L’intelligenza artificiale non è più un tema d’investimento astratto. È aritmetica: in un contesto di tassi LBO ancora elevati, multipli d’ingresso ai massimi e quelli d’uscita sostanzialmente piatti, l’unica leva rimasta per generare rendimenti accettabili nelle aziende in portafoglio è la crescita operativa. E l’AI è lo strumento più potente a disposizione, non come slogan, ma come infrastruttura concreta di efficienza, margini e velocità. Ma senza la componente umana, nessuno strumento tecnologico produce reali risultati. E’ la tesi che è emersa chiara lo scorso 30 marzo dalla tavola rotonda del Caffè di BeBeez dedicato AI | Capitali | Codice. Chi guida davvero la trasformazione? L’intelligenza artificiale tra equity, impresa e algoritmi (si veda qui il video della tavola rotonda).
Il mercato globale è in piena ebollizione. Secondo i dati CB Insights, gli investimenti di venture capital nel mondo hanno raggiunto 469,3 miliardi di dollari nel 2025, in crescita del 24% rispetto ai 319,6 miliardi del 2024, con i deal che si sono però ridotti in numero da circa 35.440 a 29.500, a conferma che le operazioni sono sempre più grandi. Il 48% del funding è stato catturato da un numero ristrettissimo di operazioni tutte nel settore AI: in particolare, il maxi-round da 40 miliardi di OpenAI (si veda altro articolo di BeBeez; ma anche quello da 14,3 miliardi di Scale AI, con sede a San Francisco, fornitore di dati di training e valutazione di modelli per applicazioni di IA; e quello da 10 miliardi di xAI, creatura di Elon Musk, che poi a inizio di quest’anno ne ha chiuso un altro da 20 miliardi (si veda altro articolo di BeBeez), prima che fosse annunciata l’acquisizione da parte di SpaceX (si veda altro articolo di BeBeez) e poi il progetto di ipo sulla base di una valutazione stellare di 1,75 trilioni di dollari (si veda altro articolo di BeBeez). E sempre quest’anno OpenAI ha già raccolto un altro mega-round, inizialmente da 110 miliardi e poi portato nei giorni scorsi a 122 miliardi (si veda altro articolo di BeBeez); mentre anche Anthropic ha portato a casa 30 miliardi in un nuovo round nelle scorse settimane (si veda altro articolo di BeBeez).
In tutto questo un segmento in particolare sta catalizzando capitali in modo sorprendente (si vedano qui le slide della presentazione del direttore di BeBeez, Stefania Peveraro): secondo il report di PitchBook, Robotics & Physical AI VC Trends 2025, la robotica e la physical AI hanno raccolto 27,6 miliardi di dollari nel 2025 per 1.009 deal, quasi il doppio dei 13,7 miliardi del 2024 (851 deal), con il comparto defence & security robotics cresciuto del 138,8% a 8 miliardi dai 3,3 mld del 2024 (si veda altro articolo di BeBeez).
Quanto all’Italia, BeBeez ha mappato 293 round per quasi 5,9 miliardi di euro raccolti dalle startup e scaleup di matrice italiana nel 2025, una cifra monstre rispetto a quanto raccolto nel 2024, quando erano stati mappati 287 round per oltre 1,7 miliardi di euro (si veda qui il Report Venture Capital 2025 di BeBeez, disponibile agli abbonati a BeBeez News Premium e BeBeez Private Data).
L’enorme crescita della raccolta di venture capital da parte delle aziende innnovative tricolore è però quasi tutta da ascrivere ai round di Bending Spoons, scaleup italiana che è il primo sviluppatore europeo di app per dispositivi mobili con circa un miliardo di utenti nel mondo, che da sola nel 2025 ha raccolto quasi 4,2 miliardi di euro tra equity e debito.
Di quel totale di 5,9 miliardi, ben 5,1 sono concentrati in 70 round di società software & ICT, un settore che ormai vive di AI: al netto dei 3,9 miliardi di dollari (3,5 miliardi di euro) di venture debt di Bending Spoons, il mercato si attesta comunque attorno ai 2,4 miliardi di euro di raccolta, di cui il settore software ha assorbito 1,6 miliardi.
