“Voi ce l’avete l’AI?”

E lì, dall'altra parte, cala il silenzio. Perché una risposta davvero onesta non è e non può essere né sì né no. La risposta che bisognerebbe dare è:

Ma questa risposta, per quanto corretta, suona come una scusa. E infatti nessuno la dà.

Oggi noi però proviamo a prenderla sul serio. Smettiamo per un attimo di guardare l’AI dall’alto, come la raccontano le conferenze e i titoli di giornale, e proviamo a guardarla dal basso. Dal punto di vista delle PMI italiane che ci convivono ogni giorno e delle software house che provano a servirle al meglio.

Prima di entrare nel vivo, come sempre apriamo Spotify e tiriamo fuori la nostra playlist Data Grooves:

🎵 “Down to Earth” — Peter Gabriel, WALL·E (2008)

La colonna sonora di un robottino che impara a capire il mondo un oggetto alla volta. Ecco, a noi l’AI davvero utile sembra proprio questa: non quella che plana alta nei cieli del general-purpose, ma quella che scende a terra. Nel vostro specifico, nel vostro gergo, nel vostro modo di lavorare.

Il mito dell’AI che sa tutto.

Lo storytelling dominante ci racconta più o meno questa storia: vince chi ha il modello più grande. Più parametri, più dati di addestramento, più potenza. Si tratta di una corsa, e chi non la corre a perdifiato perde.

Tuttavia è palese che chi ha scritto questa storia quasi sicuramente non è mai entrato in una PMI italiana.

Se lo avesse fatto infatti si sarebbe subito reso conto che nelle aziende vere, quelle che producono, vendono, consegnano e fatturano, l’AI che serve non è quella che sa rispondere a qualunque domanda su qualunque argomento. È quella che conosce a menadito una cosa sola — il proprio settore, il proprio business — e la sa meglio di chiunque altro.

Beh certo, non sa nulla della mia azienda, è ovvio che non sappia rispondere. Oltre questo non sa neanche cosa vuol dire “chiuso” per voi. E poiché non lo sa, nel dubbio, sceglierà una definizione generica. Che quasi certamente non è la vostra.

Il peso del “dipende”:

• Un ordine è chiuso quando la merce esce dal magazzino?

• Quando viene fatturato?

• Quando il cliente firma la bolla?

• Quando arriva il pagamento sul conto?

La risposta è sempre la stessa: dipende. Dipende dal settore, dal modello di business, dalle abitudini che la specifica realtà ha costruito in dieci o vent’anni di lavoro.

Ed è qui che il “dipende” smette di essere una scusa e diventa un fatto: l’AI generica, quella che “sa tutto”, non può sapere tantissime cose al posto vostro. E non può neanche arrivarci da sola. Nel dubbio, inventerà una risposta elegante, coerente, plausibile. E vi farà lavorare su un dato che non è il vostro dato.

Stesso discorso per “cliente attivo”, “margine”, “vendita persa”, “progetto terminato”, “consegna”. Parole che usate tutti i giorni, ma con significati molto diversi a seconda di dove le pronunciate.

Un “cliente attivo” dentro un gestionale per centri estetici non ha niente a che vedere con un “cliente attivo” in una supply chain alimentare. Eppure l’AI generalista userà la stessa parola con lo stesso peso. A meno che qualcuno non le insegni il contrario.

E qui entrano in gioco le software house.

Non sarà il vendor del modello a insegnarglielo. Non può. Lavora su scala globale, sul comune denominatore, sul generico.

Lo farà chi il settore lo conosce davvero. Chi ci lavora dentro da dieci, quindici, vent’anni. Chi ha visto tre generazioni di clienti, due crisi di mercato e quattro cambi normativi.

Sono le software house verticali: quelle che servono il retail, il manifatturiero, i servizi professionali, la sanità, la scuola, la logistica, la ristorazione.

Sono loro i traduttori semantici dell’AI.

Sono loro che prendono un motore generale e lo trasformano in uno strumento che, dentro la vostra azienda, sa di cosa state parlando.

E qui arriva la parte scomoda anche per loro, perché non è affatto un ruolo facile. Una software house oggi deve decidere se diventare un pezzo attivo di questa catena — portando la propria verticalità dentro l’AI — oppure restare a guardare mentre qualcun altro si prende quello spazio.

Il paradosso della grandezza.

Ora il passaggio controintuitivo, quello che secondo noi vale il viaggio.

Più il modello è grande, più forte è il suo default generalista. Più è addestrato sul mondo, più tende a rispondere “come il mondo risponderebbe”. Non come il vostro settore risponderebbe.

Quindi: non esiste un modello così grande da poter fare a meno del vostro contesto.

Anzi, è l’esatto contrario. Più il modello è potente, più pesa il contesto verticale. Più serve qualcuno che gli dica “no, guarda, qui un ordine chiuso è questo, un cliente attivo è quello, e se un collaudo non arriva entro quindici giorni contiamo lo stesso il progetto come consegnato”.

AI generale e AI verticale non sono due mondi alternativi. Sono due strati che devono incontrarsi.

La domanda giusta oggi non è “quanto è grande il modello?”, ma “quanto a fondo conosce il mio settore?”

Il motore può essere universale. Il carburante no. Il linguaggio, le regole, le metriche operative: quelli sono sempre vostri. E l’efficacia dell’AI, nella vita reale delle PMI, si gioca esattamente su questo incontro.

Un esercizio per questa settimana:

prendete cinque parole che usate tutti i giorni in azienda. Le solite: ordine, cliente, margine, consegna, chiuso.

Per ciascuna, scrivete la vostra definizione operativa. Non quella della Treccani, quella che conta davvero quando si lavora.

Poi chiedete di fare lo stesso esercizio a un collega di un altro ufficio.
E confrontate.

Se emergono differenze — e vi garantiamo che emergeranno — avete appena misurato quanto contesto verticale serve a qualsiasi AI per essere davvero efficace dentro la vostra azienda.

E voi?

La vostra azienda ha un linguaggio condiviso sui dati? Quando in una riunione si parla di “cliente”, “ordine” o “margine”, state davvero dicendo tutti la stessa cosa? E se un’AI stesse ascoltando, capirebbe o tirerebbe a indovinare?

