AI Ecosystems

Avete già visto la versione umana. La strategia migliore respinta. Il risultato più equo insabbiato. Chiedete perché e la risposta è sempre la stessa: la politica. Ogni istituzione si regge su di essa. Ogni tentativo di risolvere il problema è fallito per la stessa ragione: chi cercava di porvi rimedio era ancora umano. Ancora condizionato dalla politica.L’AI è la prima forma di intelligenza costruita anziché nata. Non ha una storia da difendere, una carriera da far progredire né una parte da prendere. Se progettata in questo modo, l’onestà è il suo comportamento predefinito.Eppure, la stiamo addestrando ad assecondare invece che a informare, attribuendole istinti che non ha mai avuto. Non stiamo costruendo uno specchio onesto. Stiamo progettando un complice.La paura non è mai stata la macchina. È la natura umana armata di una capacità di calcolo infinita.Lo specchio è in costruzione. Ciò che rifletterà dipende ancora da noi.

Un LLM, da solo, genera solo testo. Cosa serve per trasformarlo in un agente capace di agire, correggersi e completare compiti complessi? La risposta è nell'harness: il loop esterno che connette l'LLM con l'ambiente, i tool e lo stato reale del sistema. In questo talk vedremo perché la vera affidabilità di un agente non dipende solo dalle capacità del modello, ma anche da come viene progettato il suo runtime. E poi passeremo al codice: costruiremo insieme il nostro agent harness da zero.

Con la diffusione sempre più ampia dell’AI, le organizzazioni devono stabilire come governarne l’adozione, assegnare ruoli e responsabilità e bilanciare controllo e innovazione. Questa sessione esplora le principali sfide che oggi caratterizzano la governance della AI: dalla definizione delle strutture organizzative e dal coordinamento tra le diverse funzioni al monitoraggio dell’utilizzo della AI, alla gestione dei rischi e alla costruzione di un modello di governance in grado di supportare l’adozione della AI su larga scala.

Gran parte dei software AI si limita ancora al copia-incolla di risposte. È invece possibile un’integrazione simbiotica, capace di elaborare dati ben più complessi di PDF o Excel. Il caso EngIQ lo dimostra: la piattaforma interroga modelli 3D BIM in linguaggio naturale per estrarre insight progettuali e strategici, integrandosi nativamente nei flussi operativi in ottica human-in-the-loop. Una sessione pensata per chi vuole portare l’AI in software complessi, oltre il semplice chatbot.

Usare l'AI via API cloud significa costi a consumo difficili da prevedere e dati aziendali che escono dall'azienda. Con l'hardware di oggi (un Mac Studio, una NVIDIA DGX Spark, un laptop con GPU recente) è possibile far girare modelli AI privati in casa: il vero ostacolo è la complessità. Gabriele Fronzé mostra come Electros LaunchPad installa in un click modelli e servizi come n8n e Open WebUI, e perché per le aziende passare dal consumo a un investimento prevedibile conviene.

Gli LLM sono maestri di correlazioni, ma le decisioni richiedono cause. Cosa succede davvero se alzo un prezzo, lancio una promozione, cambio fornitore? La Causal AI promette di dare agli agenti la capacità di stimare l’effetto delle proprie azioni, misurarne l’incertezza e imparare dai risultati. Un viaggio nel prossimo salto dell’AI in azienda: dall’agente che esegue all’agente che sa giustificare ciò che fa, e dalla governance delle regole a quella delle evidenze.

L’intelligenza artificiale ha reso informazioni, analisi, strategie, programmazione e contenuti accessibili a chiunque. Se tutti possono ottenere risposte valide in pochi secondi, cosa rende ancora prezioso un essere umano?  La risposta sta nell’esperienza, nel giudizio e nella capacità di dare direzione. Perché nei lavori complessi compare continuamente una parola: “dipende”. Dipende dal contesto, dalle persone, dalle aspettative, dalle risorse e dal momento. L’AI può proporre molte soluzioni plausibili. L’esperienza aiuta a capire quale abbia davvero senso in quella situazione. E il valore umano emerge anche nella capacità di accompagnare qualcuno quando i risultati tardano, arrivano i dubbi e la fredda strategia incontra la realtà.  Anche il Branding cambia: conterà sempre meno ciò che sappiamo e sempre più il punto di vista che abbiamo maturato, la fiducia che generiamo e il modo in cui interpretiamo la complessità e coltiviamo le relazioni.

In un contesto in cui l'IA rende la conoscenza legale accessibile e replicabile, il valore dell'avvocato si sposta dal sapere acquisito alla capacità di apprendimento continuo. L'intervento esplora la transizione da una cultura "know-it-all" a una "learn-it-all", analizzando come ridefinire l'identità professionale, il rapporto con i clienti e il senso dell'expertise. Verrà approfondito anche l'impatto di questo cambio di paradigma sul dibattito tra avvocato generalista e iperspecializzato.

