Due casi d'uso nella logistica
Ariston Group, multinazionale italiana del comfort termico presente in oltre 70 Paesi con circa 10mila dipendenti, ha illustrato due applicazioni di AI agentica nella propria catena di fornitura. La descrizione è arrivata da Gianmarco Baleani, AI and Digital transformation manager del gruppo, durante un convegno al Politecnico di Milano, come riporta AI4Business. Il primo caso riguarda le richieste di trasporto spot, le cosiddette RFQ: spedizioni non standard o fuori quota contrattuale provenienti da produzione, commerciale e manutenzione, circa 30-40 al mese, ognuna delle quali richiedeva in precedenza circa due ore tra inserimento dati e scambi informativi.
Per ridurre queste inefficienze Ariston ha realizzato un RFQ Agent basato su Microsoft Copilot Studio. Il problema di partenza, secondo quanto riferito, era la qualità dei dati: chi avanzava la richiesta, spesso senza competenze sulle normative applicabili, poteva inserire informazioni parziali o incomplete. La soluzione è impostata su tre pilastri, che il materiale non dettaglia ulteriormente. Baleani indica come benefici l'aumento della qualità del dato grazie al rispetto guidato delle policy aziendali, l'azzeramento delle barriere d'uso del software e l'eliminazione delle email interne, con un incremento diretto della produttività. Il passaggio da circa due ore a pochi minuti è la sintesi fornita dalla fonte, che non pubblica metriche di misurazione indipendenti.
Il secondo progetto riguarda l'ottimizzazione del carico dei materiali per l'inserimento degli ordini clienti. Qui la saturazione di camion o container per richieste flessibili richiede personalizzazione elevata. Per velocizzare il processo Ariston ha usato un coding agent, citando strumenti come Claude Code, Codex o Cursor, per sviluppare l'applicazione Load builder. Il volume trattato è di circa 30-40 emissioni di ordini al giorno, con un risparmio stimato di almeno 20 minuti di lavoro per ordine. L'applicazione tiene conto anche dello slang e dei vocaboli tecnici usati dal personale di magazzino durante la preparazione dei carichi.
Il nodo governance e sicurezza
L'uso dei coding agent per sviluppare rapidamente micro-applicazioni apre questioni che la fonte mette in primo piano. Da un lato la generazione di codice in pochi minuti offre flessibilità; dall'altro la creazione incontrollata di applicazioni rischia di alimentare fenomeni di shadow AI. In un'organizzazione con oltre 10mila dipendenti, osserva Baleani, se ogni lavoratore sviluppasse autonomamente le proprie applicazioni senza una regia centrale si genererebbe caos informatico e disastro operativo.
Sul fronte della sicurezza, i coding agent operano prendendo il controllo del terminale dell'utente, con potenziale accesso a dati sensibili, comandi e screenshot. Per questo Ariston sottolinea la necessità di farli lavorare dentro sandbox protette e isolate. La fonte riporta anche una domanda di processo che i dirigenti dovrebbero porsi: l'applicazione serve a chiudere una falla procedurale locale oppure è necessario ridisegnare l'intero processo aziendale in funzione dell'AI. Sono indicazioni di metodo, non risultati misurati.
Formazione contro il digital divide interno
Prima del nuovo piano formativo Ariston ha condotto un'analisi interna che ha evidenziato tre fasce: pochi curiosi che usavano molto l'AI, una maggioranza che la usava poco o niente e una quota che la usava in modo sbagliato. Ne derivavano, secondo la fonte, un divario di produttività e l'assenza di un linguaggio condiviso. Tra i rischi citati: la fuga di dati riservati verso strumenti pubblici non autorizzati con server fuori dai confini europei, l'accettazione acritica degli output dei modelli e la mancata comprensione delle precondizioni operative, tra sottovalutazione delle potenzialità e aspettative irrealistiche.
Il percorso adottato non si concentra sul prompting di base ma sulla formulazione del problema e sulla validazione dell'output. Un modulo di quattro ore per piccoli gruppi dedica le prime due ore al funzionamento dell'AI, ai rischi e al framework 4D di Anthropic per strutturare i prompt e descrivere i risultati attesi; le seconde due approfondiscono concetti come Agent Skills, MCP e RAG, con esercitazioni su casi concreti. Baleani sostiene che i gruppi ristretti stimolino la partecipazione e creino una base metodologica condivisa. Resta da verificare l'effettivo impatto di questi percorsi su produttività e riduzione degli errori: il materiale non contiene dati di follow-up, né dettagli sui tre pilastri dell'RFQ Agent o sui costi delle iniziative.
