Adozione dell’AI, le fondamenta invisibili: cosa abbiamo trovato grattando l’intonaco a Verona

Adozione dell’AI oltre il pilota: a Verona la round table Var Group ha scavato sotto le demo, tra dati, organizzazione, AI Act e sovranità del dato.


A Palazzo Verità Poeta di Verona, Var Group ha riunito imprenditori e manager di aziende in prevalenza manifatturiere, con una presenza del mondo assicurativo, attorno a una domanda che pesa più di qualsiasi annuncio di modello: perché tanti progetti di intelligenza artificiale restano fermi al pilota, e che cosa serve per portarli dentro i processi. L’executive round table si intitolava «Le fondamenta invisibili dell’AI»; al tavolo dei relatori c’erano Lorenzo Maternini, co-founder e CEO di Perspective AI e membro del Comitato sull’AI della Presidenza del Consiglio, Angela Sebastianelli, Head of AI Advisory and AI Governance di Var Group e docente SUPSI, e Giacomo Pollastri, Client Manager di Var Group. L’ho moderata io, quindi questo racconto è scritto da dentro la sala. Car Group e Perspective AI non sono due voci indipendenti. A dicembre 2025 hanno siglato una partnership da cui è nata iSquared, una metodologia per l’adozione dell’AI nel mid-market industriale, con un’opzione di Var Group per entrare nel capitale di Perspective AI. Nel resto del pezzo tengo separati i fatti verificati, le tesi dei relatori e le mie interpretazioni.

Prima di cominciare avevo chiesto alla sala di tenere a mente un’immagine: un uomo a cavallo che sorride, sospeso nel vuoto su una mensola di cemento, a pochi minuti a piedi da lì. Per ora basta ricordarsi la mensola; ci torniamo alla fine.

Adozione dell'AI, le fondamenta invisibili: cosa abbiamo trovato grattando l'intonaco a Verona

Il castello truccato

Il luogo non era casuale. Il palazzo porta il nome dei Verità Poeta, antica famiglia guelfa che, secondo una tradizione rinascimentale, avrebbe fondato Verona in epoca etrusca: per una serata sulle fondamenta, un indirizzo difficile da migliorare.

L’uomo a cavallo è Cangrande della Scala, scolpito nella pietra nel Trecento, e oggi sta dentro Castelvecchio, la fortezza che Cangrande II fece costruire a metà di quel secolo. La tradizione vuole che servisse a difendersi più dalla propria città che dai nemici esterni. Negli anni Venti del Novecento un restauro guidato da Antonio Avena aveva trasformato il castello in museo riempiendolo di merli, finestre gotiche e decorazioni in stile, in parte recuperate da palazzi demoliti: una facciata convincente, ma in buona parte inventata.

Nel 1958 il nuovo direttore dei Musei civici, Licisco Magagnato, affida il riallestimento a Carlo Scarpa. Scarpa non ritocca il trucco; lo dichiara. In una lezione sul cantiere ripeterà che Castelvecchio era tutto falso, e il suo gesto più radicale è togliere: abbatte un tratto dell’ala napoleonica e lascia a vista il punto in cui le epoche si toccano, le mura comunali, il castello scaligero, la caserma francese dell’Ottocento. Proprio lì, sopra il vuoto, mette il cavaliere. Chi entra capisce l’edificio perché vede su che cosa poggia.

Ho scelto questa storia per aprire perché molte aziende, con l’intelligenza artificiale, hanno fatto il restauro degli anni Venti: piloti brillanti, demo che convincono il consiglio di amministrazione; sotto, dati mai messi in ordine e responsabilità che nessuno ha assegnato. Il programma della serata era fare il lavoro di Scarpa: grattare.

Cangrande della Scala

Il 95% e il punto in cui la demo si rompe

Il primo numero sul tavolo l’ho portato io, rivolto a Lorenzo Maternini: secondo The GenAI Divide, il rapporto 2025 del progetto NANDA del MIT, circa il 95% dei pilot di AI generativa nelle aziende non produce un impatto misurabile sul conto economico. Lo studio si basa su 150 interviste a dirigenti, un sondaggio su 350 dipendenti e l’analisi di 300 implementazioni pubbliche; il suo autore principale, Aditya Challapally, indica come causa non la qualità dei modelli ma un divario di apprendimento, degli strumenti e delle organizzazioni.