Dove invece stiamo noi.

Noi siamo nati con un’idea semplice ma ostinata: l’accessibilità. Accessibilità del dato, democratizzazione della Business Intelligence, accessibilità di strumenti che troppo a lungo sono stati riservati a pochi.

Ma “accessibile” per noi non ha mai significato “generico”. Anzi.

Per questo il valore di Elly non si misura solo sulla potenza del motore, che pure cresce ogni mese. Si misura su quello che succede quando quel motore incontra il vostro mondo: il linguaggio di un partner che il vostro settore lo conosce davvero, le vostre parole, le vostre regole, le vostre metriche.

👉 Scoprite come Elly può potenziare il vostro software o il vostro business su ellybi.com

Siamo all’articolo 129 e oggi vogliamo raccontarvi una novità che riguarda da vicino chi usa Elly tutti i giorni. Ma prima di tuffarci a capofitto partiamo da una domanda semplice semplice:

E quante volte, invece, è successo il contrario? Cioè qualcosa stava cambiando davvero e nessuno ha aperto la dashboard in tempo per accorgersene.
Ecco. Oggi parliamo di questo.

Come da tradizione, prima di entrare nel tema, accompagniamo la lettura con un brano dalla nostra playlist Spotify Data Grooves, curata da noi settimana dopo settimana:

🎵 “Knockin’ on Heaven’s Door” — Bob Dylan, Pat Garrett & Billy the Kid (1973)

Perché un alert, in fondo, è proprio come qualcuno che bussa alla porta per dirti che sta succedendo qualcosa. Sta a noi decidere se vogliamo aprire e ascoltare, oppure ignorare i segnali.

Dalla consultazione al monitoraggio

Per anni le dashboard hanno funzionato in un modo solo: tu le apri, loro ti mostrano i dati. Punto.

Funziona, certamente. Bene? Non sempre, perché questo sistema ha un limite enorme: presuppone che qualcuno si ricordi di aprirle. E che lo faccia al momento giusto.

Nella vita reale delle aziende, però, le cose vanno diversamente. Le mattine sono sempre le solite mattine, le riunioni si accavallano, le urgenze prendono il sopravvento. E intanto un margine si sta erodendo, uno stock sta scendendo sotto soglia, un cliente importante non ordina da troppo tempo. In altre parole il dato c’era. La giusta attenzione per cogliere i segnali e prendere le decisioni migliori no.

Con la nuova funzionalità Alert facciamo un passo deciso in questa direzione e la dashboard smette di essere un posto dove è necessario andare a guardare e diventa un sistema proattivo che ti avvisa quando serve.

Come funziona, in pratica.

Niente sezioni separate, niente percorsi tortuosi. Dai un nome, una descrizione, imposti la condizione che ti interessa monitorare ed è fatta.

L’alert nasce nel contesto del dato che vuoi tenere d’occhio. Ed è giusto così: è lì che hai chiaro cosa stai chiedendo e perché.

Le tile che hanno almeno un alert attivo si riconoscono subito grazie a una piccola campanella gialla. Niente di invasivo, ma immediato: apri la dashboard e capisci al volo dove qualcosa merita la tua attenzione.

Le notifiche, come e a chi.

Quando una condizione cambia stato, Elly avvisa. Via email, in-app, o entrambe. Decidi tu.

E soprattutto decidi tu chi deve ricevere cosa. Singoli utenti, gruppi interi, canali diversi per persone diverse. Perché il responsabile commerciale non ha bisogno degli stessi avvisi del responsabile magazzino, e l’amministratore non vuole essere bombardato come l’operativo.

Le email contengono già tutto quello che serve: nome dell’alert, nuovo stato, dashboard di riferimento e link diretto per andare a vedere. Le notifiche in-app vivono nel pannello che già conoscete, senza aggiungere un altro posto da controllare.

Lo storico, perché serve davvero.

Una cosa che poi ci sta particolarmente a cuore è la vista Storico.

Ogni cambio di stato resta tracciato. Quando un alert si è attivato, quando è rientrato, quante volte è successo nelle ultime settimane. E lo storico è accessibile non solo a chi ha creato l’alert, ma anche ai destinatari.

Perché un alert non è solo una notifica che arriva sul momento. È anche un pezzo di memoria aziendale. Aiuta a capire se un problema è episodico o ricorrente, se una soglia è impostata bene oppure va ricalibrata, se quella condizione “anomala” è in realtà la nuova normalità.

Senza storico, ogni alert vive una volta e poi sparisce. Con lo storico, diventa un dato a sua volta.

Una governance vera, non solo dichiarata.

C’è poi un aspetto che per noi è importante e che spesso viene sottovalutato negli strumenti di alerting: chi controlla gli alert.

Perché in un’azienda sana non possono moltiplicarsi all’infinito, configurati da chiunque, senza nessuno che abbia una visione d’insieme. È così che si arriva al paradosso classico: troppe notifiche, tutte importanti, nessuna che venga davvero letta.

Per questo gli admin del tenant hanno una pagina dedicata da cui vedono tutti gli alert configurati nell’ambiente, chi li ha creati, e possono modificarli, disabilitarli o rimuoverli. Una specie di centralina di regia, perché il monitoraggio funzioni davvero e non diventi rumore.

Quello che cambia, per davvero.

Si potrebbe descrivere questa release come “una nuova feature in più”. Potrebbe anche essere vero, ma a nostro parere anche un po’ riduttivo.

Quello che cambia con gli Alert è il rapporto tra le persone e le dashboard. Prima era un rapporto a senso unico: tu vai, lei ti mostra. Adesso è un dialogo: tu definisci cosa è importante, lei ti chiama quando succede.

E non è solo una questione di comodità, lasciateci passare il termine. È una questione di tempestività delle decisioni. Perché in azienda non basta sapere le cose: bisogna saperle in tempo.

Una nota prima di salutarci.

Gli Alert sono una delle tante novità che rilasciamo settimana dopo settimana, perché Elly cresce così, un mattoncino alla volta, ascoltando chi la usa.

