Author: AdminMVF

Ogni anno escono rapporti sull’adozione dell’AI in Italia, e quasi tutti raccontano la stessa storia con lo stesso finale ottimistico. Questo articolo non è così: è la lettura di chi lavora sul campo ogni giorno con aziende reali e enti pubblici reali. Dove siamo davvero, il problema strutturale che nessuno vuole nominare, la PA più in movimento di quanto si pensi, i rischi reali del PNRR e le tre tendenze che cambieranno il quadro entro il 2027.

C’è un modo molto comune di fallire nei progetti AI che non viene quasi mai nominato come tale: la separazione netta tra chi si occupa della tecnologia e chi si occupa dell’organizzazione, come se fossero due progetti paralleli che a un certo punto si incontreranno da soli. Non si incontrano mai. In questo articolo spieghiamo perché le due dimensioni sono inseparabili, come si manifesta concretamente questo principio nel metodo MVF, e perché ne nasce il Master Executive con la Scuola Sant’Anna.

Esiste un problema strutturale nel mercato della consulenza AI che nessuno ha interesse a nominare: i consulenti vengono pagati per vendere progetti, non per dire ai clienti che un progetto non ha senso. In questo articolo spieghiamo come selezioniamo i casi d’uso nel metodo MVF, quali sono i cinque criteri che applichiamo sistematicamente, e perché dire “no, qui non ha senso” è spesso il modo più onesto di costruire una relazione di consulenza seria.

Come si misura davvero il ritorno di un progetto AI? È la prima domanda che ogni imprenditore e ogni dirigente pubblico fa, ma quasi sempre viene posta troppo tardi. In questo articolo spieghiamo perché gli indicatori vanno definiti prima di iniziare, come si costruisce una baseline affidabile, quali sono i tre livelli di ritorno di un progetto AI, operativo, organizzativo, strategico, e quali aspettative realistiche avere nei primi mesi dopo l’implementazione.