Bohuon (Palantir): “Più che sui modelli AI, ogni azienda deve puntare su ciò che la rende unica”

In ogni azienda, per realizzare un’AI realmente efficace, vantaggiosa e sovrana, occorrono alcuni passi essenziali: adottare un sistema operativo abilitato dall’AI; codificare il processo decisionale integrando dati, logica e azioni; passare dall’aumento delle capacità all’automazione progressiva, amplificando l’ambizione umana anziché sostituirla. E soprattutto: proteggere e valorizzare il proprio fattore Alphaaziendale.

Come ha spiegato François Bohuon, managing director di Palantir per l’area EMEA, intervenendo al World Manufacturing Forum 2026 organizzato a Milano da World Manufacturing Foundation.

Il fattore alpha, mutuato dal linguaggio finanziario, indica in questo caso la capacità di un’organizzazione di ottenere risultati superiori grazie a caratteristiche e competenze distintive. È il know-how e i dati proprietari che la rendono diversa sul mercato e unica.

Sviluppare l’AI sovrana d’impresa

Nel panorama della trasformazione digitale, molte aziende hanno avviato la sperimentazione dell’AI partendo dai grandi modelli linguistici (LLM) generativi. Sebbene questi strumenti abbiano incrementato la produttività individuale nella sintesi di documenti o contratti, il loro impatto sui processi industriali e sul fatturato rimane marginale.

I modelli AI più diffusi rappresentano un ‘cervello’ computazionale eccellente, ma privo di ‘corpo e cuore’ operativi: ignorano la struttura profonda della singola impresa, non ne comprendono le logiche e non sono integrati nei sistemi in cui si eseguono le decisioni.

Per manager e decision maker, “la sfida consiste nel superare l’AI intesa come mero supporto d’ufficio”, rileva il managing director EMEA di Palantir, “per approdare a un’architettura di AI sovrana d’impresa. L’obiettivo è costruire un’infrastruttura capace di convertire l’intelligenza algoritmica in valore operativo misurabile e scalabile, preservando il patrimonio informativo e ciò che rende l’organizzazione unica e competitiva sui mercati”.

I cinque livelli della scala di maturità AI

Per definire una roadmap chiara, “le aziende devono orientarsi lungo un percorso evolutivo strutturato su cinque livelli di maturità tecnologica e operativa”, spiega il manager di Palantir:

• Livello 0 (Data processing e produttività individuale). Punto di partenza comune, in cui si usano modelli pubblici per compiti generici come la sintesi di contratti o testi. Utile per la produttività personale, ma con impatto aziendale nullo.
• Livello 1 (Search and context enrichment). I risultati dei modelli di base vengono integrati con i dati interni (ordini, fatture, gestionali). L’AI permette di identificare quali fornitori accumulano ritardi e con quale frequenza.
• Livello 2 (Decision guidance). All’integrazione dei dati si sovrappone la logica aziendale specifica. L’AI fornisce raccomandazioni strategiche guidando le decisioni umane. Se un fornitore è in ritardo, il sistema suggerisce se applicare una penale o diversificare la supply chain, lasciando al manager la scelta finale.
• Livello 3 (Tribal knowledge). L’infrastruttura codifica il Tribal knowledge, ovvero il know-how informale e l’esperienza degli operatori. L’AI comanda in modo direzionato le azioni, accelerando i processi sotto una supervisione umana alleggerita.
• Livello 4 (Automazione progressiva e orchestrazione). È la meta finale in cui si realizza un’orchestrazione fluida tra agenti di AI ed esperti di dominio. L’automazione dei flussi decisionali e operativi diventa pervasiva, garantendo massima efficienza e velocità.

L’infrastruttura decisionale: la triade composta da dati, logica e azione

Nello stack tecnologico aziendale, occorre distinguere tra componenti di consumo e infrastruttura decisionale.

Energia, microchip, data center e persino gli LLM più avanzati sono ormai delle mere commodity. “Affidarsi solo alla potenza di calcolo o all’ultimo modello linguistico non garantisce un vantaggio competitivo duraturo, poiché tali risorse sono accessibili a chiunque ed estranee alla realtà operativa aziendale”, rimarca Bohuon.

Il fattore differenziante “sta nell’infrastruttura che modella ed esegue le decisioni quotidiane, la cui accuratezza e tempestività determinano la salute dell’impresa. Per sbloccare il valore, l’architettura hi-tech deve superare due vincoli storici”:

1. Il vincolo contestuale: integrare almeno l’80% dei dati già disponibili affinché parlino il linguaggio specifico del business.
2. Il vincolo di capacità: aumentare le facoltà degli operatori umani. L’obiettivo dell’AI non è sostituire il personale, ma estenderne le capacità: un singolo operatore in impianto deve poter supervisionare centinaia di macchinari, concentrandosi sulle decisioni strategiche.