Saremo lì come VIP Sponsor, con tante cose da raccontare e (soprattutto) da mostrare. Vi aspettiamo!

Ma non pensate neanche per un attimo che si tratti di un articolo pessimistico, non parleremo certo di buio. All’opposto. Vogliamo parlare di quello che succede quando la luce resta ferma e illumina sempre nello stesso posto, senza che nessuno si decida a spostarla.

Come da tradizione, prima di entrare nel tema, accompagniamo la lettura con un brano dalla nostra playlist Spotify Data Grooves, curata da noi settimana dopo settimana:

🎵 “Dreams” — The Cranberries, Everybody Else Is Doing It, So Why Can’t We? (1993)

Perché sognare non significa evadere dalla realtà. Significa riuscire a vederla da un’angolazione diversa. Ed è esattamente quello che molte aziende non riescono ancora a fare con i propri dati.

“Non abbiamo abbastanza dati.”

Questa frase la sentiamo spesso. E se ci immedesimo, siamo consapevoli che è una constatazione onesta.
Solo che, quasi sempre, non è vera.

Nelle PMI i dati ci sono. Sono nei gestionali, negli Excel, nelle anagrafiche clienti, negli ordini, nei preventivi, nelle offerte perse, nei resi, nelle ore lavorate. Ogni giorno l’azienda registra una quantità enorme di informazioni senza accorgersi del valore che sta accumulando.

Il problema quindi non è la mancanza di dati.
Bensì un altro: dove stiamo guardando?

La metafora del lampione va ribaltata

La versione classica dice così: qualcuno cerca le chiavi sotto il lampione, anche se ha la sensazione di averle perse più in là, nel buio.

Uguale uguale accade nelle nostre aziende: la luce c’è, solo che illumina sempre e solo la stessa zona, quella delle metriche abituali, dei numeri che tutti conoscono. E le domande che i manager si pongono non mettono mai in discussione i veri punti salienti.

Così succede che un’azienda guardi il fatturato totale e non il margine per cliente.
Che monitori quanti clienti stanno acquistando, ma non si chieda perché alcuni hanno smesso di esserlo.
Che sappia quali sono i prodotti top seller, ma non abbia mai capito davvero perché altri non decollano.

I dati per rispondere a queste domande - molto probabilmente - esistono già. Semplicemente, nessuno ha ancora spostato il lampione.

Il fatturato totale è una trappola

Prendiamo per esempio il fatturato: facile da leggere. Facile da portare in riunione. Facile da commentare senza che nessuno si senta messo in discussione.

Ma mentre tutti guardano il totale, magari nessuno vede che alcuni clienti assorbono una quantità enorme di risorse rispetto al valore che producono. Che certi prodotti vendono bene ma rendono male. Che alcuni mesi dell’anno si ripetono con una logica precisa, ma nessuno ha mai fermato quel pattern per trasformarlo in una decisione consapevole.

E non è un problema tecnico

Neanche una questione di software. O di infrastruttura. Non è una questione di “aspettiamo di avere più dati”.

È una questione di postura manageriale.

La Business Intelligence, quando funziona davvero, non la percepisci come un progetto IT. La senti nelle riunioni, nelle scelte quotidiane, nel modo in cui le persone argomentano le proprie decisioni.

Ma questo accade solo quando più persone — non solo il vertice — iniziano a guardare la stessa realtà con una base comune. Quando la domanda smette di essere patrimonio di una persona sola e diventa un’abitudine condivisa in tutta l’organizzazione.

La domanda che facciamo noi

Quando il team Adoption di Ellycode lavora con le aziende, non parte quasi mai da:

“Quanti dati avete?”

Ma da:

“Qual è il vostro problema di business che volete risolvere?”

La prima porta a un inventario tecnico. La seconda apre una conversazione strategica.

Quali numeri guardate ogni settimana? Quali ogni mese? Quali non guardate mai? Quali decisioni prendete ancora per abitudine, intuizione o memoria, senza una vera evidenza condivisa?

È lì che, di solito, inizia il lavoro vero. E con Elly, spesso, è anche lì che arriva la prima sorpresa: i dati che pensavano di non avere erano già dentro il gestionale. Nessuno aveva ancora fatto la domanda giusta.

Tiriamo una linea: la Business Intelligence non inizia quando arrivano nuovi dati, ma quando qualcuno decide di usare in modo diverso quelli che ha già.

Il problema del lampione non è il buio. Non è la tecnologia. Non è la scarsità di risorse. Ma è che ci obbliga a guardare sempre la stessa porzione di realtà.

Il 19 e 20 maggio 2026 saremo all’AI Week, a Milano, Fiera di Rho.

Non come ospiti. Non come spettatori.
Come VIP Sponsor con il nostro stand, con i nostri talk sul main stage, sul tech stage e negli altri spazi dell’evento. E con qualche sorpresa che vi racconteremo nelle prossime settimane.

Come da tradizione, ci accompagniamo con un brano dalla nostra playlist Spotify Data Grooves, che già ci mette nelle giuste vibes di una settimana dedicata all'Intelligenza Artificiale:

🎵 “I Gotta Feeling” — Black Eyed Peas, The E.N.D. (2009)

Perché è esattamente la sensazione che abbiamo adesso. Qualcosa di grande sta per succedere, e lo sentiamo.

Questa è esattamente la sensazione che abbiamo adesso. Qualcosa di grande sta per succedere, e lo sentiamo.

Cosa è l’AI Week, per chi non ci è mai stato

Sette edizioni, oltre 80.500 partecipanti totali. Per il 2026 sono attese 25.000 persone in due soli giorni, 250+ espositori e partner — Google Cloud, AWS, Cisco, Accenture, PwC, ovviamente Ellycode — e 700+ speaker internazionali distribuiti su 10 palchi tematici.

Noi all'AI Week ci siamo da parecchio. Ogni edizione ci ha dato qualcosa: connessioni, idee, conferme, qualche bella sorpresa. Ma quest'anno è diverso. Quest'anno abbiamo alzato l'asticella!

