Dall’AI sperimentale all’AI governata: il valore è nella capacità di trasformare la tecnologia

L’intelligenza artificiale è ormai entrata nei processi di molte organizzazioni e tutti sono concordi nell’affermare che la vera sfida non è più dimostrarne le potenzialità bensì portare questa tecnologia in produzione e a valore, misurarne gli effetti e gli impatti, gestire dati e rischi legati alla sicurezza di questi ultimi e mantenere il controllo umano sulle scelte tecnologiche dell’azienda.
Per l’intelligenza artificiale è dunque arrivato il momento della prova dei fatti. Dopo la fase in cui la priorità era capire che cosa i modelli generativi fossero in grado di fare, il confronto si è progressivamente spostato su un terreno più concreto: quali processi possono essere trasformati, quali risultati possono essere misurati e quale sia l’effettivo valore creato al netto dell’investimento iniziale.
I numeri elaborati dalle principali società di ricerca e di consulenza internazionali raccontano bene questa transizione. Secondo l’AI Index 2025 di Stanford, nel 2024 il 78% delle organizzazioni intervistate dichiarava di utilizzare l’AI, contro il 55% dell’anno precedente; quelle che utilizzavano la Generative AI in almeno una funzione aziendale erano passate dal 33% al 71%. Ma la stessa ricerca evidenziava che, nella maggior parte dei casi, l’impatto economico dichiarato rimaneva ancora contenuto.
Il paradosso fra livelli di adozione e ritorni è ancora più evidente guardando alla componente di scalabilità. Nell’indagine globale McKinsey pubblicata a fine 2025, infatti, l’88% degli intervistati dichiarava che la propria organizzazione utilizzava l’intelligenza artificiale almeno in una funzione aziendale, mentre soltanto il 7% affermava che la tecnologia era stata portata a piena scala nell’organizzazione. Il tema da eleggere a priorità per Ceo e top management è dunque la capacità di trasformare sperimentazioni e progetti pilota in strumenti governabili e integrati nei processi.
Non basta, in altre parole, scegliere un modello potente, collegarlo a un patrimonio informativo e costruire un’interfaccia che lo renda accessibile a tutti; un sistema AI realmente efficace deve confrontarsi con qualità e disponibilità dei dati, sicurezza, costi computazionali, interoperabilità con le architetture esistenti, competenze delle persone e capacità di misurare gli effetti nel tempo.

Il fattore rischio e il tema della sovranità
A questo scenario si aggiunge un elemento che negli ultimi anni è diventato centrale: il rischio. Un modello AI, per quanto avanzato, può ancora produrre informazioni errate, amplificare bias presenti nei dati, esporre dati sensibili o generare risultati difficili da verificare. Rischi riconosciuti non a caso anche dal National Institute of Standards and Technology statunitense, che nel profilo dedicato alla Gen AI ha individuato altri fattori degni di massima attenzione, dalla privacy alla sicurezza informativa fino agli impatti ambientali tra le categorie da presidiare.
La governance dell’intelligenza artificiale e degli strumenti di AI agentica non può essere quindi considerata un elemento accessorio da aggiungere alla fine del progetto, proprio perché questa tecnologia deve essere parte integrante della progettazione. Significa cioè definire quali dati possono essere utilizzati, i confini di autonomia della macchina, quali modelli scegliere e come valutarli, come controllare le risposte e come intervenire quando il comportamento del sistema co-pilotato dall’AI non è coerente con gli obiettivi strategici.
C’è infine una questione di autonomia tecnologica. Nel dibattito sulla sovranità digitale la localizzazione geografica dell’infrastruttura o la nazionalità di chi fornisce una tecnologia non è il punto centrale. La chiave per un uso “sicuro” dell’AI passa attraverso la possibilità di mantenere capacità decisionale e controllo su dati, modelli, architetture e dipendenze tecnologiche. In Europa, il quadro regolatorio vuole rendere questa esigenza sempre più concreta e dallo scorso 2 agosto sono entrate in applicazione nuove disposizioni dell’AI Act, comprese quelle sulla trasparenza per determinati sistemi e i poteri di enforcement; per alcune categorie di sistemi ad alto rischio l’applicazione è stata invece estesa al dicembre 2027, mentre per l’AI integrata in determinati prodotti il termine è agosto 2028. Al netto del processo di regolamentazione, il passaggio dalla sperimentazione alla produzione, quando si parla di intelligenza artificiale, richiede un metodo e – soprattutto - richiede di portare l’AI al piano dei processi, dove il valore può essere definito, misurato e governato. Molto più di quanto non sia possibile fare al solo livello tecnologico.

