Dall’adozione interna all’impatto concreto su comunicazione, marketing e innovazione: è questo il filo conduttore della partecipazione di Teoresi all’evento “New Generative AI Era” organizzato da ESCP Business School, ovvero cosa succede quando la si introduce davvero in azienda.
Durante l’incontro abbiamo condiviso il nostro approccio all’intelligenza artificiale, attraverso l’esperienza di Beatrice Borgia, Chief Marketing, Innovation & Technology Officer di Teoresi Group.
Nel nostro caso, il percorso è stato graduale. Prima la formazione interna e le prime applicazioni, poi l’estensione a diversi ambiti: progetti di ricerca e sviluppo, prima di tutto, comunicazione, marketing a seguire.
«La GenAI accelera molte attività, soprattutto nella produzione e nell’adattamento dei contenuti», ha spiegato Beatrice Borgia, «Ma il punto è capire cosa cambia nel lavoro».
Per esempio, cambia il ruolo delle persone. Se alcune attività diventano più veloci, come scrivere una prima bozza, sintetizzare documenti, adattare contenuti a diversi canali, diventano più importanti altre competenze: definire bene gli obiettivi, impostare il processo, verificare i risultati, prendere decisioni.
E quindi, insieme agli strumenti, diventano centrali anche le regole. Più automazione significa più attenzione a temi come qualità delle informazioni, bias nei dati, tracciabilità e responsabilità.
C’è poi un cambiamento meno evidente ma molto rilevante: il modo in cui le aziende vengono trovate online. Se sempre più risposte arrivano direttamente dagli strumenti di intelligenza artificiale, senza passare dai siti web, allora non basta apparire tra i primi risultati di Google. Diventa importante essere una fonte riconoscibile, affidabile e citata correttamente.
La parte più concreta riguarda però l’innovazione. Qui l’intelligenza artificiale rappresenta un elemento che entra direttamente nella costruzione di nuovi prodotti e soluzioni.
Per esempio, nel settore dei trasporti viene utilizzata per sviluppare modelli di diagnosi predittiva: sistemi che analizzano i dati dei componenti e permettono di individuare possibili guasti prima che si verifichino. In altri casi, sempre in ambito mobility, l’AI viene combinata con tecnologie di computer vision per monitorare in tempo reale parametri del conducente in modo non invasivo.
In ambito Medtech, invece, il lavoro si concentra sull’analisi di immagini e dati clinici: valutazione di patologie cardiache, sistemi che generano descrizioni automatiche di immagini dermatologiche, o l’uso di modelli generativi per creare dati sintetici utili alla ricerca, soprattutto quando i dataset reali sono limitati o sensibili.
Anche nel fintech l’AI trova applicazioni molto concrete: modelli per la valutazione del rischio di credito più trasparenti e interpretabili, oppure sistemi che aiutano a ottimizzare le decisioni di investimento tenendo conto non solo del rendimento, ma anche di fattori come sostenibilità e rischio.
Si tratta, quindi, ambiti diversi, ma con un elemento in comune: l’AI rappresenta un alleato fondamentale nel contesto lavorativo quando è inserita in un processo chiaro e quando le decisioni vengono validate attraverso la riflessione umana: modalità di utilizzo e livello di consapevolezza sono gli elementi fondamentali per un approccio evoluto alle potenzialità di questi strumenti.