“Il futuro desiderabile sarebbe un ecosistema di agenti AI che permettano un processo creativo forse più lento, ma sicuramente più approfondito, con idee di maggiore qualità e criticità”. È con questa visione che Sara Tagliapietra, Marketing Innovation Manager di Mediaset, sintetizza la trasformazione che attende i processi di innovazione aziendale nei prossimi anni. Durante la sessione Performing Creative Work del convegno dell’Osservatorio FUTURES del Politecnico di Milano, la manager ha dialogato con Marco Spaggiari, Discovery Manager di Lavazza Group, tracciando le linee guida della collaborazione tra persone e macchine da qui al 2035. Dal loro confronto emerge come l’adozione delle tecnologie intelligenti non stia semplicemente automatizzando le mansioni operative, ma stia ridefinendo l’essenza stessa dell’ideazione strategica e della governance organizzativa.
Indice degli argomenti
Che cosa sono gli agenti AI e come superano l’intelligenza artificiale generativa tradizionale
L’evoluzione dell’intelligenza artificiale nei contesti corporate sta attraversando una fase di profonda maturazione. Se la prima fase di integrazione dell’AI generativa si è concentrata sull’adozione di assistenti testuali generici, lo scenario verso cui convergono le grandi imprese guarda all’impiego di agenti AI dotati di autonomia e capaci di interagire all’interno di un sistema complesso. Questo passaggio segna il definitivo superamento dell’idea di un unico strumento tecnologico chiamato a svolgere ogni compito, per approdare a strutture organizzative in cui molteplici entità intelligenti cooperano con i team umani.
Dal modello unico tuttofare all’orchestrazione di sistemi intelligenti specializzati
La discontinuità risiede nell’architettura con cui le tecnologie vengono integrate nei flussi di lavoro aziendali. Nell’analisi di Sara Tagliapietra, il punto chiave risiede nell'”idea di un’orchestrazione di agenti AI diversi“, un modello che contrasta apertamente con la visione di “un unico agente generalista ‘tuttofare’ che si sostituisce nel generare idee, concetti o contenuti”.
L’obiettivo auspicabile per le organizzazioni consiste nel costruire “un ecosistema di agenti specializzati a supporto delle varie fasi del processo creativo”. Questo approccio a rete permette di preservare la specificità delle diverse fasi di analisi e ideazione, evitando che un algoritmo accentratore appiattisca la varietà e la qualità degli output strategici. L’infrastruttura tecnologica diventa così un tessuto connettivo fluido, capace di adattarsi alla dinamicità dei progetti senza sostituirsi al giudizio critico dell’organizzazione.
Come gli agenti AI trasformano le fasi del processo creativo in azienda
L’impatto degli agenti AI sul lavoro creativo non si traduce in una mera accelerazione dell’esecuzione, ma in una vera e propria riconfigurazione metodologica. L’interazione con sistemi intelligenti specializzati ridefinisce l’esplorazione dei dati, la fase di generazione delle idee e la successiva validazione delle soluzioni su scala globale.
L’esplorazione divergente dei dati e la ricerca di correlazioni nascoste
Nelle fasi embrionali di ricerca e sviluppo, la capacità di elaborare grandi moli di informazioni eterogenee costituisce un collo di bottiglia per le strutture tradizionali. L’integrazione di un agentic AI dedicato all’analisi preliminare consente di allargare il perimetro dell’indagine oltre i confini del settore di appartenenza.
Descrivendo le potenzialità di questa prima fase, Tagliapietra ipotizza la presenza di “un agente che nella fase iniziale di esplorazione dei dati e delle informazioni ti aiuti a trovare correlazioni fra dati distanti o concetti che noi da soli non siamo riusciti a individuare — magari perché legati a una nicchia o distanti dal nostro solito modo di ragionare — e che quindi faccia partire il processo creativo in maniera un po’ più divergente, con un pensiero esteso”. In questo modo, il punto di partenza dell’attività di ideazione si sposta più avanti, poggiando su intuizioni e correlazioni che difficilmente sarebbero emerse attraverso la sola analisi umana.
Il ruolo di sparring partner nel brainstorming e la riduzione dei bias cognitivi
Durante la fase centrale di confronto e definizione delle idee, un secondo agente AI si inserisce nel flusso di lavoro assumendo il ruolo di interlocutore dialettico. In questo passaggio, la tecnologia agisce come un vero e proprio la tecnologia agisce come un vero e proprio sparring partner metodologico.
Durante la fase centrale di confronto e definizione delle idee, un secondo agente AI si inserisce nel flusso di lavoro assumendo il ruolo di interlocutore dialettico. In questo passaggio, la tecnologia agisce come una guida metodologica.