La SaaSpocalypse e la correzione di febbraio: allarme o riallineamento?
Ma il paradosso è che in borsa proprio chi fa software ha visto crollare le quotazioni in maniera importante da inizio anno, man mano che gli investitori hanno iniziato a incorporare nei prezzi l’impatto dell’intelligenza artificiale sulle aziende di software tradizionale: il timore è che l’AI potrebbe soppiantare i programmatori, erodere i margini, far crollare i prezzi degli applicativi e, nei casi più estremi, rendere obsoleti interi modelli di business.
Jefferies ha coniato un termine che circola ora nelle trading desk di tutto il mondo: “SaaSpocalypse”. Tutte considerazioni che soprattutto negli Usa hanno creato non pochi problemi ai big del private credit che hanno un’altissima percentuale di esposizione dei loro portafogli proprio sul settore software (si veda altro articolo di BeBeez).
A febbraio, in particolare, i mercati hanno bruciato circa 2 trilioni di capitalizzazione su titoli come Adobe, ServiceNow, Oracle, Palantir. Ma si è trattato di un riallineamento sano, secondo Simone Cremonini, managing partner di Alkemia Capital sgr, con oltre 300 milioni di euro di masse gestite tra private equity, venture capital e un fondo PIPE su aziende quotate, con una ventina di partecipazioni che spaziano da startup a realtà mature con ricavi fino a 400 milioni, dall’agritech al food fino appunto ai servizi software. Nel suo intervento in tavola ritonda Cremonini ha detto: “Quelle aziende non andavano male. Per esempio, ServiceNow ha chiuso il 2025 con ricavi a +22% anno su anno, Salesforce a +12%, le nostre partecipate italiane come TXT e Sysdat hanno chiuso a doppia cifra. Erano sedute su montagne di cash, con free cash flow pazzeschi. Eppure sono state vendute”. Il motivo è strutturale: “Le valutazioni avevano incorporato aspettative crescenti sui ritorni generati dagli investimenti in AI. Poi OpenAI e Anthropic hanno annunciato strumenti che potevano essere visti come concorrenti di prodotti software venduti da quelle stesse aziende. Sono scattate le vendite, poi l’effetto gregge ha fatto il resto. Ma quella correzione ha riportato i prezzi di borsa a valori più vicini ai fondamentali reali. Non ci spaventa. Noi continuiamo a comprare“.
Dal punto di vista fondamentale il settore continua a crescere. Cremonini cita il caso di Zertis: “Oggi fattura circa 169 milioni di euro e ha un piano di crescita via m&a fino a 500 milioni entro un anno e mezzo, anche attraverso l’espansione in Spagna”. Ma cambia radicalmente il modo in cui la tecnologia viene acquistata e valorizzata. “Ci sarà un impatto rilevante per chi ha sempre venduto ‘ore uomo’, come i grandi system integrator e le società di consulenza. In molte gare il servizio diventa sempre più comparabile e quindi vince chi fa il prezzo più basso”. Al tempo stesso: “L’informatica, anche con l’AI, diventa sempre più un’attività consulenziale. Le aziende non vogliono necessariamente spendere meno in assoluto, ma vogliono ottenere di più a parità di budget”. E cambieranno anche i modelli di pricing: “Si andrà sempre più verso logiche legate ai KPI e ai risultati ottenuti per il cliente, piuttosto che alle ore lavorate”.
Il parallelo con gli anni Novanta è illuminante: “Negli anni ’90 lo sviluppo di siti web veniva venduto anche a 800 euro all’ora, perché c’era una forte asimmetria informativa. Oggi, con piattaforme e strumenti standardizzati, il valore non è più nel codice. Non viene meno la necessità di ingaggiare un esperto. Ma il valore si sposta dalla programmazione alla consulenza strategica: capire cosa fare, come farlo e come integrare le tecnologie nei processi aziendali”.