Maternini, che accompagna i vertici aziendali proprio nel punto in cui quei progetti si fermano, ha spostato la domanda dalla tecnologia all’organizzazione. La sua tesi: tra la demo e la produzione si rompe il momento in cui il progetto esce dal gruppo che lo ha costruito ed entra nell’azienda, dove qualcuno deve usarlo ogni giorno, risponderne quando sbaglia, decidere se fidarsi della risposta. La demo funziona perché qualcuno la fa funzionare a mano; in produzione nessuno lo fa più.

Da qui la conseguenza che ha consegnato agli imprenditori in sala: se l’AI non è uno strato tecnologico da aggiungere ma una riscrittura di come funziona il business, la decisione non appartiene all’IT, appartiene al CEO. La domanda con cui ha chiuso era rivolta a ciascuno dei presenti: riprogettare il modo in cui si lavora, oppure appoggiare l’AI sul modo in cui si lavora oggi.

Una nota da lettore critico. Lo stesso rapporto del MIT osserva che gli strumenti acquistati da fornitori specializzati e costruiti in partnership arrivano in produzione circa due volte su tre, mentre i progetti sviluppati internamente ci riescono un terzo delle volte. Il dato conviene a chi vende consulenza e integrazione, Var Group compresa; a pubblicarlo, però, è il MIT.

Sotto l’intonaco, il dato

Il primo fondamento invisibile è il dato, e Giacomo Pollastri lo ha raccontato da chi lo vede dall’interno dei progetti: ha cominciato come data scientist e oggi lavora dalla parte del cliente. La domanda che gli ho fatto era semplice da porre e scomoda da ricevere: quando entri in un’azienda che vuole portare l’AI in produzione e gratti l’intonaco, che cosa trovi, e chi risponde di quei dati?

La sua risposta non conteneva soluzioni, e non era una dimenticanza: prima di muoversi serve una fotografia onesta del patrimonio informativo, di quanto è maturo e di quali rischi porta con sé. Pollastri l’ha scomposta in cinque dimensioni.

  • Governance: chi decide come i dati vengono raccolti, definiti e usati. Senza regole condivise ogni reparto ha la propria versione del cliente o del fatturato, e il modello impara da dati che si contraddicono.
  • Qualità: dati completi, corretti, aggiornati e coerenti tra i sistemi. Su dati sporchi un modello non sbaglia per caso; sbaglia in modo sistematico, e su larga scala.
  • Sicurezza e accessi: chi può vedere che cosa, con quali controlli. Senza accessi governati un assistente può esporre informazioni riservate senza che nessuno se ne accorga.
  • Ownership: ogni dominio di dati ha un responsabile; quando i dati sono di tutti, nessuno ne risponde.
  • Tracciabilità: dove sono i dati, da dove vengono, come sono stati trasformati.

A sostegno ha scelto un solo numero, con fonte: nel luglio 2024 Gartner prevedeva che almeno il 30% dei progetti di AI generativa sarebbe stato abbandonato dopo il proof of concept entro la fine del 2025, per scarsa qualità dei dati, controlli del rischio inadeguati, costi crescenti o valore di business poco chiaro. Si tratta di una previsione, non di una misura a consuntivo; letta accanto al dato del MIT, indica però la stessa direzione.

 

Una moltiplicazione, non una somma

A Castelvecchio Scarpa lascia a vista tre strati che si reggono a vicenda: se ne togli uno, il cavaliere non sta più sulla sua mensola. Angela Sebastianelli descrive l’AI in azienda con una formula a tre fattori, proiettata sullo schermo alle sue spalle: AI impact= Technology x Data x Organization

Il segno conta quanto i termini dell’operazione. In una somma un fattore debole si compensa con gli altri; in un prodotto, se uno vale zero, vale zero il risultato. Secondo Sebastianelli la maggior parte delle aziende è forte sulla tecnologia e debole su dati e organizzazione, ed è questa asimmetria a tenere i progetti fermi al pilota. Lei stessa la presenta come una lettura dell’esperienza sul campo, non come un modello matematico.

