Allora, buonasera a tutti, ben

bentrovati.

È un piacere avervi qui con noi per il

terzo appuntamento

del ciclo di webinar dell'Osservatorio

Open Innovation Lookout. Abbiamo visto

nei primi due appuntamenti, diciamo,

approfondimenti dedicati a alcune delle

tematiche maggiormente rilevanti per il

mondo dell'innovazione, dell'open

innovation. ehm diciamo condivise poi

chiaramente con le aziende

dell'Osservatorio. Abbiamo parlato di

venture building, venture clienting e

oggi il nostro appuntamento invece si

focalizzerà su quello che è ehm

l'interazione tra il mondo

dell'artificial intelligence e i

processi di innovazione e open

innovation, cercando di andare ad

analizzare insieme ai nostri ospiti

quelle che sono le sfide e le

opportunità per cercare di integrare

l'intelligenza artificiale all'interno

di quello che è il mondo della gestione

dell'innovazione.

Il nostro

appuntamento di oggi, diciamo, prevede

una serie di interventi, diciamo, da

parte di keyot speaker e partner della

ricerca. Insieme a me oggi c'è Stefano

Mizio che è il general manager del

nostro gruppo di ricerca Innovation

Strategy e Family Business col quale

modereremo l'evento di oggi. Avremo poi

un primo intervento da parte di Andrea

Durante, CFI Strategy Officer di Eldor

Corporation, che porterà, se vogliamo,

una prospettiva più business e sarà poi

invece seguito da la prospettiva invece

più accademica che ci verrà condivisa

invece da Letizia Mortara, Associate

Professor in Technology Management at

the Department of Engineering

dell'Università di Cambridge. Avremo

poi, diciamo, in chiusura

di questo evento invece un panel con i

partner della dell'ossvatorio e nello

specifico oggi ci sarà con noi Caterina

Crippa, eccosistem e Scouting Manager di

A2A e Carlo Consoli, AI di DOS Design.

L'obiettivo per noi è non tanto quello

di dare delle risposte diciamo precise,

ma più di portarvi diverse prospettive

rispetto appunto a come il tema delle AI

sta entrando all'interno di quelle che

sono le sfide dell'innovazione, sia da

un punto di vista di quello che, se

vogliamo, è il mondo della ricerca e

dell'accademia, eh che poi chiaramente

il mondo il mondo business. Ehm,

Stefano, se sei d'accordo, aprirei

subito, diciamo, i lavori, lascerei a te

la parola per introdurre il nostro primo

ospite.

>> Grazie, Francesca, buonasera a tutti. A

me il compito di introdurre Andrea

Durante che che ringrazio. Andrea, come

appunto ci ricordava Francesca, ha un

ruolo importante, no, è il chief, high

officer, no, di Eldor Corporation. La la

prospettiva di Andrea è la prospettiva

chiaramente di chi quotidianamente vede

in che modo le hai, e in particolare la

generative hai e poi, diciamo,

unevoluzioni con gli agenti che hai

stanno entrando, diciamo, con

prepotenza, sarei dire, no? nei nei

processi in particolare nei negli nei

processi di innovazione delle aziende.

Quindi Andrea, diciamo, eh ci porterà

questo contributo Andrea e appunto e e

il Caio, che questa questa sigla che,

come dire, individa, no, il job title

che individua questa figura e leggevo

recentemente che in realtà in Italia è

un numero che varia tra il 20 e il 25%

delle medie grandi aziende hanno hanno

questa figura, quindi è una figura che

sta entrando, diciamo, nel negli

organigrammi delle aziende, quindi anche

questo per, come dire, racconta in

qualche modo l'importanza che oggi lei

hai ha nella nei processi nei processi

di innovazione. Andrea, aggiungo, ci

conosciamo un po' da da qualche anno e

ehm

credo che gli mostri anche quello che

come che si dice life long learning

perché Andrea oltre a ricoprire questo

importante incarico e avere più di 20

anni esperienza ventennale nell'ambito

dell'innovazione, diciamo, della

strategia sta anche conseguendo un un

PhD, un executive PhD in Artificial

Intelligent presso il Politecnico di

Milano e direi che questa è anche, come

dire, quindi Andrea, come completa anche

da con questo tuo percorso di studi, no?

Porta una prospettiva un'altra

prospettiva sul mondo delle hai e in

particolare, no, il tema il tema

dell'etica, il tema, no, di come Leai

oggi, diciamo, abbia la necessità di,

come dire, rientrare all'interno di di

una di un di un di un framework più

ampio, no, che valuti anche gli aspetti,

no, l'impatto che che può avere avrà

sulla società, diciamo, e sui nostri

sistemi sociali. che credo che sia

importante. Quindi devo dire che eh ehm

Andrea è veramente una persona con una

visione completa. Non voglio togliere

altro tempo, direi passo direttamente la

parola a Andrea in modo che abbia modo

di raccontarci quella che è la sua la

sua visione e la sua esperienza. Andrea,

a te.

>> Grazie Stefano. Grazie Francesca per

l'invito.

Condivido.

>> Si vede?

>> Sì.

Perfetto. Allora, eh grazie dell'invito

e

quando mi avete chiesto di partecipare a

questo webinar ho accettato con piacere

perché sono sia l'innovazione che la

parte intelligenza artificiale sono due

temi che mi appassionano, sono il mio

lavoro e e penso siano molto importante

anche per la società. Ehm, porto

un'esperienza aziendale e anche un po'

di ricerca, come dicevi, per il

dottorato in etica, intelligenza

artificiale. Ehm, non entrerò

nell'estremo dettaglio, ma cercherò

attraverso l'esperienza che abbiamo

avuto in questi in questi anni di

raccontare un po' quali sono le sfide

dell'intelligenza artificiale. Ehm, e ho

voluto usare tre parole: evoluzione,

velocità e cambiamento. Adesso vedremo

perché. Partiamo dal da un caso

concreto. Il caso concreto è quello di

Eldor. Eldor è un'azienda Como, ormai

una multinazionale, leader nel settore

automotive, è un family business. Mh, in

questo momento siamo circa 2800 persone,

12 per il mondo. Ehm, eh,

i prodotti Eldor equipaggiano circa 400

milioni di veicoli nel mondo. Però la

cosa bella di Eldor è un po'

l'evoluzione che ha avuto, che è un po'

poi il tema eh di oggi. Scusate,

>> ora ci scusiamo diciamo per questo

inconveniente, ma direi che partiamo al

contrario. Quindi parliamo partiamo

dalla prospettiva

accademica. Con noi oggi c'è Letizia

Mortara che, come dicevo, è associate

professor presso l'Università di di

Cambridge dove coordina il gruppo di

ricerca Decision Making for emerging

Technology. Eh, la ricerca di Letizia da

diversi anni si concentra su quello che

è il processo decisionale tecnologico

con l'obiettivo di cercare, diciamo, di

comprendere, no, come eh può adattarsi e

come può evolvere la risposta

organizzativa nei contesti tecnologici e

di innovazione. E l'idea, chiaramente, è

quella di portarvi oggi la prospettiva

di Letizia e del suo team che stanno,

diciamo, analizzando anche come gli

strumenti di AI possono entrare

all'interno di quello che sono i

processi di decision making e per

condividere un pochino quelle che sono,

diciamo, le prime considerazioni che

stanno emergendo dal lavoro di di

Letizia.

Eh, lascerei a questo punto la parola a

Letizia per raccontarci un po' eh,

diciamo, il lavoro del del suo team eh e

condividere un pochino quello che è la

sua prospettiva rispetto a come è

possibile migliorare i processi di

innovazione attraverso l'AI e nello

specifico eh quali sono le sfide da

affrontare, i framework che si possono

utilizzare.

>> Grazie Francesca dell'introduzione e

buon pomeriggio. Buon buona serata a

tutti. Grazie per l'invito e sono

anch'io molto contenta di essere qui. Mi

dispiace per quello che è successo ad

Andrea e spero che non succeda anche a

me. Ehm, come diceva Francesca, eh mi

piace l'idea di magari discutere con voi

ehm qualche idea del lavoro che stiamo

facendo. Quindi, come ha detto

Francesca, il mio lavoro di solito è

sempre stato agnostico, cioè abbiamo

lavorato su tante tecnologie, non è che

il nostro lavoro si specific si si,

scusate, ogni tanto mi scappa l'inglese.

Ehm si si ehm praticamente si concentri

sempre su una tecnologia, ma questa è

una tecnologia particolarmente

intrigante che che starà che cambia le

cose, cambierà le cose nel futuro. E

quello che ho deciso di

di dire, diciamo, sono due punti. Il

primo è magari riflettere assieme su un

framework che abbiamo

messo assieme con i con i miei colleghi

e studenti e per cercare di interpretare

eh

come le l'intelligenza artificiale si

possa integrare e e magari quali sono le

dimensioni sulle quali possiamo

ragionare nel nell'introduzione delle

AIE. E secondo punto è appunto pensare

alla valutazione di quello che succede

una volta che l'abbiamo inserita, per

cui eh discutere l'adozione e la

valutazione di quello che che è il

risultato dell'inserimento dell'AI e eh

praticamente la cosa che diciamo ci sta

a cuore che al mio gruppo sta a cuore di

più è capire come ci stiamo adattando,

come stiamo adattando le aziende, come

stiamo adattando i processi ehm

manageriali e e come facciamo le cose in

maniera diversa una volta che abbiamo

l'AI a disposizione.