Su questo si fonda anche la strategia di investimento di Alkemia: “Era chiaro che non fosse possibile competere con player che investono centinaia di milioni nello sviluppo di LLM. Preferiamo investire in chi costruisce soluzioni sopra i modelli esistenti. Un esempio è Contents: non sviluppa un proprio LLM, ma agisce come orchestratore di diversi modelli, offrendo alle aziende una piattaforma integrata. È un modo più efficiente di creare valore in questo contesto”.
Cremonini ridimensiona però le aspettative di chi si attende una trasformazione immediata: “L’AI è paragonabile più all’introduzione della macchina a vapore che a Internet. Non perché sia meno potente, ma perché può andare a sostituire fattori di produzione umani con fattori di produzione digitali. E questo non avviene nel giro di un anno o di un triennio. Le aziende sono organismi complessi. Da noi siamo 22 persone, tutti usano chatbot AI. Ma costruire un workflow aziendale richiede di mappare processi, definire regole di accesso ai dati, validare l’output. Servono esperti di dominio che conoscano sia la tecnologia sia il business”.
I modelli diventano commodity. Vince chi ha i dati — e sa organizzarli
Sul terreno dell’AI agentica e della creazione di valore si è mosso Michele Grazioli, founder e ceo di Vedrai, piattaforma che sviluppa agenti AI specializzati nell’analisi quantitativa per il controllo di gestione, che tra i suoi principali investitori vanta Azimut Holding (si veda altro articolo BeBeez). Si tratta di un caso emblematico di verticalizzazione su un problema preciso: quello delle aziende che prendono decisioni basate su numeri, e in cui i modelli generalisti faticano.
Grazioli ricorda che la prima ondata della generative AI è stata soprattutto una rivoluzione di accessibilità, non tecnologica. “La tecnologia che sta dietro a ChatGPT è uscita a settembre del 2021. Per un anno e qualche mese non se n’è curato nessuno, se non qualche sviluppatore che tramite API si connetteva. Esattamente lo stesso modello. Cosa significa? Significa che la reale innovazione è stata mettere a disposizione del grande pubblico questa tecnologia”. Poi è arrivata la disillusione: “Si è capito che questi modelli in realtà non sono Dio. Quando devono essere applicati realmente all’interno del contesto aziendale fanno errori, perché non hanno la capacità di interfacciarsi con le altre applicazioni e hanno problemi nel dialogare con i dati. La maggior parte delle decisioni ad alto valore aggiunto sono quantitative. Molti di noi tutti i giorni fanno i conti, senza conti le aziende non vanno da nessuna parte”.
La discontinuità vera, spiega, è arrivata a luglio 2025: “Sono uscite in contemporanea due nuove generazioni di modelli: GPT-5, molto pubblicizzato ma con poco valore pratico aggiunto, e soprattutto Claude Opus di Anthropic. Questo ha reso effettivamente utilizzabile l’AI agentica”. La differenza rispetto ai modelli precedenti è radicale: “L’AI agentica è interconnessa con tutto. Se voglio leggere le mail, non devo più aprire Gmail: lo faccio da Claude, che è collegato al mio Gmail. Se voglio aggiornare il CRM, lo faccio tramite connessione MCP su Claude. Questo significa che tecnologie che si sono vendute per anni con il costo per utente dovranno rivedere il loro modello di business, perché alcuni utenti reali verranno probabilmente sostituiti da utenti virtuali”.
