BNova

20/10/2026

Sai quali agenti AI sono attivi oggi nella tua azienda?
E sai se stanno producendo i risultati per cui sono stati creati?

Per molte organizzazioni la risposta onesta è: non del tutto.

Un sondaggio condotto a luglio 2026 da 𝗧𝗵𝗲 𝗛𝗮𝗿𝗿𝗶𝘀 𝗣𝗼𝗹𝗹 per conto di 𝗗𝗮𝘁𝗮𝗶𝗸𝘂 ha coinvolto 685 CIO in otto paesi e ha rilevato che:
→ l'81% non ha piena supervisione sugli agenti creati al di fuori dei sistemi e dei canali approvati
→ l'84% ritiene che i dipendenti creino agenti e applicazioni AI più velocemente di quanto lIT riesca a governarli
→ il 72% non riesce a verificare con costanza se i propri agenti producono i risultati di business attesi.

Il segnale è chiaro: gli agenti si moltiplicano più in fretta della capacità di censirli e misurarli. È il fenomeno dell'𝗮𝗴𝗲𝗻𝘁 𝘀𝗽𝗿𝗮𝘄𝗹.
Adottare agenti e governarli non sono fasi in sequenza: vanno affrontate insieme.

Tu come gestisci i tuoi agenti AI?



Report completo 👉

A new Dataiku/Harris Poll survey of 685 CIOs finds 84% say employees build AI agents faster than IT can govern them, and 72% can't consistently measure their business outcomes.

15/10/2026

Un algoritmo può negare un mutuo in pochi secondi. Quando il cliente chiede spiegazioni, però, ricostruire il perché può richiedere giorni (se va bene).

In ambito finanziario "difficile da spiegare" non è un dettaglio tecnico: è un problema concreto con regolatori, revisori e clienti. GDPR (art. 22) e AI Act chiedono esattamente questo: decisioni ricostruibili, una per una.

Perchè il tema della spiegabilità riguarda risk, business e clienti?

Dataiku risponde a questa esigenza: un percorso in 5 tappe, dal censimento dei modelli al monitoraggio del drift.

Perché la tecnologia, da sola, non basta.

09/10/2026

Circa l'𝟴𝟬% del patrimonio dati delle aziende è attualmente inutilizzato.

Parliamo dei 𝗱𝗮𝘁𝗶 𝗻𝗼𝗻 𝘀𝘁𝗿𝘂𝘁𝘁𝘂𝗿𝗮𝘁𝗶: report, perizie, scansioni, email, contratti, preventivi. Tutte informazioni molto ricche e potenzialmente molto utili, ma che troppo spesso vengono lasciate indietro perchè leggerle risulta difficile e costoso.

Il risultato? Una mancata visibiltà complessiva e decisioni meno informate.

Il 23 ottobre nell'intervento di 𝗩𝗮𝗹𝗲𝗻𝘁𝗶𝗻𝗮 𝗠𝗼𝘀𝘁𝗶 all'𝗔𝗜 𝗘𝘅𝗲𝗰𝘂𝘁𝗶𝘃𝗲 𝗠𝗮𝘀𝘁𝗲𝗿𝗰𝗹𝗮𝘀𝘀 scoprirai come l'AI aiuta a strutturarli, grazie all'Embedding, e usarli al meglio, grazie al RAG.

Ed ecco come i tempi di caricamento e di consultazione si trasformano da giorni in minuti ⏱️

08/10/2026

L’AI può rendere più semplice interrogare i dati, ma non può rendere affidabile un modello che non lo è.

Il passaggio da Q&A a Copilot in Power BI porta nuove possibilità e nel contempo rende ancora più evidente l'importanza di una buona preparazione e governance dei dati.
Dati di qualità, KPI definiti in modo univoco, regole di governance chiare sono fattori necessari perché la risposta dell'AI sia non solo fluida e convincente, ma anche corretta.

Se oggi un assistente AI interrogasse i vostri dati troverebbe definizioni condivise o interpretazioni diverse dello stesso KPI?

08/10/2026

Un CIO può scegliere un buon modello AI e ritrovarsi comunque con un progetto che non produce valore. È una situazione più comune di quanto si pensi.

Perché succede?
Perché si parte “col piede sbagliato”, senza farsi le domande giuste:
- in che stato sono i dati?
- Come funziona il processo su cui vogliamo intervenire?
- Quale risultato vogliamo ottenere?

