Agentic Enterprise, la ricetta perduta: Sopra Steria e Google Cloud raccontano l’AI che entra nei processi

Agentic Enterprise: da Sopra Steria e Google Cloud, Credem, Sole 24 Ore, DHL e Coop raccontano come l’AI entra nei processi lasciando alle persone il controllo.

Ogni sera, tra le 17 e le 21, DHL Express Italy deve preparare circa 30.000 dichiarazioni doganali; oggi 28.000 scorrono quasi da sole, con un primo passaggio affidato all’intelligenza artificiale e la conferma di un operatore. Il Sole 24 Ore ha portato i tempi di risposta della rubrica L’Esperto Risponde da 72 a 24 ore; Credem usa l’AI per scrivere la documentazione di processi che fino a ieri vivevano nella testa di poche persone; Coop Italia sta costruendo una base dati comune per i buyer che trattano con i fornitori. Sono i casi concreti emersi giovedì 29 ottobre nella sede milanese di Google, dove Sopra Steria, insieme a Google Cloud, ha riunito aziende e responsabili IT attorno al modello che chiama Human & AI Driven Enterprise: un’organizzazione in cui agenti intelligenti, dati e competenze umane lavorano in modo integrato dentro i processi.

La domanda che ha attraversato il pomeriggio riguarda molte imprese italiane in questo momento: come si porta l’AI agentica dal progetto pilota alla produzione senza perdere il controllo su dati, decisioni e costi. Le risposte arrivate dal palco hanno un tratto comune; la tecnologia funziona quando cambia insieme all’organizzazione e quando le persone restano nel punto in cui si decide.

La ricetta che non era scritta da nessuna parte

 

L’apertura dei lavori, affidata a chi scrive, è partita da Roma. La cupola del Pantheon regge da quasi duemila anni senza un tondino di ferro, eppure per secoli nessuno ha saputo spiegare con certezza come fosse fatto il calcestruzzo romano: la ricetta passava a voce tra i capomastri e, quando quella catena si è interrotta, il sapere si è perso. È lo stesso problema del villaggio di Asterix, dove tutta la forza dipende dalla pozione magica e la formula la conosce soltanto Panoramix; molte aziende hanno il loro Panoramix, a volte una persona che conosce un processo come nessun altro, a volte un sistema scritto trent’anni fa in un linguaggio che quasi più nessuno sa leggere.

La televisione degli anni Settanta aveva immaginato una via d’uscita con Jeeg robot d’acciaio, dove la mente del professor Shiba sopravvive dentro il computer del laboratorio. La parte realistica di quel sogno oggi è un progetto concreto: trasformare in documenti ciò che le persone sanno senza averlo mai scritto e far leggere ai sistemi il vecchio codice per capire che cosa fa davvero.

La storia romana, poi, ha un seguito. Nel 2023 un gruppo di ricercatori del MIT e di Harvard, con laboratori italiani e svizzeri, ha pubblicato su Science Advances uno studio guidato da Admir Masic sui piccoli grumi bianchi di calce presenti nel calcestruzzo antico: per generazioni erano stati considerati un difetto, il segno di un impasto fatto male. Si sono rivelati la chiave della sua durata; i Romani usavano calce viva mescolata ad alta temperatura e quei grumi, quando una crepa lasciava passare l’acqua, reagivano e la richiudevano. Le aziende sono piene di grumi bianchi, eccezioni che nessuno spiega e abitudini che sembrano sbagliate; per la prima volta esistono strumenti capaci di leggerli. Quella reazione, però, sviluppava molto calore e andava governata da mani esperte: con l’intelligenza artificiale vale qualcosa di simile, perché senza persone preparate, regole chiare e attenzione ai costi la stessa energia rischia di disperdersi.

 

Dall’AI che risponde all’AI che agisce

Enrico Cantoni, Division Director Italy e Group Vertical Head Retail, Luxury and Manufacturing di Sopra Steria, ha tracciato la roadmap verso l’Agentic Enterprise partendo da un’impostazione di design centrato sulle persone. Coinvolgere chi conosce gli ambiti specifici, nella sua lettura, serve a due cose: facilita l’adozione, perché le persone sentono la trasformazione come propria, e alza la qualità del risultato, perché portano contenuto. Con gli agenti cambia il modello di lavoro; le attività operative possono essere sostituite, mentre cresce il ruolo di chi disegna le regole del gioco e controlla con senso critico il lavoro svolto da un agente automatico.

Cantoni ha indicato anche i timori che incontra nelle grandi aziende, dal controllo della tecnologia al rischio di un’esplosione dei costi operativi, e un tema che a suo giudizio non è stato ancora compreso da tutti: per dare ai modelli la conoscenza del contesto aziendale servono infrastruttura dei dati, qualità, semantiche e ontologie. La trasformazione nasce dal ridisegno del processo; applicare la tecnologia a un processo che funziona male non lo migliora. Tra le prospettive citate c’è l’agentic commerce, in cui a chiedere informazioni su un prodotto sarà sempre più spesso un agente che agisce per conto di terzi: le informazioni digitali di un’azienda dovranno essere comprensibili per una macchina, prima ancora che per una persona. Anche i system integrator, ha ammesso, sono tra i primi a doversi adeguare, a partire da uno sviluppo software che diventa AI native.