Da qui, quattro criteri per valutare dove si crea davvero valore: “La battaglia sui modelli è andata. Frontier AI è prerogativa di tre o al massimo una decina di player mondiali che investono miliardi in Nvidia. Non è un terreno su cui gareggiare. Quando valuto un’azienda guardo per prima cosa i dati: sarà vincente avere dati che altri non hanno, o produrre informazioni che nessun altro riesce a produrre, perché la domanda cruciale è: cosa sarà vincente nell’epoca in cui i modelli diventeranno una commodity? Avere dati o informazioni che altri non hanno. Seconda cosa da guardare è la tecnologia verticale: la specializzazione per nicchie, dalla simulazione alla progettazione, dalla lettura real-time dei dati di magazzino all’applicazione nei modelli di ottimizzazione, non verrà dai big player generalisti. Terzo e quarto punto sono metodo e persone: nel 99% delle organizzazioni l’AI è ancora un’iniziativa individuale. Ognuno usa il chatbot come vuole, genera una best practice, ma quella best practice resta di quella persona e non va da nessuna parte. La vera rivoluzione sarà quando il workflow generato dal data scientist più bravo verrà messo a disposizione di tutti gli altri, sistematicamente. Immaginiamo se il data scientist più bravo presente nell’organizzazione potesse condividere questa conoscenza con tutti gli altri. La vera rivoluzione dell’AI sarà questa”.
La conseguenza pratica è che valutare i cicli di investimento in un contesto di cambiamento così rapido diventa molto più complesso: “Se i cicli tecnologici erano sufficientemente lunghi, le ipotesi su un business plan potevano realisticamente essere valide nel periodo dell’investimento. Adesso non lo sono più. E questo porta a domandarsi se la distinzione tra venture capital e private equity sia ancora così netta”.
Sulla stessa lunghezza d’onda Cremonini, dal punto di vista dell’investitore: “Non andrei a investire in una startup che nel 2026 venga a propormi un algoritmo o una piattaforma che funziona meglio di quella degli altri. La scala non rende realistica quella proposizione. Il discorso è diverso per una startup che sfrutti gli investimenti fatti dai big player per proporre alle aziende soluzioni innovative. L’importante non è la tecnologia in sé, ma quali problemi risolve per i clienti. Se un CEO sa rispondere in modo chiaro e comprensibile a questa domanda — qual è il bisogno che affronti, qual è il problema che risolvi — allora vale la pena considerare l’investimento”. Andate da Leonardo a proporre il sistema di puntamento di una batteria antimissile sviluppato col vibe coding, ha aggiunto con ironia, e vedete che risposta vi danno. Aziende diverse hanno cicli di adozione della tecnologia profondamente diversi. Non esiste un’unica ricetta.
Dal credito alle pmi: quando la tecnologia da sola non basta
Tiziano Cetarini, co-founder e ceo di Metriks AI, startup di analisi dati quotata nel 2025 sull’EGM dopo aver raccolto 4,25 milioni di euro (si veda altro articolo di BeBeez) e che conta tra i suoi investitori anche Banca Valsabbina, sia nel capitale sia come sottoscrittore di un minibond (si veda altro articolo di BeBeez), ha portato al tavolo una prospettiva nata dall’esperienza diretta sul campo delle piccole e medie imprese italiane. Il punto di partenza è Change Capital, la piattaforma fintech fondata a fine 2019 per facilitare l’accesso al credito delle pmi tramite algoritmi di machine learning, poi passata sotto il controllo di Teamsystem nel 2024, con una exit di successo (si veda altro articolo di BeBeez).
“Inconsapevolmente, avevamo dato vita a quello che oggi viene definito service as a software: anziché sviluppare e vendere software, usavamo la tecnologia per rendere scalabile un servizio tradizionale, quello del credito. Stavamo nascendo le varie cellule del fintech. Ci siamo domandati come connettere la pmi, che per sua definizione non è a Milano, ma nei vari distretti industriali italiani, e coloro che mettono i soldi a disposizione delle imprese”. Il COVID, paradossalmente, si è rivelato un acceleratore: ha facilitato la messa in contatto tra domanda e offerta anche nel momento in cui non era fisicamente possibile viaggiare.
