ogni tanto il capo delle operations bisogna trascinarlo. Quello che è un po' il grande assetto è il capo del personale. I capi del personale in questo momento, per mia esperienza, non li vedo così-

45:07 Altro partecipante: Che hanno paura che devono ridurre qualcosa, forse.

45:10 Paolo Ferrari: Non lo so. Secondo me non hanno capito una cosa: che il modello organizzativo che questi strumenti ti porta a ti spinge è un modello ibrido, è un modello dove cambia l'MBO. Cioè tu l'MBO, come fai a fare un MBO dove un pezzo del lavoro è della macchina? Quando nelle fabbriche hanno cambiato da manodopera a macchine, è cambiato il sistema di controllo, è cambiato il sistema di computazione dei costi, non più sul lavoro di manodopera, sul lavoro in macchina. Ecco, qui, siccome stiamo parlando del lavoro degli uffici, ci sarà tutto un lavoro da fare di revisione dei modelli organizzativi e di costruzione di competenze che oggi non ci sono in aziende, in azienda, perché non è il data scientist, è sono le persone che capiscono di come l'intelligenza artificiale può impattare sui processi. Oggi non ci sono, o se ci sono, perché ci sono delle aziende un po' più illuminate, equiparate. Un C- un CEO di una nos azienda nostra cliente mi ha detto una cosa molto interessante. Mi ha detto: "Paolo, io ho fatto tutto quello che potevo fare. Sono andato in Cina, ho fatto il sourcing, ho fatto la lean production, tutto quello che io potevo fare, lo faccio. Adesso, come faccio a recuperare po la competitività nei confronti dei miei clienti? Il back office. Se io riesco a ridurre i costi di back office", e lui ha fatto un conto, che il back office nella sua azienda gli conta 1.2% dell'EBITDA, e quindi è partito con un programma, non solo utilizzando Catto, ma in generale utilizzando anche diverse soluzioni di AI che gli consentono, mi ha detto, più ordini, il customer service. Il customer service è un'altra cosa fondamentale che si può fare con l'intelligenza artificiale. Quindi per un CFO im il compitino, se mi consentite che vi lascio come ultima cosa, è: andate a casa, prendete, il numero di full time equivalent sui processi indiretti, i costi delle attività sui processi indiretti, li dimezzate e guardate in che modo impattano sul vostro EBITDA. Su queste cose si possono costruire degli use case anche complessi. Per darvi un'idea di quello su cui stiamo lavorando noi oggi è: bilancio di sostenibilità, quindi recuperare tutti i dati che servono per il bilancio di sostenibilità, recuperarli attraverso una piattaforma come la nostra e metterli a disposizione invece che fare il lavoro di interviste e minchosiana. Questo noi lo stiamo studiando. Tutto il recupero crediti. Noi abbiamo fatto uno studio per uno studio legale che ci ha chiesto di automatizzare dal momento del ricevimento dell'incarico di recupero del credito fino al pignoramento. E noi lo possiamo fare. Abbiamo fatto una stima che il costo del processo di gestione del credito esecutivo si dimez si almeno si dimezza, almeno. E per scalare, siccome questi sono quelli che vanno dai, da quelli che prendono i pacchetti di crediti cariati dalle banche, ti danno 2000 posizioni. Tu se devi fare 2000 posizioni prendi 10 avvocati. Ora, l'avvocato è meglio che vada a discutere in corte piuttosto che leggere o recuperare, leggere fatture e documenti, no? Secondo me. Ecco. Altra cosa: la lettura dei disegni. Noi stiamo facendo per un fornitore di per uno che vende i dati tecnici riparativi, la lettura dei disegni riparativi dei car maker. Cioè ci sono alcuni ex amanti del settore automotive. Tutta la i manuali riparativi, che sono uno diverso dall'altro, se tu devi venderli standardizzati, devi fare a mano l'omologazione dei disegni. Possiamo fare si può fare con l'intelligenza artificiale. Bene, credo di avere dato... Poi visto che lei non ha usato slide, mi sono fatto anch'io... Però c'è una visione che poi condivido-

48:50 Altro partecipante: Assolutamente, siccome condividiamo la salvezza. Veniamo-

48:55 Maurizio Pèrcopo: Sì, se ci sono subito, se no poi le raccogliamo anche dopo. Passiamo all'azienda Consumer Goods, grande azienda. Tu hai esperienza in tante grandi aziende, quindi una vista forse più delle grandi aziende che-

49:08 Sabrina Di Bartolomeo: Sì

49:08 Maurizio Pèrcopo: Ha un impatto probabilmente diverso, un processo decisionale diverso. Vai Sabrina.

49:14 Sabrina Di Bartolomeo: Io sono Sabrina Di Bartolomeo, sono Group CFO di Bolton Group. Probabilmente un nome che dice poco, ma se vi dico Rio Mare-

49:25 Maurizio Pèrcopo: Dice

49:25 Sabrina Di Bartolomeo: Insomma, e varie Borotalc eccetera, magari, è più facile ricordarselo. Bolton è un gruppo, faccio anch'io a meno. Poi se serve farò vedere.

49:39 Maurizio Pèrcopo: Va bene.

49:40 Sabrina Di Bartolomeo: Bolton è un gruppo che, è nato ormai 77 anni fa ed è un gruppo che è nato per, tendenzialmente per acquisizioni di marchi e di aziende che si sono stratificate nel corso dell'anno., siamo presenti di fatto in 150 Paesi, per cui direi in quasi tutto il mondo, e facciamo dei business che sono estremamente diversi, perché Bolton è molto conosciuta per i suoi brand, in realtà, è il numero uno al mondo del trading di pesce, che è un'attività che definirei abbastanza finanziaria, no? Quindi, ha delle caratteristiche che sono molto diversificate anche nell'ambito dei prodotti consumer goods. Sostanzialmente copriamo tutto, tutto lo cibile, vendiamo anche, adesivi, e quindi tut abbiamo tutta una divisione adesivi che fa colle, cose varie. Poi noi conosciamo UU, in realtà la parte più importante è tutta quella professionale, no? Quindi è un mondo super diversificato, nato negli anni e nato un pezzo alla volta. Inoltre, per governance, questo gruppo è sempre stato gestito avendo un nucleo centrale molto piccolo e un'assoluta imprenditorialità dei, diciamo, direttori generali, CEO, poi nel tempo ogni tanto cambiano nome, delle varie business unit. Tutto questo fino a circa 10 anni fa, quando il, fondatore, alla veneranda età di 100 anni è mancato. È stato in azienda e ha gestito l'azienda fino a 99 anni, quindi è stata una presenza incredibile e anche geniale per quello che sono riuscita a vedere. Dopodiché ov però, diciamo, forse il passaggio generazionale a questo punto è diventato un passaggio molto complesso perché, si è trovato con, la figlia ormai grande, avendo lui 100 anni, cioè la figlia era over 60 abbondantemente. Esatto. E un nipote troppo giovane, aveva 25 anni, quindi, è stato investito del tempo per managerializzare l'azienda, molto ovviamente, saggiamente, no? Perché c'era bisogno di accompagnare questo periodo. Ovviamente in queste fasi di transizioni è sempre difficile, no? Cercare di tenere, l'azienda, ah, stretta ed unita, per cui le autonomie nel tempo si sono sempre più diversificate. Passando all'ambito finance, questo che cosa ha significato? Ha significato che sostanzialmente noi abbiamo, sistemi i più vari, per cui abbiamo, con nonostante investimenti grandissimi che sono stati fatti negli anni, riusciamo ad avere, SAP, riusciamo ad avere Navision, riusciamo, ad avere sistemi locali, quindi una diversificazione incredibile., circa tre anni fa è stato fatto questo piano industriale che prevedeva anche, una rivisitazione della funzione finance, perché ovviamente rivedendo la struttura c'era bisogno anche di centralizzare alcune funzioni, e andarle a rivedere. E uno dei mandati principali, della funzione finance che usciva da questo piano industriale è stato: "Benissimo, allora adesso d'ora in avanti dobbiamo lavorare come un'unica azienda". Quindi bisognava andare a riallineare tutto. Cioè, missione secondo me quasi impossibile, no? Oltre a tutte le tensioni, che si potevano andare a creare ovviamente, nella struttura, no? Perché, comunque ci sono teste diverse, culture, molto diverse., insomma, quindi ci siamo messi io sono arrivata circa due anni fa e ci siamo messi a lavorare. Nel frattempo abbiamo cominciato a guardare con un po' più di attenzione tutti quei numeri, come diceva giustamente Paolo, che, derivavano dalle overheads, no? Perché chiaramente centralizzare delle attività, in una struttura molto diversificata, la prima cosa che si è fatto qual è stata? Assumiamo le persone perché ci mancano le competenze. Quindi con un fatturato che, insomma, questo è l'unico dato veramente pubblico di Bolton, che comunque è cresciuto di circa il 4% all'anno, insomma, negli anni, ci siamo trovati delle general overheads che invece crescevano più o meno il doppio. Quindi una situazione chiaramente quando sono arrivata io ho detto io poi, per esperienza arrivo da, insomma, so a parte un metà della carriera in consulenza, l'altra metà l'ho fatta in aziende che insomma guardano i centesimi, no? Perché sono state telecomunicazioni negli anni '90- Non sempre brillanti, automotive, insomma, ci sono aziende dove il centesimo lo devi andare a guardare. Quindi io quando ho visto sta cosa mi sono sbiancata, ho detto: "Oddio, adesso qua, ci abbiamo preso una china che non va bene". Quindi parte questo grande progetto, iniziamo a guardare i costi, ovviamente, la parte, finance, insomma, è anche stata una parte che è cresciuta in maniera significativa., su spinta, insomma, di varie con società di consulenze strategiche, insomma, sembrava che l'unica soluzione possibile fosse creare uno shared service center, no?, insomma, ho cominciato a guardare. Ovviamente se guardo il mio passato, no? Cioè è vero, nel senso che lo shared service center è un posto dove si fa dell'arbitraggio. Normalmente si fa arbitraggio di contratti e arbitraggio di teste, no? Perché è questo, fai head count sul salary, sul numero delle teste e sul tipo di contratto che ti viene applicato., io guardo bene tutto il gruppo, cominciamo a mappare tutto quanto e dico: "Ma allora, per fare una cosa di questo genere, a parte il tempo", perché, per avere uno shared service center anche sull'80%, insomma, di quello che può essere, il fatturato dell'azienda, c'era bisogno di andare a riallineare talmente tanti sistemi e ad andare a implementare, anche se lì noi abbiamo fatto una scelta molto saggia con il CIO per il futuro, insomma, di lavorare su due stack, quindi da un lato SAP per le aziende grandi, un Tier 2 che invece è Business Central di Microsoft per le pure distributrici, no? Dove non c'è tanto bisogno di complessità. Quindi, partendo da questo, ma questo voleva dire 60, 70 società che dovevano, dove riallineare i sistemi, perché anche dove noi parlavamo di un SAP, parlavamo di un SAP 4 Hana e parlavamo di un Rise, erano tutti SAP diversi. Cioè, distanza quella, ma il processo completamente diverso. Quindi, dopo varie discussioni interne, quanto costa, quanto non costa, ma se lo faccio poi alla fine vedrai che non cioè non c'è un ritorno, perché effettivamente non c'è un ritorno da un progetto di questo tipo. Insomma, ci siamo messi ad andare un po' a trovare, aziende, che invece l'intelligenza artificiale avevano cominciato ad applicarla., ci siamo in un gru piccolo gruppo appassionati e abbiamo cominciato a guardare. E noi guardando abbiamo pensato di strutturare un progetto che è un progetto totalmente diverso, che quindi sì, avrà nel tempo un riallineamento dei sistemi secondo queste due, ovviamente, sistemi di gruppo, no? Per la grande azienda sarà fatto in una certa maniera, per le, quelle produttive, per le aziende più piccole e commerciali in un'altra maniera, sempre tutto allineato, ma nel tempo, cioè man mano che ci sarà bisogno di sostituire gli ERP, si procederà con un ERP gestito e uguale. Nel frattempo però, noi ci troviamo in una situazione in cui la manualità è altissima, cioè veramente altissima. I processi sono tutti diversi. Quindi abbiamo iniziato a, questo progetto che abbiamo chiamato Wave, perché è un'onda di cambiamento, che ha appassionato, devo dire, veramente tanto tutti i colleghi, perché, insomma, quello che abbiamo apprezzato è stato il fatto di dire:, noi siamo un'azienda ancora veramente poco tecnologica, se vogliamo., il finance è sempre stato mal considerato nel gruppo, quindi proprio l'ultima ruota del carro, e invece adesso diventiamo quelli che trainano, no? E quindi abbiamo iniziato a fare delle piccole cose. Per esempio, non si guardava, perché siamo un'azienda ricca, e quindi si guardava molto poco il cash flow, e abbiamo cominciato a lavorare sul cash flow. Devo dire internamente, cioè fare quindi cash flow forecast, e, il tema era: io ho una persona in tesoreria per tutto il gruppo. Poi ho dei, delle persone che fanno i pagamenti, cioè insomma, fanno altre cose, ma gente di testa, di tesoreria è una persona, no? Che peraltro ho portato, quindi è arrivata e ho detto: "Ma io non ne posso prendere due, quindi tu devi fare tutto da sola". Quindi partiamo e lavoriamo con l'intelligenza artificiale. E in sei mesi abbiamo messo in piedi un sistema che comunque ci consente di monitorare giorno per giorno, poi noi forniamo un report ai CFO delle varie business unit e ai CEO una volta a settimana, comunque l'andamento della loro, posizione di cassa, quali sono gli scostamenti, ti fa già un'analisi, te la scrive, ti fa anche la presentazione, insomma, se vuoi, quindi, riesce a fare tutto. E non abbiamo in questo caso assunto nessuno, no?, dall'altra parte avevamo anche io gestisco anche il procurement indiretto, anche sul procurement indiretto, che è una fetta molto piccola nel nostro gruppo. Di fatto sono gli acquisti IT, più le auto e poco d'altro, perché tutto il resto invece viene lasciato alle business unit. E anche lì una persona sola. Cioè: "Ma io non ce la faccio a gestire tutti i contratti". Ho detto: "Ma non c'è problema perché tu hai l'aiuto da casa". E quindi dico: "Inizia anche tu ad utilizzare, l'intelligenza artificiale". Devo dire che il nostro CIO ha assunto un team dove ci sono degli specialisti, quindi abbiamo ci hanno aiutato A rendere, diciamo, in un linguaggio che l'intelligenza artificiale potesse capire meglio, quello che volevamo fare, e quindi a creare gli agenti. E per cui adesso, ad esempio, tutto il conf tutte le request for quotation, tutta l'analisi, delle offerte ricevute, lo scoring eccetera, questa persona lo fa con l'intelligenza artificiale, quindi è riuscito a lavorare un, praticamente il 100% degli acquisti che fa l'IT, mentre prima faceva due o tre contratti l'anno che erano i più grossi. Quindi qui da lì siamo partiti con degli esempi, no? Questo ha creato dell'entusiasmo-