Paolo Fabbri, responsabile del go to market AI in Italia per Google Cloud, ha poi approfondito l’evoluzione dell’Enterprise AI. Per chi vuole ripartire dalle basi, Digitalic ha raccontato che cosa sono e come funzionano gli agenti AI e come Google sta portando gli agenti dentro Workspace.

Credem: scrivere quello che le persone sanno

La tavola rotonda, moderata da chi scrive, è partita da un problema che quasi ogni azienda riconosce. Luigi Esposito, Group Methodology Lead dell’Ufficio Organizzazione di Credito Emiliano, ha descritto il lavoro di mappatura dei processi avviato in Credem: in molti casi la documentazione funzionale mancava e la conoscenza era concentrata su poche persone, con il risultato che nei progetti si arrivava all’implementazione senza tutti i dettagli necessari.

L’esempio scelto è il processo di firma elettronica dei documenti. Per renderlo più accessibile, Credem ha prima documentato lo stato attuale del processo, poi ha alimentato una knowledge base da cui l’intelligenza artificiale attinge per aiutare a scrivere i requisiti di dettaglio; l’AI conosce linee guida e normative, comprese quelle sull’accessibilità, e il requisito che ne esce è condiviso tra business e IT. La banca ha inserito l’AI anche nel ciclo di sviluppo del software, insieme a Sopra Steria, con un lavoro preparatorio importante sull’infrastruttura che sta producendo i primi risultati. Sul piano organizzativo Esposito ha citato una scelta precisa: far ruotare le persone anche nei gruppi che funzionano bene, per diffondere il know how, accompagnata da un profondo reskilling.

Il Sole 24 Ore: far parlare un archivio

Se Credem ha dovuto costruire la propria memoria, Il Sole 24 Ore su una memoria enorme è seduto da sempre. Marco Donna, Responsabile IT Prodotti Publishing & Digital, ha raccontato come il gruppo stia usando l’AI per farla parlare: gli articoli vengono tradotti in inglese e, a costo marginale quasi nullo, anche in arabo, con una correzione umana come secondo passaggio; sopra la home page lavora una federazione di agenti che permette ai lettori di interrogare la base di conoscenza degli articoli online, con domande suggerite per approfondire.

Per Norme e Tributi Plus l’obiettivo è offrire una risposta conversazionale al posto di un elenco di articoli, con la complicazione di contenuti esterni non sempre ben strutturati. Su L’Esperto Risponde, la rubrica in cui professionisti rispondono ai quesiti dei lettori, l’AI prepara una prima bozza e il tempo di risposta è sceso da 72 a 24 ore, con l’esperto che resta pienamente nel ciclo di decisione. Donna è stato esplicito anche su ciò che frena una versione interamente conversazionale dell’informazione: il modello pubblicitario, che dovrà adeguarsi.

DHL: sei mesi dal pilota alla produzione

Marco Ferioli, Head of ITB Program Management di DHL Express Italy, ha portato il caso più misurabile. Nella fascia serale lo sdoganamento richiede di raccogliere i dati di circa 30.000 spedizioni; il primo livello è un sistema che interpreta i documenti, poi un operatore DHL conferma la dichiarazione. Circa 28.000 pratiche procedono senza intoppi, mentre le 2.000 restanti richiedono di contattare il cliente per ottenere altri documenti: è lì che oggi si concentrano le persone, su un lavoro che prima non c’era la capacità di fare.

La decisione è stata presa a giugno 2025 e a dicembre il sistema era in produzione. Per validarlo DHL ha processato un mese intero di dichiarazioni anche nel modo tradizionale, verificandole una per una; oggi misura gli scarti e, a distanza di un mese, i reclami dei clienti sui dazi pagati. Secondo Ferioli, una volta corretti i bias, l’AI lavora meglio dell’operatore sul primo passaggio. Il metodo riflette una regola che arriva dal vertice globale del gruppo: fare subito ciò che è dimostrabile e preferire arrivare sei mesi dopo piuttosto che sbagliare, con un ritorno sull’investimento misurabile.

Coop: i dati al buyer, la trattativa alle persone

Daniela Ghedini, Responsabile Demand IT di Coop Italia, ha descritto un percorso partito dai dati. Con Sopra Steria Coop sta lavorando con i buyer per costruire una base dati condivisa e di qualità che li supporti nelle contrattazioni con i fornitori, coinvolgendo dei key user e mostrando loro fin dalle prime fasi il prodotto finito, in co-design, per ridurre i cicli di rifacimento.

Alla domanda provocatoria, se un agente che conosce prezzi, storico e condizioni di mercato non possa condurre da solo la trattativa, Ghedini ha risposto in modo netto: la tecnologia non è ancora matura, le allucinazioni vanno gestite e il rapporto umano resta alla base di una contrattazione sana. Per Coop tenere le persone nel ciclo è un principio; l’AI serve ad alzare la qualità del lavoro, non a sostituirlo. Sul fronte della produttività personale, Coop Italia sta distribuendo licenze ai dipendenti per diffondere l’uso dell’AI e limitare la shadow AI, con attenzione alla residenza dei dati; le idee nascono in AI lab composti da persone di business e di IT, vengono industrializzate in un paio di mesi e passano dal vaglio di un comitato AI, con il supporto di figure di riferimento come gli AI Champion.

