AI e industrie: il settore decide da dove arriva il rischio

In sintesi. La domanda su cosa comporti l'AI Act per un'azienda non ha una risposta unica, perché il settore decide da dove arriva l'alto rischio e quale gate blocca il rating. In banca arriva dal credito, in assicurazione dai modelli dei fornitori, nello sport dagli atleti come lavoratori, nel retail dai sistemi che gestiscono i turni, in manifattura dal prodotto venduto, in telco dai sistemi commerciali. Il resto del metodo resta lo stesso ovunque.

Abbiamo lavorato su sei settori con la stessa sequenza, inventario dei sistemi, classificazione, misurazione delle quattro dimensioni, e ogni volta il punto che blocca l'organizzazione è arrivato da una direzione diversa da quella che la dirigenza si aspettava. Qui sotto c'è la mappa, con i rimandi ai pezzi di dettaglio.

Il settore decide da dove arriva il rischio

Settore	Da dove arriva l'alto rischio	Il gate ricorrente
Finance	Valutazione del merito creditizio, Allegato III	Inventario assente su sistemi già in produzione
Assicurazioni	Pricing e selezione dei rischi su modelli di terzi	Perimetro: la compagnia assicurativa è deployer di modelli che non ha costruito
Telco	Sistemi commerciali, a partire dalla valutazione creditizia dei clienti	Classificazione mai fatta su sistemi nati come gestionali
Sport	Atleti come lavoratori, biometria negli stadi, formazione di tecnici e ufficiali di gara	Proprietà dei dati, quasi sempre dei fornitori
Industria	Prodotto con AI incorporata, Allegato I	Separazione mancata tra sistemi di stabilimento e sistemi destinati al prodotto
Retail	Pianificazione turni e valutazione del personale, Allegato III	Moduli predittivi dentro software di workforce management

In finance e assicurazioni il perimetro conta più dell'impianto

Sono i due settori che arrivano più preparati, perché la validazione indipendente dei modelli esiste da prima dell'AI Act e la documentazione è un'abitudine consolidata. Quello che manca è il confine: quali sistemi rientrano, chi li ha costruiti, quali obblighi restano in capo a chi li usa.

In banca la formazione si innesta su percorsi già obbligatori e i ruoli critici sono tre, come spiega AI literacy in banca. La scelta del primo caso d'uso viene quasi sempre fatta al contrario, e il motivo è in AI adoption in banca. Il modo in cui il rating pesa le quattro dimensioni è in AI Rating in banca.

Sul lato assicurativo la cultura del modello aiuta e il perimetro dimenticato è la rete agenziale, come racconta AI literacy in compagnia assicurativa. Il caso d'uso più prezioso è anche quello che ricade in Allegato III, e il ragionamento è in AI adoption in compagnia assicurativa. Il gate che decide la classe è descritto in AI Rating in compagnia assicurativa.

Telco e manifattura: dove la tecnica non è il problema

Qui le aziende hanno dati propri, infrastrutture solide e cicli di rilascio maturi, e proprio per questo si presentano alla misurazione convinte di essere avanti. Il punteggio cade altrove.

Negli operatori telco la difficoltà della formazione è la scala, con migliaia di persone che non sono alle dipendenze dell'operatore, e la soluzione è in AI literacy in una telco. L'area con più valore è anche quella con meno attrito, caso raro spiegato in AI adoption in una telco, mentre il gate sta sui sistemi commerciali, come mostra AI Rating in una telco.

In manifattura tutto ruota attorno a una separazione che precede ogni altra valutazione, quella tra sistema che resta in stabilimento e sistema che finisce dentro un prodotto venduto. La formazione si innesta sulla sicurezza sul lavoro, con il rischio descritto in AI literacy in fabbrica. La scelta del primo caso è in AI adoption in manifattura, e la debolezza sui dati che sorprende le aziende tecnologicamente avanzate è in AI Rating in manifattura.

Retail e sport, il rischio dove nessuno guarda

Questi due settori condividono una caratteristica: l'attenzione della dirigenza sta sul cliente e sul tifoso, mentre l'esposizione vera riguarda chi lavora.

Nel retail il turnover rende inutile il piano formativo annuale, e l'alternativa è in AI literacy nel retail. Il caso d'uso che rende e quello che espone sono distinti in AI adoption nel retail, mentre il gate sui moduli predittivi dentro i gestionali del personale è in AI Rating nel retail.

Nello sport le popolazioni da formare sono due nei club e tre nelle federazioni, come spiega AI literacy nello sport. Il punto di partenza cambia tra club e federazioni, e la differenza è in AI adoption nello sport. Il gate sulla proprietà dei dati, che nei club è quasi sempre dei fornitori, è in AI Rating nello sport.

Le costanti che attraversano i comparti

Tre cose tornano ovunque, indipendentemente dal comparto. La prima è che i sistemi più esposti arrivano dentro software comprati per altro, moduli predittivi accesi dentro gestionali che nessuno ha rivalutato dopo l'acquisto. La seconda è che la formazione per ruolo esiste già su altri fronti, dalla sicurezza sul lavoro all'antiriciclaggio, e innestarsi su quei percorsi costa molto meno che costruirne di nuovi. La terza riguarda i dati, che in quasi tutti i settori appartengono contrattualmente a un fornitore, e un'azienda che non può esportare quello su cui lavora non controlla i propri sistemi.

Il modo in cui queste tre cose pesano sul punteggio è descritto in le quattro dimensioni della maturità AI e in i gate critici.

Da dove partire

Il prerequisito è lo stesso in tutti i settori, e non dipende dalla dimensione dell'azienda: l'inventario dei sistemi AI, costruito guardando anche dentro i software già in uso.

Da lì si passa alla classificazione per rischio e alla misurazione, descritta nella pagina AI Rating. La mappa completa dei settori è nella pagina Settori.

Per capire da dove arriva l'esposizione nella tua organizzazione puoi fissare un incontro di valutazione oppure avviare l'autovalutazione.