Metriks AI è l’evoluzione naturale di quel percorso: un aggregatore di dati aziendali (dall’Excel all’ERP, dal CRM alla tesoreria) che li mette in ordine, li analizza e produce proiezioni e forecast. “Le pmi hanno una grande mole di dati ma non li usano in modo efficace. Noi aggreghiamo, ordiniamo, analizziamo. Tutti i principali modelli di AI generativa sono integrati nella nostra piattaforma come acceleratori”. Ma la variabile decisiva, insiste Cetarini, non è la piattaforma. È il pilota. “Le pmi non hanno spesso competenze specifiche. Senza il pilota, la macchina non si guida”. Per questo Metriks affianca alla tecnologia team di advisor fisicamente presenti nei distretti industriali, con presidio capillare nel centro-nord su cinque hub industriali. “Possiamo mettere a disposizione delle pmi tutte le macchine che vogliamo, ma senza la componente umana tutto questo non va avanti, nemmeno per le grandi organizzazioni. La presenza territoriale è un elemento che continuo a vedere imprescindibile: le pmi sono dislocate su tutto il territorio nazionale e dobbiamo essere noi che andiamo a raggiungere loro, non loro che vengono a Milano”.
Il modello di remunerazione riflette questa filosofia: “Buona parte della nostra remunerazione è legata a performance economiche che andiamo a condividere con un modello di revenue sharing con i nostri clienti. Alla fine abbiamo tutti lo stesso bisogno: i nostri clienti ci chiedono un ritorno sull’investimento. Tramite l’organizzazione e l’analisi dei dati, vi aiutiamo a prendere decisioni migliori, ad automatizzare processi, in fin dei conti vi aiutiamo a guadagnare più soldi, che si traduca in maggiore produttività del personale, maggiori ricavi, maggiore credibilità economica”. La scelta di quotarsi sull’EGM, apparentemente prematura per una startup in fase di scaleup, risponde a una logica precisa: “Non è un mercato di trading. Lo vediamo come una leva per fare m&a. L’anno scorso abbiamo fatto 5 acquisizioni e abbiamo chiuso il 2025 con un raddoppio dei ricavi sopra i 10 milioni, un ebitda margin intorno al 23% e circa 2.000 clienti pmi a portafoglio (si veda qui il comunicato stampa, ndr)”.
Cetarini ha poi sollevato una questione che tocca tutte le aziende che adottano AI: quella del make-or-buy. “La proprietà intellettuale è il vero vantaggio competitivo, e la cosa peggiore che un’azienda possa fare è trattare l’AI come IT. Non è così. L’AI deve essere una decisione del top management, di chi modella e disegna i processi. Quella conoscenza va tenuta in casa, perché più la dai fuori più metti altri nelle condizioni di crearti competitor che potranno rimpiazzarti in modo più efficace”. E ha aggiunto un punto che guarda al futuro: “L’AI mette tutti nella condizione di erigere una barriera tecnologica. Nella ingegnerizzazione dei processi produttivi quotidiani, la sfida per le aziende sarà capire come internalizzare quella conoscenza e farla propria”.
Intrum: l’AI funziona sui piccoli ticket, ma sul credito complesso l’uomo non si sostituisce
La prospettiva dell’utilizzatore su scala industriale è arrivata da Enrico Risso, managing director di Intrum Italy, joint venture al 49% con Intesa Sanpaolo e parte del gruppo Intrum, leader europeo del credit servicing che gestisce circa 8,5 miliardi di euro di collection all’anno su oltre 35 milioni di posizioni in 20 Paesi. Un perimetro che spazia dalla singola fattura non pagata alle grandi amministrazioni straordinarie: una differenza di scala e complessità che, secondo Risso, è esattamente il punto di partenza per capire dove l’AI funziona davvero e dove invece il fattore umano resta insostituibile.
