L’integrazione tra grandi realtà aziendali ridefinisce profondamente gli equilibri di mercato e impone una radicale trasformazione delle infrastrutture tecnologiche sottostanti. Nel settore delle telecomunicazioni italiane, il percorso avviato a seguito dell’acquisizione di Vodafone Italia da parte di Fastweb rappresenta un caso di studio emblematico su come far convergere sistemi complessi. In un’intervista focalizzata sulle strategie per colmare il divario tra l’efficienza operativa e l’analisi avanzata dei dati, rilasciata in occasione del Google Cloud NEXT 2026 a Las Vegas e organizzato in collaborazione con Kyndryl, Vincenzo Forciniti, AI Adoption and Data Platform Leader di Fastweb + Vodafone, ha delineato la tabella di marcia del gruppo.
Al centro della strategia emerge una chiara evoluzione architetturale che punta sull’adozione della agentic AI per automatizzare i processi e abbattere i silos informativi.
Indice degli argomenti
La fusione delle infrastrutture e la sfida dei dati
Creare una visione Customer 360 nel post-merger
Il consolidamento aziendale porta con sé una serie di complessità strutturali che superano la semplice unione delle quote di mercato. Come spiegato da Forciniti, la prima e più rilevante sfida per l’organizzazione è rappresentata dall’unificazione dei dati. L’obiettivo primario di questo sforzo è la creazione di una vista Customer 360, un’architettura capace di centralizzare e rendere accessibili tutte le informazioni rilevanti relative ai clienti. Questa risorsa strategica è destinata ad alimentare in modo fluido sia gli stakeholder interni sia i canali esterni, inclusi i team di marketing, le applicazioni web e i sistemi a supporto del call center.
Russell Goldsmith ha evidenziato come l’operazione di acquisizione, avvenuta nel 2024, richieda di gettare nuove fondamenta tecnologiche e ritirare i sistemi legacy. Per ottenere questo risultato, l’azienda si trova a dover gestire la convergenza di due interi stack tecnologici precedentemente separati.
Federare due stack tecnologici distinti
La gestione di questa doppia infrastruttura comporta un impegno notevole sia sul piano tecnico sia su quello organizzativo, richiedendo l’unificazione di team e attività differenti. Tuttavia, Forciniti ha sottolineato come questa transizione rappresenti anche una straordinaria opportunità commerciale. Diventare il principale operatore in Italia fornirà al gruppo una visione decisamente più ampia e profonda del mercato nazionale e della direzione che il Paese sta prendendo. La strategia scelta per gestire la coesistenza delle piattaforme non prevede necessariamente una fusione distruttiva e immediata dei sistemi. Forciniti ha infatti chiarito che, anche mantenendo temporaneamente due stack separati, l’azienda procederà a federare i dati.
Si tratta di un viaggio di modernizzazione complessivo per il quale è stata pianificata una durata di tre o quattro anni, unendo gli sforzi delle due ex compagnie per costruire un’architettura unificata e una visione del cliente realmente integrata.
La governance del dato: tra cataloghi e database a grafo
Il ruolo di Google Spanner nell’analisi d’impatto
Per abilitare l’efficacia dell’agentic AI e di qualsiasi altra soluzione analitica avanzata, è fondamentale che i dipendenti comprendano e si fidino dei flussi informativi aziendali. Negli ultimi tre o quattro anni, il team guidato da Forciniti ha sviluppato un data catalog completo e strutturato. Questo strumento si occupa di gestire le modalità con cui vengono creati i KPI aziendali, di tracciare le formule matematiche e i metodi di calcolo utilizzati, e di mappare l’esatta provenienza dei dati attraverso una precisa ricostruzione della loro lineage.
Un pilastro fondamentale di questa infrastruttura è rappresentato dal miglioramento dell’analisi d’impatto, una procedura indispensabile ogni volta che si rende necessario modificare un elemento del sistema. Questa funzionalità viene abilitata attraverso l’utilizzo di un database a grafo basato sulla tecnologia Google Spanner, integrato con un’interfaccia web progettata per essere facilmente accessibile da parte di tutti gli utenti finali.
Ostacoli culturali nello scaling dell’intelligenza artificiale
Il change management contro la frammentazione degli strumenti
Uno dei temi più complessi affrontati nel corso del dibattito riguarda la difficoltà che molte grandi imprese incontrano nel far progredire i progetti legati all’intelligenza artificiale dalla fase di pilota iniziale a un reale impatto su scala enterprise. Forciniti ha identificato barriere specifiche, smentendo l’idea che il problema sia puramente legato alla tecnologia. Il manager ha osservato come gli utenti abbiano spesso una propria intelligenza artificiale personale, utilizzando autonomamente strumenti come ChatGPT o Gemini per risolvere i propri specifici casi d’uso quotidiani. La vera complessità emerge nel momento in cui l’azienda propone una soluzione centralizzata e istituzionale, che richiede un’esplicita accettazione da parte dei lavoratori.
