Michelangelo Suigo, Group Chief Public Affairs, Corporate Communication & Sustainability Officer, Engineering
Nelle organizzazioni i dati sono diventati una presenza costante. Vengono raccolti, monitorati e osservati attraverso dashboard, KPI, social listening e analytics. Non tutti i dati, però, aiutano a decidere. Alcuni orientano, altri producono rumore.
Nella corporate communication questa distinzione è centrale. La comunicazione non può limitarsi a registrare visibilità, reach o sentiment. Deve aiutare il management a leggere il contesto, cogliere aspettative e rischi, intercettare segnali prima che diventino problemi.
Il passaggio è meno tecnico di quanto sembri. Un dato non è mai neutro: conta la fonte, il contesto, l’uso che ne facciamo. Per trasformarlo in conoscenza servono fonti affidabili, responsabilità chiare, criteri condivisi. Serve collegare gli indicatori agli obiettivi reali dell’impresa, senza scambiare la metrica più visibile per quella più utile.
In Engineering ci confrontiamo ogni giorno con questo tema, perché lavoriamo in settori che incidono sulla vita del Paese: Pubblica Amministrazione, energia, utilities, finanza, industria. Qui i dati servono a rendere i servizi più accessibili, anticipare guasti, presidiare rischi cyber, migliorare decisioni operative.
L’AI rende più veloce e più delicato il passaggio dai dati alle decisioni: può accelerare l’analisi delle informazioni, individuare pattern, mettere a confronto ipotesi, rendere più rapidi alcuni processi interni. Ma proprio perché entra nei meccanismi con cui un’organizzazione legge la realtà, non può essere trattata solo come uno strumento di produttività: va progettata, addestrata, controllata, spiegata.
Da qui nasce una domanda concreta: che cosa chiediamo all’AI di fare? Se la usiamo per leggere conversazioni, processi, bisogni dei clienti o segnali dai territori, l’AI entra nel modo in cui l’impresa interpreta il proprio ambiente. Può rendere più nitide alcune evidenze, ma anche amplificare errori, pregiudizi o scorciatoie. La differenza la fanno metodo, responsabilità e qualità dei dati.
In Engineering lavoriamo da anni in questa direzione, per portare l’AI dentro regole chiare, verificabili, comprensibili anche fuori dai team tecnici. IS-IA, Italy’s Sovereign Intelligence Architecture, è l’architettura modulare con cui accompagniamo imprese e PA nel ciclo di vita dell’AI: infrastrutture, dati, modello, specializzazione, integrazione nei processi e controlli. Si fonda su EngGPT 2, il foundation model italiano del Gruppo, progettato per essere controllabile, trasparente, personalizzabile e coerente con gli standard dell’AI Act. La verificabilità riguarda dati, addestramento, integrazione nei processi e responsabilità d’uso.
Parlare di AI verificabile significa guardare anche alle infrastrutture su cui opera: un modello vale poco se poggia su dati esposti o su architetture che l’impresa non controlla. Cloud sovrano e cybersecurity sono condizioni di fiducia: permettono di usare dati e AI in modo affidabile quando in gioco ci sono servizi essenziali, informazioni sensibili, continuità operativa. È per questo che in Engineering mettiamo a disposizione dei nostri stakeholder 3 data center (Pont Saint-Martin, Vicenza e Torino) e abbiamo fatto in modo che EngGPT 2 seguisse una logica “security by design”. Del resto, ormai i dati sono la prima Intellectual Property di un’organizzazione, vanno difesi e, soprattutto, non vanno condivisi in modo inconsapevole.
Su questo terreno la comunicazione corporate assume un ruolo più ampio, perché aiuta l’impresa a capire il valore reale dei propri dati, a metterli in relazione con quanto arriva da istituzioni, clienti, comunità e media: aspettative, segnali deboli, domande ricorrenti, frizioni.
Perché oggi la maturità di un’organizzazione si misura dalla capacità di costruire una catena affidabile tra dati, interpretazione e azione. In questa catena l’AI non sostituisce la lettura del contesto: la rende più esigente, anche per chi comunica.