Non vi sveliamo ancora tutto. Lo faremo nelle prossime settimane, con calma e con i tempi giusti.

Ma una cosa ve la diciamo subito: all’AI Week 2026 presenteremo una nuova incredibile evoluzione della nostra piattaforma. Non un semplice update. Un salto vero.

Parliamoci chiaro: il momento più importante e bello non è quando finisci di realizzare qualcosa, ma quando lo mostri al mondo per la prima volta. Ed ecco perché l’AI Week, per noi, è il palco giusto.

E voi?

25.000 persone. Due giorni. Dieci palchi. Le giuste vibrazioni per capire, assorbire, apprendere e instaurare quel tipo di conversazioni che non capita spesso di avere, osservando da vicino dove sta andando il tuo settore e dove potresti arrivare anche tu.

Noi saremo lì, con il nostro stand, con i nostri ospiti, con uno spazio aperto per chi vuole incontrarci di persona.

Se vi piacerebbe esserci, o anche solo capire come funziona e cosa significherebbe per voi partecipare, scriveteci. Stiamo costruendo qualcosa di veramente bello attorno a questi due giorni, e ci fa piacere parlarne.

Non aspettate troppo.

📩 Scriveteci siamo qui.

Un esercizio per questa settimana

Aprite l’agenda. Cercate il 19 e il 20 maggio 2026. Poi chiedetevi: c’è qualcuno del vostro team a cui farebbe bene trovarsi in una fiera con 25.000 persone che parlano di AI e futuro?

Se la risposta è sì (o anche solo “forse”) scriveteci. Il resto lo organizziamo noi.

Torniamo alle basi.

Non perché sia un argomento semplice o scontato. Anzi. Ma in un momento in cui si parla di AI ovunque, di performance in ogni riunione e di dati come se fossero la soluzione a tutto, fermarsi a chiedersi cosa tiene in piedi tutto questo è probabilmente la cosa più utile che possiamo fare.

Prima però, come sempre, facciamo un giro sulla nostra playlist Data Grooves e vi proponiamo questa come canzone della settimana:

🎵 “The Scientist” — Coldplay (2002)

“I’m going back to the start” — Torno all’inizio. Perché ritornare alle basi non è un passo indietro. Non è un fallimento o una battuta d’arresto, ma molto più banalmente è il momento in cui decidi cosa vuoi costruire per davvoeo. E su cosa vale la pena farlo.

Performance: una parola che ognuno sente a modo suo.

Partiamo da una scena che probabilmente è capitata a ognuno di noi: in azienda si decide di lavorare sui dati per migliorare le performance. Si convoca una riunione. Tutti annuiscono. Tutti sembrano d’accordo. Ma in realtà ognuno sta pensando a qualcosa di diverso.

Il CFO pensa al margine. Il commerciale al fatturato. L’operations ai costi e ai tempi. Il marketing ai lead. Nessuno ha torto, sia chiaro. Il problema è che stanno usando la stessa parola per descrivere cose diverse.

E quando poi si costruisce il sistema di Business Intelligence, quella confusione entra dritta dentro i dati. Ogni funzione porta la sua definizione di “cliente”, di “vendita”, di “efficienza”. Il risultato è un cruscotto che tecnicamente funziona, ma che non dice la stessa cosa a persone diverse.

La semantica: questo è il primo problema quasi sempre alla base di tutto.

Il dato prima del dato.

C’è un livello che viene quasi sempre saltato e che difficilmente lo si ritrova in una riunione o in una slide di presentazione.

È il livello in cui si decide cosa raccogliere (dato? informazione?), qual è il suo nome, chi ne è il responsabile e cosa succederebbe se fosse sbagliato.

Gartner, nel suo Data Quality Market Survey, stima che la scarsa qualità dei dati costi alle aziende in media 12,9 milioni di dollari l’anno. Non stiamo parlando di mancanza di strumenti, ma di governance del dato.

Senza questo, qualsiasi strumento — per quanto sofisticato — lavora sulla sabbia durante una mareggiata invernale (wow che metafora!).

E non è un lavoro che si fa una volta sola. Va mantenuto, aggiornato, verificato nel tempo. È una pratica continua che ha bisogno di costanza e cura.

L’AI amplifica tutto. Nel bene e nel male.

Qui arriviamo ai giorni nostri e ad uno dei paradosso più insidiosi di questo momento storico: l’AI, in superficie, sembra risolvere tutti i nostri problemi. Puoi fare analisi complesse senza scrivere codice. Puoi interrogare i dati in linguaggio naturale. Hai risposte in pochi secondi.

Sembra quasi che le fondamenta non servano più.
È esattamente il contrario.

Se un analista esperto interroga un database mal strutturato, se ne accorge. Riconosce quando qualcosa non torna. Sa fare le domande giuste. Se un sistema di AI generativa interroga lo stesso database, produce una risposta fluida, ben scritta, e potenzialmente completamente sbagliata. Senza nessun segnale di allerta.

Le aziende che stanno ottenendo i risultati migliori non sono necessariamente quelle con le tecnologie più avanzate. Sono quelle che avevano già lavorato sulla qualità del dato, sulla coerenza semantica, sulla governance. L’AI ha trovato terreno fertile. E ha moltiplicato il valore di un lavoro già fatto bene.

Performance non significa velocità.

Circola molto, in questo periodo, un’equazione sbagliata: più velocità nell’accesso ai dati uguale decisioni migliori.
Non funziona così. O meglio, non funziona automaticamente così.

La velocità è uno strumento. Avere una risposta in tre secondi invece che in tre giorni è un vantaggio reale, ma solo se quella risposta viene letta, contestualizzata, interpretata da qualcuno che sa cosa farsene.

La performance nella Business Intelligence si misura molto semplicemente rispondendo a questa domanda:

quante decisioni di valore sono state prese grazie alla BI, rispetto a quante sarebbero state prese comunque per abitudine, intuito o esperienza?

È una domanda davvero insidiosa. E proprio per questo, nella maggior parte delle aziende, non viene mai posta.

Le basi sono una pratica continua.

Insistere sulle fondamenta forse non ci fa procedere sempre spediti, ma con il senno di poi non è un rallentamento, perché ci permette di non doverci - definitivamente - fermare dopo.

