Quando l'IA entra nei processi: due partner AWS a confronto sul cloud in Italia

All'AWS Summit di Milano, AWS ha messo in fila i numeri dell'adozione di cloud e intelligenza artificiale in Italia, e la fotografia che ne emerge è quella di un Paese in movimento ma ancora distante dalla maturità. Oggi il 40% delle imprese italiane dichiara di usare l'IA, con una crescita del 33% in un anno, mentre il cloud è ormai presente nel 70% delle aziende. Il punto critico non è l'adozione, ma la profondità con cui la tecnologia entra nei processi. Anche nel Nord-Ovest, l'area più avanzata, solo il 18% delle aziende che usano l'IA ha raggiunto uno stadio trasformativo, quota che scende all'8% al Sud e al 6% nelle Isole. Tra le piccole e medie imprese, salite dal 29% al 38% di adozione in un anno, appena l'11% è andato oltre la sperimentazione.

Sul palco del Summit, presentando lo studio, Giulia Gasparini, Country Leader di AWS Italia, ha messo a fuoco proprio questo nodo: "Il cloud è il presupposto per una IA scalabile", ha osservato, perché dove le fondamenta digitali sono più deboli il salto verso un uso trasformativo diventa più difficile. È esattamente lo spazio che separa l'IA che riassume documenti da quella che cambia il modo di lavorare. Su quel divario si misurano i partner che AWS ha costruito intorno a sé in 15 anni di presenza italiana, e due tra i più longevi, beSharp e Reply, lo hanno attraversato dall'inizio con modelli quasi agli antipodi. Le due interviste rilasciate a Edge9 nei giorni successivi al Summit restituiscono la stessa diagnosi e due ricette diverse.

Dentro quel 40%, quattro livelli di maturità

Simone Merlini, CEO e cofondatore di beSharp, invita a scompattare quella percentuale, perché al suo interno convivono fenomeni molto diversi. Al primo livello c'è l'IA come strumento di produttività personale, il copilota che riassume documenti e prepara la bozza di una email, ormai sdoganato ma ancora poco governato. Sopra si colloca un'ottimizzazione dei flussi aziendali concentrata su due casi d'uso, l'assistenza clienti automatizzata e la ricerca potenziata sulle basi di conoscenza interne (le tecniche dette RAG), i più semplici da realizzare. Poi cominciano i piani alti, dove la quota si assottiglia: l'IA agentica integrata nei processi, capace di prendere decisioni in autonomia, e infine lo stesso approccio agentico portato dentro i prodotti e i servizi che l'azienda offre ai propri clienti. Più si sale, più aumentano la complessità tecnica e i nodi di sicurezza, governance e conformità normativa, e quel 40% iniziale si schiaccia sul gradino più basso.

Proprio in cima alla scala Merlini vede ripetersi un film già visto. L'IA generativa è entrata nelle aziende come in passato il cloud, dalla porta di servizio degli strumenti personali, e oggi il rischio è lo stesso dell'epoca in cui i dipendenti aggiravano l'IT caricando i file aziendali su servizi consumer. È la shadow IA, i documenti riservati che finiscono su una piattaforma gratuita senza che nessuno lo sappia, e Merlini ammette con franchezza che per poco anche beSharp stava per ritrovarsi i propri collaboratori a sottoscrivere servizi esterni con account personali, prima di correre ai ripari.

Il nodo, per beSharp, è la governance degli agenti. Molti, per come sono costruiti, ereditano i permessi dell'utente che li avvia, e il potenziale di danno cresce con la loro autonomia. Basti pensare a un agente potente come OpenClaw, comparso solo pochi mesi fa: strumenti simili aprono possibilità concrete, ma anche un margine di rischio molto ampio se qualcosa va storto. L'approccio giusto, sostiene Merlini, è quasi socratico, la piena consapevolezza di non sapere in un campo che cambia di continuo. "Ci muoviamo in un terreno minato, dove le mine continuano a cambiare posizione", è l'immagine che usa, diffidando di chi promette piattaforme capaci di mettere ordine una volta per tutte in sicurezza e governance dell'IA. In un mercato gonfiato dal marketing, ricorda con ironia, ogni database è diventato all'improvviso il migliore per l'intelligenza artificiale.

