Da un recente studio di Netconsulting emerge che le medie e grandi imprese italiane si muovono con prudenza nell’adozione dell’intelligenza artificiale. “Le aziende che hanno effettivamente messo come priorità strategica l’AI sono ancora un numero molto contenuto – evidenzia Romeo Scaccabarozzi, amministratore delegato di Axiante -. Nelle realtà con un fatturato di almeno un miliardo di euro, l’AI rimane un tema marginale”. Scaccabarozzi si riferisce in particolare alle realtà dei settori GDO e retail, industria, trasporti e servizi.
Tale prudenza non è sintomo di sfiducia nella tecnologia, ma rispecchia comportamenti già osservati in passato. “È esattamente lo stesso approccio che abbiamo visto nei decenni precedenti per l’adozione di altre nuove tecnologie”, sottolinea Scaccabarozzi.
L’amministratore delegato di Axiante identifica tre principali barriere all’implementazione: mancanza di esempi concreti nel proprio settore, difficoltà nel valutare il ritorno economico e necessità di verificare l’applicabilità al proprio business. “Fintanto che non si vedono delle concretezze, si continuerà ad affrontare l’AI con prudenza”, afferma Scaccabarozzi. La maggioranza delle aziende italiane (tra il 50% e il 70%) preferisce valutare l’applicazione dell’AI attraverso proof of concept. “I progetti pilota sono il modo più diffuso di avvicinarsi all’AI, per verificare se queste promesse sono concrete e si sposano con il proprio business model”.
A livello globale, uno studio di McKinsey del marzo 2025 identifica le aree aziendali dove l’AI genera maggiore interesse: “Due aspetti sono in testa alla graduatoria: le funzioni marketing e lo sviluppo dei prodotti o dei nuovi servizi”. Seguono IT e operations, mentre nel settore finanziario predominano risk e compliance.
Dati sintetici, acceleratore dell’AI
Un trend emergente nel settore tecnologico è l’utilizzo di dati sintetici per addestrare algoritmi di machine learning. “Nel 2024, più del 50% dei dati utilizzati per allenare modelli di intelligenza artificiale è stato generato sinteticamente”, rivela Mirko Gubian, Global Demand senior manager & partner di Axiante, citando recenti studi di Gartner.
I dati sintetici offrono due vantaggi principali. Il primo riguarda la privacy: “Se si riescono a generare dati sintetici che rispecchiano in tutto per tutto le metriche statistiche del dataset di origine più ristretto, si può conservare quest’ultimo solo per le tempistiche previste dalla normativa, mantenendosi compliant con il GDPR”, spiega Gubian. Il secondo aspetto è economico: “Acquisire dati reali ha molto spesso un costo molto più elevato che non generarli attraverso l’utilizzo di un algoritmo”. Le tecniche di generazione hanno subito un’evoluzione significativa, passando da approcci basati su regole o simulazioni a tecniche generative simili a quelle utilizzate per creare testi o immagini. “Più del 50% dei dati sintetici sono generati sotto forma tabellare”, evidenzia Gubian, spiegando come questi siano fondamentali per simulare comportamenti di acquisto o prevedere l’abbandono dei clienti.
Non mancano però i rischi: “C’è un potenziale effetto negativo dell’utilizzo di queste tecniche: rischio di amplificare il bias dei dati di partenza o scambiare rumore per informazione”, avverte il manager. Le previsioni sono comunque ottimistiche: Gartner sostiene che il 90% dei dati utilizzati entro il 2030 per allenare modelli di intelligenza artificiale sarà generato sinteticamente.
CDP e Customer Intelligence
Nel panorama della gestione dei dati clienti, due tecnologie stanno risultando basilari: la Customer data platform (CDP) e la Customer intelligence. “Sono due tecnologie in forte fase di crescita, fondamentali in tutti i settori in cui il cliente è al centro, dal retail alle banche, dall’assicurazione alla sanità fino al mondo travel”, spiega Antonio D’Agata, strategic accounts director & partner di Axiante.
La differenza tra le due è sostanziale, chiarisce D’Agata: “Per Customer data platform si intende quella piattaforma che raccoglie, unifica e organizza i dati provenienti da fonti diverse, sia fisici sia digitali, in un unico profilo cliente. È una tecnologia utilizzata principalmente da figure IT e data scientist”. Mentre “la Customer intelligence analizza i dati raccolti dalla CDP per estrarre insight utili, segmentare l’informazione, prevedere comportamenti e ottimizzare le campagne. Si sposta più verso il marketing, con profili legati al customer engagement, customer experience o marketing strategist”.
Entrambe le tecnologie sfruttano l’intelligenza artificiale. Nella CDP, “l’AI entra in gioco nell’identity resolution, riconciliando dati da più fonti”, mentre la Customer intelligence aiuta “a identificare i clienti all’interno dei cluster, per esempio ad alto rischio di abbandono o a potenziale upsell, aggiornando questi spostamenti in maniera automatica”.
Nel 2024, il mercato globale della CDP si attestava a circa 5,7 miliardi di dollari e raggiungerà i 24 miliardi entro il 2029, con un tasso di crescita del 34%. In Italia, secondo Gartner, “la situazione è ancora limitata, ma crescerà notevolmente grazie agli investimenti legati al cloud e all’IA generativa”, conclude D’Agata, indicando retail, banche e sanità come i settori trainanti di questa crescita.
