Secondo i dati dell'Osservatorio Data & Decision Intelligence della School of Management del Politecnico di Milano, l'82% delle grandi imprese italiane non ha ancora adottato un approccio strutturato alla Decision Intelligence, nonostante il 78% di queste abbia già avviato progetti di Advanced Analytics. Una situazione che pouò sembrare paradossale, ma che è indice del fatto che tra la disponibilità di strumenti per l'analisi dei dati e la capacità di integrarli concretamente nei processi decisionali intercorre una differenza profonda fatta di competenze e coraggio.
Il problema, infatti, non sembra essere tecnologico. Secondo la ricerca, appena il 27% delle organizzazioni ha mappato i propri processi decisionali e di coordinamento, mentre il 31% ha definito un'ontologia strutturata dei dati, cioè un sistema che permette di organizzare le informazioni e le relazioni tra esse secondo criteri condivisi. Senza questi elementi, anche le analisi più sofisticate rischiano di rimanere confinate all'interno delle singole funzioni aziendali, senza contribuire a una visione complessiva delle attività.
Le regole di business fanno la differenza
Uno dei risultati più interessanti della ricerca riguarda il rapporto tra la formalizzazione delle regole aziendali e l’uso organizzato dei dati nelle decisioni. Tra le aziende che hanno identificato le decisioni critiche e definito le relative regole, il 44% utilizza sistematicamente i dati nei processi decisionali, la percentuale scende al 5% tra quelle che non hanno formalizzato tali regole.
Il dato indica chiaramente, quindi, che la disponibilità di informazioni da sola non è sufficiente a migliorare la qualità delle decisioni. Occorre anche definire come queste informazioni debbano essere interpretate, quali relazioni esistano tra le diverse attività aziendali e quali vincoli debbano essere rispettati, che è poi il principio della Decision Intelligence, un approccio che combina dati, intelligenza artificiale, modelli decisionali e valutazione umana.
La crescente adozione dell'intelligenza artificiale rende questa esigenza ancora più importante. Un modello AI può infatti elaborare rapidamente grandi quantità di informazioni, ma per produrre risposte realmente utili deve conoscere il contesto operativo dell'organizzazione, dalle definizioni degli indicatori economici alle regole che governano i processi.
Natzka AI collega i modelli al contesto aziendale
Natzka AI, il nuovo framework annunciato dall’azienda con radici italiane e sede in Svizzera Natzka, punta a rendere accessibili ai sistemi di intelligenza artificiale non soltanto i dati aziendali, ma anche le logiche di business, i processi e le autorizzazioni che ne regolano l'utilizzo. La soluzione consente agli utenti di formulare domande in linguaggio naturale e ottenere risposte che combinano informazioni provenienti da diverse funzioni aziendali, come vendite, costi e risultati operativi. Secondo Natzka, le interrogazioni possono essere completate in pochi secondi, riducendo la necessità di effettuare estrazioni manuali o richiedere analisi ai singoli reparti.
Il framework può essere sfruttato attraverso un'interfaccia conversazionale oppure collegato ai modelli AI già presenti in azienda mediante MCP (Model Context Protocol). In questo modo, modelli e applicazioni differenti possono accedere allo stesso contesto informativo e alle medesime regole di business.
La piattaforma integra, inoltre, meccanismi di governance che rispettano le autorizzazioni configurate e permettono di verificare i dati utilizzati per generare le risposte. Sono previste anche funzionalità agentiche, con la possibilità di definire i limiti entro cui l'AI può eseguire operazioni, mantenendo il controllo delle decisioni in capo alle persone.
«La vera sfida per le imprese oggi non è introdurre un numero sempre maggiore di strumenti di intelligenza artificiale, ma fare in modo che questi possano comprendere il contesto in cui l'organizzazione opera e contribuire concretamente ai suoi processi decisionali», spiega Matteo Emiliani, CEO di Natzka.