La storia di beSharp con AWS comincia molto prima di tutto questo. Quando l'azienda nasce, nel 2011, in Italia non esiste ancora una struttura locale di AWS, e Merlini dialoga con un referente in Lussemburgo, Nicola Previati, poi per anni a capo di AWS Italia, che lo nota per una ragione curiosa: sulla sua carta di credito personale era attiva quella che all'epoca era probabilmente la più consistente sottoscrizione cloud AWS del Paese. Da lì beSharp ha visto AWS costruire in Italia la propria struttura locale, cresciuta negli anni fino a contare centinaia di persone. La società, dal canto suo, oggi conta poco meno di 70 collaboratori ed è in piena espansione, con un radicamento forte a Pavia e un legame stretto con l'università, eredità di un modello fatto di community e divulgazione.

Quel modello, ricorda Merlini, segna la differenza tra le due ondate. Il cloud, agli inizi, andava spinto: i pochi partner pionieri passavano più tempo a evangelizzare il mercato che a realizzare progetti. Con l'IA è accaduto il contrario, è il mercato a tirare in cento direzioni diverse, e il partner fatica a tenere il passo di una domanda confusa quanto pressante.

Tra i casi che meglio raccontano il percorso, beSharp cita Satispay, di cui ha curato la primissima migrazione su AWS nel 2015 e che dieci anni dopo è ancora cliente, di recente impegnata a riscrivere parte del proprio codice più datato. Ma l'esempio più netto del salto verso l'IA agentica è Planeat, il servizio di pianificazione dei pasti che beSharp usa per la propria mensa. La pianificazione settimanale, 21 pasti da decidere in anticipo, era il principale attrito per gli utenti. beSharp ha costruito un pianificatore automatico, prima in versione generativa e poi in chiave agentica, il vero punto di svolta. Il risultato, riassume Merlini, è tanto semplice quanto eloquente: "Più 10% di fatturato. La storia si racconta così." Tutto gira su AWS, su una piattaforma nativa, con la parte di IA affidata ad Amazon Bedrock e alla famiglia di servizi AgentCore.

Dietro questi risultati, insiste beSharp, c'è un punto spesso trascurato. "Molti si dimenticano che l'IA è possibile solo grazie al cloud", osserva Merlini. È il cloud a rendere possibile l'addestramento dei grandi modelli, l'accesso ai modelli di frontiera e la capacità di accendere e spegnere in fretta molti ambienti per provare scenari diversi, condizione necessaria perché l'innovazione resti sostenibile anche nei costi. Quando l'attenzione si concentra solo sull'IA, è il livello sottostante a sparire dallo sguardo, ed è invece lì che si decide buona parte del risultato.

Il modello a rete e il valore misurabile

Reply legge il mercato allo stesso modo, ma lo affronta da una prospettiva diversa, quella di un gruppo di grandi dimensioni organizzato a rete in decine di società specializzate, ciascuna dedicata a un proprio ambito. Luca Gardini, Global Head of Strategic Partnership and Alliances e Partner di Reply, che segue da vicino il rapporto con AWS, ricorda una partnership lunga quasi 20 anni, tra le prime in Italia per un system integrator di dimensioni medio-grandi. La fa rientrare in tre fasi. La prima, cloud native, era quella della migrazione infrastrutturale, lo spostamento dei carichi di lavoro dall'on-premise al cloud e la modernizzazione delle applicazioni, con progetti come quello di Enel a fare da apripista. La seconda è stata quella dei servizi gestiti, quando la crescente complessità ha reso necessario garantire continuità operativa, sicurezza e, quasi subito, controllo della spesa, la disciplina di ottimizzazione dei costi cloud nota come FinOps. La terza, oggi nel pieno dello sviluppo, è quella dell'IA.

