Il passaggio verso un modello aziendale realmente orientato ai dati non è un semplice aggiornamento tecnologico, ma una trasformazione che tocca le fondamenta stesse del management. Paolo Pasini, Associate Professor of Practice di Information Systems e IT/Digital Management presso la SDA Bocconi School of Management, ha recentemente analizzato questo percorso durante l’evento FabricAI Day, promosso da Relatech e Microsoft.
Al centro della riflessione emerge la necessità di superare un approccio intuitivo per approdare a una solida integrazione IT-OT, capace di unire l’Information Technology e l’Operational Technology in una visione strategica coerente. Secondo Pasini, le aziende oggi non acquistano solo strumenti, ma «comprano delle modalità, dei modi di fare, dei processi di business, di produzione, di gestione e automazione di magazzino, di qualità, di design, di progettazione del prodotto…». Tuttavia, questa evoluzione tecnologica deve fare i conti con un limite culturale ancora radicato nel tessuto imprenditoriale italiano.
Indice degli argomenti
Oltre la competenza: il valore dell’accountability nelle organizzazioni
L’adozione di nuove tecnologie e processi non può prescindere dalla componente umana, un elemento che spesso manca come sensibilità nei progetti di digitalizzazione in Italia. Pasini sottolinea con vigore che le persone non rappresentano solo un insieme di competenze tecniche, ma sono portatrici di accountability, ovvero della responsabilità individuale nel compiere un’azione. La resistenza principale risiede in quello che il professore definisce come un limite del modello manageriale italiano: la tendenza a «prendere decisioni “di pancia”».
Questo approccio si scontra frontalmente con il modello anglosassone, dove i piani di studio formano i giovani verso un DNA differente. La sfida per le imprese contemporanee è dunque quella di promuovere un fact-based decision making, utilizzando dati oggettivi anziché l’istinto. Per Pasini, l’efficacia manageriale è oggi indissolubilmente legata alla capacità di misurare, poiché «non si migliora ciò che non si riesce a misurare». In un contesto di crescente complessità, un manager sprovvisto di dati non può operare con successo, dovendo distinguere nettamente tra l’opinione personale e il dato di ricerca analizzato scientificamente.
L’evoluzione tecnologica: dai sistemi esperti del 1980 all’AI Generativa
Il percorso delle analisi dei dati non è un fenomeno recente, ma affonda le sue radici in oltre quarant’anni di studi su come creare applicazioni a supporto delle decisioni. Pasini ricorda che già alla fine degli anni ’80 l’intelligenza artificiale muoveva i primi passi sotto il nome di “Sistemi Esperti”, uscendo dai centri di ricerca per entrare nelle aziende. Da allora, diverse ere si sono susseguite, influenzando il modo in cui il mercato interpreta la reportistica e i processi decisionali.
Inizialmente il focus era sui tools di reporting e visualizzazione, per poi passare ad applicazioni sofisticate dedicate al forecasting e al budgeting. Successivamente, l’era dei Big Data ha rivoluzionato il mondo del Customer e del mercato, ma Pasini rileva un paradosso: nel mondo produttivo, dove i dati nativamente digitali sono abbondanti, l’attenzione è stata oggettivamente inferiore rispetto ad altri settori. Dal 2020 abbiamo assistito a un rilancio massiccio dell’Intelligenza Artificiale, arrivando all’attuale interesse per la AI Generativa e la AI Analitica. In questo scenario, il portafoglio delle applicazioni si è ampliato drasticamente, passando dalla fase descrittiva e diagnostica a quella predittiva, prescrittiva e, infine, automatizzata.
Il cuore del problema: l’integrazione IT-OT e i nuovi modelli organizzativi
La gestione delle tecnologie applicate agli ambiti produttivi, definite OT (Operational Technology) Analytics, richiede un modello in grado di integrare i dati provenienti dal campo con i sistemi decisionali tipici dell’IT. Pasini evidenzia come manchi spesso una «freccia di retroazione» che permetta di migliorare i processi in tempo reale, un vuoto che l’AI sta iniziando a colmare. L’integrazione IT-OT diventa quindi il cardine per governare fenomeni complessi legati alla fabbrica, alla logistica e alla progettazione.
L’analisi di Pasini identifica due scenari principali per gestire questa convergenza. Il primo è lo scenario convergente, in cui la funzione IT e quella OT si fondono in un’unica entità, come avvenuto in realtà come ATM (Azienda Trasporti Milanesi). In questo modello, la funzione è unica, garantendo sinergie di competenza e una responsabilità formale centralizzata su budget e investimenti. Il secondo è lo scenario distinto, in cui la funzione OT rimane separata (spesso all’interno della Direzione Produzione) rispetto all’IT. Questo scenario richiede la creazione di solidi meccanismi di trasferimento di conoscenza e l’adozione di team Agile per favorire la collaborazione.
In entrambi i casi, l’obiettivo è integrare i dati provenienti da ERP, MES e SCADA. Per le piccole e medie imprese, Pasini suggerisce che lo scenario distinto possa rappresentare una fase iniziale più veloce e fattibile, per poi evolvere verso un’integrazione più profonda in una fase successiva.
La cultura del dato come cantiere aperto e il paradosso dei rendimenti
Affrontare l’integrazione IT-OT significa, secondo Pasini, «aprire dei cantieri». Non si tratta di progetti con una scadenza definita, ma di processi continui poiché «la qualità dei dati e l’affinamento dell’analisi sono continui, e l’appetito vien mangiando». Il rischio maggiore è creare strumenti avanzati, vere e proprie “supercar”, che però nessuno sa guidare o che vengono utilizzate per scopi banali per mancanza di cultura.
Inoltre, emerge un dato critico riguardante il ritorno economico degli investimenti in IA. Pasini cita ricerche recenti del MIT che indicano come, dopo tre anni di lavoro sull’AI Analitica e Generativa, i rendimenti manifestati sui conti economici siano ancora minimi o trascurabili. Questo accade perché molte aziende non sono ancora riuscite a mettere insieme tutti i pezzi del puzzle organizzativo. La domanda cruciale per il 2026, sollevata da ricercatori come Davenport e Bean, resta: «chi si deve occupare dei dati e dell’AI?».
Un framework per la maturità digitale: i sei pilastri strategici
Per trasformare un’azienda in una Data Driven Organization, Pasini propone un framework di valutazione della maturità articolato su sei dimensioni fondamentali, che devono essere affrontate con metodo e razionalità. I pilastri identificati dal docente sono i seguenti:
- Strategia: Definizione di strategie chiare per l’AI e le Data Analytics.
- Adozione e Copertura: Identificazione di quanti e quali processi coprire con priorità.
- Architetture: Strutturazione delle architetture dati necessarie.
- Organizzazione: Definizione dei modelli di collocazione delle competenze, siano essi centralizzati, federati o Hub & Spoke.
- Performance: Misurazione dei ritorni effettivi degli investimenti.
- Sourcing: Bilanciamento tra competenze interne ed esterne, considerando che oggi si contano oltre 28 diverse professionalità specialistiche nel settore.
Questo profilo di maturità permette di individuare punti di forza e debolezza, evitando che i progetti rimangano isolati e generino un valore inferiore al potenziale. Pasini conclude ricordando che il valore in azienda può essere inteso in almeno dieci modi diversi e non sempre si manifesta immediatamente nel conto economico. La sfida dell’integrazione IT-OT rimane dunque una leva organizzativa essenziale per chiunque voglia governare l’innovazione anziché subirla.
