Denodo DataPops

L’AI Governance rappresenta un cambiamento di paradigma rispetto alla tradizionale IT Governance o Data Governance. Non si limita alla gestione di infrastrutture e dati, ma riguarda sistemi capaci di apprendere, generare contenuti, influenzare decisioni e automatizzare processi critici. L’intelligenza artificiale introduce nuove sfide, come l’opacità degli algoritmi, il rischio di bias, l’autonomia operativa e la distribuzione delle responsabilità. Per questo motivo non è sufficiente controllare i dati, ma è necessario governare l’intero ciclo di vita dei modelli, dall’addestramento alla messa in produzione, fino al monitoraggio e alla gestione degli incidenti. La governance dell’AI richiede inoltre il coinvolgimento di più funzioni aziendali, tra cui board, risk management, compliance, HR e business.La questione centrale non è più se le aziende adotteranno l’AI, ma se dispongono di framework adeguati a garantire trasparenza, tracciabilità, explainability e accountability. In questo senso, l’AI Governance diventa una leva strategica e le organizzazioni che la integreranno nei propri modelli decisionali potranno ottenere un vantaggio competitivo, mentre le altre rischiano di subire l’innovazione. Sono questi i temi che abbiamo avuto modo di discutere con Alfredo Adamo, CEO di Frontiere.

L’importanza della Data Governance – soprattutto in un momento storico nel quale l’AI è stabilmente agli onori della cronaca – è cosa oramai assodata, anche se a volte, quando se ne parla, si pone poca attenzione sugli impatti organizzativi, culturali e politici che l’introduzione di un modello di governo dei dati ha all’interno delle organizzazioni.Se, da un lato, l’introduzione di pratiche strutturate di governo dei dati influisca inevitabilmente sui processi decisionali, sugli equilibri di potere e sulle responsabilità tra funzioni aziendali, dall’altro non bisogna dimenticare il ruolo della Data Governance come leva di cambiamento culturale, capace di promuovere una maggiore consapevolezza del valore del dato e di favorire collaborazione e accountability.Ultima, ma non per importanza, l’importanza di attuare un programma di questo tipo indirizzando e mitigando, da subito, le resistenze più comuni, legate alla percezione della Data Governance come vincolo burocratico e non come attività a valore.Sono questi i temi che abbiamo avuto modo di discutere con Fabio Schiera, membro del Comitato Scientifico di DAMA Italy.

Generare valore – e quindi vantaggio competitivo – è qualcosa che non nasce solo dall’automazione, ma dalla capacità di trasformare i dati in intelligenza collettiva. Usare l’intelligenza artificiale in modo efficace e consapevole vuol dire riuscire a leggere meglio i propri processi, a individuarne eventuali inefficienze, a prevedere rischi e, soprattutto, a valorizzare ciò che funziona. L’intelligenza artificiale non sostituisce le persone – e non deve farlo – ma ne amplifica la visione, collegando i dati e restituendoli in forma comprensibile, perché la sfida non è solo quella di decidere il più rapidamente possibile, ma anche di prendere decisioni più sostenibili e misurabili. Sono questi i temi che abbiamo avuto modo di discutere con Andrea Capitani, Presidente e Direttore Generale di Skienda.

Temi quali governance, rischio, qualità, fiducia, interoperabilità ed economia, non sono componenti distinte di un ecosistema dati, quanto piuttosto suoi organi vitali, che ne garantiscono il funzionamento in virtù della loro funzione, ma soprattutto grazie alla loro interazione. Un’interazione così importante da produrre un valore non altrimenti visibile, così da rendere un moderno ecosistema dati un sistema realmente olistico, che calato in un contesto aziendale e correttamente innestato e armonizzato con le dimensioni culturale e organizzativa, diventa elemento chiave per il raggiungimento di un vantaggio competitivo. Sono questi i temi che abbiamo avuto modo di discutere con Francesco De Cassai, che vanta un’esperienza più che ventennale sui dati e che l’ha messa al servizio di alcune delle più importanti società di consulenza.

Una moderna, efficace e democratica gestione dei dati deve partire dall’analisi e definizione delle regole di Governance e di un assetto organizzativo che sostenga l’essere sempre più Data Driven, considerando che la massimizzazione del valore che dai dati si può estrarre passa inevitabilmente per la ricerca di un’armonia complessiva, dove ciascuno porta le proprie competenze, la propria visione del business e il proprio ruolo. Questa ricerca dell’assetto perfetto implica identificare i giusti ruoli, alcuni dei quali nuovi, e di collocarli in modo tale che sia agevolata la contaminazione delle conoscenze tra tutte le persone che fanno parte dell’organizzazione, perché è proprio dal confronto continuo e dall’arricchimento reciproco, che trae nutrimento l’innovazione. Sono questi i temi che abbiamo avuto modo di discutere con Claudia Coratella, Group Data Officer di Fineco ed Elena Ghidini, People Management & Development, di Fineco.