Per colmare il divario tra sperimentazione e trasformazione, Reply punta su tre leve. La prima sono le competenze verticali, la specializzazione di settore che permette di calare l'IA generativa nei processi specifici di una fabbrica, di una banca o di un'azienda della grande distribuzione, anziché applicarla in modo indistinto. La seconda è la capacità di portare progetti complessi dal prototipo alla produzione su larga scala, con architetture cloud native modulari che restituiscono al cliente un ritorno rapido ma sono pronte a crescere. La terza risponde a un dato emerso con chiarezza nello stesso studio di AWS, la carenza di competenze interne lamentata da metà delle imprese, e si traduce in programmi di formazione e gestione del cambiamento, oltre che nel presidio delle complessità normative. "Non proponiamo programmi triennali di adozione dell'IA", sintetizza Gardini, ma processi critici ingegnerizzati a moduli che mostrano subito la propria utilità.

Questa impostazione ha un riconoscimento formale recente. A giugno Reply ha ottenuto la AWS Business Value Realization Competency, una specializzazione che distingue i partner capaci di legare i progetti cloud e IA a risultati di business misurabili, e che coinvolge le società del gruppo specializzate sulle tecnologie AWS, da Storm Reply a Data Reply. È il punto su cui Gardini torna più volte nel racconto: "Non basta essere bravi tecnologicamente, bisogna saper legare tutto a risultati di business misurabili". Il caso che porta come riferimento è quello di BMW, per cui Reply ha modernizzato i sistemi di analisi dei dati con un approccio basato su IA generativa, riducendo di oltre il 50% le attività manuali e raggiungendo un'accuratezza fino al 90% nella conversione.

Gli esempi concreti, nel racconto di Gardini, attraversano settori diversi. Per Aeroporti di Roma, insieme alla società del gruppo Storm Reply, Reply ha realizzato un assistente virtuale vocale accessibile da WhatsApp, capace di rispondere in italiano e in inglese, in tempo reale, su voli, servizi e negozi dello scalo di Fiumicino, basato su Amazon Bedrock e su un'architettura multi-agente. Nel manifatturiero, soluzioni di sensori connessi (IoT) e apprendimento automatico analizzano i dati di fabbrica per prevedere i guasti ed evitare i fermi macchina, che valgono milioni di euro. Nel settore finanziario e assicurativo, sistemi costruiti su Bedrock affiancano i consulenti analizzando in pochi secondi migliaia di pagine di documentazione e restituendo risposte verificate. Nel retail, infine, i modelli predittivi per la personalizzazione delle offerte hanno fatto crescere i tassi di conversione delle vendite online del 20-30%.

Su un punto Gardini insiste quanto Merlini, anche se da un'angolazione più economica. Come nel passaggio al cloud il controllo della spesa è diventato presto essenziale, con l'IA il tema si ripresenta amplificato. Le cronache di aziende che hanno sostituito personale con i modelli per poi scoprire una bolletta di token molto più alta del previsto, osserva, raccontano un problema reale. Reply inserisce nei progetti dei limiti di salvaguardia e punta su costi quanto più prevedibili, perché ogni vantaggio competitivo deve comunque chiudere i conti con un ritorno sull'investimento.

Letti insieme, i due racconti convergono su una conclusione. L'IA produce risultati misurabili solo quando poggia su fondamenta di dati solide e si lega a un processo preciso, e la stagione delle sperimentazioni fine a sé stesse è alle spalle, come segnala la stessa scelta di AWS di certificare il valore di business prima ancora della bravura tecnica. Su questo terreno comune si muovono due figure opposte: da un lato beSharp, cresciuta dal basso, attenta alla cultura tecnica e ai rischi di un'autonomia degli agenti ancora difficile da governare; dall'altro Reply, che industrializza la trasformazione attraverso il suo modello a rete e la misura con metriche di business. A unirle, l'idea che il cloud non sia lo sfondo dell'IA ma la sua condizione di esistenza, la parte di infrastruttura che, proprio mentre tutti guardano altrove, continua a fare la differenza.