1:01:52 Maurizio Pèrcopo: Sì

1:01:52 Sabrina Di Bartolomeo: Nelle persone e quindi siamo partiti invece ora con questo grande progetto Wave, che, è un progetto che ha bisogno ovviamente della trasversalità di tutte le business unit, quindi abbiamo identificato dei champion, uno per ogni business unit, li abbiamo messi insieme e loro ora lavoreranno sostanzialmente sulle cinque dimensioni importanti, no? Che ci sono nell'ambito finance, quindi in primis tutta quella dei dati, perché noi abbiamo dati incoerenti, quindi dobbiamo renderli, coerenti. E anche qua abbiamo visto che ci sono degli agenti che ti aiutano e quindi questo, è quello che vogliamo fare., dopodiché abbiamo iniziato un pilota sul proprio moment to pay, per vedere e utilizziamo un sistema molto simile a quello che hai descritto tu, Paolo, quindi che ci aiuta, di fatto a vedere i mismatching, qua tra l'ordine e la fattura che arriva e quindi ti dà un grado di, diciamo confidenza su come poterli andare ad abbinare. Ora abbiamo, iniziato un pilota, ma quello che secondo me è stato il vero cambiamento, di questa cosa, che avendo visto noi che ci siamo entusiasmati, adesso ad esempio il marketing ci sta seguendo, le sales ci stanno seguendo, quindi si è creato insomma un alone, diciamo positivo. Chi non ci sta seguendo sono le operation, è vero, stanno facendo, le S&OP che comunque sta facendo un progetto di allineamento, ha preferito optare per un metodo molto più tradizionale., io penso che quando finiranno il progetto lo butteranno via perché, cioè, progetti di questo se fai in modo tradizionale tu progetti di questo tipo impieghi anni, no? Quindi fra cinque anni o sei anni è tutto obsoleto, no? Quindi il modo in cui ho convinto il board è stato quando sono andata lì portando il confronto, no? Facciamo lo share service tradizionale o ci muoviamo con gli agenti e cerchiamo di standardizzare i processi. E ho detto: "Guardate, fra cinque anni io questa roba qua la butto", ho detto, "perché è vecchia". Cioè, sarà ovviamente obsoleta, l'investimento troppo grosso. Quindi adesso stiamo lavorando su quello nel nostro piccolo, solo nel team alto di holding, dove abbiamo una quarantina di persone. Quest'anno abbiamo fatto meno quattro, che è meno 10% e non abbiamo ancora neanche iniziato veramente a lavorare. Quindi che non significa che non le utilizziamo, le abbiamo alcuni si sono andati in pensione, non li abbiamo più sostituiti e quindi abbiamo salutato, qualcuno si è dimesso, qualcun altro l'abbiamo destinato ad altre attività di analisi, a questo punto, sicuramente molto più interessanti. Quindi questo è un po' il modo i-in cui abbiamo lavorato. Quello che cambia, secondo me, che è importante è il paradigma, perché secondo me non è un progetto dell'IT. Cioè l'intelligenza artificiale lavora sui processi e quindi è un progetto del fun-functional leader. E questo secondo me ancora non è abbastanza chiaro. È un passaggio che nel momento in cui lo faremo, poi tutti andranno secondo me su quella strada, insomma.

1:05:12 Maurizio Pèrcopo: Mi sembra che le parole chiave che hai ripetuto più volte è entusiasmo-

1:05:16 Sabrina Di Bartolomeo: Sì, esatto

1:05:16 Maurizio Pèrcopo: Convinzione, primi risultati che hanno stupito rispetto alle aspettative-

1:05:20 Sabrina Di Bartolomeo: Sì

1:05:20 Maurizio Pèrcopo: Qualcosa che diceva anche Paolo.

1:05:22 Sabrina Di Bartolomeo: Sì.

1:05:22 Maurizio Pèrcopo: Esatto, cioè dare quello-

1:05:23 Sabrina Di Bartolomeo: Sì, perché devi dare-

1:05:25 Maurizio Pèrcopo: Quel sapore di successo.

1:05:26 Sabrina Di Bartolomeo: Esatto, un po' il feeling, no? Perché se no ovviamente c'è diffidenza, perché si pensa a un'implementazione tipo SAP, no? Quindi tutte le persone s'agitano, no? Dicono: "Adesso chissà cosa combinano, non funzionerà mai". Invece poi provi, vedi che sei anche tu che puoi fare delle cose. Anche questo è molto importante, no?

1:05:47 Maurizio Pèrcopo: Il vostro HR che mi incuriosisce?

1:05:49 Sabrina Di Bartolomeo: Il nostro HR è l'altro che è comunque ancora un po' assente. Però devo anche dire che ad esempio nel nostro HR, cioè, normalmente io nei gruppi in cui sono stata avevo qualcuno che si occupava di processi, quindi di mappare e linearizzare i processi che faceva di base l'organizzazione, da noi non lo fa. Quindi un po', insomma, si può spiegare-

1:06:13 Maurizio Pèrcopo: Sì, certamente lo sviluppo organizzativo, la parte di sviluppo organizzativo.

1:06:15 Sabrina Di Bartolomeo: Sì, da noi questa parte qui non-

1:06:18 Maurizio Pèrcopo: Giusto

1:06:18 Sabrina Di Bartolomeo: Non è molto presente, no? E quindi questo per questo posso dire che, insomma, son giustificati.

1:06:26 Maurizio Pèrcopo: Grazie. Grazie, soprattutto anche le aziende più grandi fanno qualcosa, ecco, non è-

1:06:30 Sabrina Di Bartolomeo: Sì

1:06:30 Maurizio Pèrcopo: Sono piccole iniziative che si fanno in aziende imprenditoriali o più piccole. Benissimo, passerei a Salvatore. Salvatore spiega lui il suo profilo molto particolare, direi, se lo spieghi un attimo meglio siccome lo spiegherei io e anche perché io pensavo fosse un errore di stampa, il non avevo mai visto il CFO O, che ci dirai che cos'è?

1:06:51 Salvatore Guddemi: Sì, infatti dopo gli interventi, intanto grazie per l'invito a te Maurizio e a Dario., io oggi ho il ruolo di CFO, che in realtà ho sotto anche HR e legal, quindi sono fortunato perché HR-

1:07:04 Maurizio Pèrcopo: Te la gestisci tu

1:07:05 Salvatore Guddemi: Me la gestisco da solo.

1:07:06 Maurizio Pèrcopo: Anche lei, infatti.

1:07:07 Salvatore Guddemi: Esatto., percorso che inizia in due grandi multinazionali. Io sono ingegnere, e poi vi dico perché l'ho sottolineato., due grandi multinazionali dove ho avuto poi l'opportunità di andare anche un po' all'estero., a un certo punto ho deciso di rientrare in Italia perché volevo un po' sperimentare la PMI italiana., pro percorso interessante., nel frattempo è capitata l'occasione e ho deciso di fare un passaggio in consulenza in Ernst & Young, 2019. Verticale, facevo tipicamente due diligence, ma verticale sul mondo tecnologia, perché io avevo sempre lavorato in aziende tecnologiche, background ingegnere. E da lì inizio a giocare con l'intelligenza artificiale, perché comunque EY dà una bellissima esposizione, lavoravamo anche con fondi esteri e iniziava a risuonare parecchio già nel 2019. Ecco, vi ricordo ChatGPT, che poi è stato il boom dell'intellig-intelligenza artificiale, parliamo di novembre 2022. Prima si conosceva e non si conosceva., dopo EY ho deciso che, la consulenza non era esattamente il mio mondo, penso di dare più valore aggiunto in azienda, ma ho spostato il mondo delle startup. Dopo EY, Contents, azienda che vende un software di orchestrazione del dato basato su un motore di intelligenza artificiale per il mondo del digital advertising, per intenderci le sponsorizzazioni su i social: Facebook, Instagram, TikTok. No, TikTok ancora no. Ho chiuso un percorso, un bel percorso in Contents, nuova startup, Vidoser. Sempre in questo caso è più un'infrastruttura, più un sistema operativo che una piattaforma di orchestrazione, sempre sul mondo marketing, ma parliamo di influencer marketing. Di fatto, quello che una volta erano i grandi influencer, per citare una più famosa italiana che è la Ferragni, oggi si sposta su un mondo di micro influencer, grandi brand che lavorano con micro influencer, tipicamente molto giovani. Grandissimo caos. Pensate al CMO o qualcuno, primo reporter CMO di Coca Cola, che deve parlare con dei ragazzini di 18, 19 anni per fare delle campagne di influencer marketing, che tipicamente usano WhatsApp, che le mail non le guardano, che non sanno cos'è un contratto e chi sono, perché cambiano alla velocità della luce. E il sistema operativo in realtà nasce nel 2020, io ho raggiunto l'azienda poco tempo fa, perché, e mi collego a dei punti che avete già citato, c'è un tema di addestramento, training, in inglese è più bello, ma è di fatto addestramento del linguaggio, che non è l'LLM come diceva Paolo, io vedo del tu, ma è un SLM, cioè è l'algoritmo dell'LLM applicato a dei processi. Addestrato per anni, usato internamente, quindi erano le persone in azienda che utilizzavano il motore di AI per gestire i processi per conto dei nostri clienti, continuando a dare informazioni a questo motore. Da un po' di tempo adesso è pubblico, nel senso che le aziende possono registrarsi e utilizzarlo in modalità self-service, perché è addestrato. La stessa cosa sta accadendo in Uber, per citare qualcuno più famoso. Scatola nera, la scatola nera ha addestra il motore AI, impara a guidare. Waymo ha fatto la stessa cosa. Per citare dei casi, insomma, un po' più noti. Adesso io non so se l'avete visto di recente, Waymo è impressionante, lo stile di guida., e ho utilizzato una parola non a caso, l-l-l'hanno citata, mh, tutti i relatori che mi hanno, preceduto: il processo. Spesso poi ho anche lavorato con altre startup, tech, la, come dire, si pensa erroneamente che l'AI serva a sostituire un pezzo di processo già esistente. Per cosa? Per ottimizzarlo, per velocizzarlo. In realtà i risulta- i risultati migliori che ho visti è quando si ripensa al processo basato su AI. Cioè non metto l'AI su qualcosa che già faccio, ma ripenso completamente al processo. Lo studio, capisco i KPI e dico: "Ok, ma adesso se io a questo processo applico un motore potentissimo, come cambia? È uguale o no?" Torno a Vidoser. Prima cosa succedeva? Devo fare una campagna, chiamo la mia agenzia tante volte e preparo il brief, però nel frattempo voglio sapere chi sono i creators. Li chiamo creators perché ormai se-se è passato in un mondo di grandi influencer a micro e, gra la, in generale si chiamano creators, sono ragazzi che fanno dei video, molto bravi.