Questo è un episodio diverso da tutti gli altri. Un episodio “live” registrato durante una delle sessioni del “Laboratorio Digitale”, uno degli insegnamenti del corso di laurea triennale in “Economia e Big Data”, organizzato dal Dipartimento di Economia dell’università di Roma Tre. In considerazione della natura e degli obiettivi del corso, abbiamo pensato di strutturare il nostro intervento nella forma di una tavola rotonda, nella quale abbiamo condiviso con gli studenti – circa 140 – cosa significa per le aziende essere realmente Data-Driven, quali opportunità e quali ostacoli ci siano dietro a questa importante trasformazione, come il lavorare ponendo al centro i dati si intersechi con la Digital Transformation e come i dati possono essere utilizzati per offrire servizi e prodotti migliori alla comunità. Sono questi i temi che abbiamo avuto modo di condividere con gli studenti insieme a Massimo Fedeli, Direttore del Dipartimento per lo sviluppo di metodi e tecnologie per la produzione e la diffusione dell’informazione statistica, Stefano Tomasini, Presidente di Consip e Carlo Rosini, CEO di Postel.

Spesso di discute di integrazione dati con un taglio prettamente tecnologico, peraltro focalizzando l’attenzione su come connettersi con le sorgenti dati e su come, da esse, costruire quel punto unico di accesso, requisito di fatto irrinunciabile per poter gestire un patrimonio informativo sempre più consistente, eterogeneo e distribuito.Questa focalizzazione, tuttavia, fa perdere di vista il fatto che i dati sono un mezzo e, pertanto, la loro integrazione deve essere a favore di chi poi li deve usare per raggiungere un fine. In altre parole, i dati sono – o dovrebbero essere – al servizio dei loro fruitori e, nel far ciò, si deve – o si dovrebbe – assumere che tali fruitori sono interessati a ciò che i dati rappresentano, a quanto bene lo fanno e alle loro relazioni reciproche e non, al contrario, alle loro caratteristiche tecniche. Si deve quindi adottare un approccio antropocentrico all’integrazione dei dati, che metta al centro chi li usa e che sia in grado di nascondere tutta la complessità sottostante.Sono questi i temi che abbiamo avuto modo di discutere con Riccardo Panizzolo, Senior Manager area Data&AI, con focalizzazione sul Banking, di GFT Italia.

Con la rapidissima espansione dell’intelligenza artificiale, che consuma dati in un modo che mai prima si era visto, i dati sintetici stanno nuovamente catturando l’interesse delle aziende – pubbliche e private – rappresentando un’opportunità per intervenire in tutti quei casi dove l’uso dei dati disponibili ponga elementi ostativi, siano questi normativi, relativi all’ampiezza dei dataset disponibili o, infine, alla ragionevole certezza di uno sbilanciamento nei dati che possa introdurre bias o comportamenti pregiudizievoli nei modelli che da questi sono generati. Altrettanto importante, però, è comprendere come i dati sintetici si innestino nella normativa vigente e come questa, per contro, possa o debba adattarsi a un nuovo tipo di dati e al modo in cui questi sono legati ai dati reali. Sono questi i temi che abbiamo avuto modo di discutere con Anna Capoluongo, Avvocato e Data Protection Officer, e Simona Di Felice, Partner di Kirey Advisor.

La Data Governance, fino a non molto tempo fa letta come elemento di controllo, è diventata oramai elemento centrale, e probabilmente fondante, della Data Driven Transformation, tanto da essere posta al centro, come una sorta di Hub, nella ben nota DAMA Wheel, che sintetizza le dimensioni nelle quali il Data Management si articola. La Data Governance, pertanto, assume un ruolo di prim’attrice nella determinazione del valore evocabile dai dati, giocando un ruolo che soprintende all’intero ciclo di vita, garantendo che ciò che da essi può essere generato, lo sia coerentemente con i vincoli organizzativi e normativi.Sono questi i temi che abbiamo avuto modo di discutere con Mauro Tuvo, Principal Advisor di Irion, membro del Comitato Scientifico di DAMA Italy e autore del libro “Data Governance”, curato da Egle Romagnolli – Franco Angeli – 2023.

La sostenibilità, con le sue tre dimensioni – ambientale, sociale e Governance – è oramai entrata in una fase di maturità, che lascia comunque spazio a futuri miglioramenti, che vanno da un uso sapiente dei dati per consentirne un sempre migliore definizione e controllo, fino al suo ingresso, a pieno titolo, tra gli asset strategici di un’organizzazione, così che i suoi elementi costituenti giochino un ruolo primario nella definizione della strategia e del modo in cui questa si concretizza in ciò che l’organizzazione offre. Questo passaggio da essere elemento contingente a essenziale non può che transitare per un arricchimento del modello che rappresenta il patrimonio informativo disponibile, in modo che i dati che caratterizzano la sostenibilità abbiano pari dignità di tutti gli altri e, di conseguenza, perdere quella caratteristica di sussidarietà che, in alcuni casi, ancora hanno.  Sono questi i temi che abbiamo avuto modo di discutere con Riccardo Tani, CEO & Managing Director di K2 DataSyn