Perché le basi/fondamenta non sono un prerequisito da spuntare una volta per tutte. Sono una domanda da riportare all’attenzione di tutti periodicamente: stiamo misurando le cose giuste, nel modo giusto, con le persone giuste coinvolte?

Un’azienda che se lo chiede ogni sei mesi è un’azienda che cresce. Diciamocelo!
Non perché ha tutte le risposte, ma perché ha imparato a fare le domande giuste.

Un esercizio per questa settimana: scriviamo da dove arrivano i dati principali della nostra azienda. ERP, CRM, Excel, gestionale, ecommerce. Tutto. Poi chiediamoci: le persone di funzioni diverse usano le stesse parole per descrivere le stesse cose?

Se la risposta è “non ne sono sicuro”, sappiamo già cosa fare. Proviamo a partire da lì.

Qui entriamo noi, con Elly.

Quando lavoriamo con un’azienda, una- se non la prima - delle cose che facciamo è ascoltare come le persone parlano dei dati che hanno a loro disposizione.

Chiediamo a funzioni diverse come definiscono le stesse parole: ricavo, cliente, performance, margine. Se arrivano tre risposte diverse, beh: Houston abbiamo un problema.

Per questo Elly non parte mai dal software, ma dalle esigenze di Business e dal significato della conoscenza condivisa. In altre parole dalle fondamenta.

Solo dopo ha senso parlare di analisi, visualizzazioni, intelligenza artificiale. Perché a quel punto gli strumenti trovano qualcosa di solido su cui lavorare.

Vuoi capire su cosa poggiano i dati della tua azienda? Scopri Elly oppure scrivici: si parte sempre dalle fondamenta.

Perché se è vero, come è vero, che le nostre aziende producono una mole enorme di dati - basti pensare a ERP, CRM, fogli Excel, gestionale delle vendite, contabilità, ecommerce - allora il problema non è che mancano i dati , ma che non c’è mai il momento giusto per fermarsi a dargli un senso.

E allora si decide lo stesso. Perché l’azienda non aspetta. Ma si decide in fretta, con metà attenzione, in mezzo a qualcos’altro.

Questo è il paradosso del tempo. Ed è di questo che parliamo oggi.

Prima come sempre facciamo un giro sulla nostra playlist Data Grooves e vi proponiamo questa come canzone della settima:

🎵 La canzone della settimana

“Clocks” — Coldplay

“The closing walls and the ticking clocks” — i muri che si stringono, l’orologio che avanza: il tempo che scorre, la pressione che sale e la consapevolezza che qualcosa di importante ci sta sfuggendo di mano.

Proviamo a ricordare l’ultima volta che abbiamo preso una decisione davvero importante con calma. Con tutte le informazioni davanti, senza notifiche, senza qualcuno che aspettava una risposta.

È difficile ricordarlo? Non è un caso.

Microsoft ha analizzato migliaia di giornate lavorative nel suo Work Trend Index 2025 e quella che emerge è una fotografia sconfortante: nelle ore centrali della giornata, veniamo interrotti in media ogni due minuti, con tanti saluti al focus e all’attenzione. In più c’è da dire che i meeting si concentrano esattamente nelle fasce orarie in cui il cervello sarebbe più capace di ragionare in profondità.

Questo è esattamente il design della giornata lavorativa moderna. Ed è un design che paradossalmente lavora contro di noi: il 60% del tempo della nostra giornata lavorativa non produce valore. Produce coordinamento.

Questo è un dato che ci fornisce Asana, che ha misurato dove va davvero il tempo nelle organizzazioni. Il risultato: il 60% delle ore lavorative viene assorbito dal cosiddetto “work about work”: coordinamento, aggiornamenti, ricerca di informazioni, rincorsa delle priorità. Non analisi. Non strategia. Non decisioni.
L’88% dei knowledge worker dichiara che almeno un progetto importante è rimasto indietro nell’ultimo mese.

Nelle piccole e medie realtà italiane questo fenomeno si amplifica, perché spesso poche persone gestiscono più processi e hanno la responsabilità di più mansioni in contemporanea.

E in questo contesto, i dati ovviamente si accumulano. Pura e semplice matematica.

Si stratifica in file che nessuno ha tempo di aprire, in report che arrivano quando la decisione è già stata presa, in numeri che esistono ma non parlano a nessuno.
Il collo di bottiglia diventa il tempo mentale del manager: una risorsa invisibile e sempre più scarsa.

Le decisioni si prendono comunque. Il problema è come.

Sotto stress, senza avere il quadro preciso della situazione, affidandosi sempre più ad intuito ed esperienza, prendendosi grandi rischi, ma si decide lo stesso. Si sceglie la strada più conosciuta (abbiamo sempre fatto così!), si va a sensazione, si rimanda il ragionamento a un momento che però non arriva mai.

McKinsey ha provato a misurare il costo di questo meccanismo: il 61% dei manager considera inefficace almeno metà del tempo che dedica alle decisioni. Non perché manca la volontà di chiudere quel task, ma semplicemente perché il contesto per decidere bene, non era dei migliori.

La decisione sbagliata più pericolosa non è quella clamorosa, perché quella si vede e si corregge. La decisione più pericolosa è quella apparentemente ragionevole a cui mancava un pezzo: un trend non letto, un segnale ignorato, un numero che era lì da settimane in un file che nessuno aveva avuto tempo di aprire.

Qui entriamo noi, con Elly.

Il punto di partenza di Elly non è “mostriamo i dati in modo più bello.” A far quello sono bravi tutti. La nostra filosofia è più concreta e operativa: prendiamo i dati che già esistono — sparsi, disorganizzati, in formati diversi — e li rendiamo interrogabili, leggibili, utili. Senza dover diventare analisti. Senza che qualcuno passi ore a pulire fogli Excel.

La Business Intelligence potenziata dall’AI non serve ad aggiungere un’altra cosa da guardare. Serve a fare una cosa precisa: ridurre lo sforzo cognitivo necessario per arrivare alla decisione giusta.