1:11:57 Maurizio Pèrcopo: Generano traffico.

1:11:58 Salvatore Guddemi: Co-cosa è cambiata? In realtà è lì la differenza. Prima si cercavano i creators che avevano più fan base, più follower. Adesso non è più così. Cioè TikTok ha rivoluzionato il modello perché ci sono i video virali. Magari io ho pochi influencer, ma il mio video è virale. Ma io che sono un'agenzia, come faccio a sapere se quel video sarà virale o no? Un motore di AI dove noi abbiamo adesso circa 120.000 ero 120.000 creators registrati in piattaforma che ci danno accesso ai loro social, alla loro bio, ai loro video. L'AI è addestrata, vede esattamente lo storico dei video, legge frame per frame tutti i video ed è in grado di farlo questo ragionamento. Quindi ho chiuso un la piattaforma cambia il modo di come imposto la campagna. Cosa dice oggi la piattaforma? Non pensarci ai creators, dimmi qual è il tuo obiettivo. Non ti faccio neanche il brief, qual è il tuo obiettivo? Vuoi più gente sulla pagina Instagram? Vuoi fare una campagna di brand awareness? Vuoi avere più vendite? Ok, perfetto. Dammi le specifiche e lo aiuto a passo passo. Crea i brief, ma contemporaneamente il motore sta iniziando a selezionare un panel di creators. A quel punto, quando viene approvato il brief, gli dice: "Ecco, questi sono i tuoi creators ideali". Lo step in più cos'è adesso che Publika, o meglio, che i clienti sono registrati in piattaforma? Che più fanno campagne, più è in grado di migliorare la performance delle campagne perché vede anche lo storico. E lì è stato il salto vero, è stato: ripensiamo completamente al processo, scordiamoci come funziona fino ad oggi, vediamo come può cambiare questo processo. Ed è un processo totalmente pensato su un motore di intelligenza artificiale, anche perché quello che prima mancava era un, una dashboard di KPI, perché era molto complessa, tanti creators, era tutta da fare a mano, bisognava mandare video per video e vedere quante view aveva fatti, quanti click. Oggi no, perché l'AI lo legge e riesce a farlo da sola.

1:14:14 Maurizio Pèrcopo: È un mondo sicuramente molto nuovo e conosciuto a pochissimi, penso. Intorno a questo tavolo vista anche, diciamo, un'età media bassissima rispetto al tuo target di utilizzatori. Però mi incuriosisce capire: il CFO in una realtà del genere quanto è innovatore, quanto deve leggere e anche stimare gli effort comunque economici che fate, gli investimenti in questo tipo di iniziative?

1:14:36 Salvatore Guddemi: Esatto.

1:14:37 Maurizio Pèrcopo: Tu hai un ruolo su anche sulla valutazione se investire o meno in determinate direzioni?

1:14:43 Salvatore Guddemi: Allora, il CFO, intanto io sono un grande sostenitore e, e primo utilizzatore dell'AI, e quindi anche nei processi interni, e faccio un esempio, adesso noi abbiamo lanciato un serie A, quindi un aumento di capitale, il CRM per la gestione dei fondi l'ho fatto costruire, perché poi io non sono un tecnico, anche se devo dire che l'interfaccia l'ho creata io, con l'AI, tramite in due giornate di lavoro nette con, Claude, che è uno dei linguaggi, mh, di intelligenza artificiale, e Lovable, che è un'altra app per creare delle applicazioni su intelligenza artificiale. In due giorni ho un CRM dove ho registrati tutti i fondi con cui sto parlando, collegato ad una mail che abbiamo creato ad hoc perché lo utilizziamo in più persone, che mi fa il follow up, mi dice se devo rispondere a qualche fondo, mi crea gli appuntamenti in agenda, mi controlla i dati che ho mandato ad un fondo piuttosto che ad un altro, fa coerenza dei vari dati mandati prima che esca la mail, perché gli faccio fare anche il draft delle mail, e lui mi dice: "No, però attenzione, perché due giorni fa hai mandato un dato che va..." Parliamo di dati, adesso noi qualche milione di euro di ricavi, cioè, 20.000 € di differenza sui ricavi. È cambiato qualcosa? Vuoi segnalarlo? Non vuoi segnalarlo? Immaginate quanto tempo ho risparmiato, perché dovrei andarmi a vedere le mail vecchie, vedere cosa avevo mandato, fare la riconciliazione del dato o ricontrollare. Fa tutto lui, costruito in due giorni. Quindi sicuramente questo è qualcosa che io sto facendo col mio team, sia lato legal che lato finance, chiedendo di utilizzare, e ripensare i processi, perché per me è chiave non utilizzarlo soltanto per, mh, come dire, accelerare qualcosa che già si faceva, ma proprio reimmaginare un processo diverso., lato HR invece, noi adesso prima di fare qualsiasi assunzione a tempo indeterminato, stiamo chiedendo di pensare ai vari team leader se quel tipo di attività, se è stata quantomeno fatta una valutazione di applicare l'intelligenza artificiale all'interno di un processo per cui si chiede un'assunzione., e questo è assolutamente fondamentale. L'altra cosa che sto cercando di gestire insieme al management team è, la coerenza del dato. Anche qui è stato citato più volte, è fondamentale. Più il dato è coerente e più i sistemi si parlano, più è facile applicare un motore di intelligenza artificiale., noi stiamo cercando di staccarci dai vari tool e dai vari software. Abbiamo due consulenti esterni, che ci aiutano proprio a disegnare dei software, perché sono dei veri e propri software alla fine, basati su intelligenza artificiale, e parliamo di CRM lato clienti, di software che si agganciano all'ERP, finance, software per la gestione del timesheet, tutti integrati però, perché le persone che lo stanno costruendo sono le stesse. L'unico software esterno, per ovvi motivi, è l'ERP finance, ma per esempio i tool HR lo stiamo costruendo noi per la gestione di presenze, assenze, note spese. Poi è chiaro che esternamente magari servono dei tool, però i dipendenti hanno un'unica interfaccia da dove riescono a inserire i dati. E siccome sono guidati, l'inserimento del dato è guidato dall'AI, è coerente da costruzione, non devo riconciliarlo. Ma è nativamente coerente il dato.

1:18:12 Maurizio Pèrcopo: Sì, certo.

1:18:12 Salvatore Guddemi: E quindi l'efficienza che si riesce a raggiungere è nettamente superiore e questo evita il classico gerbecino e gerbecio alto, perché il dato nasce pulito.

1:18:22 Maurizio Pèrcopo: È sempre più facile costruire greenfield che demolire e ricostruire un palazzo intero.

1:18:26 Salvatore Guddemi: Esatto. E l'ultimo spunto che volevo dare, penso di non sforare il quarto d'ora ancora, è questo: io il vantaggio da CFO che noto, poi in realtà avendo, come dicevo, un ruolo anche un po' più ampio, è: il vero vantaggio che mi dà l'AI utilizzata in questo modo, quindi completamente integrata all'interno dei processi, è accelerare il tempo che passa fra il dato e la presa di decisione. Io sono convinto, e, mh, mi auguro di non sbagliarmi, che l'AI c'è una cosa che non potrà mai sostituire, che è il giudizio umano. Perché l'AI si basa su quello che sa e su quello che gli è stato dato in passato. Non ha né la creatività né l'esperienza, se non è trainata, perché si basa su un set di dati, se volete grande ma limitato, di sostituire il giudizio umano I-il mantra è che io ho è: cara AI, permettimi di passare dal dato al messaggio che mi dà il dato in pochi secondi. Da lì in poi-

1:19:32 Maurizio Pèrcopo: Decidi tu

1:19:32 Salvatore Guddemi: Il valore aggiunto ce lo metto io. Allora, deve spostare le persone a dare maggior valore aggiunto, a far tesoro di quella che è la propria esperienza, il pro-il proprio background e, come dire, una visione più ampia anche oltre il dato, per tirar fuori un giudizio e prendere una decisione dal non dal dato, ma dalla sintesi del dato, perché su quello l'AI è molto brava. L'AI è molto brava a far sintesi del dato. E l'altra cosa da CFO e anche da HR, dove stiamo spingendo tanto in azienda, è imparare a interloquire con l'AI. A volte si pensa che ce lo insegnano, ce lo dicono tutti: linguaggio naturale. Io dico sempre: ni. Se devo giocare, e io lo uso anche come assistente personale l'AI, è proprio agganciata alla mia mail personale e mi fa la to do list la sera, mi dice se devo rispondere a qualche mail urgente e mi aggiorna l'agenda. Allora, se devo fare queste cose posso veramente farlo in linguaggio naturale, come se parlassi con una persona. Se devo leggere dei dati, magari anche complessi o fare delle riconciliazioni di dati, allora un po' di capacità di prompting serve. Quindi bisogna imparare a comunicare con l'AI e comunicare e, forse Paolo tu lo sai bene visto il o magari col tuo co-founder, comunicare con Anthropic, Claude, comunicare con ChatGPT o con Gemini non è la stessa cosa purtroppo, perché sono linguaggi diversi. Quindi, il mio team, ma lo estenderò probabilmente a tutta l'azienda, sta facendo dei corsi per, di corsi di prompting vero e proprio.

1:21:21 Maurizio Pèrcopo: Ma io aggiungo un elemento: comunicare con un essere umano è complicato. Parlo con te o con loro, siamo due persone diverse, dobbiamo imparare a comunicare tutti a prescindere, devi parlare con le macchine o parlare con le persone, no? Quindi è una sensibilità assolutamente necessaria.