Diciamo che se uno si guarda un po' in

giro al giorno d'oggi c'è un un tipo di

AI per tutti i gusti e questo è

praticamente un po' uno scherzo in

inglese, un gioco di parole perché

questa particolare questo particolare

esempio eh food pairing eh un tipo di AI

che eh è stato m inventato per aiutare

gli a creare delle formulazioni eh di

gusti differenti. Quindi, se uno ha

l'ambizione di diventare uno chef

stellato o comunque attrarre una una

clientela particolare, eh si può al

giorno d'oggi avvalere di strumenti come

quelli di AI. Questo tipo di servizio è

anche un servizio che può essere

interessante ad aziende che mh creano eh

nuovi prodotti in un campo eh quella

l'azienda ehm eh che lavora in un campo

come eh il food, quindi ehm nella

nell'agribiness o comunque nel nella

filiera ehm eh del food e si trova anche

in una condizione in cui l'innovazione è

una cosa un po' difficile, anche perché

eh diciamo diciamo il è difficile creare

grandi numeri, insomma, attorno ad un

nuovo prodotto. Quindi questa questa

food pairing si propone come come un

aiuto per creare queste queste nuove

formulazioni. Questo è già è solo un

esempio. Se uno si guarda intorno ci

sono molti molti esempi di aziende che

si propongono come

AI provider di vario tipo. Come possiamo

pensare all'introduzione dell'AI nei

nostri processi decisionali che possono

essere relativi all'open innovation o

altri tipi di

processi decisionali, come per esempio

dobbiamo investire in questa tecnologia,

dobbiamo cambiare la nostra strategia.

ci sono diversi tipi di decisioni che

possiamo prendere e quindi ehm una delle

dimensioni che vogliamo eh considerare è

proprio e che tipo di decisione andiamo

a prendere. La seconda è eh chi nel

processo decisionale prenderà queste

decisioni, sarà l'ai o sarà l'uomo, o

saranno entrambe in collaborazione e il

terzo è dove nel processo decisionale

andiamo ad inserire questo questo nuovo

strumento. Adesso ve li vi parlo un po'

una alla volta di tutti questi di queste

dimensioni. Quindi quale tipo di

decisione? Ci sono vari tipi di di

framework, però possiamo pensare ai tipi

di decisionim

nel contesto di quanto quanta incertezza

ci sia attorno alle decisioni. c'è una

ehm eh framework eh di piuttosto usato

nel management in cui praticamente si eh

lo spettro decisionale parte dalla bassa

incertezza, dove per esempio se noi

facciamo una somma semplice 2 + 2 la

somma è 4, possiamo ottenere solo un

risultato da questa semplice semplice eh

semplice calcolo. Ci sono delle

decisioni che man mano le creiamo,

alziamo la complessità hanno talmente

tanta incertezza da non possiamo neanche

attribuire una probabilità a un

risultato nella nostra nel nel risultato

della nostra decisione. Non sappiamo se

è probabile che qualcosa succeda oppure

no. Quindi le decisioni non sono tutte

uguali e quindi chiaramente se andiamo a

inserire l'AI dobbiamo considerare come

queste vengano ehm eh inserite. Insomma,

se andiamo, per esempio, a lavorare su

un processo manifatturiero o un processo

di operations,

molte AI stanno cercando di, per

esempio, eh simulare e vedere come la

relazione tra i suppliers e i buyers si

possa ottimizzare e e nonostante sia un

problema molto complesso, questo tipo di

problemi è sempre un po' meno complesso,

meno suscettibile di un certe certezze

rispetto a quelli più strategici. Non so

se vedete il mio cursore, lo sto

muovendo sulla sulla figura. Sì, mi

state dicendo di sì. Bene. Eh, un altro

punto di vista è possiamo eh diciamo

comprendere se

il risultato di questa decisione è

giusto o sbagliato. In alcuni casi sì,

in alcuni casi no. Per cui eh ci sono eh

decisioni più eh intellective dove

appunto come l'esempio stupido che ho

fatto prima, 2 + 2 fa 4, possiamo

chiaramente capire se abbiamo ottenuto

un risultato giusto oppure no. Altre

decisioni dove non abbiamo il counter

factual e non abbiamo modo di capire se

la decisione il risultato è stato quello

giusto oppure no. eh ehm ehm eh se se

lei hai ci ha detto la cosa giusta, fare

la cosa giusta e e quindi ci sono

veramente molte decisioni. Quindi una

una considerazione è in questo ambito.