Il fattore che più spesso vale zero, nella sua analisi, è l’organizzazione: ruoli poco chiari, competenze mancanti, processi che restano identici, governance assente. Da qui il principio che ha proposto alla sala, e che rovescia l’ordine abituale dei progetti: non si implementa l’AI sopra l’organizzazione esistente, si ridisegna il modo in cui l’organizzazione lavora con l’AI. In questa lettura il cambiamento organizzativo entra nel calcolo dal primo giorno, con lo stesso peso della tecnologia.

La norma che arriva prima del progetto

Nelle aziende esistono già strumenti di AI usati senza che nessuno li abbia autorizzati: lo chiamiamo shadow AI, ed è il punto in cui il rischio normativo smette di essere teorico. Con Sebastianelli, che a settembre aveva parlato di AI Act e governance allo Human Driven AI Summit di Pompei, abbiamo messo in fila le date senza allarmismo.

Il 29 giugno 2026 il Consiglio dell’Unione europea ha dato il via libera definitivo al Digital Omnibus sull’AI, che sposta in avanti gli obblighi per i sistemi ad alto rischio senza cancellarli. Il calendario che ne risulta, per un’azienda seduta a quel tavolo, è questo:

  • dal 2 febbraio 2025 sono in vigore i divieti sulle pratiche di AI inaccettabili;
  • dal 2 agosto 2026 valgono gli obblighi di trasparenza: chi interagisce con un sistema di AI deve saperlo (qui il quadro di Digitalic);
  • dal 2 dicembre 2026, due settimane dopo la serata, scatta la marcatura dei contenuti generati dall’AI, insieme al nuovo divieto sulle app che producono immagini intime non consensuali;
  • dal 2 dicembre 2027 tocca ai sistemi ad alto rischio dell’Allegato III, come selezione del personale, credito e infrastrutture critiche;
  • dal 2 agosto 2028 ai sistemi ad alto rischio integrati in prodotti già regolati.

Le sanzioni dell’articolo 99 sono graduate: fino a 35 milioni di euro o al 7% del fatturato mondiale per le pratiche vietate, fino a 15 milioni o al 3% per gli altri obblighi degli operatori, fino a 7,5 milioni o all’1% per informazioni inesatte fornite alle autorità; per le PMI si applica il più basso dei due importi. In Italia il quadro è completato dal decreto legislativo 179 del 7 ottobre 2026, in vigore dal 23 ottobre: l’Agenzia per la cybersicurezza nazionale è l’autorità di vigilanza del mercato e il punto di contatto unico, l’AgID l’autorità di notifica, mentre per i sistemi ad alto rischio nel credito e nelle assicurazioni entrano in gioco Banca d’Italia, Consob e IVASS. Per le compagnie assicurative presenti in sala, un dettaglio tutt’altro che marginale.

Il punto su cui Sebastianelli ha insistito riguarda chi usa l’AI, non solo chi la sviluppa: chi adotta un sistema acquistato, per esempio nella selezione del personale, ha obblighi propri, anche quando lo strumento è entrato in azienda senza un’autorizzazione formale. Un sistema che nessuno ha censito non può essere classificato, documentato né controllato. Da qui le tre cose da preparare subito: l’inventario dei sistemi in uso, compresi quelli non autorizzati; una prima classificazione del rischio; la documentazione. La tracciabilità di cui aveva parlato Pollastri serve esattamente a questo, a dimostrare che cosa ha fatto un sistema e con quali dati.

Il rinvio, in questa lettura, non funziona come un via libera: chi aspetta non elimina il rischio, lo sposta su un momento in cui costerà di più. Chi vuole ripassare la soglia delle sanzioni trova su Digitalic anche l’analisi uscita in vista del 2 agosto.

La sovranità come cursore

Tra le paure che frenano le aziende ce n’è una che torna sempre: perdere il controllo dei propri dati. Maternini l’ha affrontata partendo da un fatto preciso. Nel giugno 2025, ascoltato sotto giuramento da una commissione d’inchiesta del Senato francese, Anton Carniaux, direttore degli affari legali e pubblici di Microsoft France, ha riconosciuto di non poter garantire che i dati dei cittadini francesi non vengano mai trasmessi alle autorità statunitensi, se un ordine di un tribunale americano lo impone in base al Cloud Act; ha aggiunto che finora non era mai successo.