1:21:34 Salvatore Guddemi: Quindi secondo me sì, questa è una del delle barriere, sicuramente la capacità di comunicare con l'AI, poi la, mhm, come dire, un po' di istruzione al cambiamento c'è sempre, tipicamente da SEO e anch'io trovo sono, insomma, d'accordo con i colleghi che mi precedevano. E poi l'owner, sì, l'hanno citata, serve qualcuno che faccia da owner, tipicamente un head IT. In questo caso in azienda sul software è stato il CEO, su-sul prodotto che noi vendiamo, sui processi interni sono stato io. E l-poi l'IT segue e ci aiuta a implementare. Però l'owner del cambiamento è chi guida la unit, che sia il CFO, CEO o il capo di una business unit, difficilmente l'IT. Quindi questi secondo me sono i tre punti chiave dove ho visto un po' di difficoltà nell'implementarlo. E giusto per fare una sintesi finale, l'altro spunto che mi porto a casa lavorandoci comunque da tanto è: bisogna partire dai processi e non dall'efficientare un pezzo di processo. Bisogna proprio fare uno sforzo di ripensare al, al processo e poi un tema di competenze. È venuto fuori anche dalla SARME, no? C'è un tema di competenze importante perché, faccio l'ultimo esempio, stiamo rivedendo dei contratti, ho fatto, un po' per giocare con i ragazzi del team legal, l'ho fatto io partendo un po' avvantaggiato, prompt diversi, risultati completamente diversi. Da una parte il contratto aveva tantissime lacune, dall'altra poi quello che dico io è: siate furbi, fatevi fare il prompt dalle AI.

1:23:13 Maurizio Pèrcopo: Esatto.

1:23:14 Salvatore Guddemi: E poi gli date il prompt in pasta.

1:23:16 Maurizio Pèrcopo: Punto molto utile.

1:23:17 Salvatore Guddemi: E con questo direi che tutto.

1:23:18 Maurizio Pèrcopo: Grazie mille. E allora arriviamo all'ultimo contributo che è di un amministratore delegato a questo punto, last but not least. Mi sembra molto utile anche avere la tua visione, che è una visione anche decisiva alla fine, no? Sul fare o non fare determinate cose. So che avete fatto tante cose.

1:23:33 Andrea Guidi: Sì, grazie Maurizio, grazie della possibilità che mi dai di raccontare la nostra esperienza. Prima due parole su-

1:23:39 Maurizio Pèrcopo: Certo

1:23:39 Andrea Guidi: Su di me. Trentacinque anni di esperienza nel mondo alimentare, la prima metà spesa prevalentemente in Barilla, dove ho chiuso l'esperienza da direttore generale di alcune subsidiary, europee. La seconda metà fatta nel rutilante mondo dei fondi di investimento. Ah, quindi ho gestito diverse operazioni, p-primary buyout nel mondo del cioccolato, dell'aceto balsamico. E in questo momento invece mi occupo di formaggi. E, guido il gruppo Dalter. Il gruppo Dalter è un gruppo che appunto lavora nel lattiero caseario, il core business è il Parmigiano Reggiano. Un'azienda che fa circa 200 milioni di euro di fatturato, 180 addetti, quattro stabilimenti, in due produciamo le forme, quindi sono i caselli, tecnicamente si chiamano così. Sono fabbriche che mangiano latte e producono forme di Parmigiano Reggiano, che poi stanno più o meno 24, 30 mesi a stagionare, dopodiché entrano nelle altre due fabbriche che abbiamo, che si chiamano, di nuovo tecnicamente, fabbriche di taglio e grattugia. Sono fabbriche che mangiano forme di Parmigiano Reggiano e dalle quali esce il Parmigiano Reggiano in tutti i modi in cui voi ve lo potete immaginare. Quindi dalla forma pulita e predisposta perché arrivi sul bancone di del normal trade, alla bustina da 10 grammi che finisce nel meal kit in qualche lo-location in giro per l'Europa. - Abbiamo tre, subsidiary commerciali, all'estero: una in Inghilterra, una in Germania e una in Francia, che si occupano appunto della parte, sales e della parte di distribuzione. L'85% del fatturato è export. Noi abbiamo cominciato a occuparci di intelligenza artificiale più o meno un anno e mezzo fa, quando mi sono reso conto che all'interno dell'organizzazione i ragazzi più giovani la adoperavano a supporto di pezzetti di processo che gestivano e che di conseguenza, venivano gestiti in maniera più veloce, sostanzialmente, attraverso questi strumenti., rendendomi conto di quello che stava succedendo, abbiamo, provato a, ipo diciamo, definire una modalità di introduzione della, intelligenza artificiale, un filo più strutturato in azienda. Se magari riusciamo a proiettare la proi la rappresentazione che vi ho dato, mi aiuta un po'. Grazie. E... Ok., e quindi appunto per dare un po' di ordine all'utilizzo di questi strumenti che, sebbene io sia il classico boomer, quindi completamente inabile su queste tematiche, mi sono reso conto della potenzialità, di questo strumento guardando questi ragazzi cosa ci facevano. Però mi sono anche reso conto che il rischio era di introdurla in azienda in maniera clandestina e poco strutturata. Quindi abbiamo, appunto strutturato un percorso che consta di tre macro, passi. Il primo l'abbiamo chiamato "costruzione delle condizioni di base", volto a diffondere in maniera il più omogenea possibile conoscenza su cos'è questo strumento nell'organizzazione., una seconda fase che,, stiamo in questo momento implementando consiste nella, definizione di strumenti specialistici un pochino più avanzati rispetto al prompt banale che si può, definire a supporto, di un pezzettino di processo piccolo, sostanzialmente. E poi questa terza fase è, come dire, un un desiderata per adesso, vorremmo ragionare sull'introduzione dell'intelligenza artificiale, in azienda in modo più strutturato, cioè, come una sorta di componente nativa dell'ecosistema, informatico. La terza fase è veramente in questo momento un desiderata e dietro non c'è molto di più di quello che vi ho detto. Vedremo l'ultima chart. Mi sarebbe piaciuto oggi aver con me, il responsabile IT che ve l'avrebbe spiegata meglio. Ci proverò a di ci proverò io a spiegarvela. Partirei con, farvi vedere cosa abbiamo fatto nella primissima fase e sostanzialmente, abbiamo fatto due, tre attività. In primis la formazione: abbiamo preso tutte le persone, che lavorano con un computer, più o meno una sessantina nell'headquarter, e, attraverso un processo di formazione di una, diciamo, sei, sette giornate di formazione, abbiamo portato tutta l'organizzazione a un livello minimo di consapevolezza di cosa è l'intelligenza artificiale e quali sono gli stru gli strumenti, utilizzabili. Dopodiché, per far questo ovviamente ci siamo appoggiati a un s a un consulente che a un'azienda di consulenza specializzata che ci ha dato una mano e che ci ha dato una mano a fare altre due attività. La prima è la selezione degli strumenti, nel senso che chiaramente, prima, l'intelligenza artificiale veniva portata dai ragazzi in funzione di quello che piaceva loro. Invece abbiamo identificato un set di strumenti, li abbiamo anche, i-identificati e dedicati a certe tip a un certo tipo di attività e insieme a-a-ai nostri consulenti abbiamo anche, definito una policy di utilizzo dell'intelligenza artificiale. Peraltro questo è un passaggio che per noi in quanto azienda food e quindi in quanto appartenente a una supply chain critica è obbligatorio ai fini della NIS2. Bellissimo argomento. Quindi, da ultimo, sempre attraverso l'utilizzo di questi nostri consulenti, abbiamo identificato, degli ambassador, li abbiamo chiamati, power users, tra i colleghi, che un po' per età, un po' per inclinazione personale, abbiamo ritenuto più idonei a, funzionare da sponsor all'interno delle rispettive aree aziendali per l'utilizzo di questi strumenti. Questa prima fase, che ci è costata più o meno 50-60.000 € tra, formazione, licenze, supporto consulenziale, che risultato ha dato? Ha dato il risultato di avere un'organizzazione pronta a sperimentare questa strumentazione.

1:31:33 Maurizio Pèrcopo: Però hai abbattuto uno di quelli vincoli che dicevamo durante la survey, cioè la consapevolezza di cosa è lo strumento, no?

1:31:39 Andrea Guidi: Sì sì-

1:31:40 Maurizio Pèrcopo: Un percorso molto sano

1:31:41 Andrea Guidi: Perché il livello di consapevolezza di cosa fosse-

1:31:44 Maurizio Pèrcopo: Anche le paure, no? Le-

1:31:45 Andrea Guidi: Que-que-que-que-questo animale era molto disomogeneo in azienda, -

1:31:50 Maurizio Pèrcopo: C'era l'entusiasta, il detrattore, il-

1:31:53 Andrea Guidi: Sì, un po' legato appunto all'età, un po' anche a, appunto, alle inclinazioni personali. C'era chi era già molto avanti e lo utilizzava per conto suo e chi non aveva proprio idea.

1:32:03 Maurizio Pèrcopo: Esatto.

1:32:03 Andrea Guidi: Invece, dopo questa prima fase abbiamo raggiunto un livello di consapevolezza di base attraverso, l'organizzazione abbastanza omogenea., dopodiché, e questa è la fase in corso, abbiamo cominciato a provare a sviluppare una serie di strumenti specialistici per funzione e diciamo la funzione pilota è stata quella dell'amministrazione finanza e controllo. Esercizio ancora in corso, esercizio ancora in corso. In cosa è consistito, in cosa consiste questo tipo di attività? Sostanzialmente i colleghi di questa funzione hanno, fatto un'ulteriore fase di formazione, stavolta non con specialisti di intelligenza artificiale punto, ma con una sorta di combo specialisti di intelligenza artificiale applicata ai processi finance., questo tipo di formazione si è anche poi alla fine trasformata in una sorta di laboratorio dal quale sono emersi una serie di strumentini, prompt un po' articolati, qual agenti, che in sono andati a supporto di pezzi di processi esistenti. L'esercizio di rivedere i processi in funzione delle potenzialità dello strumento, quello non l'abbiamo ancora fatto, forse lo faremo nell'ultima fase. In questo momento ci siamo limitati a capire in che misura nel nostro modello operativo fatto da processi, un'organizzazione degli strumenti, il cambio di certi strumenti, l'introduzione di nuovi strumenti poteva migliorare la performance dell'organizzazione in termini sostanzialmente di produttività. Lo stesso approccio lo, stiamo implementando nelle altre quattro aree aziendali che leggete sulla destra della chart, quindi sales e customer service, qui mi riallaccio a quello che diceva Paolo prima, nel mondo del customer service, del data entry c'è tanto, secondo me, da portare a casa in termini di, miglioramento della produttività., come chissà chi ha bazzicato, l'industria alimentare, la parte, il, mh, della qualità per noi è fondamentale e lì c'è un tema, legato a una gestione documentale devastante che potrebbe, a mio avviso, avere un grandissimo vantaggio dall'utilizzo di questi strumenti. Purchasing, chi è che parlava di acquisti pri no, tu, brava-