Ci sono ehm secondo ambito è appunto

vedere eh l'entità che eh deleghiamo a

cui deleghiamo la decisione. molti

processi decisionali hanno praticamente

fanno capo agli uomini, alle

organizzazioni, quindi a

questo

lato dello spettro. Invece eh molte

volte ci si preoccupa particolarmente

del dell'automazione completa doveè la

che prenderà tutte le decisioni. Quindi

l'altro lato dello spettro e dove l'uomo

viene sostituito completamente da un

un'intelligenza artificiale. La maggior

parte delle

situazioni in cui andiamo a lavorare con

lei al giorno d'oggi in realtà si trova

nell nello spettro medio dove andiamo ad

augmentare il nostro il nostro lavoro

con questo strumento e situazioni

diverse accadono

a seconda del del grado di di

interazione che abbiamo con le AI e Il

terzo punto lo voglio illustrare con un

esempio, anche questo banale, però

insomma è per me abbastanza

chiarificante il fatto che le decisioni

non accadono mai

indipendentemente una dall'altra. è

difficile che nelle aziende o processi

di innovazione una decisione sia una

singola decisione. Molte volte eh si

tratta di un processo decisionale molto

completo. Per esempio, se prendiamo il

mio ehm

fedele robottino aspirapolvere

domestico, questo robottino deve

prendere le decisioni in autonomia. Per

esempio, quante volte sbatto la testa

contro il muro prima di girarmi? O eh in

che direzione mi devo girare dopo aver

sbattuto la testa? Eh devo tornare

indietro a farmi ricaricare perché sono

abbastanza scarico oppure no? Oppure

devo mangiare quel cavo che Letizia si è

scordata sulla eh in giro? E devo dire

la verità che la risposta di

quest'ultima domanda è sempre sì. Qui ci

sono varie dimostrazioni di come ho

trovato il mio robot eh incastrato in

varie posizioni, però vedete che qua c'è

un'autonomia, il robottino lavora in

autonomia, prende delle decisioni, ma in

realtà del quella decisione non sono in

isolamento, ci sono delle decisioni che

ho dovuto prendere io e dovuto inserire

nel processo decisionale per dire "Ok,

io voglio che tu eh spazzi eh per

esempio adesso Adesso vedo che mi è mi è

caduto qualcosa, viene a raccogliere

oppure ogni tre giorni. Quindi c'è una

Letizia che prende delle decisioni e c'è

un robot che prende delle decisioni,

sono concatenate. Possiamo pensare a un

mondo in cui, per esempio, io mi sposto

ancora di più, se il robottino è più

sofisticato e si può allargare a

decidere eh anche quando eh mettersi in

moto e spazzare. Io devo solo decidere

qual è il livello di pulizia che mi si

confà, che che che desidero. E si può

pensare ad un mondo, appunto, quando

andiamo verso l'automazione completa

dove il robottino è in grado di capire

intuitivamente qual è la mia preferenza

di pulizia. E vediamo che se inseriamo

in tutto questo processo decisionale eh

il il robottino, possiamo decidere che

porzione e la l'AI ha preso delle

decisioni per me. Eh ora, perché vi dico

tutto questo? Perché in realtà anche

nell'innovazione

colleghi che hanno lavorato su

sull'inserzione delle possibilità delle

possibilità che ci sono per inserire

l'intelligenza artificiale nei processi

di innovazione la vede un po' come come

la vedo io. Cioè da un lato è vedere se

vedete l'asse orizzontale, adesso

riprovo. Sì, l'asse orizzontale dice che

funzioni può avere

l'intelligenza artificiale in un

processo di open innovation, quello di

mappare o di coordinare o di controllare

che sono attività tipiche che dobbiamo

fare come parte della del della

creazione di queste collaborazioni

esterne e dall'altro è in che fase nel

processo di open innovation inseriamo

l'artificial intelligence e come vedete

è emersa qui una una mappatura

abbastanza eh ampia delle varie

caratteristiche eh del lavoro che

l'artificial intelligence può fare per

l'open innovation e praticamente essere

abbastanza chiari nella creazione di

questo ehm eh

di questo questa mappatura mentale di

come usiamo l'AI è ciò che secondo me eh

va fatto nel senso che capire le le

funzionalità delle AIE, capire i suoi

limiti oggi, chiaramente è una cosa che

sta evolvendo molto in fretta, ma

cercare di capire quale ruolo vogliamo

attribuire a questo strumento

interessante con cui lavoriamo. E come

dicevo, ci sono tante opportunità di

scelta. per esempio, eh parte della

ricerca del eh delle opportunità, dei

trend che esistono in che stanno

emergendo, per esempio, a livello di

nuove tecnologie, c'è un lavoro di

intelligence tipicamente che le aziende

devono fare e aziende come Amplify che

che vi riporto qui propone dei sistemi

di artificial intelligence per aiutare

coloro che devono prendere questo tipo

di decisione, quindi a creare gli

insight, a capire i new trends, a

cercare di identificare

partners, a tenere monitorato un certo

ambiente tecnologico o di marketing per

capire come sta evolvendosi per poi

lavorarci dietro e quindi eh in questa

mappatura si può dire "Ok, a noi

interessa un AI, torno indietro un

attimo come un come scout e che ci mappi

il il territorio". e quindi trovare l'AI

che sia ehm eh diciamo il buon match, il

la combinazione giusta per noi. Ci sono

altri tipi di AI, questo è un altro

esempio. è un'azienda

qua di Cambridge che ha

mappa la come si dice il foresite di

come ehm le materie prime varieranno in

prezzi e in disponibilità. Quindi cerca

di anticipare in questo caso eh il il

futuro e cercando e basandosi su ciò che

sa dei modelli passati, cercare di

aiutare le aziende a fare delle scelte

specifiche su quando eh per esempio ehm

comprare eh se uno è un'azienda di di

cioccolato, eh magari il cacao, che è

una di quelle risorse un po' eh diciamo

ballerine dal punto di vista della

disponibilità e trovare il momento

giusto

per approvvigionarsi e le risorse dove

sono al momento più convenienti. E

quindi questo vi rendete conto che è un

modello diverso rispetto a quello

precedente del del dell'amplify. Qua

andiamo a cercare di capire, di fare

previsioni e utilizzare uno strumento

per ehm aiutarci a creare delle eh degli

sweet spots per per comprare eh le

materie prime. E in tutta questa

confusione eh queste possibilità e

quindi la varietà di EA è abbastanza

elevata. Eh, abbiamo fatto un pochino di

lavoro qualche mh un paio d'anni fa,

abbiamo cominciato già e a cercare di

capire come questo eh lavoro di trovare

eh l'AI giusta per noi sta cambiando le

cose e quindi eh abbiamo fatto una

piccola revisione di vari tipi di di

aiuti decisionali, non solo Ei, però

abbiamo cercato di capire come stanno

cambiando l'adozione.

la, diciamo, la valutazione di quello

che lei ha fa e come ci stiamo

adattando. Diciamo questo quadrato è

quello che a noi sta un pochino più a

cuore. Eh, una piccola parola riguardo

al giudizio su quello che l'artificial

intelligence ci dà. Eh, una una cosa che

è emersa qua abbastanza chiaramente è

quando è l'integrazione del del della

dell'intelligenza artificiale la la cosa

giusta per noi. Per esempio, in molti

studi, molti proponenti delle AI dicono

è uno strumento che ci aiuterà a

diventare meno biased, meno ehm

diciamo

affetti da da da dei modelli mentali che

che ci distorcono eh da da fare la

scelta giusta. Ecco, nei casi che

abbiamo studiato, quello che è venuto

fuori è che è vero e e magari abbiamo

l'ambizione di fare le cose in una

maniera meno affetta da problemi

cognitivi, però non è sempre meglio

perché non so, l'immagine non mi sta

venendo fuori. Eccola qua.

Per esempio, alcuni stanno pensando di

creare delle interfacce per fare

selezione di personale migliore e questo

è una un esempio in cui si usa, per

esempio, un proxy, un robot per cercare

di nascondere eh chi che fa ehm la come

si dice eh la chi assume il personale e

chi è chi va alle interviste per cercare

di evitare che ci siano delle eh

preferenze

dovute a come uno appare, come uno

parla. Ecco, quello che può venire fuori

è anche quello che accade dopo. Cosa

succede se andiamo a per esempio ad

assumere eh persone che poi si

troveranno molto male nel nostro nel

nostro contesto. Quindi il l'uso dello

strumento, questo è è un esempio

esagerato che ho portato, ma per far

capire che magari alcune ambizioni che

attribuiamo alle AI hanno poi delle

conseguenze nel resto dei nostri

processi e se non siamo pronti ehm e

farsi aiutare in un senso magari non è

la cosa ideale ancora. Eh, la secondo il

secondo punto, l'animazione è venuta

fuori ehm non come l'avevo pensata, ma è

lo stesso. Ci sono queste due frasi che

ho messo e perché tante decisioni che

prendiamo eh hanno delle conseguenze m

più modeste di altre. Per esempio, se

usiamo le l'artificial intelligence per

capire come si sta spostando una

un trend, una situazione, questa è una

cosa del tutto esplorativa. È un po'

come andare a studiare una galassia. il

nostro risultato ottenuto con l'AI non

va a cambiare come la galassia si sta

muovendo o sta cambiando, quindi ehm eh

decisioni esplorative, quindi l'EI ci dà

molta possibilità di trovare cose nuove

che noi non conosciamo grazie appunto

all'analisi di dati che non possiamo

fare con le nostre tradizionali

competenze. È una cosa molto

attraente. Se però andiamo a applicare i

sistemi di intelligenza artificiale,

situazioni complesse di cui non abbiamo

completamente il controllo, ma in cui

magari la decisione, se è presa sulla

base di una decisione di intelligenza

artificiale va a cambiare il sistema.

abbiamo eh andiamo incontro ad una serie

di eh cambiamenti eh dei quali non

possiamo avere controllo. Se pensiamo a

quanti conseguenze ha avuto, per

esempio, la la crisi del 2008, dove

abbiamo avuto

hedge funds che sono hanno causato,

insomma, il collasso dell'economia

mondiale per alcuni mesi, eh, e

all'epoca si usavano dei modelli, ma non

ancora così sofisticati. Se andiamo a

considerare questo tipo di di di

situazioni, quando c'è una

concatenazione di eh decisioni e alcune

delle quali vanno a cambiare i nostri

sistemi, se inseriamo un artificial

intelligence che non capiamo perché al

momento eh è siamo ancora agli albori di

capire come queste questi strumenti

siano utile, quali modelli e come i

modelli siano fatti, insomma, perché

sono ancora derivati da dati che sono

probabilmente parziali, andiamo a creare

delle conseguenze nel lungo termine.

Quindi, in questo caso, dobbiamo

avvalerci di un forte

sistema etico e di regolamentazione che

possa prevenire la creazione di problemi

a lungo raggio.

Per quanto riguarda l'adozione, questo

direi che mi sembra di guardare che sia

l'ultima slide, quindi lascio poi la

parola ad Andrea che che ci porterà

degli esempi più più concreti.

La cosa interessante è il fatto che ci

stiamo adattando e

tutti stiamo più o meno adottando uno di

questi strumenti perché ormai è parte di

molti servizi che a cui a cui noi siamo

ormai completamente a suoi fatti e ma

non siamo gli unici ad utilizzarla.

Cioè, se andiamo a guardare la la

proposition, la la diciamo il valore

aggiunto che ci può dare un AI per

trovare un gusto speciale, è come non

siamo gli unici a farlo e quindi

probabilmente molto ehm facilmente

dobbiamo capire come possiamo

differenziarci dal dagli altre dalle

altre organizzazioni, come sta cambiando

il ehm il il gioco delle parti nel nel

nell'impianto tanto competitivo. Ehm,

come possiamo ottenere questa, diciamo,

cosa unica che possiamo fare se tutti

hanno gli stessi strumenti, quindi ci

stiamo diversificando in una maniera msa

quella che siamo abituati a a conoscere.

Ehm,

un'altra cosa è come gli individui si

stanno abituando a utilizzare eh questi

strumenti. C'è paura, c'è diffidenza,

c'è eh cambio di processi, cambio di

ruoli e soprattutto come andiamo a

controllare quello che viene fuori dal

dalle EAI. Molte molte volte noi stiamo

lavorando molto con quelli che usano

l'intelligenza artificiale, per esempio,

per capire i trend e e interpretare,

insomma, i segnali che vengono da dal

diverse fonti. Ecco, ehm come si può

prendere una decisione sulla base di di

quello che che fa l'AI. possiamo

controllare gli input per un c in certi

casi, ma se non non siamo in grado di

capire come l'intelligenza artificiale

stia ragionando, eh come facciamo a a a

fidarci di quello che che ci dice e

andare avanti con le nostre decisioni?

Quindi questo è un altro aspetto di cui

ci stiamo occupando e ehm di l'altra

cosa, come dicevo prima, che ci sono

vari tipi di e prima ehm Stefano stava

dicendo generative AI versus analytical

AI, sono piuttosto differenti nel come

eh come le dobbiamo considerare. Quindi

il generative AI è è una cosa che è

quello che che ci ha più sconvolti,

diciamo. Molte forme di analitica AI,

però sono molto ehm potenti e e per

esempio stanno

venendo utilizzate per individuare nuove

nuove forme di medicine di di

antibiotici. E quindi quale tipo di AI

andiamo a parlare? spesso volentieri

parliamo come in questo talk abbiamo

messo l'intelligenza artificiale, ma in

realtà dovremmo diventare molto più

specialisti nella nostra discussione.

Ehm e l'ultimo punto è abbiamo le

risorse giuste e le conoscenze per eh

capire come

eh controllare, gestire e cambiare i

processi sulla base dell'AI. Molti di

noi sono venuti ehm ci noi ci siamo

trovati di fronte a questi strumenti

senza essere stati parte della

costruzione, quindi dal punto di vista

dell'educazione che abbiamo, ci troviamo

di fronte ad un pacchetto già fatto e il

controllo di delle skills e delle

competenze, la creazione di queste

skills e competenze è un problema,

diciamo, piuttosto grosso che riguarda

sia le aziende che le università che,

diciamo, la società eh al completo e

quindi c'è tanto lavoro da fare ed è un

mondo molto eh entusiasmante che abbiamo

di fronte. Non so se vi ho portato

avanti ehm

dei dei concetti che perché ho non ho

molto feedback rispetto a quando ne

parlo con le persone a tu per tu, però

spenso penso spero che siano state dei

delle idee interessanti e se volete eh

mettervi in contatto questo è il mio eh

sito, insomma, se le mie i miei i miei

eh dettagli.

