Oggi l’intelligenza artificiale deve essere parte integrante di ogni soluzione IT. Non si può evitare di citarla, il rischio è di avere un giudizio negativo o di non essere considerati sufficientemente aggiornati. Ma è davvero necessario inserirla dappertutto? Alcune volte è un mero espediente marketing per proporre algoritmi evoluti come più intelligenti rispetto a quanto non siano effettivamente o quanto non debbano essere perché in realtà non serve avere un’elevata potenza computazionale per gestire determinate applicazioni.
Ci sono invece ambiti che possono trarre grande vantaggio dall’impiego dell’AI. Due di questi sono l’Enterprise resource planning (ERP) e il Customer relationship management (CRM), applicazioni strategiche per gestire le attività di business. Proprio per questo, l’adozione degli algoritmi dell’intelligenza artificiale ha rappresentato una delle trasformazioni più significative nel panorama aziendale contemporaneo perché non sta ridefinendo solo i processi operativi interni alle organizzazioni, ma anche il modo in cui queste interagiscono con i propri clienti. Per capire l’importanza di questa evoluzione, facciamo il punto della situazione evidenziando quali innovazioni sono già implementate, quali sono le sfide ancora da affrontare e come queste possono rappresentare un’opportunità per il canale.
AI in Italia: a che punto siamo
Prima di addentrarci nel dettaglio di come l’AI sta trasformando ERP e CRM, vediamo qual è il livello di azione dell’intelligenza artificiale nel nostro Paese.
Dai dati raccolti dall’Osservatorio Artificial Intelligence del Politecnico di Milano, nel 2024 il mercato dell’intelligenza artificiale in Italia ha raggiunto un nuovo record, toccando quota 1,2 miliardi di euro con una crescita del +58% rispetto al 2023. A trainare lo sviluppo sono soprattutto le sperimentazioni che utilizzano anche la Generative AI, che rappresentano il 43% del valore, mentre il restante 57% è costituito in prevalenza da soluzioni di intelligenza artificiale tradizionale. Guardando la spesa media per azienda, i settori più attivi sono telecomunicazioni & media e insurance, seguiti da energy, resource & utility e banking & finance, ma si segnala anche una forte accelerazione del GDO & retail. La Pubblica amministrazione pesa oggi il 6% del mercato, con un tasso di crescita superiore al 100%.
Le imprese italiane si stanno approcciando all’intelligenza artificiale più lentamente rispetto ad altri Paesi europei (i dati raccolti dall’Osservatorio riguardano Francia, Germania, Irlanda, Italia, Olanda, Regno Unito e Spagna): l’81% delle grandi imprese ha almeno valutato un progetto, contro una media europea dell’89%; il 59% ha già un progetto attivo, contro una media europea del 69%, il che pone l’Italia all’ultimo posto tra i Paesi analizzati.
Da sottolineare però che tra chi già la utilizza, nel 25% dei casi ha già progettualità a regime.
Nelle piccole e medie imprese, l’adozione dell’intelligenza artificiale è molto inferiore a quella delle grandi realtà. Se il 58% delle PMI si dimostra interessato al tema, grazie all’attenzione mediatica e allo sviluppo di un mercato di strumenti pronti all’uso e low-cost, solo il 7% delle piccole imprese e il 15% delle medie ha avviato progetti, tramite sviluppo interno o rivolgendosi a fornitori esterni. In questi casi, i principali obiettivi hanno riguardato l’efficienza operativa e nello specifico, per le aziende di prodotto, l’ottimizzazione dei processi produttivi. Un forte limite all’adozione progettuale dell’intelligenza artificiale è l’immaturità nella gestione dei dati.
L’esplosiva AI generativa è già sperimentata nel 65% delle grandi aziende attive nell’AI, soprattutto nell’ambito del CRM per sistemi conversazionali a supporto degli operatori interni.
L’Italia si colloca ai primi posti nell’utilizzo di strumenti di GenAI pronti all’uso: il 53% delle grandi aziende ha acquistato licenze di strumenti di GenAI (principalmente ChatGPT o Microsoft Copilot), più di Francia, Germania e Regno Unito. Il 39% delle grandi imprese che utilizzano questi strumenti afferma di aver riscontrato un effettivo aumento della produttività (da evidenziare però che un ulteriore 48% non ha ancora valutato in modo quantitativo gli impatti).