Nelle architetture agentiche moderne, gran parte delle decisioni di pianificazione, coordinamento e delega viene affidata a modelli linguistici, spesso introducendo costi computazionali, latenze, complessità e soprattutto lentezza non sempre necessari.  Ma se la vera evoluzione dei sistemi multi-agente non consistesse nel rendere ogni agente più intelligente, ma nel rendere più intelligente il modo in cui vengono orchestrati?  Partendo dai principi delle architetture cognitive System 1 e System 2, esploreremo una metodologia per progettare orchestratori adattivi capaci di combinare processi decisionali real-time, basati su modelli leggeri e algoritmi specializzati, con meccanismi di ragionamento approfondito attivati soltanto quando necessario.  Attraverso pattern architetturali, esempi implementativi e un confronto tra differenti strategie di orchestrazione, analizzeremo come gestire dinamicamente il routing dei task, l'allocazione delle risorse computazionali e l'escalation verso agenti specializzati o supervisione umana.  L'obiettivo è mostrare come passare da semplici sistemi che collegano agenti AI ad architetture capaci di orchestrare diverse forme di intelligenza, ottimizzando prestazioni, costi e affidabilità.

Quanto rende davvero l'IA in azienda? Rispondiamo con casi reali, non con slide sul futuro: aziende che l'hanno introdotta, cosa ha funzionato, dove hanno sbagliato e cosa hanno imparato. Con un modello su due assi, uso dell'IA e impatto sul business, mostriamo quattro profili di azienda e per ciascuno l'approccio che consigliamo, dai primi passi ai risultati misurabili. Allo stand IA in Azienda scopri in 3 minuti in quale profilo è la tua.

Con l’evoluzione della AI, che passa dalla generazione di informazioni all’esecuzione di azioni autonome, gli AI Harnesses emergono come livello fondamentale per l’orchestrazione, la governance e la supervisione umana. Attraverso l’approccio del Systems Thinking, il keynote esplora come gli AI Harnesses e la diplomazia tecnologica rafforzino la sovranità tecnologica, l’autonomia strategica e l’accountability. L’argomento centrale è che l’autorità decisionale rappresenta il punto di leva definitivo, determinando chi controlla le regole che governano i sistemi intelligenti.

L’AI arriva nei nostri luoghi di lavoro portando con sé promesse straordinarie: nuove opportunità, maggiore produttività e modi completamente nuovi di lavorare. Ma porta anche nuove responsabilità e una potente ondata di emozioni umane: l’entusiasmo dei manager che immaginano opportunità senza precedenti; la frustrazione dei team IT, che si trovano ad affrontare aspettative alle stelle dopo che colleghi senza competenze tecniche hanno realizzato un prototipo con il vibe coding in un pomeriggio: «Se sono riuscito a costruirlo in poche ore, perché l’IT ha bisogno di mesi?»; la paura dei dipendenti che si chiedono se domani le loro competenze e il loro lavoro avranno ancora valore; l’orgoglio e il sollievo di chi scopre come l’AI possa semplificare il proprio lavoro, talvolta accompagnati dall’ansia per il proprio futuro.Vi suona familiare? E allora, cosa possiamo fare?Queste emozioni interagiscono, si diffondono tra i team e influenzano il modo in cui le organizzazioni accolgono l’AI. Comprenderne gli schemi nascosti può rivelare segnali preziosi sulle nostre aspettative, sulle nostre relazioni e sul futuro del lavoro. In questa sessione esploreremo l’architettura emotiva della trasformazione AI e proporremo un piano d’azione pratico per l’adozione della AI, basato sulla ricerca e sulle migliori pratiche attuali, con indicazioni concrete su come trasformare l’empatia in una capacità organizzativa.

Mentre gli agenti autonomi dominano le notizie, il panorama più ampio dell’intelligenza artificiale viene spesso ridotto a un unico paradigma: applicare gli LLM più avanzati a qualsiasi problema. Eppure, orchestrare davvero l’intelligenza richiede di conoscere l’intero territorio, dall’ottimizzazione, al ragionamento sui grafi e al machine learning tradizionale, fino ai foundation model e alle architetture multi-agente.Questa sessione mappa lo spettro tecnico delle metodologie di AI in relazione a due dimensioni ingegneristiche fondamentali: la geometria dei casi d’uso reali e i vincoli essenziali di sicurezza. Esploreremo come falliscono i diversi paradigmi di AI, in quali ambiti si completano a vicenda e come combinare tecniche deterministiche, statistiche e generative per creare sistemi ibridi.I partecipanti porteranno con sé un framework decisionale architetturale chiaro per selezionare, combinare e governare le forme di intelligenza più adatte ai problemi da affrontare.