Grazie, grazie Letizia anche un po' per

la prospettiva, no, legata chiaramente

al tema del decision making, se

vogliamo, era anche un po' l'idea di

spaziare, no, rispetto a l'applicazione

dell'AI all'interno di quelli che

chiaramente sono in primis i processi

decisionali e poi chiaramente i processi

di innovazione. Ehm, passerei a questo

punto, Stefano, la parola ad Andrea, eh,

e poi ci ritroviamo magari nella parte

finale di Q&A.

Su questo invito anche i nostri

partecipanti, qualora aveste delle

domande o delle riflessioni per i nostri

speaker, di inserirle già in chat in

modo tale che poi questo ci aiuta nella

parte di facilitazione finale.

Vediamo il tuo schermo Andrea.

>> Ecco, adesso funziona.

>> Tirano le slide. Perfetto.

>> Grazie a tutto. Grazie Letizia anche per

quello che hai detto. Ci hai toccato

tanti temi importanti fra cui

principalmente quello dell'adattamento,

dell'adattabilità. Quindi, come dicevo

prima, eh quello che vorrei fare questa

sera è quella di ehm leggere

l'intelligenza artificiale, l'open

innovation dalla luce di un manager, di

un'impresa, eh vedendo anche il percorso

che si fa nella nell'adottare

intelligenza artificiale per l'open

innovation, degli errori che si fanno

come se è un po' tutto un divenire ma un

dove serve una una buona dose di

progettualità. Ehm, come dicevo prima,

il Dor Corporation, un azienda di Como,

una multinazionale,

siamo circa 2800 persone nel mondo, 12

sedi Stati Uniti, Cina, Brasile,

Turchia,

Germania. Ehm la il caso di Eldor

Corporation è un family business molto

eh interessante perché ehm ha avuto la

capacità di di adattarsi, di evolversi

nel corso degli anni. Questa qua è una

timeline, si vedono gli ultimi 50 anni.

Eldor ha cominciato eh producendo radio

per le testate dei letti che andavano di

moda negli anni 70. Poi è diventata

leader mondiale degli dei flaback

Transformers per i televisori di vecchia

generazione. Col cambio tecnologico è

passata nell'automotive,

ha prodotto è diventata leader mondiale

di bobine di accensione, ignition

system, poi di centraline elettroniche,

eh sistemi ibridi elettrici. Pian piano

negli ultimi anni anche con l'Open

Innovation ehm ha cominciato a

sviluppare altri prodotti per

l'elettrificazione come Power

Transformers

verso i nuovi prodotti per i nuovi

combustibili, quindi fuel, idrogeno,

passato all'immobility e anche

sull'energia fuel cell e proton flow

batteries. Quindi si vede come poi c'è

stata un'accelerazione soprattutto negli

ultimi anni. Eldor cresciuta di 20 volte

in 20 anni. Com'è stata possibile questa

crescita?

Noi usiamo internamente abbiamo una una

cosiddetta una formula una formula che

ci indica che l'evoluzione è la velocità

moltiplicata il cambiamento. Il concetto

di evoluzione è importantissimo,

soprattutto nei momenti come questi in

cui delle tecnologie disruptive

cambiano il mondo e la l'evoluzione è la

chiave del nostro tempo non è più un

concetto solo biologico, ma è una

necessità strategica per le persone, per

le organizzazioni, perfino per le

società.

E evolvere significa essere vivi, vivi

in un mondo che cambia, imparare a

cambiare ma senza perdere la propria

identità, il proprio DNA, trovare nuovi

equilibri sempre. Quindi soffermiamoci

su questi due concetti del cambiamento e

della velocità perché introducono i due

temi di oggi che sono l'open innovation

che è il cambiamento e l'intelligenza

artificiale che permette di aumentare la

velocità con cui si collaborano, si

ripensano i modelli, i ruoli e le

culture, quindi la velocità anche del

cambiamento.

E quando queste due forze, la velocità e

il cambiamento,

si moltiplicano, c'è un'evoluzione quasi

esponenziale delle realtà. Ok? Che non

sono solo evoluzione nelle tecnologie,

ma anche nuovi modi di pensare, di

lavorare e di creare valore. Proprio

questo l'open innovation è importante

perché spesso si dice l'open innovation

per le aziende, per le grandi imprese

che possono investire nelle startup

eccetera. Tutt'altro, noi proprio come

azienda abbiamo visto fin da quando

eravamo piccolini, 20 anni fa, quando

siamo entrati nel mondo automotive, che

l'open innovation proprio stato

abilitante per la crescita, i rapporti

con leuniversità, con delle startup, con

licenze di brevetti, gruppi di ricerca,

eccetera. Quindi l'open innovation, uno

primo concetto è per tutti. Secondo

concetto invece sull'intelligenza

artificiale

sembra complessa perché pochi la

conosco, pochi la conosciamo perché

nessuno ce l'ha mai insegnata,

soprattutto quella generativa degli

ultimi anni, nessuno ha fatto un

percorso di laurea in cui si è insegnata

intelligenza artificiale generativa.

Ehm e l'intelligenza artificiale è

soprattutto mano che andiamo avanti e

sbagliamo e progettiamo e tutto capiamo

che è una sfida culturale e

organizzativa, non è una sfida puramente

tecnologica.

C'è hype, c'è in questo momento c'è

entusiasmo per l'intelligenza

artificiale e come passiamo da un

dall'entusiasmo al all'impiego reale e

strategico nei processi di open

innovation.

Ehm, quello che volevo fare stasera era

farvi ripercorrere un viaggio in tre

tappe, in tre step, perché è quello un

po' che abbiamo fatto anche noi. Primo

step che è il cuore operativo, quindi si

usano

i chatbot, i large language model, chat

GPT, Gemini,

Cloud per andare più veloce, le Rag dove

i sistemi poi per attingere dei nostri

delle informazioni aziendali

è un po' il cuore operativo e per l'open

innovation

l'intelligenza artificiale può aiutare

molto. Per di noi c'è un problema grande

che è lo scouting

riuscire a in questo rumore di fondo

trovare dei partner, delle tecnologie,

dei trend rilevanti. È un po' come

cercare un ago in un pagliaio globale.

L'intelligenza artificiale dove può

aiutare? può aiutare nel analizzare i

dati non strutturati, quindi usare

analizzare migliaia di brevetti,

pubblicazioni scientifiche, notizie,

identificare i segnali deboli che sono

importanti quando si fa open innovation

oppure eh fare scouting di startup in

modo intelligente con delle piattaforme

di intelligenza artificiale che aiutino

in questo. L'output è quello di passare

da una lunga lista di possibilità a una

piccola lista, una short list di

probabilità, liberando poi l'uomo,

l'umano, diciamo così, per fare analisi

strategica.

Il secondo passaggio è quello del sempre

nel nel nell'open innovation è quello

della note del sovraccarico

cognitivo nell'ideazione perché gestire

e valutare centinaia in alcuni casi

migliaia di idee provenienti possono

provenire da challenge interni, Aathon,

piattaforme crowdsourcing eccetera, è

complesso time consuming e quindi

l'intelligenza artificiale ci può

aiutare, ci aiuta nel raggruppare le

idee per temi, per originalità,

pertinenza,

eh trovare i duplicati e poi con analisi

predettive cercare di eh prevedere i

potenziali di successo di successo di

un'idea. E l'output è quello di avere un

processo di valutazione più rapido, più

trasparente, meno soggetto ai bias

personali.

E infine, nel momento in cui ho un

portafoglio di partnership, che possono

essere una collaborazione con

un'università, una startup, un

un brevetto in licenza, una cosviluppo

con un fornitore o con un cliente, io

devo capire a che punto sono, sta

andando bene o sta andando male tutto

questo. Quindi posso usare

l'intelligenza artificiale proprio per

monitorare le performance di partner ehm

e della dell'operazione di diciamo di

open innovation. Ehm,

quindi abbiamo maggiore efficienza e una

riduzione dei rischi. Tutto questo per

far che cosa? Per liberare tempo umano

per la strategia,

permettere ai team di concentrarsi

sull'analisi strategica.

Ma

qual è il problema? Il problema che

abbiamo affrontato sviluppando

intelligenza artificiale è stato quello

che ci siamo scontrati con il fattore

più importante che è che l'integrazione

che che l'intelligenza artificiale è una

noi chiamiamo una scienza umana.

Integrare intelligenza artificiale

dentro un'organizzazione richiede una

una ridefinizione completa delle

profonda delle competenze. Quali

diventano le competenze? le competenze.

Quindi noi ci siamo trovati di fronte a

questo a questo tra virgolette problema

che è anche un'opportunità, quella di

capire come faccio a usare

l'intelligenza artificiale. Prima in

tutto devo capire che cos'è

alfabetizzazione e high literacy.