Se è vero che un gesto vale più di mille parole è anche vero, come ci ricorda Nanni Moretti nel film Palombella Rossa, che le parole sono importanti ed è per questo che, contrariamente a quanto fatto negli episodi precedenti, questa volta abbiamo adottato un approccio paritetico, uscendo fuori dallo schema intervistatore-intervistato, per giocare, appunto, con le parole, in una sorta di sfida nella quale, a una parola proposta dall’uno, l’altro doveva declinarla con riferimento ai dati e alla tecnologia, secondo il personale punto di vista, dando poi naturalmente vita a un confronto con il pensiero dell’altro. È questo il gioco che abbiamo fatto insieme a Germana Lo Sapio, Magistrato Amministrativo, ex Giudice Civile e Penale e appassionata di tecnologia e impatti organizzativi.

Qualsiasi modello o paradigma che istituisca un framework di riferimento per un ambito specifico trova la sua forza, non tanto nella sua pedissequa applicazione, quanto dalla capacità di un’organizzazione di saperlo adattare alle proprie esigenze e, al contempo, di garantire che la sua applicazione sia sostenibile in relazione agli impatti organizzativi e culturali che la sua implementazione comporta. Questo è ciò che ha fatto il Gruppo Hera, che ha saputo distillare da quanto proposto dal Data Mesh quegli elementi che, una volta implementati, hanno consentito un significativo recupero dell’efficienza, sia nella comprensione che nella diffusione dei dati, adottando un modello centrato sui Data Product, sulla chiara definizione della loro ownership e sull’introduzione di figure in grado di colmare quel gap linguistico che spesso esiste tra IT e Business. Sono questi i temi che abbiamo avuto modo di discutere con Andrea Bonetti, Enterprise Architect del Gruppo Hera.

La centralità dei dati postulata dalla Data Driven Transformation, una trasformazione finalmente in itinere, assume un’importanza rilevante nel Settore Pubblico, dove in aggiunta all’uso dei dati per gli usuali fini interni, si affianca l’opportunità di dare loro valore attraverso la loro messa a disposizione, nel rispetto delle regole, alla comunità.Questa trasformazione, tuttavia, si confronta con un’organizzazione del Settore Pubblico che risente ancora di una visione compartimentata dei dati e che agisce da freno alla condivisione, ma anche a un impianto normativo che, purtroppo, spesso funge da freno e dove l’applicazione della norma non è accompagnata dalla volontà di poterla gestire, così da trovare il giusto equilibrio tra cosa si vorrebbe fare e cosa si possa fare. Sono questi i temi che abbiamo avuto modo di discutere con Vittorio Gallinella, Direttore Sistemi Infrastrutturali di LAZIOCrea.

Il mondo della ricerca, non solo quella clinica, vive di condivisione di idee, di esperienze, di esperimenti e, soprattutto di dati, che condivisi e utilizzati per la comprensione dei fenomeni, consentono poi di restituire a tutti il valore derivante dall’aver messo a fattor comune quanto conosciuto dai singoli partecipanti. Questa condivisione, tuttavia, deve tener conto della differente concettualizzazione che ciascun partecipante alla ricerca fa del contesto che osserva, cosa che di fatto impone di dover definire, prima ancora di partire, un’ontologia – o un modello semantico - che rappresenti il collante comunicativo tra realtà simili, ma inevitabilmente diverse. Sono questi i temi che abbiamo avuto modo di discutere con Gianmaria Silvello, Professore di Informatica presso la Scuola di Ingegneria dell’Informazione dell’Università di Padova.

Esiste un forte legame tra le dimensioni della sostenibilità – ambientale, sociale e Governance – i dati, che ne consentono la definizione, l’analisi e il controllo, e l’importanza di una loro corretta modellazione, in modo tale che il significato sia correttamente formalizzato e condiviso, fungendo così da fondamenta per un loro uso democratico o, quantomeno, per una loro reale condivisione, che sia in grado di generare valore a partire da un patrimonio informativo che, spesso, risulta solo in parte conosciuto e compreso. Sono questi i temi che abbiamo avuto modo di discutere con Mario Vellella, Principal Business Advisor di Irion.

L’importanza della ricerca, della diagnostica e della prevenzione sono un valore inestimabile, fondamentale per un progresso che faccia del miglioramento delle condizioni di vita uno dei pilastri sul quale fondarsi. Se i dati hanno da sempre giocato un ruolo centrale, l’incredibile progresso fatto dall’intelligenza artificiale ne ha costituito l’ulteriore impulso, consentendo di generare da essi un valore fino a pochi anni fa inimmaginabile.Tuttavia, con una citazione forse irriverente, “a grandi poteri corrispondono grandi responsabilità”, che nell’ambito sanitario, per la delicatezza dei dati trattati e per l’ampia regolamentazione alla quale il settore è sottoposto, raggiungono probabilmente il loro apice, richiedendo a chi li gestisce e li usa, la massima attenzione possibile, alla ricerca di un equilibrio perfetto tra cosa si può fare e cosa si vorrebbe fare, così da massimizzare le positive ricadute sulla collettività.Sono questi i temi che abbiamo avuto modo di discutere con Gianluca Cesare, CIO di Gruppo del Gruppo Humanitas.