È questo il punto che Massimiliano Vitali, COO di BNova, approfondirà nella prima giornata dell’𝗔𝗜 𝗘𝘅𝗲𝗰𝘂𝘁𝗶𝘃𝗲 𝗠𝗮𝘀𝘁𝗲𝗿𝗰𝗹𝗮𝘀𝘀: come valutare la fattibilità di un progetto e guidare l’adozione dell’AI partendo da dati, processi, architettura e obiettivi misurabili.
Condividerà il metodo BNova e un questionario di autovalutazione per aiutare i partecipanti a capire a che punto è la propria azienda e quali passi affrontare prima di investire.

📍22 e 23 ottobre a Copernico Milano Centrale

Consulta il programma e richiedi l’iscrizione 👉 https://www.bnova.it/ai-executive-masterclass/

06/10/2026

I costi dell’AI possono crescere rapidamente.
Nella tua azienda hai una visione chiara di quanto spendete e di come sono distribuiti tra strumenti, progetti e reparti?

Licenze acquistate dai singoli team, consumi API, infrastrutture: quando queste informazioni sono frammentate, ricostruire il costo complessivo diventa difficile.

E senza una visione d’insieme, anche individuare sprechi e sovrapposizioni è più complicato.

Per controllare i costi non basta conoscere il prezzo di ogni strumento. Serve capire chi lo utilizza, quanto consuma e quale valore genera.

L’𝗔𝗜 𝗦𝘁𝗿𝗮𝘁𝗲𝗴𝘆 di BNova parte da questa esigenza: costruire una visione centralizzata di strumenti, consumi e risultati, per ridurre la dispersione di risorse, governare l'AI ed orientare gli investimenti verso benefici misurabili.

05/10/2026

𝗥𝗢𝗜 𝗱𝗲𝗹𝗹'𝗔𝗜 : il caso Harley&Dikkinson all'𝗔𝗜 𝗘𝘅𝗲𝗰𝘂𝘁𝗶𝘃𝗲 𝗠𝗮𝘀𝘁𝗲𝗿𝗰𝗹𝗮𝘀𝘀

All'AI Executive Masterclass, il 23 ottobre, uno degli interventi più attesi è il case history presentato da Cristiano Rigon, CIO di Harley&Dikkinson.

Non sarà una presentazione teorica, ma il racconto diretto di un'esperienza: qual era il 𝗽𝗿𝗼𝗯𝗹𝗲𝗺𝗮 𝗱𝗶 𝗯𝘂𝘀𝗶𝗻𝗲𝘀𝘀 da cui si è partiti, quali 𝗼𝘀𝘁𝗮𝗰𝗼𝗹𝗶 sono emersi lungo il percorso e quale 𝗺𝗲𝘁𝗼𝗱𝗼 è stato seguito per arrivare a un progetto AI realmente operativo.

Il focus è sui 𝗿𝗶𝘀𝘂𝗹𝘁𝗮𝘁𝗶 𝗺𝗶𝘀𝘂𝗿𝗮𝗯𝗶𝗹𝗶: l'impatto ottenuto sul piano economico, operativo e strategico.

Per chi deve portare l'AI nella propria azienda, è l'occasione di guardare da vicino 𝗰𝗼𝗺𝗲 𝘀𝗶 𝗺𝗶𝘀𝘂𝗿𝗮 𝗱𝗮𝘃𝘃𝗲𝗿𝗼 𝗶𝗹 𝗥𝗢𝗜 𝗱𝗶 𝘂𝗻 𝗽𝗿𝗼𝗴𝗲𝘁𝘁𝗼 direttamente dall'esperienza di chi lo ha già fatto.

📍 Copernico Milano Centrale - 22 e 23 ottobre
🎟️ Posti limitati!

Scopri il programma completo 👇
https://www.bnova.it/ai-executive-masterclass/

02/10/2026

, 𝟮𝟮-𝟮𝟯 𝗢𝘁𝘁𝗼𝗯𝗿𝗲 a 𝗠𝗶𝗹𝗮𝗻𝗼

Due mezze giornate di lavoro pensate per chi deve prendere decisioni sull'AI.