In relazione alle PMI, l’adozione di strumenti di GenAI pronti all’uso tramite licenze riguarda l’8% delle imprese. Gli Osservatori precisano che si tratta delle stesse realtà che lavorano sull’AI, più una quota minoritaria di aziende che stanno esplorando il tema con investimenti estremamente contenuti.
Un tema di grande attualità è quello dei rischi che possono derivare da un utilizzo non governato dell’AI. Questo è un tema particolarmente sentito dalle grandi aziende italiane: in oltre il 40% dei casi ci sono linee guida e regole per l’utilizzo e nel 17% dei casi è stato vietato l’uso di tool non approvati, per evitare logiche di shadow AI.
Ancora decisamente lungo si rivela invece il percorso relativo agli aspetti etici e alla compliance delle iniziative di AI (in particolare, in riferimento all’AI Act): dai dati degli Osservatori emerge che solo il 28% delle grandi realtà attive in progetti AI ha adottato delle misure concrete e il 52% dichiara di non aver compreso a pieno il quadro normativo.
Automazione intelligente nei sistemi ERP
Analizzando i benefici che l’adozione dell’intelligenza artificiale può portare alle tradizionali applicazioni, McKinsey indica che le categorie di software che ruotano attorno ai principali flussi di lavoro e contengono ingenti quantità di dati aziendali o di settore sono quelle più adatte alla creazione di valore. Questo perché l’uso dell’AI introduce un notevole potenziale nel semplificare e automatizzare i flussi di lavoro e nello sfruttare risorse e informazioni proprietarie.
QUI IL REPORT MCKINSEY NAVIGATING THE AI GEN DISRUPTION IN SOFTWARE
Tra queste applicazioni rientrano i sistemi ERP, che proprio grazie all’implementazione di algoritmi di intelligenza artificiale hanno raggiunto nuovi livelli di sofisticazione nell’automazione dei processi aziendali, permettendo di gestire attività complesse che prima richiedevano necessariamente l’intervento umano.
Come, per esempio, i sistemi di previsione della domanda basati su machine learning: viene ottimizzata la gestione dell’inventario tramite l’analisi dei dati storici, tendenze di mercato e variabili esterne. Le aziende che hanno adottato tali strumenti sostengono di aver avuto sensibili riduzioni dei costi di magazzino e miglioramenti nella precisione delle previsioni. Questo perché le decisioni sono prese a fronte di indicazioni concrete basate su precisi insight.
Un altro notevole vantaggio, soprattutto per chi opera in ambito produttivo, risiede nella possibilità di effettuare la manutenzione predittiva. Grazie ai sensori IoT connessi, i sistemi ERP possono raccogliere dati in tempo reale sui macchinari, dati che, analizzati dagli algoritmi di AI consentono di identificare potenziali guasti prima che si verifichino. In questo modo, non solo si possono ridurre significativamente i tempi di inattività non pianificati organizzando la manutenzione in modo da non impattare sulla produzione, ma si hanno anche macchine che operano sempre al massimo dell’efficienza.
Trasformazione dei CRM attraverso l’AI
Nel campo dei CRM, l’intelligenza artificiale ha introdotto strategiche capacità analitiche. Ne hanno beneficiato anzitutto i chatbot conversazionali, che hanno visto evolvere notevolmente la comprensione del linguaggio naturale. I clienti apprezzano la rapidità e l’accessibilità a ogni ora della giornata dei sistemi automatizzati, ma continuano a valorizzare il contatto umano nei momenti critici del customer journey. A fronte di ciò, le aziende implementano modelli ibridi, dove l’AI gestisce le interazioni di routine mentre gli operatori umani, supportati da insights in tempo reale, intervengono nelle situazioni complesse o ad alto valore emotivo. Va però considerato che anche su questo versante l’AI permette di raggiungere livelli di interazione ben più evoluti che in passato, in cui un chatbot non solo è in grado di rispondere in modo più efficace e con un linguaggio più ricco, ma sa anche interpretare lo stato d’animo dell’utente e quindi può adattare anche il tono della conversazione.
Inoltre, sempre più rilevante è l’implementazione di sistemi di sentiment analysis che analizzano le interazioni con i clienti attraverso email, social media e chiamate per identificare problematiche emergenti e misurare la soddisfazione in tempo reale.