Chi governa l’agente che tutti possono creare

Il tema della governance è emerso con forza quando si è parlato degli agenti no code. In Credem, che lavora in ambiente Google, alcune persone possono costruirsi un agente senza scrivere codice; un agente però si condivide in un attimo, passa da un collega all’altro, qualcuno lo modifica, e dopo sei mesi diventa difficile dire chi lo mantiene e chi risponde se sbaglia. È la scopa dell’apprendista stregone di Fantasia, che spezzata si moltiplica. Esposito e Ghedini hanno concordato sulla necessità di definire con chiarezza chi crea gli agenti, chi li distribuisce e chi ne cura la manutenzione.

Credem ha costruito da un paio d’anni una struttura dedicata, AI Next, che mette a disposizione strumenti certificati in ambiente Google, favorisce la sperimentazione con un approccio che accetta di fallire presto e in modo economico, e censisce le esperienze di produttività personale per capire quali possano essere estese a tutta la banca. Per un istituto che opera in un ambiente vigilato, ha ricordato Esposito, è fondamentale che i dati restino su server europei e che regole e linee guida siano chiare.

Sul Sole 24 Ore la governance assume la forma di controlli proporzionati al peso della risposta: un’imprecisione su un articolo di attualità è un inciampo, un errore su una norma fiscale consultata dai professionisti può diventare un problema serio.

La bacchetta magica e il codice che nessuno sa più leggere

Nell’ultimo giro ai relatori è stata consegnata una bacchetta magica: tecnologie e budget senza limiti. Esposito l’ha puntata sul mainframe, sul codice COBOL legacy pieno di dipendenze mai documentate, una vera kryptonite per molte banche. Il tema riguarda anche Coop, che ha applicativi in COBOL e PowerBuilder e sta chiedendo all’intelligenza artificiale di leggerli per ricostruire la conoscenza necessaria al refactoring; con la stessa bacchetta, Ghedini uniformerebbe dati e comportamenti tra cooperative autonome che oggi lavorano in modo frammentato. Ferioli l’ha usata sull’ottimizzazione delle tratte nazionali e internazionali, per far viaggiare i camion sempre pieni, l’area in cui vede il ritorno economico più alto. Donna ha immaginato agenti capaci di accompagnare i lettori fin dalla registrazione al sito, con l’incognita della monetizzazione.

La frizione positiva

Mariangela Ziller, Partner Experience, Design & Agile Practice di Sopra Steria, ha riportato al centro il ruolo delle persone. Con l’AI, nella sua lettura, il change management smette di essere l’accompagnamento all’adozione di uno strumento e diventa la riprogettazione del lavoro, possibilmente in co-design con chi quel lavoro lo fa. Progettare un sistema con agenti significa ridisegnare chi fa cosa, chi decide e chi controlla, stabilendo dove il processo deve diventare fluido e dove serve una frizione positiva, un momento in cui una persona interviene e decide.

Di fronte a una proposta di AI, ha spiegato, i lavoratori si distribuiscono lungo una scala che va dall’entusiasmo al rifiuto, con molte sfumature intermedie; il co-design serve a capire quali frizioni eliminare e quali proteggere. Il paradosso che Ziller ha voluto lasciare in sala è che rendere tutto troppo facile può essere un errore, perché le persone devono continuare a sapere che ci mettono la testa. Tra gli strumenti mostrati, una service blueprint sviluppata dal team inglese di Sopra Steria che, accanto a processi e sistemi, rappresenta anche il livello delle decisioni prese lungo il percorso.

Quando il pilota diventa produzione

La chiusura, con Andrea Omati, Senior Solution Architect Data & AI di Sopra Steria, è tornata su un tema che l’apertura aveva lasciato in sospeso: i costi. Fino a ieri il mantra era fare proof of concept, oggi è andare in produzione, e in produzione i conti cambiano natura; un progetto pensato per dieci utenti si apre a quattrocento, che lo usano ogni giorno di più. Nell’IT tradizionale più si usa e meno si paga per unità; con l’AI agentica questa equazione va governata con attenzione, ed è uno dei punti su cui le aziende chiedono più garanzie.

Il caso DHL offre forse la chiave di lettura più utile dell’intero pomeriggio. Le 28.000 dichiarazioni che scorrono da sole sono il risultato visibile, ma il valore sta nelle 2.000 che restano: le eccezioni, i casi in cui serve chiamare il cliente e capire che cosa manca. Sono i grumi bianchi del calcestruzzo romano, la parte del lavoro che per anni è sembrata un difetto del processo e che si rivela il punto in cui le persone fanno la differenza. Le aziende che riusciranno a riconoscerli, invece di nasconderli dentro un’automazione, avranno probabilmente trovato la propria ricetta; resta da capire quante sapranno scriverla prima che il loro Panoramix cada dall’albero.