1:35:02 Altro partecipante: Elisabetta

1:35:02 Andrea Guidi: Scusami., l'hai detto tu. E anche per quanto riguarda la parte di logistica, dove noi abbiamo un'esigenza importante di andare a incrociare i listini dei, trasportatori con, le rotte da far fare e i contratti che abbiamo, s riteniamo che tutta una serie di processi che oggi sostanzialmente vengono gestiti, non dico a mano, ma insomma con poco più di un foglio Excel, potrebbero essere veramente efficientati in maniera significativa da questi strumenti. Quindi l'esercizio che abbiamo fatto in amministrazione finanza e controllo lo faremo in queste altre, in queste altre aree aziendali. Adesso vi farei vedere, questa è veramente un, una banale tabellina con, alcune delle applicazioni che abbiamo, oh, provato a realizzare. Qualcuna è andata bene, qualcuna male., il primo ha molto a che vedere con il fatto che, secondo me l'intelligenza artificiale ha bisogno di una base dati che sia omogenea e lavorabile. Quando noi abbiamo provato a supportare il controllo di gestione che tutti i mesi è chiamara è chiamato a produrre una reportistica di alto livello, cioè per me e per il board, con l'intelligenza artificiale l'esercizio non è riuscito. Nel senso che si spendeva più tempo ad andare a correggere quello che bisognava correggere perché l'intelligenza artificiale pescava da una base dati non omogenea che farla direttamente. Quindi quello non ha funzionato. Ha invece funzionato un pochino meglio sulle attività di, diciamo, analisi di KPI e di bilancio. Q-qui perché la base dati era più ristretta, era più omogenea e quindi qui abbiamo, automatizzato sostanzialmente, l'attività con il risparmio che leggete sull'ultima colonna, insomma, 12 ore anno, nu-nulla di particolarmente brillante, però insomma accumulando questo tipo di vantaggi poi alla fine qualcosa porti a casa. Ecco, le fa- legate alle riconciliazioni è dove abbiamo avuto, il massimo del ritorno., noi, questo esercizio l'abbiamo fatto oggi, di fatto abbiamo risparmiato 50 ore/anno su questo tipo di esercizio., parziale è stato, il risultato, relativo a, la necessità di riconciliare la contabilità generale con i movimenti di magazzino. Per noi questo è un esercizio molto importante., noi facciamo 200 milioni di euro di fatturato, c'abbiamo 70 milioni di magazzino perché il Parmigiano Reggiano rimane due anni e mezzo in magazzino. Quindi per noi, i movimenti di magazzino fanno il risultato mensile, ovviamente, e quindi abbiamo un-un'attenzione maniacale a con a questo controllo. Insomma, è andata così e così con l'intelligenza artificiale. Ci stiamo ancora lavorando. Questa ve l'ho fatta vedere solo per darvi un po' di contezza di quali sono le applicazioni, pratiche sui quali stiamo cominciando a lavorare. Per l'approccio che abbiamo avuto, mi fa piacere dire che questo tipo di, es-sperimentazione è fatta da tutte le persone che sono in azienda, cioè tutte le persone che son passate attraverso quel processo di formazione oggi sono in grado di immaginare a quale parte dei processi che loro gestiscono potrebbe essere applicato uno strumento di intelligenza artificiale., chiudo con l'ultima chart che appunto è il desiderata., cioè, il nostro desiderata è far divenire l'intelligenza artificiale una parte strutturale del nostro ecosistema informatico. E per far questo stiamo analizzando uno strumento, non mi chiedete di entrare nel dettaglio perché, ripeto, deve esserci chi s-chi le sa queste cose, io le so, in maniera molto alta, che è Mendix, che è una piattaforma no code che avendo all'interno l'intelligenza artificiale, come dire, nativa, dovrebbe, aiutarci a cogliere l'obiettivo di cui sopra, sostanzialmente. I vantaggi che potremmo che vorremmo cercare di cogliere è, vabbè, da un lato appunto, evitare che l'utilizzo dell'intelligenza artificiale, così come la stiamo facendo oggi in azienda, determini una sorta di creazione di shadow IT, perché ognuno si crea i suoi prompt, i suoi agenti. Ah, ovviamente questo tipo di approccio aumenterebbe la sicurezza perché c'hai una sicurezza nativa, perché l'intelligenza artificiale ce l'hai all'interno della piattaforma. In quanto piattaforma no code dovrebbe aiutarci a ridurre in maniera significativa i tempi di rilascio delle applicazioni, per quello che ci hanno fatto vedere, e al tempo stesso dovrebbe anche ridurre la dipendenza dai fornitori tradizionali. Fornitori di questo tipo normalmente poi diventano, lock in, nel senso che quando ce l'hai in casa te li devi far andar bene per forza perché cambiarli costa, mhm, delle cifre non, mhm che non hanno senso. E ovviamente ci dovrebbe anche aiutare a far crescere le nostre competenze interne. Questo veramente però è proprio un desiderata e noi siamo ancora a metà della seconda fase.

1:41:26 Maurizio Pèrcopo: Grazie.

1:41:27 Andrea Guidi: Grazie.

1:41:27 Maurizio Pèrcopo: No, innanzitutto noto cioè la parte iniziale a me mi ha molto colpito, me l'avevi anche già raccontata, perché comunque hai instaurato un percorso sano, diciamo così, di introduzione di questo strumento all'interno dell'azienda, la consapevolezza, la conoscenza diffusa, insomma, e l'entusiasmo. E guardavo Salvatore che diceva ogni tanto: "Sì, conosci queste piattaforme", era un elemento che avete valutato? Perché la scelta tecnologica è difficilissima secondo me, no? Cioè scegliere il fornitore barra piattaforma o strumento giusto è una delle cose più rischiose. Se io fossi amministratore delegato della società direi: "Ma quale scelgo? Come faccio a sapere se scelta interna, scelta esterna?" Abbiamo, come dire, esperti ovviamente al tavolo, però la scelta è importante, no? Allora, come tu lo fai un po' da interno e un po' da acquirente anche, no? Come-

1:42:14 Salvatore Guddemi: Io lo vedo da entrambi i lati, e te la posso raccontare da entrambi i lati., chi sceglie il prodotto di Doser lo fa perché risolvi un problema enorme, che è quello che noi chiamiamo il caos dell'influencer marketing, e quindi l'impatto perché poi, e mi è piaciuta molto la presentazione, i-il ROI, no? I-il ROI è fondamentale per poi avere, come dire, un utilizzo costante e dei di strumenti di intelligenza artificiale. È chiaro che il lato di Doser, il nostro cliente, il ROI ce l'ha immediato, perché gli risolvi un problema enorme di comunicazione e di gestione di velocità delle campagne. Pensate, sempre nei termini di confi-confidenzialità che citavi tu, Balocco post Ferragni. Ha avuto bisogno immediatamente di lanciare campagne. Non poteva studiare il brief, pensare, cercare creators. E noi in due giorni abbiamo andati live. Lato interno è un po' più complesso. Mendix lo conosco, noi, mhm, utilizziamo più un, due ragazzi interni, diciamo, due interni due consulenti in realtà, che poi di fatto stanno Sono dedicati a questa attività all'interno. Stiamo utilizzando strumenti, no code per la scrittura dove vogliamo fare delle cose un po' più complesse e, Lovable per delle cose più semplici, perché ci siamo detti: "I-iniziamo a fare e poi, mh, ca-capiamo come omogeneizzare". Nel senso che l'idea è stata, l'ottimo è nemico del bene. Intanto capiamo come revisionare i processi tramite AI. Partiamo dalla revenue recognition, partiamo dalla reportistica finale di fine mese, partiamo dal CRM per la gestione del serie A, partiamo perché intanto lo utilizziamo. Iniziamo a far formazione alle persone, iniziamo a creare gli agenti, iniziamo a capire quali linguaggi, gli LLM che stanno dietro le applicazioni, sono più adatti alla nostra azienda. E poi-

1:44:24 Andrea Guidi: Scusate, questo tipo di sviluppo lo fate internamente?

1:44:29 Salvatore Guddemi: Sì, noi siamo piccoli, noi siamo 40 persone, 45 persone, s tutti con gli stagisti,. È un'azienda che l'anno scorso abbiamo chiuso con cinque milioni e mezzo di fatturato, stanno arriveremo ai 10, quindi è una dimensione che ci permette di farlo, è molto agile-

1:44:43 Andrea Guidi: Avete delle persone che lavorano in low code e-

1:44:46 Salvatore Guddemi: Loro lavorano no co allora, sono, mh, estrazione tech.

1:44:50 Andrea Guidi: Ok.

1:44:51 Salvatore Guddemi: Lavorano no code perché loro usano tipicamente, ma non solo, Anthropic e, e Lovable. Ok? Lovable in realtà è nativo, con Anthropic. E ci fanno delle app che di fatto sono degli agenti, per gestire alcuni pezzi di processo. Poi sono anche molto bravi. Faccio un esempio: la revenue recognition, quindi parto o meglio, CRM più revenue recognition, quindi parto dalla: ho un cliente in mente che posso contattare fino a l'incasso, ok? Lì cosa hanno studiato il processo. Han detto: "Fateci capire, co-cosa accade? Facciamo due, tre, quattro esempi". Poi o è un processo abbastanza semplice, ok? Han detto: ", ma noi usiamo Hubspot, inseriamo questi dati, poi quando si modifica...". Ho detto: "Ok, creo l'agente di input del dato da parte del sales, l'agente finance che crea la commessa, l'agente finance che legge le fatture, l'age poi sopra creo quello che io chiamo il vigile, l'agente degli agenti, che coordina tutti gli agenti". Quindi loro da un'app che praticamente è qualcosa che è poco più di una chat perché ha dei campi ovviamente obbligatori per la pulizia del dato, perché se no il dato non è pulito, più u-un pezzo conversazionale, ok? E però il conversazionale cosa fa? Recepisco il la richiesta e fa domande. Perché? Stesso punto di prima: il dato serve pulito, il dato nativamente deve essere pulito. E poi l'agente, la il super agente chiama i singoli agenti sulla base delle richieste. Costruito internamente. Poi ripeto, noi siamo una dimensione tale per cui possiamo essere molto flessibili e iniziare a lavorare con The Pilot in maniera estremamente veloce. Però quello che ci siamo detti è: intanto partiamo, perché questo ci aiuta a ripensare il processo. Poi non sarà magari questo l'abbiamo messo in piedi in qualche giornata di lavoro, non sarà la versione finale. Potremmo rivedere questa o ripensarla da capo. Però l lo spunto che ci dà è: cambia il processo, cambia il modo con cui gestiamo l'informazione.

1:46:59 Paolo Ferrari: La soddisfazione è aver trovato un primo risultato, ma penso che un po' tutti hanno fatto così, no? -

1:47:03 Sabrina Di Bartolomeo: Noi abbiamo fatto esattamente la stessa cosa. Siamo tanto più grandi, però ad esempio quando ho parlato del cash flow forecast l'abbiamo fatto alla stessa maniera, anche perché abbiamo il nostro, ambiente di intelligenza artificiale. Invece di usare Lovable, che a me piace un sacco, però lo uso per motivi privati, abbiamo usato Base44, unito a Cloud e abbiamo fatto esattamente la stessa cosa.

1:47:29 Andrea Guidi: Ma l'avete fatto inter-internamente? Ma col supporto di qualcuno dell'IT oppure è quel-

1:47:34 Sabrina Di Bartolomeo: Sì, no, perché nel nostro il nostro CIO circa un annetto e mezzo fa ha deciso di assumere due o tre ragazzi, che-

1:47:46 Salvatore Guddemi: Dedicati

1:47:46 Sabrina Di Bartolomeo: Erano dedicati a questo. Noi siamo gli unici che li usano, adesso li stiamo tempestando. Infatti l'altro giorno han detto: "Adesso basta perché non vi stiamo più dietro". Però, questo ci aiuta tanto. Cioè abbiamo usato la testa della tesoriera con-

1:48:02 Paolo Ferrari: Se posso fare un piccolo commento a quello che hai detto. Due commenti anzi. Allora, il primo è molto importante che è il fatto della frammentazione dell'utilizzo degli strumenti. Perché, diciamo, tanto più il processo viene spezzettato in utilizzo frammentato degli strumenti, tanto più dentro tu c'hai l'azienda alla governance. Cioè poi non sai più cosa succede.

1:48:23 Salvatore Guddemi: Esatto.