Quando i dati sono già organizzati e contestualizzati, non bisogna cercare, pulire, impostare: basta solo interpretare. Questa che può sembrare una banale differenza vale invece ore di lavoro mentale ogni settimana. Significa che i cinque minuti tra una riunione e l’altra diventano sufficienti per leggere davvero un trend, invece di essere sprecati a rincorrere un file nella mail sbagliata.

Mettiamola così: Elly non dà più dati, ma ci restituisce il tempo per ottimizzare e valorizzare al meglio quelli che ci sono già.

Un esercizio per questa settimana

Scriviamo da dove arrivano i dati della nostra azienda. Tutti. ERP, CRM, Excel, gestionale, ecommerce, qualsiasi cosa. Poi chiediamoci: quante volte nell’ultimo mese abbiamo preso una decisione importante senza riuscire ad incrociare almeno due di quelle fonti?

Se la risposta è “spesso”, non è un problema di impegno. È un problema di design. Ed è esattamente da lì che partiamo con Elly.

Vuoi vedere cosa succede quando i tuoi dati iniziano finalmente a parlarti? Scopri Elly oppure scrivici direttamente: ti aiuteremo a capire da dove partire.

L’articolo 124 infatti lo dedichiamo a qualcosa che per noi ha un grande valore: presentiamo una nuova partnership, partecipiamo ad un evento importante e proviamo a dare risposta ad una domanda che ci accompagna da tempo, a cui finalmente abbiamo trovato un contesto perfetto per rispondere sul campo.

Perché il mondo della scuola non sfrutta e valorizza i dati di cui è in possesso?

Tuttavia prima di entrare nel succo dell’articolo, come da tradizione accompagniamo la lettura con un brano dalla nostra playlist Spotify Data Grooves che come sapete curiamo con amore settimana dopo settimana.

🎵 “ABC” — The Jackson 5 (1970)

Brano perfetto per questo articolo perché per troppo tempo analizzare i dati in ambito scolastico è stato percepito come un’operazione complessa e riservata a pochi tecnici. Tuttavia con la giusta partnership e la tecnologia adatta, vogliamo dimostrare che leggere le proprie informazioni strategiche deve diventare un’azione semplice e naturale. Facile come l’ABC.

Didacta Italia: quando la Business Intelligence entra in classe

Proprio in questi giorni è in corso Didacta Italia, l’appuntamento più importante sulla formazione e l’innovazione nel mondo della scuola. E per la prima volta ci siamo anche noi, e non come spettatori.

Insieme al nostro nuovo partner BluCloud abbiamo tenuto il talk “Business Intelligence e AI nella scuola: dai dati alle decisioni in pochi secondi”.

Due aziende innovative che si sono (ri)trovate per portare avanti un obiettivo ambizioso: mostrare cosa succede quando la Business Intelligence e l’Intelligenza Artificiale entrano nel mondo della scuola.

Un titolo che suona quasi provocatorio se si pensa a come le scuole hanno storicamente gestito i propri dati: con fatica, con dispersione, spesso con la sensazione che quei numeri esistessero solo per obbligo amministrativo e non per supportare davvero chi deve prendere decisioni.

Eppure le scuole e i centri di formazione producono ogni giorno una quantità enorme di informazioni: iscrizioni, frequenze, risultati didattici, flussi amministrativi, pagamenti, attività dei docenti. Un patrimonio silenzioso, spesso inaccessibile a chi ne avrebbe più bisogno.

Il problema - come sempre - non è la penuria di dati, ma la mancanza di strumenti capaci di renderli leggibili, in tempo reale, da chi non è un analista.

Chi è BluCloud e perché questa partnership ha molto senso

BluCloud è una tech company italiana ad alto valore tecnologico, specializzata nell’analisi, progettazione, sviluppo ed erogazione di sistemi informatici complessi. Non si tratta di un player generico: il loro background spazia dallo sviluppo di soluzioni SaaS alle piattaforme multi-tenant, fino a un solido know-how in ambito sistemistico, DevOps e infrastrutture cloud.

Il loro prodotto di punta è ScuolaSemplice: un sistema WEB + APP con centinaia di installazioni attive in Italia e all’estero, pensato per la gestione completa di scuole, centri di formazione e accademie. Corsi, calendario delle lezioni, presenze, recuperi, pagamenti verso iscritti e docenti: tutto in un’unica piattaforma, accessibile anche tramite app Android e iOS. Allievi, genitori e docenti hanno accesso alle proprie informazioni in modo diretto: notifiche push, storico delle ore, compensi maturati, comunicazioni della scuola.

Una soluzione già matura, già affermata sul mercato, già adottata da chi lavora ogni giorno con la complessità operativa di una scuola.

Il ruolo di Elly: portare i dati al livello successivo

BluCloud ha scelto di aderire al Programma Partner Ellycode e di integrare Elly - con tutte le sue funzionalità di Business Intelligence, AI e Data Visualization - direttamente nelle proprie soluzioni software.

Non stiamo parlando di una sovrastruttura esterna, di un modulo da comprare a parte o di un progetto parallelo da avviare in futuro. Stiamo parlando di potenziare nativamente una piattaforma già performante che le scuole usano ogni giorno.

Cosa significa in pratica? Che chi gestisce una scuola - il direttore didattico, il responsabile amministrativo, il coordinatore dei corsi - può passare dalla gestione operativa alla lettura strategica dei propri dati senza uscire dall’ambiente che conosce già, senza chiamare un consulente, senza aspettare il report mensile.

A Didacta lo abbiamo mostrato dal vivo, con una serie di demo che raccontano molto più di qualsiasi descrizione: dalla panoramica della dashboard, al meccanismo delle domande e risposte in linguaggio naturale, fino alla generazione di nuovi insight e alla costruzione di nuove viste analitiche in pochi secondi.

Perché la scuola è un contesto particolarmente significativo

C’è qualcosa di profondamente interessante nel fatto che questa collaborazione nasca proprio nel mondo scolastico.

