L’evoluzione tecnologica all’interno delle grandi organizzazioni non segue quasi mai un percorso lineare, ma si sviluppa attraverso sperimentazioni che mettono alla prova la solidità dei processi esistenti. Durante il recente convegno “Artificial Intelligence: adozione, trasformazione, equilibrio”, promosso dall’Osservatorio Artificial Intelligence degli Osservatori Digital Innovation del Politecnico di Milano, è emerso un approccio peculiare alla trasformazione digitale. Alessandro Tufano, Responsabile AI di Unipol Assicurazioni, ha condiviso l’esperienza del gruppo nella gestione di quella che viene definita la “fabbrica IT”, sottolineando come l’introduzione dell’AI nei processi IT non rappresenti un semplice aggiornamento tecnico, quanto piuttosto un reagente capace di ridefinire l’intera catena del valore, dalla genesi del bisogno di business fino alla messa in produzione del software.
Indice degli argomenti
La fabbrica IT come laboratorio di innovazione di processo
All’interno di una realtà strutturata, la produzione di software non è un’attività artigianale, ma risponde a logiche industriali di scala. Tufano chiarisce che il punto di partenza per l’innovazione è stata la curiosità verso strumenti generativi capaci di automatizzare task complessi. L’osservazione di soluzioni come Cloud Code di Google ha spinto il team a testare concretamente se tali tecnologie potessero integrarsi in un ambiente dove lo sviluppatore ha responsabilità che travalicano la mera stesura di righe di comando.
La sfida principale risiede nel fatto che, in contesti aziendali complessi, l’automazione deve confrontarsi con una serie di vincoli normativi e procedurali. Tufano evidenzia che l’adozione di questi strumenti richiede una disciplina ferrea: «anche per andare ad adottare strumenti come questi serve dare delle regole, delle regole molto precise». L’innovazione, dunque, non nasce solo dalla potenza di calcolo del software, ma dalla capacità dell’organizzazione di istruire correttamente la macchina. Senza informazioni scritte accuratamente, il rischio è l’inefficacia totale del supporto tecnologico.
Ingegneria inversa dell’innovazione: partendo dai risultati
Un aspetto distintivo della strategia di Unipol è stato il ribaltamento della prospettiva classica. Invece di iniziare dalla fase creativa dello sviluppo, il gruppo ha scelto di applicare l’AI nei processi IT partendo dalla fase finale della catena produttiva. Questo approccio di “innovazione a ritroso” ha permesso di individuare immediatamente i benefici tangibili e le frizioni documentali che rallentano la produzione software.
Il recupero dei Quality Gate attraverso gli Unit Test
Il primo banco di prova è stato quello degli Unit Test, attività fondamentale per la sicurezza applicativa ma spesso trascurata a causa della sua natura ripetitiva. Alessandro Tufano osserva che questi test sono «una cosa tipicamente noiosa» e che la tendenza comune è quella di sacrificarli per accelerare i tempi, andando a rimuovere i cosiddetti Quality Gate.
L’uso dell’intelligenza artificiale ha permesso di automatizzare questa fase partendo direttamente dal codice sorgente. Il risultato non è stato solo un risparmio di tempo, ma un innalzamento strutturale degli standard qualitativi. Attraverso l’applicazione di poche regole chiare, il team è riuscito a ripristinare i controlli automatici su numerose applicazioni, dimostrando che l’automazione può fungere da garante della qualità dove l’operatività umana fatica a mantenere la costanza necessaria.
Nuovi equilibri tra uomo e macchina nel collaudo software
L’innovazione si è poi estesa al supporto dei tester e delle controparti business impegnate negli UAT (User Acceptance Test). Questi test servono a validare il corretto funzionamento del software prima del rilascio finale. In questo ambito, l’adozione dell’AI ha trasformato il ruolo delle figure professionali coinvolte.
I tester hanno riportato un cambiamento significativo nella percezione del proprio lavoro: «Riesco a concentrarmi sulle parti veramente difficili dove serve la mia esperienza, perché le parti scontate vengono abilitate dall’AI». Questo passaggio evidenzia un modello di innovazione in cui la tecnologia non sostituisce l’esperto, ma lo libera dai compiti a basso valore aggiunto, permettendo una focalizzazione sulle criticità che richiedono intuito e competenza specialistica.
L’effetto domino sulla gestione dei requisiti e del demand
L’integrazione dell’AI nei processi IT ha innescato una riflessione profonda sulla qualità degli input aziendali. Durante la generazione dei test, è emerso che l’efficacia dell’intelligenza artificiale dipendeva strettamente dalla qualità della documentazione di Analisi Funzionale (AF). Documenti non standardizzati o poco strutturati rappresentano un ostacolo insormontabile per la scalabilità dell’innovazione.
Tale evidenza ha costretto l’organizzazione a intervenire a monte, modificando i template documentali e immaginando un’integrazione nativa negli strumenti di Project Management aziendale. L’obiettivo è superare la logica dei documenti cartacei o statici a supporto dello sviluppo. Questo percorso di ottimizzazione ha condotto il team di Unipol fino alla radice del problema: la definizione dei requisiti di business, ovvero il Demand.
La standardizzazione come presupposto dell’efficienza AI
La conclusione operativa dell’esperienza di Unipol è che l’innovazione tecnologica non può essere isolata in un singolo “task atomico”. Alessandro Tufano sottolinea che per ottenere un’efficienza reale è necessario risalire fino all’origine del processo. La standardizzazione del demand diventa quindi il presupposto fondamentale affinché l’intero ciclo di vita del software possa beneficiare dell’intelligenza artificiale.
Tale visione trasforma il concetto di innovazione da semplice adozione di tool a revisione olistica del modo in cui l’azienda concepisce e richiede nuove soluzioni tecnologiche. Tufano riassume questo concetto spiegando che «per dare efficienza completa a questo tipo di attività non basta guardare solo a quel task atomico, ma siamo arrivati fino all’origine, cioè al Demand, a quando nasce il requisito di un’applicazione AI». L’AI nei processi IT agisce quindi come un acceleratore che obbliga l’organizzazione a una maggiore coerenza e precisione metodologica in ogni sua fase.