1:48:24 Paolo Ferrari: Quindi questo è fondamentale garantire una governance stretta, ma soprattutto anche portare a casa i risultati, perché poi se ognuno usa il copilot a fine suo, si porta a casa mezz'ora meno di lavoro e l'azienda non ne beneficia, io, insomma, in ottica aziendale non ci vedo un grande risultato insomma, ecco. Questo è molto importante. Seconda cosa, da fornitore, ovviamente il tema del make or buy per noi è molto importante, no? Ovviamente. Allora, due considerazioni: la prima è, vabbè la nostra noi non siamo una piattaforma generalista di AI, siamo una piattaforma che fa una cosa specifica, cioè sostituisce il lavoro umano, quindi, non siamo copilot, noi siamo proprio esecutori, no? Quindi, diciamo, lavoriamo non sull'analisi dei dati, ma sull'esecuzione operativa dei processi quando ci sono questi contenuti da sistemare. Faccio due casi. Allora, un'azienda industriale non è il suo core business, non è il suo core non è la sua core competence gestire le bolle di consegna. Le bolle di consegna servono perché servono avanti alla produzione Ma sono un costo necessario, quindi lì secondo me non ha senso che un'azienda industriale investa in un'AI che fa un lavoro di sostituzione del cioè di esecuzione dell'attività su questo perché ci sono delle piattaforme tipo la nostra che lo fa, no? End to end, cioè non devi metterti lì a costruire i meccanismi, perché la nostra piattaforma è un orchestratore di altro. Secondo:, ma la gestione dei sinistri è core competence di una compagnia assicurativa. Come mai la gestione dei sinistri ve l'hanno data in mano? Semplice, perché noi costiamo la metà. Cioè chi ci ha provato, noi abbiamo tre compagnie assicurative, due ci hanno provato con le risorse interne, alla fine non gli conveniva perché lavorare soprattutto con i, con gli LLM e quindi con i token, la contabilità di un token ti uccide, perché tutte le volte che tu gli dai da mangiare qualche cosa, paghi. La nostra piattaforma usa le AI solo quando è necessario. Per cui, per esempio, tutta la categorizzazione io non la faccio attraverso gli LLM, la faccio attraverso degli altri strumenti che ci consentono di categorizzare e di capire e quindi a un costo di centesimi, millesimi per pagina, non centesimi o decimi di euro per pagina. Quindi i diciamo, l'applicazione di un modello che, diciamo, mette insieme componenti differenti tra un motore, insomma, di esecuzione di tipo più efficiente, anche se è una core competence della compagnia assicurativa, tant'è che alcune compagnie assicurative ci stanno dicendo: "Questa cosa che hai sviluppato da noi l'avrai solo noi", cioè ci chiedono di fare un'esclusività proprio perché è una cosa, -

1:51:08 Andrea Guidi: Costruita-

1:51:08 Paolo Ferrari: Noi siamo anche interessati, cioè a noi ci va bene, perché poi alla fine noi non è che a noi interessa sviluppare delle competenze esecutive che ci consentono poi di fare delle cose anche da un'altra parte. La il motore che gestisce i claim nella compagnia assicurativa io lo posso prendere e applicare paro paro al customer service, perché il customer service, se ci pensi, è un claim di prodotto, no? Lì è un sinistro, perché sei andato, addosso a uno e lì è un problema che il prodotto o la il trattamento del processo di gestione della documentazione alimentare non è stato corretto. Quindi io quei motori lì ormai li posso, con addestramento... Piccola, altra piccola cosa: l'addestramento dei modelli, di questi modelli è molto rapido. Io c'ho dei tempi di implementazione, c'ho dei tempi di implementazione che vanno da zero, cioè io in un quarto d'ora ti metto in produzione una soluzione, a massimo tre mesi. Però in tre mesi ho fatto 75 documenti diversi. Quindi diciamo l'addestramento con determinate tecniche, queste, di queste capacità esecutive è molto rapido. Per cui nel make or buy anche queste disi-considerazioni bisogna farle.

1:52:24 Tiziana Bonacina: E poi probabilmente nel buy, laddove applicabile, si può utilizzare le best practice che arrivano proprio dal fatto, no? Che se magari per la stessa applicazione sono state viste N possibilità con diverse N di richieste che magari come individui, come azienda singola abbiamo il nostro mindset, le nostre considerazioni, mentre invece forse si possono portare delle best practice magari anche fatte da qualcun altro.

1:52:56 Paolo Ferrari: Ci vuole un buon filtro-

1:52:57 Andrea Guidi: C'è una contaminazione mostruosa-

1:52:58 Tiziana Bonacina: Dove tu ti sembrerebbe possibile che ci sia-

1:53:02 Paolo Ferrari: Per esempio, noi abbiamo usato il con-confrontatore di polizze assicurative per fare l'analisi dei, delle risposte alle gare d'acquisto. Perché poi alla fine la confrontability gliela devi solo insegnare a leggere un documento diverso, ma la capa-la capability di confronto, l'hai acquisita, cioè la macchina l'ha acquisita. Quindi anche lì, la contaminazione è molto forte.

1:53:29 Maurizio Pèrcopo: Ovviamente in azienda ci vuole un buyer consapevole, no? Nel senso che qualcuno in azienda che sia un champion in grado di capire, no? Che chi si propone per farvi qualche cosa è una competenza importante.

1:53:39 Andrea Guidi: Non è facile, soprattutto in realtà non grandissime come quella che gestisco io. Io ho la fortuna di avere un bravissimo, IT manager, però non è facile perché anche per loro sono tematiche nuove. Cioè, roba che arriva là sul mercato negli ultimi 24 mesi.

1:53:59 Paolo Ferrari: Per questo l'uomo dello sviluppo organizzativo deve essere nella picture, perché se no il ruolo, la competenza, la figura professionale nuova non ce la fai mai.

1:54:10 Andrea Guidi: Sì. Da noi l'uomo dello sviluppo organizzativo ce l'ha davanti, chiaramente -

1:54:16 Maurizio Pèrcopo: Che non fa solo quello, che non fa solo quello.

1:54:19 Andrea Guidi: Nelle piccole realtà, -

1:54:20 Paolo Ferrari: È così, però.

1:54:21 Tiziana Bonacina: Noi abbiamo usato una stupidaggine, era questo proprio una stupidaggine, ovviamente è passato sotto le mie grinfie con il contratto e nel contratto nei confronti della società che ci aiuta a sviluppare l'AI: tu mi fatturi quando io ti do il go che la soluzione che mi hai dato funziona.

1:54:36 Paolo Ferrari: Ah.

1:54:38 Maurizio Pèrcopo: Non è ovvio.

1:54:39 Andrea Guidi: Quando vai in produzione.

1:54:40 Paolo Ferrari: Certo.

1:54:41 Tiziana Bonacina: Sì, ma deve anche darmi i risultati. Ti do io il go.

1:54:44 Paolo Ferrari: E certo.

1:54:44 Tiziana Bonacina: Se no-

1:54:44 Andrea Guidi: Noi abbiamo questo come standard con cui lavoriamo-

1:54:46 Tiziana Bonacina: Quindi deliverable, fatturazione, ti pago. Se no, I'm sorry.

1:54:51 Paolo Ferrari: E certo.

1:54:53 Maurizio Pèrcopo: Succede anche in altri settori, io sono esperto di life science, alcuni prodotti il sistema sanitario te li rimborsa se non hanno efficacia su di e parliamo di milioni e milioni investiti-

1:55:01 Tiziana Bonacina: Ma sono tanti soldi, no?

1:55:03 Andrea Guidi: Sì, e soprattutto, son tematiche talmente nuove per cui l'alea è grande.

1:55:11 Maurizio Pèrcopo: Ci vuole un approccio da partnership con il fornitore, altrimenti non funziona.

1:55:14 Tiziana Bonacina: Corretto.

1:55:15 Paolo Ferrari: Noi abbiamo cominciato ovviamente con un approccio, essendo piccoli, noi facciamo un milione e mezzo di fatturato, quindi non è che solo le AI però, quindi non è... Quindi noi siamo partiti, con- Necessità, siccome per far girare le macchine non è che sono, insomma, macchine costose, ci facevamo dare degli anticipi importanti, no? Però pian piano stiamo vedendo che, diciamo, pensare ad arrivare a un success fee non è cosi-

1:55:46 Sabrina Di Bartolomeo: Infatti anche io l'anticipo al nostro fornitore, però piccolo così, piccolo perché ci stava.

1:55:51 Paolo Ferrari: Perché ci sono i risultati,.

1:55:53 Sabrina Di Bartolomeo: Sì, no. Però, insomma...

1:55:55 Salvatore Guddemi: Gise, posso fare una domanda per curiosità? Ma molto veloce., ho sempre avuto questo grande dubbio: nei settori regolati, penso al banking, penso a, penso al pharma, secondo te è più facile una soluzione buy, quindi un esterno verticale che studia la soluzione per il pharma, perché tutti i temi che hanno, no, di, come dire, settore regolato, o farsela in casa, quindi con un grande team di consulenti che studia il settore, che ri crei proprio una, u-un'applicazione, un software su misura?

1:56:30 Paolo Ferrari: Ti faccio un esempio pratico. Il primo insurance con cui siamo partiti tre anni fa, e siamo partiti su una cosa non regolata, cioè i rapporti dei broker, quindi diciamo contabilità, quindi riconciliazione tra le vendite delle polizze vendute, eccetera. Pian piano siamo andati a fare il claim. Oggi, dopo tre anni in cui diciamo, c'è facciamo anche la liquidazione automatica con una nostra applicazione di AI., in questo momento, se, a un certo punto c'è un contenzioso legale su un, diciamo, su un sinistro, l'unico che sa che cosa è successo è Capto. Perché è i metadati che dicono perché in quel caso è stata fatta quella cosa, siccome l'80% passa senza essere visto da nessuno, non c'è la signorina o l'impiegato a cui chiedere: "Ti ricordi il caso di Paolo? Cosa è success ", no. Ci sono tutti i metadati memorizzati per cui, in un ambiente regolato s in questo momento, senza, diciamo, senza questa capa lasciata al Capto, senza questa capability di comprensione profonda di quello che è successo, e tu non sai dare le risposte. Noi siamo in grado, in caso di disaster rico di disastro informatico, di recuperare i dati in due ore. Perché abbiamo dovuto fare un doppio server, un doppio sistema di server sincronizzati, perché se cade il fulmine a Norimberga, c'è quell'altro di Francoforte che interviene. Perché, diciamo, l'utilizzo del, dell'informa l'utilizzo dell'informazione, poi diventa un problema di costo, opportunità. Ripeto: questa cosa qua, se dovuta fare internamente, richiedeva un volume di attività e un numero di anni incompatibile con il fatto che noi abbiamo una soluzione sostanzialmente pronta. E quindi questo è certamente un punto importante. La grande domanda che ci fanno è: "Ma quanto i modelli, gli LLM nuovi riusciranno ad arrivare a fare le cose che oggi fa Capto?", lì dipende, lì è l'accuratezza,. Quello che ti quello il parametro che ti guida è l'accuratezza. Finché tu non hai un'accuratezza che ti consente di non guardare le cose, noi siamo avanti già.

1:58:54 Salvatore Guddemi: Sulle applicazioni aziendali penso che la specializzazione sia la chiave del successo, perché tanto i grossi motori non riusciranno mai, a meno che non si specializzano a conoscere tutti i dettagli di un determinato business.

1:59:04 Sabrina Di Bartolomeo: Ma poi c'è anche la questione addestramento, no? Il dataset che ha a disposizione, il linguaggio.

1:59:08 Paolo Ferrari: Noi non facciamo prompting,. Noi, cioè, è tutto viene tutto strutturato e, diciamo, sono dei modelli specializzati sulla cosa specifica, sul contesto specifico. Poi il motore dietro è uguale, è solo l'addestramento che è specializzato.

1:59:26 Sabrina Di Bartolomeo: Posso fare una domanda? In questo modo tu rendi statico il modello? Perché il vantaggio dell'intelligence artificiale è che è dinamica, no?

1:59:37 Paolo Ferrari: Non è statico, perché noi, ripeto, abbiamo un sistema di governance per cui misuriamo continuativamente la differenza tra l'output che fornisce il sistema e il ground truth. Quindi se ci sono dei discostamenti facciamo ritraining.

1:59:52 Sabrina Di Bartolomeo: Ok.

1:59:53 Paolo Ferrari: È tutto nel cioè, la piattaforma non è solo la soluzione o il modello di AI, ma è l'intero, è l'intero per questo noi possiamo proporci come outsource, perché di fatto, abbiamo un monitoraggio, una governance continua, anche negli elementi di, di tipo regolatorio. Ci sono proprio dei moduli ad hoc che servono a misurare e a verificare che non ci sia questo scollamento e che non rimanga statico. Perché se io, facciamo un esempio stupido: se io ricevo delle shipping note europee e a un certo punto comincio a prendere un fornitore cinese, a un certo punto quello lì comincia a sbavellare, no?

2:00:30 Sabrina Di Bartolomeo: Ma certo.

2:00:31 Paolo Ferrari: E allora bisogna fargli un addestramento o glielo facciamo perché è una cosa nuova, ma se è per esempio solo un cambiamento di template, di formati, di cose, lui automaticamente si riadegua perché facciamo ci sono dei training automatici che ripartono. Quindi il di-il dinamismo non è di è di contesto.