L’intelligenza artificiale generativa può essere anche italiana, come ci ha mostrato Almawave, che ha sviluppato Velvet, un LLM in due versioni, rispettivamente da 14 e 2 miliardi di parametri, addestrandolo sul computer Leonardo di CinecaL’essere italiano, naturalmente, non sì è limitato all’ingegno e alla capacità elaborativa, ma si è esteso anche alla scelta dei dati, selezionandoli in modo da non violare eventuali diritti d’autore, attenuare i potenziali bias, ridurre i rischi ai sensi del recente AI Act e adottando specifici algoritmi a tutela dei dati personali.Un LLM o, meglio, una famiglia di modelli, operante al momento in sei lingue europee, che conferma l’importanza dei dati, sia nell’addestramento, selezionandoli accuratamente, ma anche della necessità di una loro efficiente gestione, attraverso una piattaforma che sia in grado di governare al meglio i dati, quando a quelli linguistici devono essere aggiunti quelli strutturati, necessari alla corretta comprensione del contesto e alla formulazione di risposte coerenti con esso.Sono questi i temi che abbiamo avuto modo di discutere con Raniero Romagnoli, CTO di Almawave.

È sempre più importante poter integrare e analizzare i dati in modo agile, veloce e semplice, senza dimenticare che, spesso, ciò che a una prima e superficiale lettura è visto come soggetto unico è, al contrario, un insieme di soggetti distinti che operano per un fine comune, sia questo vendere qualcosa, fornire un servizio o diffondere informazioni.Quest’operare in modo armonico tra soggetti diversi ha nei dati l’elemento fondante, che diventano elemento di tessitura di concetti comuni, ma rappresentati in modo diverso come conseguenza del ruolo e delle responsabilità dei soggetti che a tale rappresentazione partecipano.Ogni concetto complesso – il cliente, il cittadino, l’edificio, l’impresa – possiede alcune caratteristiche intrinseche che definiscono ciò che è, caratteristiche che possono modificarsi lungo il suo ciclo di vita. Lo stesso concetto, tuttavia, vive in un contesto specifico, connotato da elementi infrastrutturali, demografici, economici, sociali e culturali, che inevitabilmente lo plasmano e ne definiscono il modo in cui questo vada gestito, quale che sia il significato di tale parole alla luce dello specifico concetto.È proprio la necessità di tener conto di questo contesto, spesso decisamente ampio, che suggerisce la necessità di tendere a una rappresentazione di tali concetti che superi le barriere della singola organizzazione, privata o pubblica che sia, e che al contrario si alimenti dei dati che sono funzionali a essa, indipendentemente da chi tali dati possiede, gestisce e condivide.L’idea di una Augmented View cattura esattamente questa idea, divenendone strumento operativo al servizio di chi poi questi dati deve utilizzare.

Considerare il dato come prodotto non è solo un vezzo lessicale, ma un vero e proprio cambio di prospettiva, dove il dato, da semplice misura, diventa un asset strategico, la cui produzione, gestione e diffusione segue gli stessi principi che tradizionalmente definiscono il ciclo di vita di un prodotto tradizionale. È proprio questo cambio di prospettiva, con la conseguente chiara definizione dei ruoli e delle relative responsabilità, che rappresenta una leva fondamentale per rendere effettiva quella centralità del dato postulata dalla Data Driven TransformationSono questi i temi che abbiamo avuto modo di discutere con Marco Pegolo, Head of Data di Unieuro.

Il mondo dei droni e della mobilità aerea avanzata, nelle sue diverse sfaccettature, è in rapida evoluzione, con una tecnologia che progredisce in maniera costante e con campi di applicazione in continua espansione. Droni e veicoli che, oltre ad assolvere al compito per il quale sono progettati, sono dei potenti generatori di dati, il cui valore, se da un lato è chiaramente percepito, dall’altro è forse ancora solo parzialmente sfruttato, tanto che molto si sta facendo per migliorarne la gestione e, nel rispetto della normativa, l’uso, sia per quanto riguarda il controllo dei droni stessi, che per le informazioni che tali dati contribuiscono a produrre.  È questo il tema che abbiamo avuto modo di discutere con Paola Olivares, Direttrice dell’Osservatorio Droni e Mobilità Aerea Avanzata del Politenico di Milano.

L’oramai diffusa e consolidata Data Driven Transformation, una trasformazione che interessa trasversalmente tutti i settori di mercato, ha imposto un nuovo modo di gestire e consumare i dati, suggerendo trasformazioni secondarie, come ad esempio quella della democratizzazione dei dati, cosa che giocoforza ha portato a dover rivedere il significato di Data Governance, passando da una sua lettura focalizzata su aspetti di controllo e compliance, ad una che abbracci l’intero ciclo di vita del dato, dalla sua rilevazione, fino al consumo. È questo il tema che abbiamo avuto modo di discutere con Giulio Di Nubila, Senior Manager e Client Leader di Iconsulting.