Bisogna saper leggere il saper

che non significa programmare, non è un

tema informatico, non va dato ai a

Cioisna

capire come funziona, quali sono le

logiche di funzionamento

dell'intelligenza artificiale, cosa può

fare, cosa non può fare, quali sono i

bias, come interpretare un output.

Questa competenza ci permette di non

essere utenti passivi, come spesso

succede,

ok? Ma bisogna essere eh interlocutori

consapevoli di questa tecnologia.

Una volta che so leggere un libro,

in verità non basta, perché devo

imparare, devo avere l'abilità di

formulare le domande giuste e definire

il problema corretto, altrimenti se ho

delle delle risposte perfette a delle

domande sbagliate non ottengo nulla.

Anzi, è un po' come capire come scrive

il titolo di un libro, perché perché

devo comprendere a fondo questo libro

cosa dice per riuscire a sintetizzarlo e

a capire il problema, il ecco il titolo

proprio del libro. Ehm,

poi la cosa più importante che è anche

l'opportunità dell'intelligenza

artificiale che è il pensiero laterale.

L'intelligenza artificiale ha una

capacità, si chiama anche intelligenza

collettiva perché non ha confini fra

chimica, fisica, fisica classica, la

meccanica quantistica.

è piatto tutto questo, quindi riesce a

trovare delle dei puntini, delle

correlazioni nascoste fra i dati, questi

puntini che emergono, quindi chi fa

innovazione deve risolvere un problema

chimico, casomai lo trova dalla fisica

la soluzione. Ma questa capacità di

unire i puntini, di fle domande giuste

prima e poi di unire i puntini, che è la

vera scintillaamo dell'innovazione

è umana, nasce dalla capacità umana di

utilizzare pensiero laterale.

Ehm,

un ultimo punto è l'intelligenza

emotiva. Il fattore umano è

importantissimo perché perché eh

l'intelligenza artificiale può darci

contatti, può darci una lista di

startup, di fondatori eccetera, ma poi

farli

trasformarli in alleati strategici è

solo umano. L'umano qui, quindi, quindi

primo fare domande giuste per far

emergere dati anche inaspettati,

riuscire a connettere i puntini e poi

costruire delle relazioni di fiducia.

Ma è complesso tutto questo. Questa cosa

qua, mano che siamo andati avanti, ci

siamo resi conto che

lasciato alle singole persone era un

problema governare questa complessità e

quindi avevamo deciso di ehm

di creare un dipartimento di

intelligenza artificiale e strategia.

sono insieme del dipartimento eh per

governare questo sistema dove non ci

sono solo

programmatori, anzi ci sono ingegneri,

giuristi, umanisti, che non vuol dire

che assumo le persone per vuol dire c'è

un legale interno, posso usare una parte

del suo tempo e specializzarlo

nell'intelligenze artificiale,

l'ingegnere gestionale, l'organizzazione

eccetera. È importante capire che non è

una questione di programmatore, è una

questione umana, perché poi è facile

cercare e prendere delle scorciatoie

e allora ho degli altri rischi, rischi

etici di compliance eccetera. E per noi

è stato importantissimo perché abbiamo

cominciato a capirla meglio, capire dove

dovevamo formarci e capire gli errori

che nascevano usando l'intelligenza

artificiale, perché l'intelligenza

artificiale usata in quel modo dava

errori, dava allucinazioni. Basta che

una volta su 20 mi dia un errore, una

volta su 50 mi dà un errore, io creo un

problema anche grosso all'azienda. Non

devo avere quei tipi di errori. Il

problema era che l'intelligenza

artificiale è generalista. Quando uno

usa GPT, c GPT, Gina, eccetera, usa un

un LLM generalista.

E la soluzione dov'è? Poi non è una

soluzione definitiva, ma dov'è? bisogna

usare delle intelligenze artificiali

specializzate, quindi andare verso

architetture ad agenti. Quindi da lì ci

siamo spostati analizzando gli errori,

non riuscivamo a risolvere alcune cose,

non riuscivamo a far avere un output

dall'intelligenza artificiale quello che

volevamo. Allora, siamo andati, abbiamo

cominciato, abbiam provato. La cosa

bella è che si può provare, bisogna

studiar, studiare. Ogni giorno escono

cose nuove,

si passa la sera a studiare, la mattina

roviamo. abbiamo cominciato a utilizzare

e sviluppare architetture multiagenti

dove l'intelligenza artificiale non è

più uno strumento che uso per avere

un'analisi, ma è un partner.

Quindi ho il mio partner è un ecosistema

di agenti proattivi che fanno qualcosa,

cosa fanno? Quindi per sviluppare per

progettare un'architettura molti

aggente, devo definire innanzitutto chi

sono gli attori,

chi sono gli attori che collaborano con

me per raggiungere degli obiettivi e non

è facile identificare quali sono, quanti

sono per ogni perché poi diventano molto

specializzati, diventano, passate il

termine quasi stupidi, cioè al di fuori

di quello che fanno non sono più in

grado di farli e quindi nel momento in

cui, per esempio, per l'open innovation

bisogna sviluppare agente, allora uno

può pensare a un agente Scout che mappa

costantemente l'universo

dell'innovazione, scansione brevetti,

pap scientifici, i repositori di codice,

i database delle startup, eccetera. non

dà più una lista

statica che è vecchia dopo due

settimane, ma è un grafo dinamico della

conoscenza

che mostra come sono connesse persone,

tecnologie, aziende e coglie i segnali

deboli.

Posso avere agenti analisti di rischio,

questi valutano la vitalità, diciamo

così, della startup o del gruppo di

ricerca e vedono se è compatibile con la

realtà in cui siamo.

possono dare degli score

multidimensionali per ogni possibile

partner. Ci sono gli agenti, noi chiamo

architetti di alleanze, sono i legali,

hanno studiato, addestrati su moltissimi

accordi legali di partnership eccetera

possono dare delle bozze di accordo

personalizzate. Suggeriscono la

struttura ottimale di una

collaborazione, suggeriscono, mai,

decidono, questa è la cosa più

importante di tutti. Poi agenti

sincronizzatori che devono fare da ponte

fra l'ecosistema esterno e le necessità

interne. Questo è molto importante

perché passiamo al secondo pilastro che

è il dove, ok? Il chi sono questi

agenti, devo definirli, ma dove li

faccio girare, con chi li faccio

collaborare? con un digital twin. Io

devo cercare di capire dal punto di

vista digitale come sono organizzato,

come sono fatto, qual è il mio

ecosistema di innovazione. In questo

modo il digital twin diventa il

laboratorio virtuale

per simulare simulare gli scenari

complessi e quindi non prendo più

decisioni in modo reattivo, ma in modo

preattivo. Simula

simulo l'impatto di una certa di una

certa tecnologia.

E poi il tre è come lo faccio? semplice

con un'interfaccia di intelligenza

artificiale generativa, eh

un'interfaccia conversazionale

eh che con cui devo imparare a

dialogare, devo capire, devo fare

challenge ai ai risultati che ho,

eccetera. Questo è m quindi il chatbot,

anziché andare sull LLLM

generalista, come spesso si usa quasi

sempre, con l'intelligenza, con

un'architettura multiagente interagisco

con un ecosistema che diventa un mio

partner

e ha molti vantaggi questa cosa qua,

perché il l'innovazione smette di essere

un processo lineare, diventa un sistema

adattivo che continua a imparare a

evolversi costantemente, a raggiungo

velocità esponenziali.

Ho una visione, permetto di vedere

connessioni opportunità che sono

invisibili all'analisi umana.

Ok? Ho sovranità decisionale umana,

questa è la cosa più importante di tutte

con l'approccio human. L'uomo,

l'umano deve essere sempre in ogni

passaggio, nella progettazione, nei vari

step, nella validazione. Deve

comprendere quello che l'output di

quello che dà il sistema d'agenti è

resiliente perché posso simulare il

futuro del digital twin. Devo essere

bravo però a sviluppare un bel digital

twin, diciamo così. Per far questo tutto

bello, no? Occorre sicuramente una

governance rigorosa perché tutto questo,

ma l'intelligenza artificiale in

generale, quindi non solo le

architetture molto agenti, danno

diversi rischi.

Bias,

nell'innovazione posso rafforzare dei

pregiudizi esistenti, impedis mi

impediscono di vedere opportunità

diverse. Sicurezza e privacy, in un

modello di open innovation ho dati

sensibili sia ai miei che del partner

che viaggiano. Dobbiamo garantire dei

protocolli a prova di attacchi cyber,

privacy compatibile conforme al GDPR,

eccetera. C'è un problema di

allucinazioni.

Le allucinazioni comunque fa errori, è

generativa l'intelligenza artificiale è

su base statistiche degli errori vengono

sempre fatti. mancanza di trasparenza

degli algoritmi perché non so come

funzionano gli algoritmi dell LLM a cui

gli agenti con cui gli agenti si

interfacciano. Ci sono tutte le

tematiche del mondo del lavoro per cui

bisogna progettare anni prima

l'evoluzione delle competenze,

non prendere e tagliare le persone.

Questo è antiutto. Antietico, antitutto.

