Di Art Wittmann | Direttore dei contenuti tecnologici di Oracle | 8 settembre 2025

Le tecnologie di intelligenza artificiale (IA), inclusa la rilevazione delle anomalie e la ricerca vettoriale, hanno assistito le aziende per qualche tempo. Tuttavia, la capacità di conversare con i computer in linguaggio naturale, interrogare le prestazioni aziendali e discutere le cause profonde è diventata accessibile alla maggior parte delle imprese solo negli ultimi anni. È facile immaginare come i computer in grado di analizzare i dati in un batter d'occhio possano aiutare un'azienda. Ma ottenere valore commerciale da essi richiede un investimento sostanziale, e non è sempre chiaro che il ritorno giustifichi il costo.

In sintesi, vi è un ampio consenso sul fatto che l'IA svolgerà un ruolo significativo negli affari, ma elaborare un'argomentazione aziendale convincente basata su solidi calcoli di ROI rimane una sfida. Analizziamo come giustificare gli investimenti in IA.

L'intelligenza artificiale si riferisce ai sistemi informatici progettati per eseguire compiti che normalmente richiedono intelligenza umana. Le forme più avanzate, note come grandi modelli linguistici (LLM), vengono addestrate su vasti set di dati provenienti da internet e altre fonti. Una volta addestrati, gli LLM eccellono nella comprensione del linguaggio, fornendo assistenza in molteplici discipline e sviluppando piani per completare un'ampia varietà di compiti. Queste capacità possono essere particolarmente utili quando si basano sui dati propri di un'organizzazione.

ChatGPT, presentato nel 2022, ha catturato l'attenzione sia degli studenti che dei leader aziendali. Sebbene probabilmente abbia aiutato molti studenti a svolgere i loro compiti, per un utilizzo diffuso nelle imprese era necessario applicare miglioramenti.

Le aziende ora godono di due miglioramenti principali. Il primo è l'accesso ai dati aziendali, di solito tramite tecnologie note come generazione aumentata da recupero (RAG), o il protocollo di contesto del modello (MCP). Con RAG, MCP e tecnologie simili che forniscono dati pertinenti, un LLM può utilizzare quel contesto per rispondere a domande sull'azienda, come richieste di informazioni da parte dei clienti relative ai dettagli del prodotto e scenari ipotetici dei dirigenti sulle proiezioni di vendita.

Il secondo è la capacità dell'IA di creare piani, comprendendo come sono stati completati compiti precedenti, e di utilizzare set di strumenti che consentono di completare compiti più complessi. Questo è noto come IA autonoma, e sta diventando fondamentale affinché l'IA fornisca valore aziendale tangibile, specialmente man mano che l'uso di MCP decolla. Non si tratta più di sapere se l'IA verrà utilizzata nelle aziende, ma quando e come.

Queste sono nove aree in cui le aziende stanno avendo successo nell'uso dell'IA.

Servizio clienti

La maggior parte delle interazioni del servizio clienti sono ripetitive. Ciò significa che se l'IA ha accesso a una cronologia di domande, risoluzioni e documentazione del prodotto, può funzionare come un agente di servizio clienti di livello 1 con capacità comprovate, e può andare oltre i compiti di livello 1 se le vengono aggiunti nuovi strumenti. L'IA agentica può imparare dalle interazioni passate e mantenere conversazioni interattive per risolvere problemi, ad esempio. L'argomentazione per il business è più solida se i dati del servizio clienti sono completi ed estesi. Vediamo cinque capacità chiave.

Marketing e vendite

La capacità dell'IA di analizzare rapidamente i dati e sviluppare strategie di marketing e vendita uniche, spesso cliente per cliente, rappresenta una proposta attraente. Il ritorno sull'investimento è più rapido per coloro che utilizzano la totalità delle capacità dei loro attuali sistemi di CRM e automazione del marketing. Migliori sono i tuoi dati, migliori saranno i risultati quando aggiungerai l'IA. I tuoi venditori mantengono registri precisi sulle loro interazioni con i clienti? Forse sì, forse no. In ogni caso, l'IA può essere d'aiuto. Tuttavia, più dati non significa migliori risultati dell'IA.