2:00:51 Sabrina Di Bartolomeo: Sì, no, ma quello è importante, cioè che si riadatta, perché altrimenti, ripeti, cambi-

2:00:56 Paolo Ferrari: Ma io ho avuto un ca noi abbiamo avuto un caso, Portonovo, che è un nostro cliente, in cui siamo partiti su AS400 e a inizio di quest'anno sono passati su Dynamics e hanno cambiato tutta la codifica degli articoli, tutta la codifica dei fornitori e tutta la codifica degli ordini. Quindi tutto quello che noi fino al 31 dicembre avevamo insegnato a Capto è stato buttato nel cesso perché dal primo di gennaio il fornitore ha cominciato a man a parte che mandavano documenti metà scritti nel mo coi codici vecchi, codici un bordello che metà ne va. Quanto ci abbiamo messo ad assorbire 'sta cosa? 15 giorni. Noi in 15 giorni siamo andati in produzione. Con il sistema con la stes dall'84 al 72 di straight up, però la già l'avevo, già l'avevo data proprio per quelli che sbilucio dicevo noi. Tu pensa a cambiare la codifica articoli in-

2:01:50 Maurizio Pèrcopo: Nel 6400

2:01:52 Sabrina Di Bartolomeo: No, in-

2:01:53 Paolo Ferrari: In 15 giorni

2:01:54 Sabrina Di Bartolomeo: Ci dovremmo passare

2:01:55 Paolo Ferrari: A 15 giorni.

2:01:57 Andrea Guidi: Quante anagrafiche-

2:01:58 Maurizio Pèrcopo: Stiamo-

2:01:59 Andrea Guidi: Quante anagrafiche c'hai?

2:02:00 Sabrina Di Bartolomeo: Ah noi ogni for ogni azienda deve avere lo stesso fornitore.

2:02:04 Maurizio Pèrcopo: Vincenza.

2:02:04 Sabrina Di Bartolomeo: Le anagrafiche hanno sempre i fornitori.

2:02:06 Altro partecipante: Una domanda anche io ho visto perché se no poi finiamo a parlare di cose troppo tecniche secondo me, perché penso che poi gli aspetti tecnici, IT, la soluzione, la scelta dei software, ci sono mille offerte, come dire, sul mercato, interne, esterne, e si trova la soluzione migliore. Credo che, allora, da quello che capisco dal racconto, un problema, interessante è la governance, no? Di questi progetti. Ok?, mi sembra di capire che, intanto negli esempi portati dalle aziende, da Andrea, da Sabrina, si sia seguito un approccio non tradizionale, no? L'approccio progettuale, penso, imposto, definisco il team, no, faccio un deployment di quello che ho pianificato, ma si sia si sono coinvolte, no, fin dal da subito le persone dal basso. Tu parlavi della formazione, parlavi della formazione persone. C'è una sorta di innovazione spontanea, no? Che nasce anche tra chi poi utilizza tutti i giorni gli strumenti, no? E i tool, no? E quindi mi è interessante questo approccio un po' diverso di tipo progettuale, no? Un po' più agile, un po' più, come dire, distribuito rispetto al classico, no, monolitico del project management top down. E volevo quindi capire da voi se questo qui è un approccio corretto per chi deve avviare un progetto di questo tipo. E l'altra domanda era relativa proprio alla governance. Cioè secondo voi chi deve gestire progetti di questa natura? E che cosa potreste fare meglio o diversamente da quello che avete fatto finora, visto che avete fatto l'esperienza già sia Andrea che Sabrina,, all'interno dell'azienda, come deve essere portato avanti un progetto di questo tipo? Cioè io sono un imprenditore oggi di una PMI, per esempio, e mi pongo la domanda: cosa faccio? Cosa posso fare domani mattina? Da dove comincio? Come coinvolgo, no, e come costruisco il mio team progettuale, il mio team di lavoro? Chi metto nel team? No? Da dove parto?

2:04:10 Andrea Guidi: Posso?

2:04:11 Altro partecipante: Certo.

2:04:12 Sabrina Di Bartolomeo: Bene.

2:04:12 Maurizio Pèrcopo: Abbiamo tre possibili classi di risposta.

2:04:17 Altro partecipante: È una domanda ampia, però mi interessa perché vedo la prospettiva-

2:04:20 Andrea Guidi: Credo che le risposte possano essere diverse e, debbano essere diverse in funzione della dimensione, dell'articolazione del-dell'organizzazione di cui stiamo parlando. Nel mio caso, cioè organizzazioni tendenzialmente piccole, la governance non può che passare attraverso il capo azienda e la sua prima linea. Cioè, non avrei potuto farlo se non passando attraverso il coinvolgimento dei primi livelli, cioè i capi delle diverse nostre organizzazioni funzionali classiche, con dei responsabili di area aziendale e il modo è stato quello e onestamente non in organizzazioni con le caratteristiche della mia credo che sia l'unica, insomma.

2:05:09 Sabrina Di Bartolomeo: Sì, nel nostro caso, anche noi abbiamo replicato di fatto il modello che ha fatto vedere Andrea, no? Nel senso ovviamente, la policy AI, insomma, tutta questa organizzazione, tutta di preparazione, orchestrazione, formazione che continuiamo a deliverare perché poi tutto cambia, quindi continui a deliverare formazione., è sì, un progetto che deve partire, insomma, devi creare un po' di sentimento, no? Intorno a questo progetto. Quindi secondo me il path os è giusto che parta dal basso perché, lo vedi praticamente. La sponsorship ovviamente deve essere una sponsorship del capo azienda e del suo e della sua prima linea, perché comunque senza quella è difficile poi riuscire a far le cose. Quando poi cerchi di, andare in un progetto più complesso, ad esempio tipo quello che, stiamo portando avanti noi dopo aver fatto, alcune, alcuni test, diciamo così, alcune sperimentazioni, allora lì ritorni un po' comunque all'organizzazione di progetto, perché altrimenti rischi di perdere, il focus, perché, il rischio, che vedi quando tu fai sperimentare, che tutti vogliono sperimentare, no? E poi dopo le cose si perdono perché non le non arrivano ad ama, no, ne fanno un pezzo, "Sì, mi piace, ha funzionato" e mi fermo lì. Invece è giusto quello che diceva Salvatore, cioè tu devi guardare tutto il processo e poi cercare di, migliorarlo, no? Per fare questo c'è bisogno di comunque un pool centrale che pensi. Cioè noi abbiamo fatto questo, noi abbiamo creato questo pool, che si deve occupare della governance e che si deve occupare anche di battere il tempo, perché altrimenti ti perdi oppure rischi di fare troppo anche.

2:07:20 Altro partecipante: Chi c'è in questo pool?

2:07:22 Sabrina Di Bartolomeo: Adesso, perché noi lo stiamo facendo lato finance, sono dei champion, diciamo, in area finance. Sono persone di esperienza, che hanno un'esperienza a cavallo sia sulla parte amministrativa che sulla parte controllo di gestione e che hanno voglia di mettersi un po' in gioco. Poi dentro c'è una persona di HR perché- Quando dobbiamo validare anche eventuali saving, diciamo. E, abbiamo una persona, di IT che si occupa più però di sistemi. E poi invece abbiamo i nostri, bravi esperti di AI che ci aiutano cooperativamente.

2:08:09 Paolo Ferrari: Esterni.

2:08:10 Tiziana Bonacina: Noi invece-

2:08:10 Sabrina Di Bartolomeo: Non ce li abbiamo interni, però adesso per fare scala stiamo cercando esterni. Infatti vi abbiamo anche sentiti per-

2:08:17 Tiziana Bonacina: Ma dai. Anche no anche noi, scusate se posso mi collego con loro, mh, assolutamente le persone che operano e che fanno quello che poi noi vogliamo ottimizzare. Quindi nel nostro mini in queste due aree abbiamo i due manager che sono responsabili di quei reparti, che sono quelli che poi danno i casi, dicono: "Proviamo a fare questo caso", ok? Quindi loro sono coinvolti al 300% e sono loro che decidono che casi dare. Affiancati a loro c'è il mio IT manager, perché ovviamente è quello che poi lavora con la società di AI e se devono essere dati dei dati, dare accessi a certe cose,. E poi ci sono io che batto i tempi e rompo le scatole. Io fa-faccio solo questo, ma cioè gli esempi non li so fare, li fanno loro. Il mio compito è solo quello di rompere le scatole e assicurare che andiamo avanti. Scusate, ma, -

2:09:15 Paolo Ferrari: Per piacere, Michele, voleva chiederti una cosa.

2:09:18 Tiziana Bonacina: Non è tanto diverso secondo me.

2:09:20 Intervento dal pubblico 3: Sì, grazie. Io ho una domanda, voglio dire, che mi aiuti a capire., abbiamo sentito dal survey fatto che il 42% degli intervistati ci dice che hanno fatto niente o non stanno facendo niente, fondamentalmente perché i sistemi non sono sufficientemente integrati. Abbiamo sentito più volte dire cose come: "Il dato deve essere pulito", "garbage in, garbage out"., "più il dato è coerente, più i sistemi si parlano, più è facile applicare il sistema di AI". Da un lato. D'altro lato, abbiamo anche sentito dire: "Prendiamo le email e dalle email tiriamo fuori, informazioni". "Prendiamo le fatturazione elettrica, quindi dati totalmente destrutturati e da lì creiamo informazioni che poi ci permettono di lavorare". Abbiamo anche sentito dire che: "Evitiamo di fare l'omogeneizzazione di 70 ERP diversi perché utilizziamo l'AI per estrarre informazioni". Allora la domanda è: dove sta il vero in questo?

2:10:26 Paolo Ferrari: Se posso, -

2:10:27 Intervento dal pubblico 3: La domanda è chiara.

2:10:29 Paolo Ferrari: Che va anche su quello che diceva Claudio prima. Sono trasparente, dico le cose vere. Ovviamente quando qualcuno viene da me e mi dice: "Da dove parto?" Non mi parlo di organizzazione di progetto, su cui ovviamente quello che hanno detto loro è sacrosanto, che sono le aziende che si organizzano. Quando a me chiedono: "Da dove parto?" Io sinceramente fino ad oggi dico: "Guarda, queste sono le cose che io so fare: CP note, ordini, fatture, bolle, bla bla bla bla bla bla. Scegli l'use case che più ti sembra sensato rispetto alla tua conoscenza dei problemi, dei tuoi processi, di dove". Oggi io sto iniziando a fare una cosa diversa, che è la seguente: dammi un milione delle tue mail, 100.000 delle mail che vi scambiate. C'ho chi le manda, chi le riceve e nell'incrocio vedo dove ci sono la frequenza più alta di comunicazioni con dei problemi. Sono in grado di capire, con l'intelligenza artificiale, che tipo di problema è, sono in grado di capire che documento ha generato quel problema, sono in grado di capire qual è l'errore che c'è in quel documento. Faccio una bella mappa di calore e partiamo dalle regioni rosse. Fine. Io in tre mesi vado in produzione. Questo è quello che sto cercando di fare io per fare un diagnostico non legato a-

2:11:55 Intervento dal pubblico 3: Che rispetto alla mia domanda vuol dire che si può partire benissimo con dei dati non strutturati.

2:12:00 Paolo Ferrari: Assolutamente no. Anzi, diciamo, è così.

2:12:04 Maurizio Pèrcopo: Però dipende dalla tipol no, dipende dalla tipologia di-

2:12:10 Paolo Ferrari: Per fare l'analisi, per fare l'analisi dei dati. Quindi per se io devo fare l'analisi dei della, la mutazione predittiva degli impianti e ho dei dati che m fanno un po' schifo, faccio fatica. Ma se io ho devo fare l'esecuzione di un processo, le portazioni amichevoli, il fatto che non ci ci sia scritto il codice fiscale sbagliato, lo leggo da un'altra parte. Non mi interessa, cioè-

2:12:32 Maurizio Pèrcopo: Però sono dati finanziari.