Ecco cosa troverai in :
- Si parte da un 𝗾𝘂𝗲𝘀𝘁𝗶𝗼𝗻𝗮𝗿𝗶𝗼 𝗱𝗶 𝗮𝘂𝘁𝗼𝘃𝗮𝗹𝘂𝘁𝗮𝘇𝗶𝗼𝗻𝗲 per fotografare il livello di maturità AI della propria azienda, base di partenza per un percorso misurabile
- Un 𝗺𝗲𝘁𝗼𝗱𝗼 𝗽𝗲𝗿 𝗽𝗼𝗿𝘁𝗮𝗿𝗲 𝗹'𝗔𝗜 𝗶𝗻 𝗮𝘇𝗶𝗲𝗻𝗱𝗮, mappando prima i processi ad alto impatto e solo dopo scegliendo la tecnologia
- Perché 𝗶 𝗱𝗮𝘁𝗶 𝘀𝗼𝗻𝗼 𝗶𝗹 𝘃𝗲𝗿𝗼 𝗰𝗮𝗿𝗯𝘂𝗿𝗮𝗻𝘁𝗲 degli algoritmi: senza una base dati di qualità, anche il modello più sofisticato produce risposte inaffidabili
- La checklist delle 𝟱 𝗱𝗼𝗺𝗮𝗻𝗱𝗲 𝗰𝗵𝗶𝗮𝘃𝗲 che un CEO o un CFO deve porre al proprio IT Director prima di autorizzare un investimento in AI
- Come valutare la maturità tecnologica di un progetto, per capire quando affidarsi a soluzioni pronte e quando conviene sviluppare internamente
- I riferimenti essenziali sull'𝗔𝗜 𝗔𝗰𝘁 , per gestire compliance e rischio legale
- Cosa c'è "sotto il cofano" di un AI Agent: architetture RAG, connettori dati, guardrail di sicurezza
- Un 𝗰𝗮𝘀𝗼 𝗿𝗲𝗮𝗹𝗲: un CIO racconta come ha misurato il ROI di un progetto AI in azienda, dal problema di partenza ai risultati ottenuti

Si torna a casa con un questionario di autovalutazione della maturità AI della propria azienda e una roadmap operativa.

• Copernico Milano Centrale, 22-23 ottobre
• Posti limitati

👉 Fino al 5 Ottobre è possibile usufruire di uno 𝘀𝗰𝗼𝗻𝘁𝗼 𝗲𝗮𝗿𝗹𝘆 𝗯𝗶𝗿𝗱 del 20% sul prezzo del biglietto

Scopri il programma completo: https://www.bnova.it/ai-executive-masterclass/

25/09/2026

Capita che l'AI dia risposte "sbagliate". Ma di chi è colpa?

Lo mostra bene la notizia dei tre escursionisti soccorsi sul Mount Shasta dopo aver seguito le indicazioni di Gemini su acqua e cibo da portare.
Hanno ricevuto un'indicazione non corretta, è vero, questo non vuol dire che Gemini abbia sbagliato. Sembra una contraddizione questa, in realtà è il punto centrale oggi sull'AI.

Perché i modelli non sono scatole nere autosufficienti. Hanno bisogno di contesto, di dati. Nei loro calcoli sono tante le variabili che devono considerare, e quando non succede il rischio è di trovarsi in mano una risposta formalmente corretta e allo stesso tempo inadeguata al contesto reale.

Succede anche in azienda.
Un modello può fornire una previsione accurata, un consiglio plausibile o un contenuto ben formulato. Ma se lavora su dati incompleti o non rappresentativi del processo reale, il risultato rischia, nel migliore dei casi, di essere poco utile, nel peggiore di portare a decisioni sbagliate.

Per questo una AI strategy non deve partire dalla scelta del modello, ma dal contesto:
- quali decisioni deve supportare l’AI?
- quali informazioni servono per prenderle?
- quali dati sono disponibili, affidabili e aggiornati?
- quali vincoli, eccezioni e responsabilità devono entrare nella valutazione?

La tecnologia? Viene dopo.

24/09/2026

Il prezzo di un servizio AI è facile da calcolare. Il costo della dipendenza da esso lo è molto meno.

L’attenzione si concentra spesso sui costi, sulle funzionalità e sui risultati attesi, ma quando si valuta un modello tutto questo non basta.
Perché nel tempo le esigenze cambiano, nuovi requisiti di compliance, costi da tenere sotto controllo, e così emergono varie forme di dipendenza: dati difficili da trasferire, integrazioni che vanno riprogettate, processi che sono stati costruiti intorno a una piattaforma specifica e che non si adattano ad un'altra.

Questi sono i costi reali del vendor lock-in, gli ostacoli che limitano la tua libertà di cambiare tecnologia o fornitore quando serve.

Per abbatterli serve il giusto approccio, una metodologia che si basi non sul modello scelto al momento, ma su come governare l'AI in azienda.