L’era dell’Intelligenza Artificiale (AI) è iniziata da diverso tempo e molte aziende, soprattutto in Italia, faticano ancora a “fidarsi” di questa innovativa tecnologia per trasformare e ottimizzare i processi. Tra le realtà impegnate ad accompagnare le aziende a sfruttare appieno il potenziale dell’AI c’è Axiante, Business Innovation Integrator. Axiante, in particolare, propone soluzioni inerenti a Dati e Intelligenza Artificiale: attraverso piattaforme di advanced analytics, data governance e AI diventa possibile abilitare decisioni più rapide, accurate e scalabili in un contesto in cui il vero valore risiede nella capacità di agire sui dati, non solo nel raccoglierli.
L’Intelligenza Artificiale in Italia fatica a decollare
Ma come sta procedendo l’adozione dell’AI nel nostro Paese? Secondo una recente indagine condotta da Netconsulting Cube, il numero delle medie e grandi aziende italiane che scelgono l’Intelligenza Artificiale come fattore strategico è molto limitato e i settori più AI-oriented sono GDO & Retail, Industria e Trasporti.
“Oggi, per le medie e grandi aziende italiane, l’AI è un tema limitato e marginale”, afferma Romeo Scaccabarozzi, Amministratore Delegato di Axiante. “Questa realtà non è legata ad un fattore di maturità o sfiducia nei confronti dell’AI stessa. Quello che sta accadendo con l’Intelligenza Artificiale, lo abbiamo visto già con altre tecnologie e innovazioni. Prima di abbracciare seriamente l’AI, le aziende hanno bisogno di concretezza, di applicazione al proprio contesto e di ritorni economici (ROI). E proprio i ROI, al momento, sono difficilmente calcolabili in termini economici. Sono proprio questi i fattori che rallentano notevolmente l’adozione dell’AI nelle aziende italiane”.
La maggior parte delle aziende (circa il 60%), attraverso dei Proof of Concept (POC), stanno valutano la fattibilità di un progetto di AI che risponda ai criteri di concretezza, di applicazione al contesto e di ROI sopracitati dall’AD di Axiante.
Ma dove l’Intelligenza Artificiale sta generando interesse? In quali reparti l’AI viene utilizzata per fare il POC? Secondo lo studio “Quantum Black” di McKinsey, pubblicato a marzo 2025, l’intelligenza artificiale viene applicata dalle aziende soprattutto in questi ambiti:
- Sales & Marketing e Sviluppo di prodotti e servizi
- Settore IT
- Service Operations
- Knowledge Management
- Software Engineering
- Risk, Legal and Compliance
Per il comparto Sales & Marketing, in particolare, l’Intelligenza Artificiale rappresenta uno strumento che aiuta ad incrementare e ottimizzare i risultati a livello di personalizzazione dei servizi offerti, per guidare la fidelizzazione del cliente e per penetrare meglio nei mercati in cui si opera.
“L’Intelligenza Artificiale”, continua Romeo Scaccabarozzi, “è in fase di valutazione e il Sales & Marketing ha opportunità di ROI durabili nel tempo”.
L’importanza dei dati
Nei progetti di Intelligenza Artificiale, un ruolo centrale è giocato dai dati.
Mirko Gubian, Demand Senior Manager e Partner di Axiante, afferma: “Disporre di dati di qualità e nelle giuste quantità è un requisito fondamentale per sviluppare soluzioni e strumenti di intelligenza artificiale accurati e quindi efficaci. Una sfida, tra l’altro, in crescita dal momento che da una parte aumenta sempre più velocemente la sofisticatezza dei modelli di AI; dall’altra è sempre più complesso disporre di set di dati reali consistenti a causa dei nuovi problemi legati alla privacy, delle restrizioni legali e dei costi elevati per l’acquisizione e la catalogazione dei dati”.
Cosa fare quindi quando questi requisiti non sono presenti? Come garantire che i dati per addestrare i modelli di Intelligenza Artificiale siano accurati, completi e aggiornati? In aiuto arrivano i dati sintetici ovvero dati fittizi in quanto generati artificialmente, in modo algoritmico per esempio dall’AI generativa, con l’obiettivo però di risultare il più possibile realistici ed essere dunque utilizzati come sostituti di dataset reali e, non da ultimo, personalizzati secondo specifiche esigenze.
Non va sottovalutato che la qualità di questi dati dipende spesso dalla qualità del modello che li ha creati e del set di dati sviluppato. Un passaggio fondamentale nella generazione di dati sintetici è pertanto il data profiling, ovvero l’analisi sistematica dei dati originali per comprenderne struttura, distribuzioni, relazioni e anomalie.
Questa fase è essenziale per assicurare che i dati sintetici riflettano fedelmente le caratteristiche statistiche e semantiche dei dati reali. Attraverso il data profiling è possibile individuare le variabili chiave, i range di valori, la frequenza delle categorie e la presenza di dati mancanti o incoerenti. Solo conoscendo a fondo il dataset reale si possono generare dati sintetici realistici, utili e privi di distorsioni, garantendo qualità, coerenza e aderenza agli obiettivi specifici del modello di intelligenza artificiale.
In uno scenario sempre più competitivo e instabile, la qualità e la disponibilità dei dati diventano elementi imprescindibili per generare efficienza e sostenere innovazione e sviluppo. I dati non sono solo il carburante dell’Intelligenza Artificiale, ma anche il fondamento per disporre di insight affidabili e potenti e implementare azioni tempestive. Per questo Axiante affianca le aziende nel percorso di adozione dell’AI, aiutandole a strutturare, integrare e valorizzare i propri dati e supportandole nello sviluppo e nella messa a terra di progetti di intelligenza artificiale, affinché diventino un reale vantaggio per il business.
AI e dati uniti nella Customer Data Platform e nella Customer Intelligence
Due tecnologie in fase di crescita e sempre più utilizzate all’interno delle aziende sono la Customer Data Platform (CDP) e la Customer Intelligence (CI) e alla base del loro funzionamento ci sono i dati e l’Intelligenza Artificiale.
“L’utilizzo della CDP e della CI diventa fondamentale in tutte le aziende in cui il cliente è al centro, in cui quindi c’è una complessità nella gestione del cliente (retail, banche, assicurazioni, sanità, travel)”, spiega Antonio D’Agata, Strategic Accounts Director & Partner di Axiante. “Queste due tecnologie vengono spesso confuse. Benché complementari, CDP e CI sono diverse.
La CDP è una piattaforma che raccoglie, unifica e organizza i dati che provengono da diverse fonti, fisiche o digitali, in un unico profilo cliente. La CI, invece, è la tecnologia che analizza i dati che vengono raccolti dalla CDP per cercare di estrarre gli insight utili per poi segmentare al meglio l’informazione, prevedere i comportamenti dei clienti, ottimizzare le campagne e cercare di diminuire i tassi di abbandono”.