“Nel 2023 abbiamo acquisito una fintech inglese specializzata nella gestione dei piccoli ticket (grandi volumi, basso valore) e l’abbiamo diffusa su tutti i nostri mercati, Italia inclusa, l’anno scorso”. Su questo segmento specifico (crediti freschi, importi contenuti, alta standardizzabilità) i risultati dell’automazione sono stati sorprendenti. “Abbiamo testato un portafoglio di circa 100.000 casi. I contatti telefonici sono stati molto contenuti. C’è stato un rush di self-service, con motori di machine learning che definiscono quando contattare e come”. L’aspetto più inatteso, racconta Risso, è stata la reazione dei debitori stessi: “Su Trustpilot la valutazione è molto positiva. Ci ha stupito, tenendo conto dell’attività che svolgiamo. Ma evidentemente, per certi tipi di posizione, togliere l’interazione umana nell’atto di rinegoziare un debito ha tolto un peso psicologico, non aggiunto distanza“. Sul mid e back office, la riduzione dell’effort umano nella categorizzazione dei documenti, nel calcolo del risk scoring e nel caricamento dei dati si è attestata intorno al 40%, con benefici anche per il regolatore: “Ogni singola interazione è tracciata in modo completo. Per le società sotto controllo regolamentare, questo vale moltissimo”.
Ma Risso è netto nel delimitare il perimetro di applicazione. Quello che funziona sui piccoli ticket standardizzati non si replica automaticamente sui casi complessi — le ristrutturazioni, i grandi debitori, le situazioni che richiedono negoziazione, discrezionalità, lettura del contesto umano. Su quei fronti, il rapporto diretto tra professionista e debitore resta centrale e non delegabile a nessun algoritmo. La distinzione non è solo operativa: è anche strategica. Intrum gestisce uno spettro molto ampio di crediti, e confondere i risultati ottenuti su un segmento con quelli ottenibili su un altro sarebbe un errore che Risso vuole evitare con chiarezza.
L’AI ha comunque abilitato prodotti nuovi che prima erano economicamente impraticabili: “Abbiamo lanciato IntrumFor You, un servizio digitale che permette alle aziende di gestire il recupero crediti senza più carichi operativi interni e in cui chiunque può caricare anche una singola fattura non pagata. Noi la gestiamo e, solo al momento del recupero, applichiamo una percentuale sul risultato ottenuto. Con questa piattaforma possiamo offrire un modello economicamente vantaggioso e scalabile, mantenendo alta la qualità del processo”. La stessa logica si applica alla gestione delle aste: “Gestiamo decine di migliaia di aste. Avere uno strumento AI che crea automaticamente gli annunci ci permetterà di sviluppare un portale dedicato che genererà ulteriori opportunità di business”.
Nonostante l’entusiasmo, Risso mantiene la prospettiva: “Le aziende sono ancora all’inizio. Il ritardo è legato al fatto che siamo ancora tutti un po’ impreparati: percepiamo l’enorme potenziale, ma non sappiamo come trasformarlo pienamente in realtà. Come l’uomo preistorico con la ruota: ci ha messo un po’ a capire cosa poteva farne. Ma quando partirà davvero, porterà a una rivoluzione importante su processi e modelli di business”.
Il futuro: conta lo stato patrimoniale, non il conto economico. E conta la velocità di evoluzione
La chiusura concettuale più originale è arrivata da Grazioli, con una tesi destinata a far discutere nel mondo degli investimenti. Il punto di partenza è aritmetico: secondo una ricerca di Anthropic, l’82% delle attività white collar potrebbe essere rimpiazzato dall’AI. Al momento solo il 26% di queste attività viene effettivamente svolto tramite AI, lasciando aperto un gap enorme. E i numeri sui costi danno la misura di cosa significhi colmarlo: il costo medio orario dei white collar è di 55 dollari l’ora nei mercati anglosassoni (in Italia si può applicare un fattore 1,5 come costo aziendale). Il costo dei modelli AI, a parità di task, è tra i 10 centesimi e i 50 centesimi l’ora: un rapporto tra 50 e 500 volte più economico.