La questione non riguarda un singolo fornitore. La tesi di Maternini è che oggi l’Europa non disponga di uno stack tecnologico completo, e che quindi una sovranità totale sul dato, e di conseguenza sull’AI, non sia alla portata di nessuno. I numeri della Commissione vanno nella stessa direzione: nel presentare il 3 giugno 2026 la proposta di Cloud and AI Development Act, parte del Tech Sovereignty Package, Bruxelles stima che la quota dei fornitori europei sul mercato cloud sia scesa dal 29% del 2017 a circa il 15% del 2022, secondo la ricostruzione del Sole 24 Ore.

Se la sovranità assoluta non è disponibile, la domanda utile diventa quanta ne serve. Per un’impresa, nella lettura di Maternini, la sovranità è un cursore da posizionare in base al business, all’infrastruttura e allo scenario peggiore che si vuole poter reggere. A un estremo c’è l’AI pronta, usata attraverso l’interfaccia del fornitore: semplice, veloce, con poco controllo. All’altro, soluzioni on premise o cloud con garanzie più forti, che costano di più e richiedono competenze. Un’azienda che custodisce una ricetta di processo avrà esigenze diverse da una che analizza i ticket dell’assistenza.

Il messaggio, volutamente possibilista, era rivolto a chi resta fermo per paura: sapere che esiste una scelta, e che si può calibrare, è già un modo per ripartire. Su Digitalic il tema lo abbiamo seguito da più lati, dalla guida alla sovranità digitale all’intervista a Francesca Zanolla del World Economic Forum, che riassume la questione in una formula: si salva chi sa andarsene. La domanda girata al tavolo provava a renderla concreta: c’è un dato che nella vostra azienda non mettereste mai dentro un sistema di AI, e che cosa dovrebbe succedere perché cambiaste idea?

I commenti

Il giorno dopo Angela Sebastianelli ha scritto un post partendo da un istituto del diritto, l’interpretazione autentica: quando una legge è ambigua, lo stesso legislatore interviene con una norma successiva per fissarne in modo vincolante il significato fin dall’origine. A Verona, ha scritto, si è provato a darsi un’interpretazione dello stato dell’adozione dell’AI «certo non autentica, ma condivisa». La sua sintesi: per governare il cambiamento non servono capacità computazionale infinita né burocrazia inutile, ma consapevolezza, tracciabilità e presidio umano.

Vanessa Nardone, B2B marketing leader di Var Group, ha descritto la serata come un lavoro di squadra con i clienti attorno a una sola domanda: come portare l’AI oltre la fase di sperimentazione. Nel suo racconto c’è un’osservazione che vale anche per chi organizza eventi: per un’azienda non esiste sapere più prezioso di quello che condividono i propri clienti.

La mia lettura, da moderatore, è che il valore di una serata così stia nel cambio di soggetto. Il baricentro si è spostato dal modello da scegliere a chi firma, chi risponde, che cosa è stato censito e che cosa no. Sono le domande che di solito arrivano dopo il pilota, quando costano di più.

Si torna alla mensola

La cena era alla Locanda Castelvecchio, a pochi passi dal cavaliere. Le domande rimaste aperte le abbiamo portate lì, come annunciato nel saluto finale, e alcune sono ancora aperte adesso. Vale la pena tornare a guardare la mensola di Scarpa per quello che è: una scelta dichiarata. Il cavaliere non sembra sospeso per caso; è stato messo in un punto preciso perché chi entra veda insieme la statua e ciò che la regge, comprese le parti che il restauro precedente aveva nascosto. Per un progetto di AI l’equivalente è un inventario, un responsabile per ogni dato, una decisione scritta su quanta sovranità serve, un nome accanto a ogni sistema in uso. Molte aziende il loro Cangrande lo hanno già issato sopra il vuoto, con una demo che sorride al consiglio di amministrazione. La domanda che ci siamo portati via da Verona è se sanno dire, oggi, su che cosa poggia.

Per chi vuole ripercorrere il filo delle serate Var Group raccontate su Digitalic, il punto di partenza più recente è Zing 2026 a Rimini.


Adozione dell’AI, le fondamenta invisibili: cosa abbiamo trovato grattando l’intonaco a Verona - Ultima modifica: 2026-11-22T10:17:52+00:00 da Francesco
Arduino

Non rimanere indietro, iscriviti ora

Ricevi in tempo reale le notizie del digitale

Iscrizione alla Newsletter

controlla la tua inbox per confermare l'iscrizione

Privacy Policy

Grazie! Ora fai parte di Digitalic!