Tagliapietra immagina “un altro agente, sempre di AI, che mi faccia da sparring partner durante la fase di brainstorming, quando le idee vengono affrontate e analizzate prima di arrivare alla soluzione finale”. L’apporto fondamentale riguarda la metacognizione: “sarebbe utile, riprendendo il tema della metacognizione, che questo agente evidenzi i bias che il team o la singola persona non vedono, aiutando ad avere un processo creativo più consapevole”. La presenza dell’agente costringe le risorse umane a riesaminare i propri automatismi di pensiero, garantendo decisioni più rigorose.
Il testing rapido e la sintesi dei feedback sui mercati globali
L’ultima fase del ciclo operativo riguarda l’esame e la selezione delle soluzioni che compongono la rosa dei candidati finali. L’utilizzo di agenti intelligenti dedicati al collaudo permette di simulare la risposta di interlocutori geograficamente e culturalmente diversi.
Sul tema del collaudo finale, la manager di Mediaset suggerisce la presenza di un ulteriore strumento “che aiuti a testare velocemente le varie soluzioni nella short list finale, raccogliendo il punto di vista sintetico di vari pubblici nel mondo, per evitare soluzioni generiche e produrre qualcosa di più adeguato”. I manager possono così contare su valutazioni tempestive e fondate per raffinare le proposte prima del lancio sul mercato.
Perche l’equilibrio tra uomo e agenti AI richiede responsabilita e gestione del caos
L’introduzione diffusa degli agenti AI nei processi aziendali non elimina la complessità, ma ne ridisegna la natura. Il bilanciamento tra l’efficienza degli automatismi e il valore dell’intuizione umana richiede una riflessione attenta sulle dinamiche di interazione e sulle architetture di decisione.
Il valore della fragilità e dell’attrito nelle decisioni manageriali
La ricerca della pura prestazione algoritmica rischia di sterilizzare l’attività d’impresa, privandola di quel margine di imprevisto da cui scaturisce l’originalità. Spaggiari evidenzia come l’interazione con i sistemi tecnologici debba mantenere una dimensione di scontro costruttivo.
Inquadrando la natura dei processi collaborativi, Spaggiari osserva che “il risultato è l’originalità, ma la creatività è ciò che sta dietro: il pensiero”. Quando si costruisce la sinergia con la tecnologia, occorre valorizzare la dinamica relazionale: “Quando più idee e persone interagiscono con sistemi agentici, nascono attriti e frizioni. Questo scontro è fondamentale: serve il coraggio di lasciar modificare la propria intuizione dagli altri o da elementi esterni”.
Questa prospettiva introduce tre principi cardine per il lavoro manageriale. “Il primo è l’interdipendenza e la connessione: l’immagine è sollevata da terra, sospesa, e nessun elemento domina sugli altri; esiste proprio grazie a questo equilibrio dinamico”. Il secondo principio riguarda la centralità del significato, mentre il terzo tocca il valore della dimensione umana fragile: occorre difendere la “fragilità che deve essere permessa, perché fa parte del piacere”.
La governance dell’intelligenza artificiale e la centralità dello scopo umano
L’aumento della potenza di calcolo e dell’autonomia operativa degli agenti AI impone un presidio costante da parte della leadership aziendale sui temi dell’indirizzo strategico e della responsabilità.
Sul piano della direzione strategica, Spaggiari richiama l’attenzione sulle finalità dell’innovazione: “In un contesto di sistemi sempre più potenti, indirizzati verso la performance, è fondamentale riflettere sullo scopo di questi strumenti e sulla nostra responsabilità nel definirlo”. Di fronte a un contesto aziendale caratterizzato da un fisiologico “piccolo caos”, lo stesso Spaggiari solleva un interrogativo aperto per il management: “come facciamo in un sistema così complesso ad abitare questa complessità con l’aiuto dei sistemi citati? Con quale tipo di responsabilità vogliamo stare in questo caos? Il caos è comunque un bene per la creatività”.
A questo richiamo fa eco Sara Tagliapietra, ribadendo la centralità del presidio decisionale umano: “Nell’idea che il processo creativo rimanga umano e gli strumenti siano di supporto, è fondamentale mantenere la consapevolezza di avercela poi”. Gli strumenti tecnologici offrono supporto all’analisi e alla verifica, ma la definizione delle priorità, la valutazione etica e la scelta dello scopo finale rimangono una prerogative irrinunciabile dei decision maker aziendali.
FAQ: Intelligenza Artificiale
Che cos’è l’Intelligenza Artificiale?