Si parla spesso della necessità di migliorare la comunicazione tra strutture tecniche e di business, una comunicazione necessaria a presentare un’idea, a giustificare un progetto, a trasmettere il risultato di un’attività di analisi o, infine, a spiegare perché un dato modello ha suggerito di prendere o non prendere una particolare decisione.Comunichiamo sempre e dobbiamo farlo bene, perché in un mondo che si muove così velocemente e al quale le organizzazioni devono potersi adattare in tempi altrettanto rapidi, non ci si può permettere di sbagliare solo perché “non ci eravamo capiti”.È questo il tema che abbiamo avuto modo di discutere con Nicoletta Di Blas, Professoressa associata in Pedagogia Speciale presso il Politenico di Milano.

Se da qualche anno si parla oramai di Data Strategy, da meno tempo lo si fa in riferimento all’intelligenza artificiale, complice forse il suo rapidissimo imporsi all’attenzione, con l’ultimo anno che ha visto la prorompente ascesa dell’intelligenza artificiale generativa e dei Large Language Model. Dati e intelligenza artificiale che sono temi ovviamente e strettamente connessi, dato che i primi sono ciò che consente alla seconda di sprigionare il suo potenziale. Questo legame suggerisce che Data Strategy e AI Strategy debbano necessariamente svilupparsi insieme, secondo quell’armonia che consenta di essere governate in modo coerente con gli obiettivi che ogni organizzazione si dà, pubblica o privata che sia.  È questo il tema che abbiamo discusso con Nicola Russo, Head of Data & Intelligence in NTT DATA Italia.

La comunicazione e la diffusione del dato sono la narrazione di quel processo articolato, che dalla scelta del dato conduce, per il tramite del suo uso, a sprigionare quel valore di ritorno per chi quel dato ha reso disponibile, secondo quel principio di restituzione, sul quale costruire il senso di una comunità che vive e partecipa in un mondo sempre più veloce e fluido, per il quale i dati sono elemento imprescindibile per la sua comprensione. Affinché comunicazione e diffusione siano efficaci e in armonia con i dati e i suoi fruitori è essenziale, però, che queste diventino parte dell’intero processo e non, al contrario, esserne elemento accessorio, conclusivo, cosa che minerebbe alla base la possibilità di un loro racconto che ne trasmetta chiaramente significato e valore. Sono questi i temi che abbiamo avuto modo di discutere con Serenella Ravioli, Direttrice della Comunicazione e Diffusione di Istat.

La rapidità con la quale l’IA Generativa e i Large Language Model si sono presentati sul mercato ha, da un lato, creato un entusiasmo e aspettative probabilmente mai osservate prima, dall’altro ha innescato un rapido quanto attento momento di riflessione nelle aziende, volto a capire il valore potenziale, gli eventuali rischi connessi e i contesti più promettenti per una sua adozione e, parallelamente, ha reso necessario rivedere la Data Strategy, per adeguarla alle necessità che, in tal senso, hanno questi modelli e per il ruolo che i dati hanno nel condizionarne il comportamento. Sono questi i temi che abbiamo avuto modo di discutere con Eduardo Rispoli, Partner di Target Reply Roma.

I dati gestiti dalla Pubblica Amministrazione sono un patrimonio pubblico, di tutti noi, che deve e merita di essere utilizzato, restituendo a cittadini e imprese un valore, nella forma di servizi o informazioni, che rappresenti una sorta di ricompensa per ciò che questi hanno condiviso. Questo percorso verso la consapevolezza del valore dei dati e dell’importanza di condividerlo a beneficio della collettività è qualcosa di complesso e che investe dimensioni differenti – culturale, sociale, tecnologica, economica – motivo per cui deve essere intrapreso con un programma ampio, che comunichi in modo chiaro il percorso tracciato e coinvolga, nel suo incedere, tutti coloro che, a diverso titolo, ne sono coinvolti.Sono questi i temi che abbiamo avuto modo di discutere con Sara La Bombarda, Responsabile per la Transizione Digitale presso l’Agenzia Regionale per la Tecnologia e l’Innovazione della Regione Puglia.

Il potenziale dell’intelligenza artificiale, generativa e non, è qualcosa che non può essere ignorato, ma in una realtà complessa e articolata questo potenziale deve rispondere a due domande fondamentali: il valore che può derivarne per il business e la possibilità di industrializzare ciò che normalmente nasce come sperimentazione. In queste realtà complesse, inoltre, qualsiasi iniziativa in tal senso non può essere scissa dalla definizione di una Data Strategy, che non solo definisca come i dati possano effettivamente alimentare i modelli di intelligenza artificiale, ma definisca un modello complessivo, a sostegno di un’intelligenza collettiva e che definisca come i dati diventino realmente il fulcro di un’organizzazione, esplorandone gli impatti che tale trasformazione ha su aspetti culturali, organizzativi e tecnologici. Sono questi i temi che abbiamo avuto modo di discutere con Francesco Giordano, Data Technologies, Analytics & BI Solutions di Generali Asset Management.