L’hyper-personalizzazione è un’altra innovazione abilitata dall’AI: i moderni CRM possono suddividere automaticamente i clienti in micro-categorie, personalizzando offerte e comunicazioni con una granularità impossibile da raggiungere se si opera manualmente. Come risultato si hanno tassi di conversione superiori nelle campagne di marketing rispetto agli approcci tradizionali.
Un po’ come accade con la manutenzione dei macchinari produttivi, anche gli approcci transazionali stanno cedendo il passo a modelli predittivi. Le organizzazioni non si limitano più a rispondere alle esigenze espresse dei clienti, ma ora possono anticipare le necessità future. Questo è consentito da capacità di analisi comportamentale che permettono di comprendere più a fondo il cliente e le sue aspettative. A tutto beneficio della loyalty.
Sfide ancora aperte
Nonostante i progressi significativi, l’integrazione dell’AI nei sistemi ERP e CRM presenta ancora criticità da risolvere. Un primo fondamentale elemento è la frammentazione dei dati. Molte organizzazioni operano con sistemi legacy che non comunicano efficacemente tra loro, creando silos informativi che limitano il potenziale dell’intelligenza artificiale. Secondo un sondaggio di Gartner, il 63% delle organizzazioni non ha (o non è sicuro di avere) le giuste pratiche di gestione dei dati per l’IA.
Tale sondaggio ha rilevato che le aziende che non riescono a comprendere le grandi differenze tra i requisiti dei dati pronti per l’AI e la gestione dei dati tradizionale metteranno a repentaglio il successo dei loro sforzi di AI. Al punto che Gartner prevede che entro il 2026 le organizzazioni abbandoneranno il 60% dei progetti di intelligenza artificiale non supportati da dati compatibili con l’intelligenza artificiale.
Per fronteggiare questa situazione sono necessari investimenti significativi in architetture dati moderne, come i data lake e i sistemi di integrazione API, ma anche un ripensamento della governance informativa aziendale. E questo può offrire svariate opportunità per i partner e i system integrator.
D’altro canto, una ricerca di Dun & Bradstreet ha evidenziato che il 91% dei dati all’interno dei software CRM è incompleto e il 18% è addirittura duplicato. A ciò si aggiunge che 8 aziende su 10 dichiarano che dati di scarsa qualità compromettono la propria sales pipeline e nel 25% dei casi sono causa di danno alla reputazione.
L’impiego dell’intelligenza artificiale può aiutare a limitare e risolvere il problema, grazie alla capacità di rilevare errori, anomalie, duplicati e altre irregolarità che compromettono la qualità delle informazioni accessibili ai software CRM. Tutto ciò, a vantaggio di una migliore cura delle relazioni con il cliente, che deriva dal vantaggio di disporre di informazioni più precise e rilevanti.
L’utilizzo massivo di dati personali nei sistemi ERP e CRM potenziati da AI solleva però questioni etiche e di compliance sempre più complesse. Il GDPR in Europa e normative analoghe in altre regioni del mondo impongono vincoli stringenti sulla raccolta e l’elaborazione dei dati, con il rischio di sanzioni significative in caso di violazioni. Le aziende devono mantenere un difficile equilibrio tra massimizzazione del valore estratto dai dati e rispetto della privacy degli utenti. In questo senso, sempre più rilievo assumono le soluzioni di “privacy by design” e i framework di AI etica. Infine, ma non per questo meno importante, bisogna affrontare anche il problema della carenza di professionisti capaci di comprendere sia i processi aziendali sia le tecnologie di AI. La maggior parte delle aziende italiane indica infatti di avere difficoltà nel trovare talenti adeguati a implementare e gestire soluzioni di AI.
Le opportunità per il Canale
Tutte queste sfide rappresentano importanti opportunità per gli operatori di Canale, che possono sia supportare le aziende a colmare le lacune di personale sia fornire l’adeguato aggiornamento tecnologico, fondamentale per ottenere dati di qualità “azionabili” e sfruttare le potenzialità dell’intelligenza artificiale attraverso le giuste applicazioni e un’adeguata dotazione hardware.
Senza poi dimenticare le implicazioni che per avvalersi dell’AI spesso è richiesto un ricorso al cloud. Infatti, come ha riscontrato l’Osservatorio del Politecnico di Milano, nel 2024 la componente public & hybrid cloud ha registrato la dinamica di crescita più significativa, per una spesa di oltre 4,8 miliardi di euro (+30% sul 2023). In tale crescita, l’AI ha rappresentato la spinta principale, sottolineando ancora una volta come il cloud rappresenti la tecnologia abilitante per l’innovazione. In particolare, i servizi di infrastruttura hanno toccato il valore di 2,1 miliardi di euro (+42% sul 2023), posizionandosi per la prima volta come componente principale nel mix complessivo (44%).