Nelle parole di Forciniti, la vera sfida risiede più nella gestione del cambiamento che nell’adozione della tecnologia stessa. I dipendenti devono essere guidati attraverso un percorso di change management che permetta loro di comprendere i vantaggi degli strumenti aziendali condivisi e governati.
L’ottimizzazione del ciclo di vita del software
Dalla raccolta dei requisiti al provisioning di rete
Per dimostrare il valore tangibile dell’innovazione, l’azienda ha concentrato i suoi sforzi applicativi su un’area aziendale ben definita. Il problema di business primario che l’organizzazione sta cercando di risolvere attualmente riguarda l’ottimizzazione dei processi legati al ciclo di vita dello sviluppo del software, noto con l’acronimo di SDLC. L’intervento dell’intelligenza artificiale copre l’intero spettro delle attività ingegneristiche, partendo dalla fase iniziale di raccolta e analisi dei requisiti fino ad arrivare alla gestione delle operations tecnologiche. L’obiettivo strategico dichiarato è quello di espandere progressivamente questo perimetro operativo per includere anche altri processi interni dell’Information Technology. I piani di sviluppo prevedono infatti di estendere l’uso dell’automazione avanzata ai dipartimenti di procurement, e di toccare da vicino ambiti verticali e complessi come il networking e il provisioning delle reti.
La transizione dall’automazione deterministica a quella probabilistica
Questo ampliamento del perimetro operativo poggia su un cambiamento concettuale profondo nel modo in cui i sistemi informatici gestiscono i compiti complessi. Storicamente, l’automazione aziendale si è basata su modelli di tipo deterministico, dove a un input specifico corrispondeva sempre una risposta rigida e prefissata. L’introduzione di strumenti avanzati e architetture orientate alla agentic AI consente invece di fare affidamento su logiche di natura probabilistica.
Questo cambiamento di paradigma apre la strada all’automazione di attività che in precedenza erano considerate impossibili da delegare alle macchine proprio a causa della loro variabilità strutturale. La flessibilità introdotta dai modelli probabilistici permette di interpretare le sfumature dei processi aziendali, riducendo i tempi di esecuzione e migliorando l’efficienza complessiva delle strutture operative.
Il valore pratico della agentic AI nelle telecomunicazioni
Superare i limiti della RPA tradizionale nelle operations
All’interno del panorama tecnologico contemporaneo, l’automazione guidata da flussi di lavoro intelligenti sta vivendo un’accelerazione significativa. Interpellato da Russell Goldsmith in merito al valore pratico più immediato dei sistemi basati su agentic AI, Forciniti ha indicato senza esitazioni il campo della gestione degli incidenti e delle operations complessive. Nelle parole del leader aziendale, si tratta di un ambito che l’organizzazione sta già gestendo in modo fluido grazie all’adozione dell’intelligenza artificiale. Questa evoluzione segna un punto di rottura rispetto al passato recente. Forciniti ha infatti affermato: «Stiamo andando oltre la RPA che era molto rilevante nel passato ma è molto limitata». Se la Robotic Process Automation classica si limitava a replicare compiti ripetitivi e rigidi, la agentic AI introduce una capacità decisionale che permette di gestire anomalie e imprevisti infrastrutturali.
Un layer di traduzione tra ingegneri e manager
I vantaggi degli agenti intelligenti non si esauriscono nella pura risoluzione tecnica dei guasti di rete. Un secondo use case di enorme valore pratico riguarda l’ottimizzazione dell’interazione con gli stakeholder interni all’azienda. La comunicazione tra reparti eterogenei rappresenta da sempre una barriera all’efficienza aziendale, specialmente quando si confrontano profili tecnici e profili commerciali. Per superare questo ostacolo, l’organizzazione ha implementato una soluzione innovativa.
Come spiegato da Forciniti, gli agenti sviluppati internamente agiscono come un vero e proprio layer di traduzione, consentendo di avere facilmente un’interfaccia comunicativa fluida tra il personale prettamente tecnico e le figure di business. Questo approccio riduce i malintesi operativi e accelera i processi decisionali strategici.
I traguardi attesi e le metriche del successo aziendale
Time-to-market e adozione interna degli strumenti
Guardando alle prospettive di sviluppo per i prossimi dodici mesi, la leadership aziendale ha definito in modo chiaro quali saranno i parametri fondamentali per valutare il successo della strategia intrapresa. I benefici attesi si rifletteranno in modo coordinato sui clienti finali, sui dipendenti e sulle performance generali dell’intera macchina operativa. Il primo indicatore critico è rappresentato da un netto miglioramento del time-to-market applicato a tutto ciò che il gruppo costruisce e rilascia. In secondo luogo, l’introduzione delle nuove capacità di automazione dovrà garantire una sensibile riduzione dei carichi di lavoro e dei costi associati alle operations. Forciniti ha chiarito che il vero traguardo non si misura solo sulla bontà della tecnologia installata, ma sulla sua reale penetrazione quotidiana.
Il successo finale sarà determinato dalle persone che adotteranno attivamente gli strumenti interni messi a disposizione dall’azienda e dalla contestuale espansione del perimetro tecnologico verso i nuovi prodotti che verranno venduti sul mercato italiano.