È sempre esistito uno stretto rapporto tra dati e intelligenza artificiale, che spesso viene però collocato solo nella fase di apprendimento dei modelli, ritenendo che questo sia un momento unico, quando invece altro non è che l’inizio di una interazione continua, fatta di un adattamento continuo del modello al mondo sul quale è chiamato a operare. Ma questo momento, seppur importante, non è il solo nel quale dati e IA devono operare in armonia, perché anche nella fase di esecuzione dei modelli, la possibilità di poter accedere e usare dati arbitrari è un momento fondamentale e necessario per la qualità di quanto prodotto. Con specifico riferimento all’intelligenza artificiale generativa, l’interazione – o meglio la circolarità – tra LLM e dati diventa un elemento chiave, tanto da aver portato alla definizione della cosiddetta Retrieval Augmented Generation (RAG), dove il patrimonio dati di un’organizzazione viene messo a disposizione dei modelli linguistici per poter comprendere domande e formulare risposte che siano correttamente contestualizzate, perché ciò che l’utente si aspetta non è solo una prosa elegante, ma anche contenuti puntuali relativi a ciò che ha chiesto.

L’oramai consolidata Data Driven Transformation e il nuovo modo in cui questa suggerisce – o forse impone – di consumare i dati, un modo sostanzialmente democratico, fondato sul diritto di ognuno di usare i dati dei quali ha bisogno e di farlo nel rispetto dei doveri, impongono di dare una nuova lettura alla Data Governance. Questa deve necessariamente abbandonare la visione di mero controllo ed evolvere invece verso elemento fondamentale per la generazione di valore.È questo il tema che abbiamo avuto modo di discutere con Marco Orrù, Domain Director di Alten Italia e Giuseppe Rondinella, Data Analytics Solution Manager di Alten Italia.

Spesso si parla degli elementi imprescindibili per attuare una Data Driven Transformation, senza però a volte indirizzarli in modo fattivo, per darne concretezza, cosa che al contrario ha fatto il Gruppo Credem, istituendo la Community Data Heroes, cresciuta progressivamente fino a diventare un vero e proprio centro di valore.Una Community fondata sulla condivisione e sul coinvolgimento di tutte le linee di business e, naturalmente, anche sul corretto supporto tecnologico, in modo da garantire un uso dei dati facile e democratico.Sono questi i temi che abbiamo avuto modo di discutere con Sara Giannetti, Platform Manager nel Gruppo Data Analytics Infrastructure di Credem, e Claudio Falduto, Referente Data Analytics per Credemvita e Credemassicurazioni.

I cambiamenti del mercato, degli scenari economici e climatici e, infine, una sempre maggiore consapevolezza del cliente, suggerisce di non poter più procrastinare un cambiamento di rappresentazione, che trasformi il cliente da mero attributo del concetto di rischio - un rischio quasi sempre settoriale e legato alla specificità del prodotto assicurativo - a elemento centrale, attorno al quale si sviluppa la sua “vita assicurativa”, una vita che spesso si dipana su molti anni e che è fatta di scelte e prodotti diversi.Questa trasformazione, tuttavia, è resa complessa da fattori culturali e organizzativi interni alle compagnie, ma anche dall’articolazione del rapporto con l’assicurato, un rapporto molto spesso mediato da soggetti terzi, come agenti e agenzie.Sono questi i temi che abbiamo avuto modo di discutere con Paola Scarabotto, Responsabile Customer Intelligence & Data Analysis di Groupama Assicurazioni.

A una sempre maggiore diffusione dei dati, del loro utilizzo e delle tecniche adottate, in particolare quelle che afferiscono al mondo dell’intelligenza artificiale, stanno riprendendo vitalità tematiche che, in passato, erano forse considerate risolte, o quantomeno ben indagate, o ancora non indagate a fondo. Qualità, etica e spiegabilità dei dati sono oggi al centro delle discussioni e degli ambiti di ricerca, avendo preso atto che le tecniche proprie dell’intelligenza artificiale impongono un nuovo modo di affrontarle, di comprenderne la portata e di darne corretta comunicazione e consapevolezza.Sono questi i temi che abbiamo avuto modo di discutere con la Professoressa Cinzia Cappiello, docente nell’ambito dei Sistemi Informativi, e la Professoressa Letizia Tanca

La prorompente crescita dell’interesse verso l’intelligenza artificiale rischia di mettere in ombra l’importanza che i dati rivestono nel processo di addestramento dei modelli che in tale ambito sono utilizzati. Spesso si pensa che la sola disponibilità dei dati sia un elemento sufficiente per produrre modelli predittivi che ci aiutino a comprendere un dato fenomeno, dimenticando che la disponibilità è solo il primo passo e che ad esso devono seguire tutti quelli che consentono di valutarne la qualità, l’adeguatezza e la significatività.Sono questi i temi che abbiamo avuto modo di discutere, nell’ambito del Festival della Statistica 2023, con Margherita de Dottori, Team Leader del Gruppo Scienza del Dato della Direzione Innovazione e Governo ICT di Insiel.

