L’automazione avanzata promette velocità, scalabilità e alleggerimento del lavoro manuale. Nelle organizzazioni complesse, però, il suo vero banco di prova non è la demo, ma il comportamento del sistema quando il contesto si sporca. Un processo automatizzato che regge solo in condizioni lineari e si incrina appena incontra input ambigui, dati incompleti, eccezioni non previste o integrazioni fragili non riduce davvero il rischio operativo. Lo sposta, spesso verso zone meno visibili e proprio per questo più difficili da governare.
approfondimento
Mitigazione del rischio operativo nelle automazioni avanzate
Come mitigare il rischio operativo nelle automazioni avanzate e nei sistemi AI integrati nei processi aziendali. Il punto non è solo automatizzare di più, ma governare eccezioni, dati incompleti, integrazioni fragili, supervisione umana, logging e fallback. Un’automazione matura deve restare affidabile anche quando il contesto diventa incerto
Pubblicato il 20 mag 2026
Giovanni Masi
Computer science engineer
@RIPRODUZIONE RISERVATA
Giovanni Masi
Computer science engineer
Ingegnere informatico e dell’automazione, specializzato in cybersecurity e intelligenza artificiale, con oltre vent’anni di esperienza nel settore dell’Information Technology. Ha sviluppato competenze avanzate nella progettazione e nello sviluppo di architetture software, nella gestione di infrastrutture IT complesse, nell’implementazione di strategie di sicurezza informatica e nella creazione di modelli di intelligenza artificiale.
È Presidente della Commissione per l’intelligenza artificiale dell’Ordine degli Ingegneri della Provincia di Frosinone e Vice Delegato del Comitato Italiano Ingegneria dell’Informazione – C3i, dove fa parte anche del Gruppo di Lavoro AI (GTL AI).
Nell’ambito dell’Ordine ha ideato e condotto numerosi seminari ed è autore e docente dei corsi:
- Intelligenza Artificiale per Ingegneri
- Intelligenza Artificiale Generativa
- Prompt Engineering.
Svolge attività accademica come cultore della materia presso il Dipartimento di Ingegneria Informatica dell’Università eCampus e ha tenuto seminari sull’intelligenza artificiale presso la Pontificia Università Antonianum.
Autore di numerosi articoli scientifici e divulgativi, si occupa di Generative AI e delle sue applicazioni professionali. Ha partecipato a progetti di ricerca avanzata, tra cui:
• BioGene, iniziativa supportata da NASA GeneLab per l’analisi genomica di esperimenti spaziali tramite AI
• Uno studio con l’Università Ben Gurion del Negev (Israele) sulla classificazione del livello di ossidazione degli oli mediante modelli intelligenti.
Attualmente concentra la sua attività sullo sviluppo e lo studio dei Large Language Models (LLM), con particolare attenzione alle applicazioni innovative dell’Intelligenza Artificiale Generativa in ambito tecnico e industriale.