E poi ci sono due temi particolari, due

rischi particolari che

casomai non si vedono subito, ma uno è

quello dell'omologazione. Tutti in un

mondo in cui tutti usano le stesse

tecnologie intelligenza artificiale c'è

un appiattimento strategico. I risultati

sono sempre uguali. Se guardiamo le

email fatte con copilot sono tutte

uguali e la differenza dove sta sa sta

nella capacità di pensare essere out of

the box. della scelta umana, molte volte

coraggiosa, anti controintuitiva, che è

basata sull'esperienza e la visione che

comunque sono necessari e servono. Noi

ce ne accorgiamo tutti i giorni di

questa algoritmo non consiglierebbe

alcune cose. L'umano deve entrare con la

sua esperienza e l'altro tema che

probabilmente io per me è uno il più

grave che ci può essere con

l'intelligenza artificiale che è la

delega cognitiva.

Dopo che uso per un po' di tempo

strumenti complessi di intelligenza

artificiale molto complessi, smetto di

pensare. Smetto di pensare, mi fido

dell'output,

non eh il mio pensiero critico quasi

scompare, si atrofizza, c'è uno studio

dell MT Lab giugno che anticipa un po'

queste cose.

è molto importante, è molto importante

per noi manager lavoratori delle

imprese, importante per gli studenti

delle scuole superiori,

usa un po' per tutte. Questo questo per

me è il rischio più grosso che abbiamo

con l'intelligenza.

E voglio chiudere con ehm

con un una riflessione sulla sulla

capacità dell'uomo di cercare. L'uomo

nel tutta la sua esistenza ha cercato

fin dall'antichità con i filosofi, ha

sempre cercato verità,

bellezza e bontà. ha cercato qualcosa

che adesso ha usato la sua intelligenza

per cercare queste cose. In questo

momento noi stiamo cercando con la

nostra intelligenza di sviluppare

modelli sempre più complessi, modelli

artificiali di intelligenze artificiali

sempre più complessi che mi dicono loro

che cos'è verità, bellezza e bontà.

Pensate ai social network, ma questo si

applica anche all'open innovation. Nel

momento in cui delego completamente

all'intelligenza artificiale di darmi la

verità

di un punteggio

eh di rischio per una startup, io perdo

la capacità di eh del pensiero out of

the box.

Perdo di la capacità la bellezza di

cogliere la capacità di cogliere la

bellezza in un'idea che sembra brutta e

anomala. l'algoritmo la scarta come qua

in questo braccio meccanico la scarta,

ma è un diamante casomai e questo è

importantissimo perché perché

per noi umani anche nell'open

innovation, anche nel momento in cui

facciamo innovazione

dobbiamo renderci conto che

l'intelligenza artificiale non ha un

concetto di bontà, non sa che cosa è

giusto, cosa non è giusto per la

società, per i nostri collaboratori, per

il pianeta.

ottimizzare il profitto, ma non ha un

suo purpose. È qua che il nostro ruolo

diventa cruciale, è importantissimo

anche nello sviluppo quotidiano di

intelligenza artificiale per le aziende

e il nostro purpose, il nostro scopo

come leader è quello di creare un futuro

migliore per tutti, che sia più

sostenibile.

L'intelligenza artificiale non fa

questo, noi dobbiamo farlo e questa è la

nostra responsabilità finale. L'uomo

deve, l'umano deve continuare a

ricercare anche nell'innovazione

la quelle quelle verità, quella

bellezza, quella bontà che da soli

l'intelligenza artificiale non ha. non

possiamo delegare questa scelta, questa

ricerca, perché nel momento in cui

deleghiamo questa cosa qua, non siamo

più innov innovatori, smettiamo di

essere innovatori e siamo semplicemente

esecutori di un'intelligenza che non ha

né coscienza né scopo.

E il nostro vero vantaggio umano, la

nostra umanità resiedono proprio qui.

Eh, chiudo ritornando all'inizio. Quindi

l'intelligenza artificiale può aiutarlo

l'open innovation, altro che ci aiuta a

essere veloci, aiuta a cogliere segnali

deboli, aiuta tantissimo, però non siamo

macchine. L'intelligenza artificiale non

ha una coscienza, quindi ricordiamoci

che il purpose è una cosa umana,

lo mettiamo noi, è quello che veramente

differenzia un'azienda da un'altra,

differenzia una differenzia noi dal

dalla dall'intelligenza artificiale. Gli

innovatori e leader devono essere capaci

di usare l'innovazione la tecnologia per

creare un futuro migliore per tutti. Se

non facciamo questo,

ok, perdiamo perdiamo un umano. Come

ecco questo l'intelligenza artificiale

deve essere al servizio degli umani.

Questo è il messaggio finale che volevo

dare perché molte volte uno è

concentrato

nel risolvere i problemi tecnici, nel

fare cose migliori, ma poi si dimentica

delle cose veramente importanti. Grazie.

Ho chiuso.

>> Grazie.

Grazie Andrea.

Francesca, adesso credo che siano

arrivate anche delle domande, siamo

forse un po' init magari chiuderei con

anche il tavolo con la prospettiva di

Caterina e di Carlo in modo tale che poi

abbiamo, diciamo, un po' di spunti che

possiamo con

>> Sì. Eh, a questo punto diciamo

inviterei, diciamo, l'apertura del

nostro tavolo con con i partner

dell'osservatorio. Partirei da Caterina

Crippa, eccosistem Scouting Manager di

A2A. Eh, diciamo, abbiamo avuto diversi

spunti, no, sia da Letizia che da

Andrea. Sappiamo che come A2A eh state

lavorando, diciamo, in maniera eh molto

forte e concreta, no, sia sui temi di

innovazione, di open innovation e

recentemente anche poi chiaramente su

tutte le tematiche di AI. eh rispetto a

l'esperienza del del vostro gruppo e

della diciamo di fatto poi della della

vostra realtà, eh come state eh

declinando all'interno di quelli che

sono i processi di processi di

innovazione la scelta magari di

soluzione, chiamiamole più a scaffale,

no? quindi più in una logica buy

rispetto invece a come raccontava

Andrea, lo sviluppo, no, di soluzioni eh

magari anche agenti che più

personalizzate rispetto a quella che poi

chiaramente è un'esigenza più specifica

eh e a maggior valore aggiunto per

quella che è che è la vostra realtà.

>> Certo. E grazie per per la domanda e

grazie assolutamente del dell'invito a

partecipare al webinar. sicuramente

molto interessante tematica, molto molto

calda anche per noi, proprio perché

appunto recentemente abbiamo lanciato

anche una nuova una nuova azienda, una

nuova società che si chiama Du Life

Ventures, una società che nasce in

realtà proprio con questa mission, è una

società detenuta al 100% del gruppo A2A

che però va a ufficializzare un po' e a

capitalizzare tutto il knowwow a livello

di open innovation, AI e processi e

modelli di innovazione che abbiamo messo

a terra come team interno in questi in

questi 5 anni. Ehm, come giustamente

dicevi, noi in realtà eh, ovviamente Lei

rimane un punto centrale all'interno

della della nostra mission anche come

Duela Adventures, quindi mh è è un po'

un pillar su cui basiamo le nostre le

nostre attività e abbiamo un approccio

sicuramente ampio e e completo rispetto

a questa tematica, nel senso che da una

parte, soprattutto su quando magari ci

serve eh un approccio rapido, quindi

quando il time to value è breve ci

affidiamo appunto a soluzioni soluzioni

a scaffale, soluzioni già già pronte

dove ci sono diversi tool e driven che

ci permettono comunque di accelerare le

nostre attività. Faccio un esempio per

le attività, diciamo, che portiamo

avanti nel nel day by day, anche proprio

a livello di scouting, appunto, ci ci

affidiamo a piattaforme, ai driven, come

possono come può essere Foundernest, che

è un player, insomma, importante, una

piattaforma che conta più di 50 milioni

di profili aziendali m raccolti su 1,2

bilioni di data point da diverse fonti

dato e questo ci permette ovviamente di

essere più efficaci, più veloci nella

parte di di scouting di market e

competitor intelligence e è

assolutamente un'attività che, diciamo,

siamo contenti di, tra virgolette

acquisire dall'esterno proprio perché è

già pronta e e ci permette sicuramente

di corrodere tutta quella parte di di

tempo dedicato ad attività a minor

valore aggiunto per poi concentrarci

sulle attività un po' più un po' più

strategiche. Ehm, questo per quanto

riguarda, diciamo, l'approccio buy. Ehm,

però ovviamente ci siamo anche resi

conto un po' in questi in questi 5 anni

eh con le attività che abbiamo portato

avanti che spesso e volentieri magari ci

sono eh processi eh che non è facile eh

automatizzare o che non sono già

indirizzate da soluzioni presenti al

mercato e anche qua stiamo tentando di

adottare appunto un approccio un

approccio make. Quindi, in questo caso,

eh, per esempio, uno dei progetti

flagship che stiamo anche un po'

portando avanti con Duali Life

Adventures si chiama appunto OnePlus One

ed è un progetto che ruota attorno a lei

a Genica, quindi eh tentiamo di andare a

ad accelerare e automatizzare le

attività core dei di tutto il team

innovazione, quindi non solamente del

team del mio team, del team di scouting,

ma di tutto il team di innovazione.

con la creazione degli agenti, agenti

che non si fermano solo appunto

all'automatizzazione dell'analisi, ma

che sono in grado di

prendere anche, tra virgolette delle

decisioni al posto nostro per farci

concentrare su sul sulle attività a

maggior valore aggiunto e diciamo

attività più strategiche. E questo poi

ricollegandomi anche un po'

all'intervento eh di Andrea e di Letizia

diventa ancora più fondamentale, se

vogliamo, in un contesto in cui, come

accade in Italia, purtroppo, c'è

shortage di talenti, abbiamo una

crescita demografica che è bassissima,

abbiamo comunque una una un

invecchiamento della popolazione sempre

più sempre più importante, quindi

diventa ancora più rilevante, diciamo,

avere sì le stesse mani in termini di

colleghi, ma avere degli strumenti

ancora più forti per essere più efficaci

nelle attività che portiamo avanti. E

andando un po' più nel concreto di

questo progetto, diciamo, del dell'AI

Aentica, siamo partiti appunto da ehm

diciamo l'esigenza di andare a mappare

un po' quelli che sono i processi

all'interno del team di innovazione che

cubano eh maggior tempo in termini di

attività a minor eh valore aggiunto.