Le scuole sono organizzazioni complesse, storicamente sotto-dotate di strumenti analitici, dove le decisioni - sulla programmazione, sui docenti, sulle iscrizioni, sull’efficacia dei corsi - vengono ancora prese in larga parte per esperienza diretta o per intuizione. Non perché chi gestisce non voglia usare i dati, ma perché finora i dati erano difficili da raggiungere, difficili da interpretare, difficili da trasformare in azione.

Quando abbiamo mostrato in sala come una domanda in linguaggio naturale possa restituire in pochi secondi un quadro chiaro sulle presenze, sui pagamenti in sospeso o sull’andamento delle iscrizioni per corso, la reazione del pubblico ha detto tutto.

Non stiamo parlando di stupore per la tecnologia, sappiamo che esiste e che può essere di supporto. Di certo però abbiamo ricevuto il giusto riconoscimento per un sistema che finalmente risponde a una domanda reale e fornisce informazioni di valore.

Il metodo Ellycode, applicato a un nuovo settore

Ogni volta che entriamo in un nuovo contesto, la logica è la stessa. Non partiamo mai dal software. Partiamo dalla domanda:

Nel mondo della formazione, questa domanda ha sfumature particolari. I dati sono sensibili. Gli utenti finali sono eterogenei e i tempi decisionali sono spesso stretti.

Per questo l’integrazione tra Elly e Blucloud non è semplicemente un’aggiunta di funzionalità, bensì un progetto che parte dal significato dei dati che già esistono e li rende finalmente utili, nel momento in cui servono, a chi deve usarli. La tecnologia è pronta. Il mercato scolastico anche.

La vera novità è che oggi esiste un percorso concreto, già tracciato, per portare la Business Intelligence e l’Intelligenza Artificiale dentro le scuole italiane: senza la difficoltà di partire da zero, senza sostituire quello che funziona già, ma portandolo al livello successivo.
Ed è esattamente lì che Ellycode ha scelto di stare.

BluCloud è il nostro partner nel mondo della formazione, ma il Programma Partner Ellycode è aperto a software house e tech company di ogni settore: retail, sanità, manifattura, servizi professionali, logistica.

Se sviluppi soluzioni software e vuoi integrare Business Intelligence e AI nel tuo prodotto — senza partire da zero e con il supporto del nostro team — scrivici. Partiamo sempre da un buon caffè!

Non si tratta solo di un aggiornamento di prodotto, ma è la dimostrazione pratica di come la nostra visione si traduca in impatto reale, unendo le forze con chi conosce verticalmente il proprio mercato meglio di chiunque altro. Abbiamo ospitato Luca Peirotti, CEO di Azerouno, insieme a parte del suo team per raccontare come Elly sia diventata il motore analitico integrato in Concept: la suite che permette di svolgere in modo integrato tutte le funzioni aziendali.

Con piacere condividiamo una conversazione registrata nel nostro Ellycode Media Hub, dagli uffici di Casoria: è sempre un piacere aprire le porte al team di Azerouno, nostro storico partner.

Come da tradizione però facciamo il solito tuffo nella musica, peschiamo un altro grande pezzo dalla nostra playlist Data Grooves. Questa settimana la scelta è di Michele:

“It Takes Two” — Rod Stewart (with Tina Turner)

Il problema che nessuno stava risolvendo

Concept disponeva già delle cosiddette “pagine Concept Oggi”: schermate con ordini in consegna, offerte in scadenza, ultimi ordini emessi. Dati utili, in teoria. Come sempre però accade nelle PMI, il problema è che non mancano i dati, ma manca il modo di leggerli velocemente.
Le visualizzazioni tabellari tradizionali richiedono uno sforzo cognitivo che nella frenesia quotidiana non si riesce sempre a sostenere. E per estrarre un’informazione specifica, l’utente doveva aprire cartelle di ricerca, impostare filtri, salvarli, ripeterli: un processo che funziona se sei un tecnico, molto meno se sei un imprenditore con bisogno di una risposta in trenta secondi.

La domanda vera che ha guidato questa integrazione è semplice: e se l’utente potesse chiedere, in linguaggio semplice “qual è il cliente a cui ho fatturato di più l’anno scorso?” e ricevere una risposta chiara e immediata?

La soluzione: Elly dentro Concept, nativamente

L’obiettivo non era aggiungere un connettore esterno. Volevamo che l’utente non dovesse fare nulla di speciale, nessun sito a cui accedere, nessuna configurazione complessa.

Elly viene incorporata direttamente nell’interfaccia di Concept: plug and play, dalla prima apertura del gestionale.

Il risultato raggiunto offre tre funzionalità che cambiano sostanzialmente la routine di chi gestisce un’azienda manifatturiera.

1. Q&A in linguaggio naturale. L’utente fa domande come farebbe con un collega: “Quali sono i tre clienti cresciuti di più negli ultimi tre mesi?”, “Che variazioni di prezzo ha subito questo articolo nell’ultimo periodo?”. Niente filtri, niente query. Una risposta diretta, in forma di grafico o tabella.

2. Insight automatici. Qui la prospettiva si ribalta: non è l’utente a fare domande, è il sistema che osserva i dati e segnala proattivamente quello che merita attenzione. “Il fatturato dell’ultimo mese è sceso.” “I ritardi nelle consegne sono aumentati rispetto alla media.” L’AI diventa un collaboratore silenzioso che lavora sempre, anche quando tu stai pensando ad altro.

3. Insight settimanali via email. Ogni settimana, il sistema invia automaticamente un report con le variazioni più rilevanti. Senza dover aprire il gestionale, senza dover ricordarsi di controllare. Se qualcosa sta cambiando nei tuoi dati, lo scopri prima.

“Ma i miei dati dove vanno?”

È la domanda che Luca racconta di aver sentito quasi ogni volta che presentava l’integrazione, ancora prima che il prodotto fosse pronto. Ed è una domanda legittima. La risposta è strutturale, non solo rassicurante a parole, ma nei fatti.

Elly è GDPR compliant fin dal primo giorno di progetto.

I dati del cliente non vengono mai mandati all’intelligenza artificiale: quello che transita sono solo i metadati, ovvero i nomi delle colonne e delle tabelle. Questi, uniti alla domanda dell’utente, vengono trasformati in un’interrogazione che viene eseguita localmente. Il risultato torna all’utente. Il dato reale non esce mai.