L’intelligenza artificiale nei sistemi ERP e CRM non rappresenta solo un potenziamento degli strumenti esistenti, ma un catalizzatore di trasformazione profonda del modo stesso di concepire l’azienda e il suo rapporto con il mercato. Le organizzazioni che sapranno cogliere questa opportunità non si limiteranno a migliorare l’efficienza operativa, ma ridisegneranno la propria proposta di valore in un mondo dove la tecnologia e la persona si integrano in modi sempre più sofisticati.
Questo panorama crea nuove e importanti opportunità per gli operatori di Canale perché l’adozione dell’AI è agli inizi e ancora non si sa bene quale direzione potrà prendere. E in questo momento le aziende stanno cercando di individuare i più adeguati use case. Per poter trarre i maggiori benefici, sarà strategico che le stesse aziende siano affiancate da validi partner tecnologici, che sappiano cogliere le esigenze e le sappiano soddisfare in modo efficace.
Le soluzioni di AI più diffuse sono nel customer care
Tra le diverse soluzioni di AI censite in Italia, l’Osservatorio del Politecnico ha registrato che il 69% delle imprese che ha investito in intelligenza artificiale ne ha fatto uso all’interno dei processi di gestione del cliente, e circa la metà di queste ha avviato progetti o sperimentazioni di AI generativa. Il customer care rappresenta l’area prioritaria per il 49% delle aziende che fanno uso dell’AI, ed è anche l’ambito più dinamico in termini di iniziative progettuali avviate. Tra le applicazioni più diffuse spiccano i chatbot, prevalentemente potenziati da AI discriminativa, con un numero crescente di progetti in sviluppo basati sull’AI generativa. A queste si affiancano strumenti dedicati al supporto degli operatori, progettati per ottimizzare la rapidità e la pertinenza delle risposte fornite.
L’area del marketing costituisce il secondo ambito di applicazione per le aziende che investono in AI (40%). Tra le applicazioni figurano progetti di AI discriminativa consolidati nel tempo come il targeting, in grado di supportare le aziende nella scelta del target di una campagna, così come segmentazioni più o meno avanzate. La GenAI ha un impatto significativo sulle attività di content management, consentendo l’analisi delle informazioni sui prodotti (sia testuali sia visive), la categorizzazione automatica e la generazione di descrizioni di prodotto dettagliate.
Due facce dell’intelligenza artificiale: generativa e agentica
All’AI generativa, si sta sempre più spesso affiancando l’AI agentica. Ma cosa le differenzia?
L’AI generativa rappresenta la dimensione creativa dell’intelligenza artificiale. Strumenti come ChatGPT, DALL-E e Midjourney hanno dimostrato le loro capacità: usano sofisticate reti neurali per analizzare enormi quantità di dati e generare contenuti.
L’AI agentica è invece focalizzata sull’azione autonoma. È la tecnologia che alimenta i veicoli senza conducente, i robot industriali e gli assistenti virtuali avanzati. Ciò che contraddistingue l’AI agentica è la sua capacità di operare con uno scopo definito: non si limita a reagire agli input, ma elabora strategie per raggiungere obiettivi specifici, adattandosi dinamicamente alle circostanze.
Le differenze sono sostanziali: mentre l’IA generativa opera in modo relativamente statico all’interno di parametri predefiniti, l’IA agentica interagisce costantemente con l’ambiente, elaborando nuove informazioni e modificando il proprio comportamento.
La prima dà il meglio di sé in compiti creativi ben delimitati, la seconda affronta problemi complessi che richiedono decisioni sequenziali e adattamento continuo.
Queste differenze rendono i due approcci complementari. Un esempio si trova proprio nel CRM: se consideriamo un assistente virtuale per i clienti, può sfruttare la componente agentica per gestire l’interazione complessiva e quella generativa per formulare risposte adatte a soddisfare le specifiche domande dell’utente.
Sicuramente, i confini tra le due forme di AI diventeranno sempre più sfumati. La sfida sarà assicurare che questi strumenti siano sviluppati e implementati in modo etico e trasparente.