Quindi lo abbiamo fatto all'interno del

mio team, il team di scouting, il team

di investimento all'interno del team di

portfolio strategy, quindi abamo fatto

una una mappatura di processi e siamo

andati a diciamo prioritizzare quelli

che ci sembravano più impattanti a

livello di di attività e e di tempo e da

qui abbiamo siamo andati a definire

quelli che potevano essere andati un po'

a ingegnerizzarli quelli che potevano

essere degli agenti dei casi d'uso. ne

abbiamo identificati quattro, diciamo,

al momento. uno che lo chiamiamo,

diciamo, di database intelligence perché

è un agente che sostanzialmente va a

creare un database, un database dinamico

e interattivo che si aggiorna in

automatico, andando a raccogliere tutta

una serie di informazioni eh da fonti

strutturate non, quindi deck che

riceviamo in allegato alle mailer, è un

agente che riuscirà a leggere quanto

scritto all'interno di di allegati,

riuscirà a leggere ere mail dei

colleghi, eh riuscirà a raccogliere le

informazioni dalle cartelle condivise

del gruppo e andrà in automatico a

popolare questo database che diventerà

poi, diciamo, l'unica fonte

centralizzata e sempre aggiornata di di

informazioni.

Un altro, per citarne che, diciamo, i

principali su cui ci stiamo su cui ci

stiamo concentrando, un altro riguarda

per esempio il l'agente di Trend

Intelligence o feed monitoring, diciamo,

perché noi abbiamo all'interno del team

un dipartimento che si occupa ogni anno

di redarre il piano di di innovazione e

che definisce un po' le aree guida su

cui ci andremo a concentrare a livello

di innovazione per il gruppo e

ovviamente L'attività

fondamentale è monitorare cosa fanno i

competitor, monitorare le tendenze di

mercato, i trend e quindi creeremo un un

agente che si occuperà in automatico già

di fare questo, quindi di andare a ehm

tenere sotto controllo, monitorare,

aggiornare e creare delle della della

documentazione

in merito, appunto, alle attività dei

competitor, alle principali attività in

termini di

appunto press release

IP rilasciate

e questo ovviamente permetterà comunque

di essere più agili all'interno della

dell'attività di redazione del piano.

Eh, un altro agente che ci è venuto in

mente, che sicuramente potrà essere

utile anche non solo a noi, a diverse

strutture, ma anche a diverse aziende e

lo possiamo definire, diciamo, un agente

di project management shadowing o

project management intelligence, quindi

unagente che automatizza tutta la parte

un po' più amministrativa delle attività

di innovazione, quindi quando andiamo a

progetto pilota, ehm la gestione dell

RDA, eh la gestione delle milestone

progettuali Quindi un agente che in

automatico legge l'offerta economica che

mi arriva da una startup, mi precompila

un RDA, eh quando parte il progetto in

automatico mi manda le milestone

di pagamento, mi monitora l'avanzamento

del progetto pilota e genera in

automatico dei dei report eh o delle

minute. Eh a livello di rendicontazione.

L'ultimo, ma non meno interessante,

l'abbiamo chiamato, diciamo,

agente di Cup Table Intelligence,

perché, appunto, noi abbiamo una parte

del team che segue, diciamo, la parte di

investimento, quindi il nostro programma

di corporate venture capital e una delle

attività più critiche, ma anche al tempo

stesso time consuming, ehm è quella di

andare a valutare, diciamo, i founder di

una di una startup, soprattutto per gli

investimenti early stage. Questo è

un'attività, diciamo, critica che si fa,

diciamo, analizzando i profili dei team,

cioè dei founder e dei team che

costituiscono la la startup, richiede

una ricerca di dati, diciamo,

destrutturati. Quindi questo, se

vogliamo, è anche forse la gente un po'

più sfidante, perché ovviamente qua è

fondamentale lo human in the e rimarrà

sempre magari rispetto a un agente come

quello del contract management, per

esempio,

eh però ci può supportare nel

raccogliere e monitorare tutta una serie

di fonti dato che, appunto, ehm

possono fornire tutta una serie di

informazioni legate appunto

all'esperienza, alla composizione del

team e dare magari un indice di di

compatibilità, di montà che poi viene

rivisto ovviamente sulla base di fonti

dal team di investimento.

Questi sono un po', diciamo, gli agenti

su cui ci stiamo concentrando ad oggi e

saranno pronti per l'uso interno,

diciamo, a a fine anno. Poi ovviamente

l'obiettivo è quello di una volta averli

testati internamente e averli adottati

internamente è di offrirli anche,

diciamo, a sul mercato esterno, quindi

anche un po' in ottica eh della mission

con cui nasce Life Ventures, no? Quindi

noi capitalizziamo sicuramente il

knowwhow generato un po' in questi anni

dalle attività del team di innovazione,

ma non vorremmo fermarci qui e vorremmo

offrirlo e valorizzarlo anche per altre

aziende presenti sul sul mercato

esterno. Quindi diciamo che

in sintesi quello che quello il

messaggio che mi lascio, cioè che che

vorrei lasciare è che comunque l'EI

sicuramente è un fattore abilitante, non

sostituirà mai appunto il ovviamente

l'operato dei dei colleghi, delle

risorse delle persone, ma sicuramente

all'interno di un contesto eh aziendale

come come il nostro o in generale delle

aziende delle corporate italiane

sicuramente può aiutare tanto, quindi

diventerà sicuramente una una leva con

cui accelerare gli stessi processi di

open innovation che nascono per

accelerare l'innovazione nelle nelle

corporate.

>> Grazie, grazie Caterina. Credo che

questo si colleghi anche un po' a quel

messaggio che ha dato, no, all'inizio

Andrea, dove diceva e chiaramente

l'innovazione non deve essere solo ad

appannaggio delle grandi corporate e

credo che quello che ci hai raccontato è

anche un po' lo sforzo, se vogliamo, di

mettere a fattor comune, no, quella che

è la vostra knowledge, come diciamo,

avete costruito anche questa conoscenza

in ambito sicuramente innovazione, open

innovation e poi chiaramente a beneficio

eh no, di anche altre realtà, diciamo,

che possono essere pe in termini di

grandezza, ma anche potenzialmente le

PMA che chiaramente costruiscono

costituiscono un po' il tessuto

imprenditoriale, no, della del nostro

paese. Ehm, passerei magari la parola a

te, Stefano, per il nostro prossimo

ospite.

Allora, sì, eh Carlo, invece vorremmo

sfruttare, no, la tua il tuo forte

background tecnico tecnologico perché

magari, no, per aiutarci un po' a capire

meglio, no, sono state da da Caterina,

da da tutti i nostri ospiti, no, citati

con una certa frequenza, no, si è

parlato di di agenti, no, di agenti che

ha, ecco, è un tema, sai, ricorrente,

anzi eh c'è chi dice che no, che il 2026

sarà l'anno degli agenti. checking

magari un po' più scettico, penso a

Carpati, insomma figure importanti nel

mondo le hai che forse, no, spostano un

po' più in là, no, la la la data di

quando avremo veramente, no, degli

agenti intelligenti capaci di agire.

Ecco, quindi io sfrutterei, so che è

anche una piccola demo, tra l'altro

stiamo vedendo, quindi direi direi

situazione ideale in cui magari ci fai

capire un po' meglio, ci fai vedere

esattamente, no, come funziona, no, un

agente e ti passerei la Sì. Innanzitutto

grazie a tutti ed è un piacere essere

qua con voi. Grazie per l'invito. Sì,

allora la prima cosa è che le aziende

devono iniziare a fare e se stesse una

adozione della cosiddetta Agentic AI.

Noi in DOS Mind Law abbiamo già fatto da

tempo e sono un po' in imbarazzo perché

devo dire la verità tutti gli interventi

Caterina, Andrea hanno un po' diciamo

anticipato questo tema, no? Allora,

quello che vi voglio far vedere, anche

la professoressa Mortara ha detto non

esiste una unica e hai per tutto, no? Un

agente che cos'è? È una collezione di

modelli specializzati per un singolo

task.

Quand'è che interviene un agente? quando

bisogna in qualche modo, diciamo,

interagire con l'uomo e prendere la

decisione giusta invocando quel quello

specifico modulo o quello specifico

modello per far sì che, appunto, c'entri

l'obiettivo di business. Io qui vi ho

preparato una piccola demo proprio di

analisi per il venture capital, no?