2:12:33 Paolo Ferrari: Quello che serve a me-

2:12:34 Maurizio Pèrcopo: Il tema dell'ostacolo, era un tema ostacolo di accedere a dei sistemi finanziari che stanno stru destrutturati in azienda sui quali nessuno di voi ci vuole mettere mano in questo momento, no?

2:12:44 Sabrina Di Bartolomeo: Ma infatti quello che si fa, no? A tendenzialmente almeno quello che abbiamo pensato di fare noi, poi, magari altre aziende fanno cose diverse, però in che cosa ci stiamo facendo aiutare dall'intelligenza artificiale? A capire dove stanno tutte le differenze. Poi è chiaro che se io ho perché uno dei problemi più grossi, no? Il master data, cioè ipotizziamo, cioè io ho, mettiamo 60 società, io in quelle 60 società magari non sono 60, saranno 30 e quindi li devo un po' aiutare a riallineare, potrò scegliere, poi magari ci metterò le mani per cercare di farli diventare il più simili possibile, però intanto mi faccio dire dove stanno le differenze. Secondo: pensiamo al cliente, no? Al fornitore. Cioè tu ti trovi in 60 società il fornitore Pippo, che magari è presente da tutti, che da uno si chiama Pippo, dall'altro si chiama P grande, I, P piccolo, O. Tutta questa cosa qua, questo l'intelligenza artificiale ti aiuta a dire: "Guarda che quel P grande, P piccolo è la stessa cosa. Ti va bene?" Che lo facciamo diventare tutto uguale? Sì, c'è la gente che te lo cambia. È questo il grosso lavoro che ci fa l'intelligenza artificiale

2:14:01 Paolo Ferrari: Quindi aiuta a trasformare dati non omogenei in dati omogenei.

2:14:04 Sabrina Di Bartolomeo: In dati omogenei. Poi ci metti le manie di lavori, cioè lo sai e li sistemi, non è-

2:14:08 Paolo Ferrari: Sui dati per le decisioni, quel punto. Sui dati per l'esecuzione, ma quello che dice adesso lei è un dato che è meno importante che non avere dei dati sbagliati sulla funzione predittiva. Noi ovviamente quando facciamo gli ordini sono le destinazioni merce, ognuno scrive come vuole. Chi se ne frega, tu scrivila come vuoi, scrivi anche su pane su carta di pane e salame, l'AI ti aiuta. Se tu devi fare l'analisi dei lui per fare la liquidazione automatica, abbiamo fatto leggere sei anni di liquidazioni. Se questi sei anni di liquidazioni sono sbagliate, diciamo la macchina impara a macchia. Se non c'è l'acca, non c'è l'acca. Cioè si scriverà senza l'acca.

2:14:48 Tiziana Bonacina: Io invece do una visione completamente opposta, tanto per far casino.

2:14:53 Paolo Ferrari: Siamo qui per questo.

2:14:54 Tiziana Bonacina: Ovviamente non ho potuto farlo vedere, ma le 600 email sono tutte nel nostro sistema. Sono completamente integrate perché noi dob nel nostro caso dobbiamo tenere traccia in modo assoluto e super trasparente di tutto quello che abbiamo fatto. Tant'è vero che quando abbiamo definito quanto fatturare e mandiamo le fatture al cliente, appiccichiamo anche le sue richieste in modo automatico. Quindi noi abbiamo, chiamiamolo così, il nostro sistema ERP, il gestionale SAP, parte finance. Sopra ho appena finito di metterci la Power BI, che legge tutti i dati, e il sistema gestionale e SAP si parlano costantemente. Ogni mese, ogni volta che abbiamo finito una pratica, diciamola così, schiacciamo il bottoncino, va in SAP e crea i dati per la fatturazione. Quindi invece no, per quanto ci riguarda è tutto assolutamente integrato. Nel sistema gestionale ci sono anche tutti i contratti con i clienti, tutti i contratti con i fornitori, quando ci sono, tutti i prezzi vengono caricati.

2:16:02 Altro partecipante: Ma questo significa che c'è una base dati molto omogenea.

2:16:05 Tiziana Bonacina: Abbiamo lavorato sì, molto omogenea. E la struttura del sistema ERP, quindi è già molto omogenea.

2:16:11 Maurizio Pèrcopo: Dipende dal punto di partenza ovviamente.

2:16:12 Tiziana Bonacina: Esatto.

2:16:13 Maurizio Pèrcopo: Dipende dal punto di partenza.

2:16:15 Tiziana Bonacina: Non c'è una risposta sola.

2:16:17 Altro partecipante: No, volevo chiedere-

2:16:18 Maurizio Pèrcopo: Perché un'azienda storica e destrutturata ha difficoltà a partire in maniera...

2:16:23 Salvatore Guddemi: Esatto, perché ho visto tu-tutte e due le fasi. Da un lato uso l'AI come primo step per avere una base dati strutturata, quindi è completamente disomogenea. Primo step: uso l'AI, prima che non la uso, e dico: "Guarda, questi sono i dati. Cerca delle strutture simili o similari". Quindi l'AI crea una base dati. E poi sopra monto un'altra AI o degli agenti che leggono e tirano fuori i messaggi dal dato. Quello che citavo poi nel mio intervento è un'altra cosa che è molto diversa. Parto già dal dato strutturato e pulito, perché i sistemi sono già integrati. Quindi l'AI è empowered, non so come dire, no? È-

2:16:59 Paolo Ferrari: Sono due workaround, però, fondamentalmente.

2:17:03 Salvatore Guddemi: Perché se il dato iniziale-

2:17:04 Sabrina Di Bartolomeo: Piano secondo me ci devi arrivare, no?

2:17:06 Salvatore Guddemi: Devi arrivarci.

2:17:07 Sabrina Di Bartolomeo: Però hai la possibilità di partire prima, cioè quello che magari-

2:17:12 Paolo Ferrari: Il 42% che ci dicono: "Non facciamo niente perché non abbiamo la data". La risposta è: vai a strutturarti i dati e fai tutto quello che facevo io avanti.

2:17:21 Sabrina Di Bartolomeo: No, parti-

2:17:23 Altro partecipante: Intanto puoi partire a fare delle cose anche se c'hai una base dati non omogenea. E tutta una serie di cose si possono fare.

2:17:33 Paolo Ferrari: No, guardati il video di Velasco, "La teoria degli alibi" degli studenti di due ventunenni, glielo faccio vedere.

2:17:39 Altro partecipante: È giustissimo. È "La teoria degli alibi". Giustissimo.

2:17:43 Paolo Ferrari: "La teoria dell'alibi" di Velasco.

2:17:46 Sabrina Di Bartolomeo: Sempre Velasco.

2:17:47 Altro partecipante: Ah, quello è sicuro.

2:17:48 Paolo Ferrari: I gemelli, un mese sì, un mese no, alternati. Quando inizio, vedo che iniziano e quindi così.

2:17:54 Sabrina Di Bartolomeo: È l'alibi.

2:17:55 Paolo Ferrari: Mia moglie diceva: "Fai riflettere" quando erano piccolini. Io da me hanno imparato che si vanno a vedere i film. Non lo vedono più, mi odiano, però il concetto...

2:18:04 Altro partecipante: Ah, ti odiano.

2:18:05 Paolo Ferrari: È un alibi.

2:18:07 Altro partecipante: Chi dice la verità viene sempre-

2:18:08 Paolo Ferrari: 42% dei rispondenti, c'erano i genitori.

2:18:14 Altro partecipante: Se porti a casa un 20%, un 30% di efficienza, tanto cominci.

2:18:18 Maurizio Pèrcopo: Da qualche parte comunque mi sembra che si vinca.

2:18:20 Paolo Ferrari: Io faccio un'altra cosa.

2:18:22 Altro partecipante: Vai.

2:18:22 Paolo Ferrari: Molto stupido. L'assistenza tecnica.

2:18:26 Altro partecipante: Sentiamo...

2:18:26 Paolo Ferrari: Riceviamo mediamente 400 email a settimana di assistenza, no? E ci fa così la sensazione è che ci sono alcuni, responsabili tecnico commerciali sul territorio che sono hanno meno grip, quindi diciamo, per non dire il signore, uso altri termini, quindi magari i rivenditori, concessionari, questi qua scrivono direttamente al, all'ufficio tecnico per perché chiaramente invece sul al centrale perché in loco non trovano le risposte adeguate. Non so, magari è roba brutta, magari è roba di costruzioni, che deve essere installato, deve capire come installarlo, come funziona, tutte queste robe qua, no? Da comunque robe di come Nimo le cita a quello che fa le che fa la costruzione, che ne trovi sempre meno, che poi che son capaci ancora meno e quindi ci girano a tal dietro perché poi è difficile. Così abbiamo preso tutte le mail, ma le ho smastruzzate un po', guarda caso, le famose, quelli che da dove guarda caso, da dove arrivavano esattamente da quelle aree.

2:19:32 Altro partecipante: Sempre dagli stessi.

2:19:33 Paolo Ferrari: Dove così a naso avevamo capito che ci avevamo gli assistenti tecnico commerciali sul campo che erano meno, diciamo meno svegli.

2:19:42 Altro partecipante: Con tutto il rispetto del settore-

2:19:44 Paolo Ferrari: A qualcuno gli abbiamo fatto scusami, qualcuno gli abbiamo fatto formazione, qualcun altro...

2:19:48 Altro partecipante: Non è adatto. Non è adatto.

2:19:51 Paolo Ferrari: Noi lavoriamo con un'azienda che fa i robot Quindi ha come clienti per Leroy Merlin, OBI, cioè aziende strutturate, ma c'è anche gli idraulici. Cioè non pensate che gli idraulici facciano degli ordinii-

2:20:04 Maurizio Pèrcopo: Gli ordini no

2:20:05 Paolo Ferrari: Con E chi ce l'ho per che fa? Cioè fanno loro vendono i, come si chiamano? I caloriferi. I caloriferi sono altezze, numero di moduli, c'hanno una codifica complicatissima, la sbagliavano tut abbiam fatto là, abbiam capito chi erano quelli più cioè tutti i dati, vai da quelli che sbagliano di più, gli fai la formazione sulla tua codifica. Siamo passati dal 40, 60, 70, adesso 80, 90% degli ordini sono corretti. Quindi il scritto a mano, non scritto a mano, quelli più grandi, quelli più piccoli, chi se ne frega. Se non è un dato decisionale. Un dato decisionale, bisogna essere un po' più la base dati sì.

2:20:44 Maurizio Pèrcopo: Sui dati storici. Bene, siamo arrivati all'orario dell'aperitivo, quindi un po' sforati, ma penso che insomma l'interesse era molto alto e quindi ringrazio tutti. Spero che abbiamo dato una visione mista tra chi fa le cose in maniera di professione, tra virgolette, come queste due parti qua, diciamo, chi ha un'area più innovativa e tutti voi che avete iniziato con coraggio, direi, a fare questo tipo di iniziative. Sicuramente c'è una pigrizia, c'è un'inerzia, c'è una paura. Infatti quando al suo primo racconto dicevo: "Che coraggio che avete avuto", perché non è ovvio, no, gestire la complessità che-

2:21:18 Altro partecipante: Siamo in testa prima di partire, poi andiamo in programma.

2:21:19 Maurizio Pèrcopo: L'entusiasmo anticipa il risultato secondo me a volte, quindi penso che sia di stimolo per tutti noi e anche per possibili nuovi progetti, no? Che si possono fare in questo ambito da parte di tutti. Quindi se non ci sono domande finali, curiosità, che uno va a casa con la domanda che non ho fatto, facciamola subito e altrimenti c'è un aperitivo per chi vuole.

2:21:41 Paolo Ferrari: Noi chiedetela a lei AI.

2:21:44 Maurizio Pèrcopo: L'AI mi ha aiutato a strutturare il workshop, mi ha detto che in tempo ce l'avrei fatta. Insomma, confermo che strutturandolo così mi... Grazie a tutti.