L’IA Generativa è sicuramente l’argomento del momento, ma una sua lettura limitata all’uso che ne fa ChatGPT rischia di compromettere la corretta comprensione dei vantaggi (e dei limiti) che questa tecnica è in grado di offrire.Dobbiamo pensare all’IA generativa, non come il fine, ma come un mezzo, che sia di supporto ad altri compiti, come ad esempio quello del Data Management, affiancando e aiutando un Data Steward o un Data Consumer nei loro compiti, così che sia possibile operare più velocemente, più chiaramente e con meno impegno.Sono questi i temi che abbiamo avuto modo di discutere con il Professor Riccardo Torlone, Professore ordinario del Dipartimento di Ingegneria dell’Università Roma Tre e coordinatore del gruppo di ricerca in Big Data e Database.

La Data Strategy di un Istituto delle dimensioni e complessità come quelle di INAIL è qualcosa di complesso, che necessita, per avere successo, di un Modello Enterprise-Wide che coinvolga tutta l’organizzazione, di una corretta e condivisa definizione della semantica dei dati, senza la quale i dati sarebbero difficilmente fruibili e, infine, prevedere l’uso di dati Near-Real-Time, così da poter gestire al meglio una realtà così complessa come quella con la quale si confronta INAIL.Sono questi i temi che abbiamo avuto modo di discutere con Francesco Saverio Colasuonno, Dirigente dell’Ufficio Dati e Analytics di INAIL.

Se da un lato le organizzazioni, private e pubbliche, hanno compreso l’importanza dei dati e della trasformazione che li pone al centro di tutti i processi decisionali, dall’altro sono ancora spesso legate a un approccio e a un’infrastruttura tecnologica non in grado di gestire in modo efficace un contesto dove i dati sono sempre più eterogenei, veloci e distribuiti. Queste caratteristiche impongono di adeguare l’infrastruttura tecnologica in modo che il potenziale insito nei dati possa realmente e finalmente essere liberato.È questo il tema che abbiamo discusso con Ersilia Silvestri e Giulia Erica Valente, rispettivamente Data Virtualization Specialist e Team Leader dell’area dati di Miriade.

A una intelligenza artificiale sempre più pervasiva, che suscita interesse per le sue enormi potenzialità, si sta affiancando una riflessione, altrettanto interessante, sull’etica degli algoritmi e delle decisioni che questi sono in grado di suggerire o prendere sulla base dei dati con i quali sono stati addestrati. Una riflessione, quella sull’etica, complessa perché rimanda inevitabilmente a quella degli uomini, un’etica che non oggettiva, universale, ma inevitabilmente connessa al contesto nel quale si sviluppa, cosa che porta a chiederci se, anche nel caso dell’intelligenza artificiale, si debba prendere atto di tali limiti e dei confini oltre ai quali è impossibile spingerci.Sono questi i temi che abbiamo avuto modo di discutere con il Professor Alfio Ferrara, Professore di Informatica presso l’Università Statale di Milano.

La Data Driven Transformation si fonda, tra le altre cose, anche su una pervasiva diffusione dei dati all’interno di un’organizzazione, diffusione necessaria affinché ciascuno possa usare i dati dei quali ha bisogno, per adempiere a ciò che gli è imposto dal ruolo e dalle relative responsabilità. Un uso pervasivo dei dati, tuttavia, deve essere accompagnato da un modello di riferimento che, appunto come in un regime democratico, definisca diritti e doveri, per far sì che, per i primi, ne sia facile l’esercizio e, per i secondi, ne sia garantita la loro chiarezza e gestione, così che ciascuno possa usare solo i dati nel rispetto di ciò che la normativa e le regole interne definiscono.

Benvenuti nella seconda stagione di Denodo DataPops!I dati saranno sempre l’elemento centrale del pocast, ma con una lettura ancora più ampia. Ci saranno nuovi ospiti, con un maggiore coinvolgimento del mondo accademico, che affiancherà quello dei clienti, delle aziende di consulenza e di System Integration.Un elemento cruciale sarà il legame indissolubile tra i dati e l'intelligenza artificiale, in particolare l'IA generativa. Esploreremo come questo legame rappresenti una risorsa sempre più essenziale, affrontando questioni legate all’etica, alla comunicazione, alla Data Explainability e alla sostenibilità.Vuoi conoscere diversi punti di vista ed esperienze per comprendere appieno le potenzialità dei dati? Ascolta oggi il nostro podcast!