Allora, abbiamo costruito questo

strumento che si chiama DOS Mind Sakura

Investor Pack e gente che diciamo

essenzialmente prende una descrizione di

un'idea innovativa. Abbiamo inventato,

eh vado un po' veloce, non vi scrivo,

senò siamo già abbastanza lunghi con i

tempi. Vorrei invece andare un attimino

di più sul contenuto. Che cosa fa questo

Investor Pack Agent? interpreta il

prompt e decide qual è il task corretto

per lo specifico prompt. Per esempio, in

questo caso io gli sto dicendo di,

diciamo, analizzare questa ipotetica

innovazione innovazione di muri auto

riparanti per un rapido recupero da

interventi quale appunto il terremoto.

Sta invocando in questo momento il

Discovery Agent, il quale ha una sua

base di conoscenza, peraltro

costruita. Questo è un tema che non

abbiamo toccato oggi con una serie di

dati di sintesi, quindi diciamo

ipoteticamente completi perché

fabbricati da noi, quindi con la

descrizione della business area, con il

nome della azienda, si chiamano tutte

quante ACME in onore di chi ha qualche

capello bianco come me, della famosa

company that makes everything di Willy

il coyote, no? eh eh quali sono le aree

di criticità, quali sono stati i fattori

di successo, l'investimento tutto tale,

quindi immaginate proprio la completezza

dei dati, nonché la remino quindi il

fattore di appunto amplificazione.

Questi temi sono stati già toccati dai

dagli illustri colleghi che m'hanno

preceduto e il compito del primo

sottomodello che è il Discovery Agent è

proprio quello di andare a spazzolarsi

tutta quanta la base di conoscenza e di

trovare quelle iniziative simili a

quella specifica proposta dall'utente.

per esempio, ha trovato la ACM Buildtech

che ha praticamente sviluppato la Smart

Concrete, che sono appunto questo

particolare cemento che si auto ripara.

Eh, ovviamente questo è un tema molto

caldo, qui stiamo andando molto veloci

sulla parte della disponibilità del

dato, no? È chiaro che per un sistema di

questo tipo deve esserci un dato pulito

di qualità e soprattutto non con il

bias. Abbiamo parlato del bias, no? In

questo caso io ho pubblicato solamente

quelle iniziative che hanno avuto

successo. Dovrei costruire un controset

costruito, diciamo, appositamente di

tutte coloro che non hanno avuto del

successo, no? chiaramente in modo tale

che il training non sia biased, quindi

non sia, diciamo, distorto verso appunto

soltanto quelli che sono i casi

positivi.

Abbiamo parlato di valutazione del

rischio. L'utente dice "Va bene, ok, la

Smart Concrete ha avuto un'idea simile

alla mia, ma io voglio sviluppare

specifici materiali a seconda del tipo

di costruzione e voglio anche costruire

un network di partners". Sotto queste

ipotesi valuta la probabilità di

successo della iniziativa. Vedete, qui

c'è un altro modello specializzato che è

quello dedicato alla classificazione di

ciò che vuol fare l'utente, quindi alla

comprensione. Che cosa fa un agent? Fa

tre cose. Sense, intercetta il dato e

l'intenzione del gruppo di utenti con

cui parla. decide classifica e chiama

agendo act il modello corretto per la

specifica analisi che deve fare. In

questo caso abbiamo messo sotto fai 4.

In realtà nella valutazione del rischio

sarebbe stato più appropriato mettere un

modello classico di machine learning

fatto con i classici pattern,

clasterizzazione, previsione del

rischio. Ok? Quindi questo modello che

vedete è essenzialmente un mo fatto

tramite prompt che prende dati da quella

tabella per costruire una stima della m

probabilità del rischio e anche del

possibile rapporto tra revenue e costi.

Infine, sempre il nostro stesso agent

può essere addestrato per scrivere un

pitch. Adesso qui ci stiamo ponendo lato

founder che deve sponsorizzare la sua

idea e ovviamente deve farlo in modo

furbo, quindi deve diciamo amplificare i

fattori di successo e qui di nuovo il

bias costruzione di questi modelli

specializzati praticamente, per cui

amplificando quelli che sono i fattori

di successo e in qualche modo diciamo

attenuando quelli che sono i fattori di

rischio con questo schema, è in grado di

costruire un pitch, una particolare

brochure che serve a vender meglio lato

investor, quella che è la mia

iniziativa. Ora, questo è un classico

tipo di agent che, diciamo, esegue una

serie di passi, se vogliamo,

parallelizzabili, no? In qualche modo ci

sono agent molto più complessi il cui

stato del passo, quindi del modello

specializzato

B, dipende da quelli precedenti.

Ovviamente la costruzione della diciamo

Aentic AI e questa se vogliamo, un'altra

delle grandi narrazioni che viene fatta,

non solo presuppone il fatto di

costruire modelli specificamente

addestrati per il task e quindi della

corretta famiglia, clasterizzatori,

classificatori, ricerca operativa,

addirittura banali statistiche

descrittive per l'outlier detection, no?

Pensiamo per esempio all'antirode, no?

ma deve anche in qualche modo

capitalizzare la struttura corretta dei

dati, affinché questi modelli

massimizzino le proprie performance e

devono in qualche modo essere facilitati

nella lettura proprio perché la

componente, diciamo, agentica deve

interpretare tutti questi dati e

renderli fruibili esattamente come sta

facendo questo agent, che in questo caso

abbiamo detto è un semplice mup

Eh,

cercare la pagliao globale è

interessante perché, così come ha detto

anche la professoressa Mortara, no,

spostare l'ago della bilancia dallo

humanic, quindi con quindi diciamo

diminuire l'intervento dell'uomo in

favore dell'intervento del processo

digitale.

Oggi si parla tanto di humano, l'abbiamo

detto anche qui, è importante

considerare che lo questo appunto questo

questo modo di pensare all'uomo nel loop

è un processo, diciamo, obbligatorio di

cui non si può fare a meno, no?

senza un processo affinato di training,

ma soprattutto di validazione di di

questi singoli modelli, non può esistere

una, diciamo, agentic AI che sia

formalmente corretta e soprattutto utile

per il business.

>> Carlo, vabbè, intanto purtroppo il tempo

veramente tirano perché le ti sarebbero

tantissime domande. Mi permetto te ne

faccio una e ti chiedo una risposta

secca. Sì,

>> anticipo, scusate, il tema della

memoria, no? Perché c'è il tema la gente

deve imparare col tempo. Ecco, il vostro

modello è un modello che integra una

memoria, come dire, eh

o no?

>> Sì, assolutamente sì. Questo è il mio

assistente, no? Questa che vedete è una

AI personale mia. Noi abbiamo la

personal, la private e AI, ma anche

proprio la personal AI, cioè è proprio

mia e ha la storia di tutte le

interazioni passate

rispetto alle quali io posso andare a

riprendere.

Addirittura avevo fatto una, diciamo,

analisi delle della previsione delle

azioni. Se io torno su questa chat

riprendo lo stato così com'era, quindi

mantengono la memoria affinandola tra

Chiarissimo, no? Questo è un punto di

mente, come sai, no? cioè che un po' eh

caratterizza e distingue eh come dire un

agenti che rispetto invece un classico

approccio, diciamo, di una di una chat

con un prompt tradizionale. Quindi direi

bene. Allora, io Francesca, non so

adesso come vogliamo per muoverci perché

è veramente un po' tardi, però credo che

siano emersi tantissimi temi e ci ha

preso tanti tanti appunti dagli

interventi, no, di Letizia, di Andrea,

di Caterina, di Carlo, quindi eh però

lascerei spazio magari non so a qualche

domanda eh se abbiamo

>> capirei magari Stefano da quella che

abbiamo in chat che credo sia diciamo eh

comune un po' tutte le storie che ci

hanno che ci hanno raccontato è anche un

po' una provocazione, no? Nel senso che

spesso si parla di quello che è il ROI

delle AI eh all'interno delle corporate,

eh è un approccio corretto, è un

approccio sbagliato rispetto a quella

che è la vostra eh diciamo prospettiva,

come state approcciando, se vogliamo,

anche questa, diciamo, eh domanda, no,

che potenzialmente può esservi stata

fatta anche all'interno delle vostre

realtà eh da parte dei vostri dei vostri

manager o dei vostri gruppi di ricerca,

chiaramente nel caso di di Letizia. Eh,

partirei da Carlo, poi magari facciamo

un breve eh giro di tavolo con la

prospettiva di tutti

>> velocissimamente. Allora, il tema della

ROI è abbastanza presto definire, tant'è

vero che è un po' complesso calcolare

quanto sarà il mio ritorno

dell'investimento, ma la domanda vera,

diciamo, da porsi è quant'è il grado di,

diciamo, aderenze ai miei processi di

business dell'inserire nel processo di

inserire la EI. Quindi è più un tema di

governance, di change management che non

di porsi effettivamente di quanti soldi

rientrerò, perché se, diciamo,

effettivamente è centrato sui miei

obiettivi di business, allora sia

immediatamente,

diciamo, risparmio, se vogliamo, no?

Perché, diciamo, accelera. Abbiamo detto

abbiamo detto più volte che la AI è un

potentissimo acceleratore, purché venga

assegnato un task estremamente

specifico. Quindi nel fare questa demo

potete immaginare che ho ristretto più e

più volte, no?

>> Chiaro.

>> Grazie Carlo. Eh, vedo che Andrea aveva

preso, diciamo, parola. Passerei

passerei a te Andrea.

>> Sì. Eh, è un tema fondamentale

perché molte aziende usano il Roy per

tutti i tipi di investimento, ma