Per tradurre la visione in pratica, “l’infrastruttura deve unificare tre elementi: dati, logica e azione”, indica Bohuon. “I dati senza logica sono rumore; la logica senza azione genera sovraffollamento informativo; logica e azione senza dati producono caos”.

Soltanto codificandoli in un unico ambiente software è possibile attivare un’automazione progressiva, e nei contesti manifatturieri l’automazione va introdotta gradualmente per evitare interruzioni produttive.

Il Digital Twin dei processi interni per scalare l’AI

Il cuore dell’AI sovrana d’impresa “è l’ontologia aziendale”, sottolinea il managing director di Palantir, “intesa come sistema operativo intelligente e strato semantico dell’organizzazione”.

L’ontologia “costituisce un Digital Twin dinamico che modella stabilimenti, impianti, macchinari, materiali e flussi logistici alla massima granularità”.

Attraverso l’ontologia, i dati eterogenei da sensori IoT, sistemi ERP, MES e e-mail vengono collegati direttamente alla logica di business e ai sistemi d’azione.

Ciò offre tre vantaggi strategici:

• Indipendenza dai fornitori di modelli. Svincola l’azienda dal lock-in di un singolo LLM o provider cloud. Poiché i modelli evolvono rapidamente, l’ontologia permette di sostituire o alternare gli LLM sottostanti in modo trasparente.
• Inclusione dell’80% della forza lavoro. A differenza delle soluzioni AI per soli uffici, l’Ontologia rende la tecnologia accessibile in sicurezza agli operatori di linea e ai blue collar, permettendo decisioni sul campo rapide e informate.
• Gestione dinamica delle interruzioni. Di fronte a crisi improvvise — come nella logistica l’interruzione di un hub distributivo per meteo avverso —, il sistema consente di riallocare gli ordini in tempo reale su altri impianti, garantendo continuità operativa.

“L’applicazione dell’ontologia riduce i tempi di inattività non pianificati, migliorando la diagnostica e l’accuratezza delle raccomandazioni dell’IA”.

Oltre a tutto questo, “per un’adozione efficace dell’AI occorre anche applicare tre principi”:

Agilità continua: le implementazioni di AI devono evolversi costantemente per rispondere a sfide sempre nuove.

Sviluppo a ritroso dal campo: partire dai reali colli di bottiglia indicati dagli operatori di linea.

Focalizzazione ossessiva sul ROI: l’AI deve generare un impatto economico e un ritorno sull’investimento misurabile.

Sovranità dell’AI e difesa dell’Alpha aziendale

L’aspetto più critico per i vertici di un’organizzazione riguarda la difesa dell’Alpha aziendale, ovvero il know-how procedurale, le strategie di prezzo e le prassi operative che costituiscono il vantaggio competitivo dell’impresa.

Alimentare direttamente i modelli linguistici pubblici con dati interni comporta il rischio di cedere il proprio patrimonio informativo ai provider tecnologici.

“La vicenda di Spirit Airlines è emblematica”, ricorda Bohuon: “a seguito del fallimento, un patrimonio di 100 milioni di e-mail, 500 milioni di chat, strategie di pricing e procedure è stato venduto all’asta per soli 10 milioni di dollari a un operatore tech per addestrare i propri modelli. L’Alpha aziendale è così passato legalmente di mano”.

Per questo, per i C-level si aprono due opzioni strategiche:

Piattezza aziendale per il modello (flattening the enterprise). Inviare i dati ai modelli esterni tramite prompt. Strada rapida all’inizio, ma che azzera il vantaggio competitivo commoditizzando l’azienda.

Integrazione del modello nell’ontologia aziendale. Portare i modelli di AI all’interno del proprio sistema operativo proprietario. Percorso più impegnativo, ma l’unico in grado di generare valore cumulativo (compounding value), preservando la sovranità tecnologica e la titolarità del fattore Alpha.

“L’AI sovrana nell’impresa non è un progetto informatico da delegare all’IT, ma una priorità strategica di governance”, osserva Bohuon, “i manager devono guidare una transizione orientata ad amplificare l’ambizione e le facoltà umane, elevando gli operatori a ruoli più strategici”.

Costruire un’infrastruttura decisionale fondata su dati, logica e azioni, “incardinata su un’ontologia proprietaria, costituisce l’unica via per guidare il mercato mantenendo il controllo completo sul proprio futuro industriale”.