Nel panorama competitivo odierno, l’efficienza di un dipartimento commerciale non si misura più solo dal volume di contatti generati, ma dalla capacità di concentrare le risorse umane (il cui tempo è finito e costoso) sulle opportunità con la più alta probabilità di conversione. Storicamente, i sistemi di Customer Relationship Management (CRM) sono stati utilizzati come grandi archivi digitali: raccoglitori passivi di anagrafiche, email e note di vendita. Tuttavia, l’estrazione di valore da questi dati è sempre stata demandata all’intuizione del singolo venditore o a regole rigide impostate manualmente dai manager.
approfondimento
Cognitive CRM: machine learning per la Predictive lead scoring
Come gli algoritmi analizzano pattern comportamentali nascosti per classificare i lead in base alla probabilità di acquisto. Viene evidenziata l’importanza della pulizia dei dati per evitare previsioni errate e massimizzare il ROI del team commerciale
Pubblicato il 2 mar 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.