L’Intelligenza Artificiale è la disciplina che studia come realizzare sistemi informatici in grado di simulare il pensiero umano. Secondo la Treccani, si tratta della disciplina che studia i fondamenti teorici, le metodologie e le tecniche che permettono di progettare sistemi hardware e software capaci di fornire prestazioni che sembrerebbero appartenere esclusivamente all’intelligenza umana. Rifacendosi alle teorie di Alan Turing, l’AI può essere definita come “la scienza di far fare ai computer cose che richiedono intelligenza quando vengono fatte dagli esseri umani”. Oggi l’intelligenza artificiale è diventata parte della vita quotidiana, consentendo alle macchine di eseguire vari compiti che un tempo erano prerogativa degli umani.
Quali sono le origini dell’Intelligenza Artificiale?
Le origini dell’Intelligenza Artificiale risalgono al XVII secolo quando filosofi come Leibniz, Thomas Hobbes e René Descartes esplorarono la possibilità che il pensiero razionale potesse essere sistematizzato come l’algebra o la geometria. Tuttavia, il “padre” del concetto nell’età moderna è considerato Alan Turing, che nel 1950 pubblicò “Computing Machinery and Intelligence” introducendo il “test di Turing”. Il termine “Artificial Intelligence” venne coniato ufficialmente il 31 agosto 1955 come titolo di un workshop organizzato da John McCarthy, Marvin Minsky, Nathaniel Rochester e Claude Shannon. Questo seminario, tenutosi nel 1956, è considerato la data di nascita ufficiale di questo campo di studio e sperimentazione.
Quali sono le principali tecnologie di Intelligenza Artificiale?
L’Intelligenza Artificiale comprende diverse tecnologie chiave: il Natural Language Processing (NLP) che permette alle macchine di comprendere e generare linguaggio umano; il Speech Recognition per la trascrizione e trasformazione del parlato; i Virtual Agents come chatbot e assistenti virtuali; le piattaforme di Machine Learning che permettono ai computer di apprendere dai dati; l’AI-optimized Hardware specificamente progettato per calcoli AI; i sistemi di Decision Management che inseriscono regole logiche nei sistemi AI; le Deep Learning Platform basate su reti neurali artificiali; la Biometrica per interazioni naturali uomo-macchina; la Robotic Process Automation per automatizzare azioni umane; e il Text Analytics per comprendere strutture e significati dei testi.
Che differenza c’è tra Intelligenza Artificiale Generale (AGI) e Intelligenza Artificiale specializzata?
L’Intelligenza Artificiale Generale (AGI) e l’intelligenza artificiale specializzata (o “debole”) sono concetti distinti. Mentre l’AGI è un sistema dotato di capacità cognitive universali, che consentono di apprendere, comprendere e operare in una vasta gamma di domini e contesti, l’intelligenza artificiale specializzata è progettata per eseguire compiti specifici e ben definiti, come il riconoscimento di immagini, la traduzione linguistica o il gioco degli scacchi. L’IA specializzata eccelle nell’ottimizzazione di compiti particolari, ma non può andare oltre i limiti del suo ambito predefinito ed è già ampiamente utilizzata, guidando l’innovazione in molteplici industrie e applicazioni pratiche.
Quali sono le applicazioni dell’Intelligenza Artificiale nei diversi settori?
L’Intelligenza Artificiale trova applicazione in numerosi settori. Nell’industria, l’AI ottimizza la produzione, riduce gli sprechi e migliora la progettazione dei prodotti. Nel settore sanitario, gli algoritmi di deep learning analizzano immagini diagnostiche, predicono l’evoluzione delle patologie e suggeriscono trattamenti personalizzati. In agricoltura, AI, droni e sensori intelligenti monitorano la salute delle colture e ottimizzano irrigazione e fertilizzazione. Nel settore finanziario, l’AI analizza grandi volumi di dati per identificare frodi e valutare rischi. Nell’istruzione, permette percorsi didattici personalizzati. Nelle smart city, l’AI gestisce traffico, trasporti pubblici e rifiuti per città più sostenibili. Nella logistica, ottimizza ogni fase della catena di approvvigionamento, dalla previsione della domanda alla consegna.
Come funziona l’Intelligenza Artificiale prescrittiva?
L’Intelligenza Artificiale prescrittiva è una branca avanzata dell’AI che non si limita a prevedere eventi futuri (come fa quella predittiva), ma fornisce raccomandazioni operative su cosa fare per ottenere il miglior risultato possibile. Utilizza algoritmi di ottimizzazione, simulazione e modelli matematici per analizzare una vasta gamma di variabili, vincoli e obiettivi, generando scenari decisionali ottimali. È in grado di valutare milioni di possibili soluzioni e selezionare quella più efficiente, tenendo conto delle condizioni reali del contesto aziendale. È particolarmente utile in ambiti complessi come la supply chain, la logistica, la produzione e la pianificazione strategica, dove le decisioni devono essere rapide, data-driven e ad alto impatto.