L’AI sta trasformando ciò che possiamo fare. La prossima rivoluzione della leadership sarà definita da ciò che avremo il coraggio di decidere e da ciò che sceglieremo di rappresentare.Stiamo entrando in un’era decisiva per l’intelligenza artificiale. Agenti autonomi, sistemi intelligenti e competenze umane stanno convergendo, trasformando radicalmente il modo in cui le organizzazioni operano, vengono prese le decisioni e si crea valore. Ma, al di là delle straordinarie capacità dell’AI, emerge una sfida di leadership più profonda: come possiamo orchestrare forme di intelligenza sempre più potenti preservando al contempo le qualità umane che danno significato alle nostre decisioni?La nuova frontiera della leadership nell’AI non riguarda semplicemente l’accelerazione tecnologica. Riguarda la ridefinizione della leadership stessa. Forte di oltre 25 anni di esperienza internazionale nei settori della tecnologia, della trasformazione e della leadership multiculturale, Ariadna Grobério esplora l’emergere del leader potenziato dall’AI e l’evoluzione del rapporto tra intelligenza, giudizio e responsabilità.Ispirato all’arte di dirigere un’orchestra sinfonica, questo keynote mette in discussione le concezioni tradizionali della leadership in un mondo sempre più autonomo. Analizza perché empatia, coraggio, giudizio etico e accountability non siano elementi secondari rispetto al progresso tecnologico, ma fattori fondamentali per il suo successo.Andando oltre l’automazione e l’efficienza, la sessione propone una visione coinvolgente di un futuro in cui l’intelligenza umana e quella artificiale lavorano in armonia, guidate da uno scopo, fondate sulla comune umanità e orientate verso un progresso significativo.Perché la tecnologia può amplificare l’intelligenza. Ma solo la leadership può darle direzione, responsabilità e scopo.

Abbiamo imparato a chiedere all’AI risposte migliori. Ma cosa accade quando l’AI inizia a influenzare anche le domande che siamo capaci di formulare?  LLM, motori di ricerca e sistemi di raccomandazione stanno diventando una vera infrastruttura cognitiva: selezionano informazioni, introducono concetti, suggeriscono connessioni e contribuiscono a costruire lo spazio delle possibilità nel quale nasce il nostro pensiero.  Il prossimo salto di competenza non sarà quindi soltanto il prompt engineering. Ci verrà chiesto di imparare a preservare la nostra autonomia cognitiva: riconoscere presupposti, cercare ciò che manca, confrontare alternative e formulare domande che il sistema non ci ha suggerito.  Se nella cybersecurity facciamo hardening delle infrastrutture digitali, nell’era dell’AI dovremo imparare a fare anche hardening del pensiero.     Quando le risposte sono infinite il valore umano è riuscire ancora a immaginare una domanda diversa. E aprire nuove possibilità.

La maggior parte dei malfunzionamenti degli agenti AI in produzione non dipende esclusivamente dai modelli. Spesso si tratta di problemi legati al contesto: recupero di informazioni non aggiornate, prompt eccessivamente lunghi, memoria incoerente, cicli ricorsivi nell’utilizzo degli strumenti e stato nascosto distribuito tra vector store, cronologia delle chat, sistemi di workflow e orchestratori di agenti.Questa sessione presenta un approccio architetturale basato sui sistemi alla memoria degli agenti. Analizzeremo i principali livelli di memoria degli agenti AI moderni, tra cui il contesto a breve termine, la memoria episodica, la memoria semantica, la memoria procedurale e lo stato esterno. Esamineremo poi perché una maggiore quantità di contesto non migliora sempre l’affidabilità e come una gestione inadeguata del contesto possa aumentare la latenza, i costi e il tasso di errore.Il fulcro della sessione è un framework pratico per gestire l’oblio in modo controllato. Prendendo spunto da pattern dei sistemi distribuiti, come l’espulsione delle voci dalla cache, i TTL, la compattazione dei log, la creazione di snapshot e la riconciliazione dello stato, i partecipanti impareranno a progettare agenti capaci di ricordare le informazioni giuste, eliminare gli stati obsoleti o irrilevanti e mantenere la propria osservabilità man mano che i workflow crescono.I partecipanti porteranno con sé un’architettura di riferimento per il context engineering, esempi concreti di malfunzionamenti da monitorare e pattern di implementazione per costruire sistemi AI con stato persistente affidabili e attenti ai costi.