Istat ha intrapreso alcuni anni fa un percorso di modernizzazione, sia per essere internamente più efficiente, che per confrontarsi con un contesto mutevole, nel quale nuovi dati sono costantemente disponibili, da fonti nuove rispetto al passato, e dove il loro uso per produrre un valore per il sistema paese è un obiettivo sempre più importante e sfidante.Altrettanto importante è il ruolo che Istat ha assunto nel processo di interoperabilità dei dati nella Pubblica Amministrazione, in particolare nella definizione dei necessari modelli semantici, elemento fondamentale per una reale e fattibile integrazione dei dati.Sono questi i temi che abbiamo avuto modo di discutere con Massimo Fedeli, Direttore, in Istat, del dipartimento per lo sviluppo delle tecnologie e delle metodologie a supporto della produzione e diffusione statistica.

La Data Driven Transformation sembra essere per le aziende un percorso inevitabile per rimanere competitivi e cogliere le opportunità del mercato. Come spesso accade, però, a una dichiarazione d’intenti corrispondo interpretazioni differenti, sfide e difficoltà, che investono tutti gli ambiti, come quello culturale, organizzativo e tecnologico.Cosa sta accadendo in Italia? Come si stanno comportando le aziende, nelle loro naturali differenze di mercato, di dimensione e di volontà di innovazione?Sono questi i temi che abbiamo avuto modo di discutere con il Professor Alberto Pezzi, Docente di Economia Aziendale presso l’Università Roma Tre.

Benvenuti nel sesto episodio della serie di podcast in italiano di Denodo.Alla naturale curiosità intorno all’Intelligenza Artificiale, si sta progressivamente e rapidamente affiancando nelle aziende la consapevolezza del valore potenziale del suo utilizzo in specifici settori di mercato e in relazione a ben definiti contesti funzionali.Parallelamente, emerge la stessa consapevolezza sull’importanza dei dati, della loro qualità, della possibilità di governance e del consentire agli utilizzatori la semplicità di consumo, elemento alla base della democratizzazione dei dati, necessaria per poter realizzare la Data Driven Transformation.

Benvenuti nel quinto episodio della serie di podcast in italiano di Denodo.Se la gestione dei dati e la loro valorizzazione sono compiti ardui, ancor più lo sono nel settore pubblico, dove i dati non solo sono distribuiti su tecnologie diverse, ma sono anche soggetti a responsabilità distribuite tra le diverse amministrazioni e soggetti a una normativa estremamente puntuale.Queste peculiarità, tuttavia, non possono essere un freno alla valorizzazione dei dati, al loro ruolo nella creazione di nuovi servizi per la comunità e al loro contributo nel processo di digitalizzazione dell’Amministrazione Pubblica.Sono questi i temi che abbiamo avuto modo di discutere con Diego Antonini, Amministratore Unico di Insiel SpA, società In House della Regione Friuli Venezia Giulia.

Benvenuti nel quarto episodio della serie di podcast in italiano di Denodo.Data Fabric e Data Mesh, due paradigmi dei quali si parla molto e non di rado come in alternativa, ma che invece, indirizzando aspetti diversi, possono trarre beneficio l’uno dall’altro.Il Data Fabric diventa quindi abilitatore tecnico-funzionale del Data Mesh, e ancora maggiori vantaggi si possono ottenere quando si utilizza un Logical Data Fabric, che garantisce quell’agilità che rappresenta un elemento irrinunciabile in un mondo così fluido e mutevole.

Benvenuti nel terzo episodio della serie di podcast in italiano di Denodo.L’intelligenza artificiale è affamata di dati, probabilmente più di ogni altra tecnica di analisi, dati che sono utilizzati in differenti momenti, dall’addestramento dei modelli, alla loro messa in produzione, fino al tuning periodico che deve necessariamente essere fatto.La disponibilità di una Data Platform, che consenta agilmente di usare tutti i dati necessari, rappresenta quindi un innegabile acceleratore. Consentendo anche di gestire tutti quegli aspetti di Governance necessari per usare i dati coerentemente con gli aspetti normativi e di essere un punto di passaggio anche per una loro analisi preventiva, volta ad esempio a verificare la loro qualità, completezza e l’eventuale presenza di Bias.

Benvenuti nel secondo episodio della serie di podcast in italiano di Denodo.Il mondo è in continua accelerazione e tutto si muove così velocemente che osservare, attraverso i dati, ciò che accade è sempre più difficile, con il rischio di perdere dettagli preziosi.Abbiamo allora bisogno di un modo nuovo e agile di gestire i dati, che sia in grado di stare al passo di questa velocità, fornendo i dati a chi ne ha bisogno e nel momento in cui tale bisogno si manifesta.I questo episodio, Andrea Zinno, Data Evangelist di Denodo, introdurrà i principi fondanti del Logical Data Management, scelta ideale per una gestione dei dati moderna, governabile e democratica.

Benvenuti nel primo episodio della serie di podcast in italiano di Denodo.Nel maggio 2017, The Economist pubblicò un celebre articolo affermando che la risorsa più preziosa non era più il petrolio, ma i dati. Ma questa analogia è del tutto precisa?In questo episodio, Andrea Zinno, Data Evangelist di Denodo, approfondisce le diverse analogie tra i dati e il loro utilizzo all'interno delle organizzazioni data-centric o che hanno intrapreso un percorso evolutivo in tal senso.