Applicazioni evolute di Analytics e AI sono ormai praticamente una scelta obbligata per le necessità di ottimizzazione e sincronizzazione della rete operativa in settori data intensive come il pharma, le telecomunicazioni e il mondo finanziario.
Il summit Sas Innovate 2026 ha riunito a Milano manager e specialisti IT e AI di realtà che operano e sviluppano nuove soluzioni in ambiti molto diversi tra loro, come Dompé Farmaceutici, Fastweb e Agos Crèdit Agricole, accomunate da visione e strategie Data driven AI, e dalla collaborazione con Sas per realizzarle.
Così l’intelligenza artificiale alimentata da dati affidabili e ben governati sta cambiando il modo in cui le organizzazioni prendono decisioni, sviluppano nuovi prodotti e si relazionano con il mercato.
Indice degli argomenti:
Dompé Farmaceutici e l’approccio scientifico all’AI
Nel mondo del Pharma, i modelli transformer – le architetture di rete neurale che alimentano le applicazioni di intelligenza artificiale – permettono di estrarre correlazioni e risultati rilevanti da quantitativi di dati ingestibili, e quindi inutilizzabili, fino a qualche anno fa.
È un cambiamento sostanziale nel modo di concepire e utilizzare il dato, in questo caso, scientifico e di laboratorio: “passiamo da semplice tabella numerica a rete di relazioni, fino ai Context graph, che permettono di riportare la combinazione di dati correlati all’interno del contesto specifico di un problema, cambiando di fatto gli strumenti stessi con cui ci si approccia al dato”, come ha sottolineato al Sas Innovate 2026 Andrea Beccari, Vice president Excalate drug discovery platform di Dompé Farmaceutici.
Che fa notare: “nel campo della ricerca, le traiettorie di sviluppo di un farmaco non possono essere affidate alla probabilità dell’AI non governata e gestita in maniera precisa”.
In laboratorio i modelli deterministici dotati di interfaccia agentica
In collaborazione con Sas, Dompé Farmaceutici sta lavorando su un migliaio di modelli deterministici dotati di interfaccia agentica, che permettono a ogni ricercatore di interrogare direttamente il dato che sta usando per le proprie attività e operazioni scientifiche.
Il punto rilevante è l’uso predittivo e non reattivo di questi agenti AI. Ad esempio, nel momento in cui i ricercatori sviluppano una nuova molecola, l’agente è in grado di restituire subito informazioni sullo spazio di brevettabilità e sul grado di tossicità probabile, perché i modelli deterministici sono stati addestrati su milioni di molecole e miliardi di dati sperimentali.
“Ciò è quello che facciamo oggi, mentre la prossima frontiera è l’integrazione tra i dati generati in laboratorio e quelli di progettazione e test nel mondo reale”, anticipa Beccari, “in un approccio che definirei Lab-in-the-loop”.
Il centro d’eccellenza sull’AI di Fastweb
Nel settore delle Tlc, Fastweb ha costituito un centro d’eccellenza sull’AI già sette anni fa, dapprima per occuparsi di machine learning e innovazione dei sistemi operativi.
Con l’arrivo dell’AI generativa, nel 2023, il fulcro dello sviluppo si è spostato dalla programmazione dei servizi Tlc all’infrastruttura, e l’azienda è salita rapidamente sul treno della GenAI. “Ci siamo dotati di un supercomputer tra i più potenti in Italia, abbiamo avviato partnership tecnologiche e investito in algoritmi e hardware dedicato”, rileva Marta Cavalleri, manager dell’Artificial Intelligence Center of Excellence di Fastweb.
Che osserva: “dobbiamo sempre tenere ben presente che l’intelligenza artificiale è una scienza probabilistica, questo è un presupposto che spesso dimentichiamo. Va maneggiata con senso critico, perché ci sarà sempre una percentuale di errore. La questione centrale da affrontare e gestire non è ‘cosa’ delegare all’AI, ma ‘come’ farlo”. Considerando che il ‘come’ di queste attività e operazioni richiede “fiducia, trasparenza e consapevolezza”.
Comprensione, trasparenza e spirito critico per arrivare alla fiducia
Sono proprie queste le linee di investimento e intervento prioritarie per Fastweb: “innanzitutto, la comprensione adeguata e diffusa dell’AI”, sottolinea Cavalleri, attraverso le certificazioni interne e le attività della Digital Academy, con corsi di formazione e aggiornamento accessibili non solo al personale di Fastweb ma anche ai clienti. Programmi specifici per imparare a usare bene l’AI e a farlo con spirito critico.
“La trasparenza operativa e il monitoraggio si traducono nella possibilità di verificare le fonti delle risposte e controllare nel tempo la qualità degli output del modello”, osserva la manager.
Che sottolinea: “questo modello operativo dello human-in-the-loop deve essere incorporato direttamente nell’architettura dell’AI, impostando soglie di confidenza oltre le quali prevedere l’intervento umano. Solo così è possibile offrire un’AI realmente affidabile”.
Gli algoritmi di scoring per le attività di Agos Crèdit Agricole
Nel settore finanziario e del credito al consumo, applicazioni di Analytics e AI sono ormai centrali nel modello di business, anche con l’utilizzo di algoritmi di scoring e sistemi di machine learning, ad esempio, per la valutazione dell’affidabilità finanziaria della clientela e la prevenzione delle frodi.
L’AI generativa e quella agentica “rappresentano l’opportunità di migliorare almeno due indicatori chiave per l’esperienza cliente. Il time-to-yes, ovvero la rapidità con cui si comunica l’esito di una richiesta di finanziamento, e il time-to-cash, il tempo che intercorre fino all’effettiva erogazione”, rileva Sergio Novelli, Chief information officer di Agos Crèdit Agricole.
Tradurre gli indicatori in risultati misurabili
Tradurre questi indicatori in risultati misurabili, però, richiede innanzitutto di mettere ordine e qualità nei dati su cui si appoggiano le applicazioni di Gen AI e Agentic AI.
Una trasformazione “supportata da un progetto tecnologico e organizzativo ambizioso”, indica il Cio di Agos, “che sposta verso il cloud l’intera architettura dati, la piattaforma Crm e i canali di vendita, con l’obiettivo di costruire un ecosistema in cui il dato sia sempre affidabile e tracciato. Più che fare tanta AI, vogliamo imparare a usarla meglio, all’interno di un’architettura nuova, in un sistema in cui i nostri dati siano certificati e la base di conoscenza aziendale che può fare la differenza”.
Partecipa alla community