Ultra, il framework di Almaviva per portare l’AI dentro i processi
Partendo proprio dall’esigenza di offrire una guida per portare a valore l’AI nei processi più importanti e complessi delle organizzazioni, Almaviva ha costruito Ultra, un framework che racchiude le competenze del Gruppo sull’intelligenza artificiale e ha l’obiettivo di accompagnare imprese e pubbliche amministrazioni in tutto il processo, dalla strategia alla sua applicazione. Alla base di questo framework vi è una precisa convinzione: per generare valore, l’AI deve essere progettata, implementata e gestita attraverso un modello di “evoluzione governata”, capace di tenere insieme tecnologia, dati, sicurezza, persone e obiettivi di business.
Ultra, nella descrizione di Almaviva, si articola in cinque fondamenta (Trust, Bridge, Transformation, Factory e Automation) e tre pillar verticali. Le fondamenta rispondono alla volontà di mettere insieme sovranità, sicurezza, compliance e sostenibilità (nel caso di Trust), di connettere ricerca, ecosistemi e tecnologie di frontiera (Bridge), di combinare strategia, governance e adozione valorizzando le capacità delle persone di accompagnare il cambiamento (Transformation), di portare l’innovazione dalla sperimentazione all’esercizio su scala (Factory) e di agire, infine, sul ciclo di vita del software e dei processi attraverso un motore AI-native (Automation).
Su queste basi si innestano i 3 pillar. Il primo è “Made”, che identifica prodotti e proprietà intellettuale sviluppati dal Gruppo, con l’obiettivo di rendere l’AI una tecnologia governabile e sovrana; il secondo è “Bespoke”, che riguarda lo sviluppo di soluzioni costruite intorno al contesto specifico del cliente; il terzo e ultimo è “Vertical”, che raccoglie le soluzioni AI verticali di dominio per soddisfare in maniera più veloce necessità specifiche di ogni settore di mercato.

Indipendenza tecnologica e misurabilità degli impatti
Nel disegnare e progettare Ultra, Almaviva ha considerato la specificità di ambienti particolarmente complessi e regolamentati, come la Pubblica amministrazione, la sanità, il mondo delle utility e quello dei trasporti, il settore della finanza, quello dell’industria e della difesa. L’obiettivo dichiarato è mantenere una stessa architettura di gestione, accessibilità e protezione del dato, adattandola ai diversi contesti applicativi. Tra i benefici indicati da Almaviva figurano infatti la libertà di scelta tecnologica, e di conseguenza l’assenza del rischio di dipendenza da un singolo vendor, la governabilità e la tracciabilità del dato e, soprattutto, la possibilità di misurare l’impatto sui processi. Non un unico modello imposto a tutti i casi d’uso, in definitiva, ma la possibilità di selezionare architetture, tecnologie e soluzioni “KPI oriented” in funzione del problema, sfruttando un approccio vendor-agnostic e multi-cloud. La proposta si appoggia inoltre a un patrimonio tecnologico e di competenze in materia di AI che conta oltre 300 progetti attivi, più di 30 esperti e ricercatori specializzati nell’ambito dell’intelligenza artificiale, oltre 900 professionisti certificati AI e a una famiglia di modelli LLM (Large Language Model) progettati da zero su architettura proprietaria. In parallelo, la capacità di erogare soluzioni AI sia come prodotti che come bespoke, costruiti quindi interamente sulle esigenze del cliente.
A dare ulteriore consistenza a Ultra è infine la recente nascita di Almawave Labs, newCo R&D del Gruppo dedicata alle soluzioni di intelligenza artificiale sovrana. La società riunisce circa 100 specialisti AI, tra cui oltre 30 PhD, e concentra attività di ricerca e sviluppo facendo leva su asset proprietari quali la famiglia di modelli generativi Velvet e la piattaforma AIWave. Con il lancio di Ultra, Almaviva rafforza dunque il principio secondo cui per collegare l’innovazione a un risultato concreto occorre spostare la discussione sull’intelligenza artificiale dalla promessa alla capacità esecutiva. Il nuovo framework nasce proprio per mettere questa capacità a disposizione delle organizzazioni e fornire loro gli strumenti per utilizzare l’AI come una componente governata, misurabile e integrata nei processi.