In questo scenario saltano molte delle assunzioni alla base dei business plan tradizionali. “Nel momento in cui abbiamo un’altra variabile che è, a seconda di come la utilizziamo, tra le 50 e le 500 volte più economica rispetto al costo del lavoro, a quel punto salta una ipotesi cruciale alla base di molti piani di investimento: ossia che noi o i nostri competitor risolveremo lo stesso problema sulla base di un determinato rapporto tra ricavi e costi”. La conclusione di Grazioli è netta: “Conterà sempre di meno il conto economico e sempre di più lo stato patrimoniale. La capacità sistematica di un’azienda di generare immobilizzazioni immateriali e di proteggerle diventerà il nuovo vantaggio competitivo. Le aziende che avranno successo avranno un primo margine estremamente alto e la capacità di produrre asset in modo continuativo. Oggi nei business plan quella voce è una percentuale dei ricavi decisa un po’ a caso. Sarà invece la misura di tutto”. E ancora: “Guardare le performance storiche di conto economico e proiettarle in avanti varrà sempre meno, perché l’ipotesi che il mercato sia lo stesso tra 3-5 anni, che i competitor abbiano lo stesso tipo di marginalità e che quindi il pricing attuale possa reggere, magari aumentato del 2-3%, probabilmente verrà meno”.
Cetarini ha temperato la tesi distinguendo per modello di business: “Se sei un’azienda che sviluppa tecnologia, mi trovo molto d’accordo con Michele. Se sei un’azienda che usa la tecnologia come Metriks, ma il cui asset sono i dati aziendali, allora ricavi ed EBITDA restano le metriche centrali. Il modello di business determina cosa va misurato. Questo è anche uno dei motivi per cui abbiamo scelto di quotarci in borsa: il nostro modello di business prevede una crescita a doppia cifra, sia organica sia acquisitiva tramite M&A embedded rispetto alla nostra piattaforma. E vedo il mercato EGM come un’ottima piattaforma di M&A, non di trading”.
Dal canto suo Guido Rocco, COO di RIV Technologies, parte di RIV Capital Group, realtà che ha sviluppato un’infrastruttura per la finanza decentralizzata, dalla tokenizzazione degli asset ai pagamenti in coin, con un software di antiriciclaggio basato su AI (si veda altro articolo di BeBeez), ha proposto una visione in cui l‘intelligenza artificiale non è solo acceleratore ma layer strutturale.
“Per noi l’AI è uno strumento fondamentale, non soltanto uno strumento che accelera la produttività. È un’infrastruttura sulla quale fondiamo la nostra proposizione e anche le nostre applicazioni. Il nostro utilizzo dell’AI è su principalmente tre livelli: lo sviluppo del codice, la qualità e sicurezza del codice stesso, e l’AI integrata direttamente nelle nostre applicazioni”. Ma la vera tesi di Rocco riguarda il vantaggio competitivo futuro: “Molti player stanno usando l’AI per scrivere codice più velocemente, per aumentare l’efficienza dei propri processi di business. Ma l’AI è accessibile praticamente a tutti ormai. Per cui ciò che fa la differenza sul lungo termine non è il fatto di utilizzare l’AI, ma è come si utilizza l’AI, come si progetta il software e quanto si riesce a evolvere in fretta”.
Pensiamo tradizionalmente, ha spiegato Rocco, che l’innovazione sia guidata da tre forze: il mercato, che indica la direzione ma è reattivo e non anticipa davvero il futuro; il capitale, che permette di costruire ma va unito a una capacità di esecuzione di alto livello; e la tecnologia, asset importantissimo che grazie all’AI si sta democratizzando. “Cosa intendo? Che ormai è sempre più semplice scrivere codice e costruire prodotti enterprise grade. Per quanto le tre forze che ho elencato siano fondamentali, ciò che crea davvero vantaggio competitivo nel futuro è la velocità con cui ci si evolve. In questo caso il fattore vincente è la velocità con cui l’AI permette di modificare il codice, di svilupparlo sempre più in fretta. E’ questo che facciamo: non soltanto mercato, capitale e tecnologia, ma anche intelligenza artificiale come amplificatore della velocità di evoluzione, che è il tema fondamentale su cui si misurerà anche la competitività delle aziende nel medio e lungo termine”.