Quali sono le sfide etiche legate all’Intelligenza Artificiale?
L’adozione dell’intelligenza artificiale nei processi di innovazione apre scenari straordinari, ma anche nuove complessità da governare. Le principali criticità etiche includono la gestione dei bias nei modelli generativi, i rischi di allucinazione nei sistemi di GenAI e la mancanza di framework di governance adeguati a monitorare la qualità e l’affidabilità dei risultati prodotti. Si aggiungono problemi legati alla protezione dei dati sensibili, alla proprietà intellettuale delle soluzioni co-create con l’AI e alla readiness culturale delle organizzazioni. La sfida non è più se adottare l’AI, ma come farlo in modo etico, controllato e sostenibile, bilanciando la potenza predittiva degli algoritmi con la necessaria supervisione umana.
Cos’è l’Explainable AI (XAI) e perché è importante?
L’Explainable AI (XAI), o intelligenza artificiale spiegabile, è un ramo dell’AI che sviluppa metodi e tecniche per fornire spiegazioni chiare e interpretabili rispetto alle decisioni prese dai modelli di machine learning e deep learning. Grazie a queste spiegazioni, gli utenti possono comprendere il “perché” e il “come” si è arrivati ai risultati proposti dagli algoritmi. L’XAI è fondamentale per aumentare la fiducia nelle soluzioni AI, garantire la conformità alle normative (come l’AI Act europeo), ottimizzare i processi decisionali identificando errori o bias, e migliorare la relazione con clienti e utenti. In settori come la sanità, dove le decisioni hanno impatto diretto sulla vita dei pazienti, l’XAI è cruciale per permettere ai medici di comprendere e validare le predizioni dei modelli AI.
Quali sono le startup italiane che utilizzano l’Intelligenza Artificiale?
In Italia esistono diverse startup innovative che utilizzano l’Intelligenza Artificiale per offrire servizi in vari settori. Tra queste troviamo Eyra (Horus), che ha sviluppato un dispositivo indossabile che osserva la realtà e la descrive alle persone non vedenti; The Energy Audit (TEA), che si occupa di efficienza e diagnosi energetica; Unfraud, specializzata nell’individuazione di frodi nelle transazioni; Expert System, che sviluppa tecnologie semantiche per la gestione dei big data; Stamplay, una piattaforma che aiuta gli sviluppatori a integrare servizi esistenti; e Indigo, che utilizza chatbot e machine learning per automatizzare la comunicazione con gli utenti in chat, fornendo assistenti virtuali personalizzati.
Perché molti progetti di Intelligenza Artificiale falliscono nelle aziende?
Secondo una ricerca del Massachusetts Institute of Technology, il 95% dei progetti di intelligenza artificiale generativa nelle aziende non produce risultati misurabili. Le cause principali di questo fallimento includono: scarsa integrazione con i sistemi esistenti, strategie AI deboli o assenti, budget mal allocati che privilegiano la tecnologia rispetto all’integrazione, competenze insufficienti per gestire progetti complessi, e aspettative irrealistiche sui tempi di implementazione. Al contrario, le startup mostrano risultati migliori grazie a un approccio AI-first: niente legacy tecnologiche da gestire, agilità organizzativa e focus su problemi specifici. Il messaggio è chiaro: senza integrazione, governance e strategia, i progetti AI falliscono nella grande maggioranza dei casi.
Come sta evolvendo l’automazione grazie all’Intelligenza Artificiale?
L’automazione sta evolvendo significativamente grazie all’Intelligenza Artificiale, che la rende più intelligente, flessibile e capace di rispondere in tempo reale alle complessità del mondo reale. L’RPA (Robotic Process Automation) si sta trasformando grazie all’IA, rendendo i software robotici capaci di prendere decisioni basate su dati contestuali, elaborare linguaggio naturale e apprendere dai feedback. I veicoli autonomi rappresentano una frontiera visibile dell’AI in azione, interpretando l’ambiente circostante e prendendo decisioni in millisecondi. Nell’industria 4.0, l’IA analizza dati in tempo reale per ottimizzare produzione e manutenzione, mentre chatbot e assistenti virtuali ridefiniscono la relazione tra brand e clienti. Secondo PwC, entro il 2030 l’AI potrebbe contribuire fino a 15.700 miliardi di dollari all’economia globale.
Partecipa alla community