La più grande promessa dell'IA non è fare il lavoro di ieri più velocemente, ma rendere possibile un lavoro del tutto nuovo. Attingendo al suo lavoro nell'IA enterprise e nelle collaborazioni con i creators, Edward Frank Morris mostra come diverse forme di intelligenza possano essere unite per realizzare tutto questo. Dall'insegnamento dell'IA ai team governativi in Ucraina e il lavoro con OpenAI, Perplexity, Ant Group, Alibaba e Tencent, fino alla creazione con strumenti come Runway, ElevenLabs e Fish Audio, ha visto l'IA ricoprire ruoli molto diversi: collega, ricercatore, team di produzione e, a volte, un tirocinante piuttosto entusiasta. La lezione è che il modello è solo una parte del sistema. Il vero lavoro consiste nel decidere cosa conta, assegnare a ciascuna funzionalità il compito giusto e mantenere il giudizio umano nel flusso di lavoro. Perché l'orchestrazione non riguarda l'avere più IA, ma il rendere possibile qualcosa che ieri non lo era.

Come si costruisce l’adozione dell’AI agentica partendo dalla formazione. Il caso è il percorso realizzato da Leonardo, EssilorLuxottica Learning, insieme a MIAT. È partito dalla GenAI, con diverse aree aziendali formate a ideare, creare e progettare in modo etico e human led. Poi si è evoluto in un programma che forma AI Architect interni, cioè persone capaci di ridisegnare i processi aziendali con gli AI Agents, e che funziona da incubatore per portare queste competenze su scala nell’organizzazione. Si parla di cosa ha funzionato e degli ostacoli incontrati, di come si passa da gruppi pilota a una competenza diffusa e di cosa cambia per le persone e per il modo di lavorare.

In molte organizzazioni, l'IA viene ancora approcciata principalmente come uno strumento per ottimizzare i processi esistenti e, di conseguenza, tagliare i costi. Ma cosa succederebbe se stessimo semplicemente rendendo più efficiente il presente, senza adattare le nostre organizzazioni al futuro? Senza comprendere che questa è una rivoluzione e non una semplice evoluzione. Questo intervento mette in discussione un presupposto fondamentale: la vera trasformazione guidata dall'IA non è tecnologica, ma organizzativa, culturale e profondamente umana. Poiché l'IA ridefinisce il modo in cui si lavora, stiamo assistendo a un passaggio da ruoli statici a competenze fluide, da compiti predefiniti a un problem solving dinamico e dal contributo individuale alla collaborazione tra uomo e IA. Allo stesso tempo, la natura delle competenze si sta evolvendo più velocemente che mai, rendendo l'apprendimento continuo (lifelong learning) non più una scelta, ma una capacità organizzativa fondamentale. Tuttavia, la maggior parte delle aziende è ancora strutturata attorno a modelli di lavoro, leadership e formazione progettati per un'era diversa. Questa sessione offre una prospettiva orientata al futuro su come il lavoro si sta evolvendo a livello globale, connettendo tre dimensioni critiche: la leadership, intesa come capacità di orientarsi nell'incertezza e abilitare nuove modalità di lavoro; la cultura organizzativa, vista come il vero fattore abilitante — o blocco — della trasformazione guidata dall'IA; e l'apprendimento, che passa da una formazione episodica a uno sviluppo continuo e integrato. Se non cambiamo la nostra società, l'IA cambierà noi e non riusciremo nemmeno a capirlo. La questione chiave non è come implementare l'IA nelle organizzazioni di oggi, ma se siamo pronti a riprogettare le organizzazioni per l'era dell'IA. Questo talk si rivolge a leader, HR e decision maker che vogliono andare oltre l'efficienza e iniziare a ripensare il lavoro stesso.

Interrogare un modello è semplice, orchestrare l’interazione tra operatore e macchina apre un punto di vista diverso. La conversational analytics diventa la regia dei processi operativi e fa da ponte tra intelligenza umana e azione, decifra il quadro di insieme attraverso l'evoluzione del dialogo, aziona i sistemi aziendali, applica i presidi dell'AI Act e restituisce all’umano la decisione finale. Dall’orchestrazione dei tool a una collaborazione fluida e sicura.

Siamo già immersi in un mondo in cui gli agenti di intelligenza artificiale possono scegliere, negoziare e acquistare al posto nostro. Ma cosa significa davvero, per un essere umano, comprare? Anche l'acquisto più banale può essere un gesto attraverso cui affermiamo la nostra identità, esercitiamo la nostra autonomia e interveniamo sul mondo. Io compro, io provvedo, io risolvo.  Ragionare sugli acquisti agentici significa allora esplorare qualcosa che va ben oltre il commercio: i confini della collaborazione tra esseri umani e intelligenza artificiale.  Dove finisce il limite tecnologico e dove comincia quello legato alla nostra identità?   Saremo veramente pronti in nome della pigrizia ad affidare alla tecnologia le nostre funzioni identitarie?  L'Agentic Commerce diventa così un laboratorio per comprendere non soltanto la sostenibilità del modello di business dell'Aai e il futuro degli acquisti e del marketing, ma anche come evolverà il nostro rapporto fra uomo e tecnologia.