Operazioni

L'IA è un'opzione ottimale per automatizzare processi ripetitivi che soffrono di eccezioni, specialmente in organizzazioni che utilizzano un insieme di prodotti compatibili per gestire le operazioni, generalmente con un sistema ERP come pezzo centrale. Per sfruttare al massimo l'IA, è importante poter lavorare con dati operativi e finanziari. Questo può avvenire all'interno di un sistema centrato sull'ERP o in un data warehouse che è stato collegato per estrarre dati dai sistemi operativi utilizzati dall'azienda.

Questo non significa che l'IA non valga la pena per prodotti specifici, come la gestione della catena di approvvigionamento. Tuttavia, l'efficienza operativa e le informazioni organizzative dell'IA saranno migliori se dispone di una visione olistica del business quotidiano.

Finanza

Sembra che i team finanziari siano spesso troppo limitati. L'IA può aiutare affrontando una moltitudine di compiti di routine che consumano molte risorse. L'IA creata per la raccolta, la comprensione e la classificazione dei documenti può aiutare a ridurre significativamente l'inserimento di dati manuale nelle finanze. Nelle contabilità clienti, l'IA può registrare correttamente i pagamenti nei libri e, spesso, effettuare le registrazioni necessarie nel libro mastro. L'IA può anche confrontare gli ordini di acquisto con le ricevute di beni e le fatture di vendita per confermare di aver ottenuto ciò che è stato richiesto e che si sta fatturando in modo appropriato.

Risorse umane

L'IA può guidare i dipendenti, sia vecchi che nuovi, con i sistemi di registrazione, le politiche e i benefit, oltre a redigere descrizioni e annunci di opportunità di lavoro.

Sviluppo prodotti

Gli strumenti basati sull'IA per lo sviluppo di prodotti sono spesso combinati come agenti che assistono nella progettazione, codifica, verifica e simulazione dei progetti prima di creare prototipi reali. Questi sono alcuni esempi:

Assistenza alla progettazione
Generazione di codice
Test e convalida
Simulazione di prototipi

Analisi dei dati

Storicamente, l'analisi dei dati richiedeva un team dedicato con competenze specializzate e strumenti costosi. I responsabili delle decisioni dovevano essere strategici affinché questi team potessero estrarre le informazioni che cercavano. Tuttavia, l'applicazione dell'IA all'analitica sta cambiando le cose. Attraverso l'uso di prompt e la generazione di report in linguaggio naturale, l'analitica sta diventando più un'attività di self-service, dove gli utenti aziendali possono formulare le proprie domande. L'ingrediente chiave è l'accesso a un'ampia gamma di dati aziendali affinché l'IA possa, ad esempio, valutare la domanda in base alle pipeline di vendita e i tempi di consegna in base ai dati di inventario. L'IA e l'analisi dei dati sono due ambiti sempre più interconnessi nel cloud.

Operazioni IT e sicurezza

L'IA offre opportunità significative per migliorare la sicurezza dei dati e le operazioni IT. La rilevazione delle anomalie può monitorare l'attività in tempo reale, aiutando le organizzazioni a identificare e mitigare le minacce. Tuttavia, anche gli attaccanti utilizzano l'IA, quindi le organizzazioni affrontano la sfida costante di rimanere all'avanguardia. D'altra parte, l'IA si sta integrando nei sistemi di gestione di applicazioni aziendali complesse. Oracle ha iniziato a introdurre funzioni autonome in alcuni prodotti di gestione dei dati nel 2018 e ha annunciato la sua istanza di Autonomous Database nel 2023. L'IA del sistema si configura, aggiorna e regola in modo autonomo, facilitando il lavoro degli amministratori di database e permettendo loro di concentrarsi sull'estrazione di valore dai dati.

Funzioni legali e altre funzioni

La professione legale, tra le altre, probabilmente cambierà radicalmente in meno di cinque anni, poiché gli assistenti di IA si occuperanno di svolgere molte delle funzioni di routine che avvocati e assistenti legali svolgono ora.