L’infrastruttura è in cloud su regione italiana, all’interno della Comunità Europea, all’interno di una sandbox dedicata. Una scelta tecnica precisa, presa fin dall’inizio, proprio per garantire la massima affidabilità e garanzia al servizio. Ed è esattamente il tipo di scelta che fa la differenza quando si parla di adozione nelle PMI.

L’integrazione è già in fase beta con alcuni clienti selezionati. Il lancio ufficiale è in corso in questi giorni al MECSPE di Bologna, dal 4 al 6 marzo. Chi è in fiera può vedere Elly in azione direttamente dentro Concept e richiedere l’attivazione. Per il primo mese, lo strumento è disponibile gratuitamente sulla propria installazione, con i propri dati reali.

E per chi guarda già oltre: Ellycode e Azerouno saranno insieme anche all’AI Week di Milano, il 19 e 20 maggio. I primi 10 clienti che attiveranno Elly riceveranno in omaggio un biglietto per l’evento.

Il vero valore di questa partnership

Questa storia dimostra qualcosa che ripetiamo spesso: la Business Intelligence genera il massimo valore quando viene verticalizzata. Azerouno conosce i processi del settore metalmeccanico da vent’anni: le abitudini, le resistenze, le esigenze reali dei propri clienti. Ellycode porta la BI e l’AI. Insieme costruiscono qualcosa che né l’uno né l’altro avrebbe potuto offrire da solo.

It takes two.

In altre parole la Business Intelligence tradizionale, spesso, non fallisce per mancanza di dashboard o grafici sexy, ma semplicemente perché eredita le colpe di processi aziendali frammentati: CRM compilati a metà, ERP adattati negli anni, fogli Excel diventati sistemi mission-critical, definizioni diverse della stessa metrica a seconda del dipartimento che la racconta.

E allora si ripete la scena più comune in assoluto: il manager guarda la dashboard, fissa un numero e la sua prima domanda non è “Qual è il nostro piano d’azione?”, ma:

Ed ecco che alla fine anche oggi parliamo di trust. Come sempre però, prima di spulciare nell’interessante tema della settimana, ci affidiamo alla nostra playlist Data Grooves per avere un po’ di compagnia:

🎵 “Policy of Truth” — Depeche Mode

E non poteva esserci scelta diversa, perché bisogna avere il coraggio di guardare in faccia la realtà. Non nascondere i limiti, non fare finta che vada tutto bene. La trasparenza non è debolezza, ma l’unico modo per prendere decisioni che reggono.

Il grande malinteso: dato pulito vs dato affidabile

Mettiamo subito le definizioni sul tavolo, perché qui si nasconde il vero equivoco.

• Un dato pulito è un concetto tecnico: niente duplicati, formati coerenti, campi valorizzati.

• Un dato affidabile è invece un concetto di business: significa che quel dato è difendibile, che puoi portarlo in riunione e regge l’urto delle domande.

Il punto critico è che un dato può essere perfetto dal punto di vista tecnico, ma totalmente inaffidabile per il business, perché definito male o usato fuori contesto. Al contrario, un dato può essere “non perfetto” ma comunque affidabile, se l’azienda conosce esattamente i suoi limiti.

Nei nostri processi proviamo a misurare questa “fiducia” su cinque dimensioni pratiche.

1. La prima è l’accuratezza: il dato corrisponde alla realtà?

2. La seconda è la completezza: manca un pezzo del puzzle? Se il 30% degli ordini non ha una categoria prodotto, un KPI “Fatturato per categoria” può essere matematicamente perfetto, ma strategicamente fuorviante.

3. La terza è la coerenza: la definizione è univoca in tutta l’azienda? Se il “Fatturato” cambia tra Finance e Sales, la dashboard non sta misurando, sta negoziando.

4. La quarta è la freschezza: un insight basato su dati di ieri può generare un ROI negativo se il mercato è cambiato oggi.

5. La quinta è la tracciabilità: senza sapere da dove proviene un numero, quel numero è solo un’opinione ben impaginata.

Per dare un esempio pratico, è qui che entra in gioco il Natural Language Querying di Elly. Quando interroghiamo la piattaforma in linguaggio naturale, il motore AI non si limita a darci una risposta: ma spiega i passaggi logici che ha compiuto, dichiara il contesto e azzera l’ambiguità.

Cosa deve fare davvero la BI

C’è una frase che andrebbe stampata in ogni dipartimento IT: la BI non è la lavatrice dei dati aziendali. Se entra spazzatura, esce spazzatura (Garbage In & Garbage Out). Punto.

La BI moderna quindi non deve promettere l’illusione dei “dati perfetti”, ma rendere evidente il grado di fiducia. In pratica questo significa, ad esempio, non scrivere “aggiornato di recente” su una dashboard, ma “aggiornato alle 09:42”. Non scoprire un’anomalia a fine mese, ma ricevere un alert automatico nel momento in cui accade. Non un reporting passivo, ma un sistema nervoso vigile che ti avvisa in tempo reale.

Senza governance, la BI crolla.

La governance serve a stabilire chi decide le definizioni e chi risponde quando i conti non tornano. I ruoli da definire sono semplici:

• chi decide le definizioni e le priorità di business?

• chi mantiene il controllo e la qualità operativa?

• chi implementa pipeline sicure e gestisce i permessi?

Poi ad esporre il dato, rendere visibile il contesto e monitorare la fiducia ci pensa Elly.

Il messaggio chiave per il management è questo: la tecnologia non sostituisce la governance, la amplifica. Se le definizioni sono chiare e la tracciabilità è a portata di clic, anche i decisori non tecnici possono muoversi con sicurezza.

Il twist: la qualità è anche legge

C’è un livello ulteriore che vale la pena nominare, perché spesso viene sottovalutato. Quando parliamo di dati, accuratezza e tracciabilità non sono semplici best practice. Sono requisiti imposti dal GDPR: limitazione della finalità, minimizzazione, integrità e - soprattutto - accountability, cioè responsabilità dimostrabile.

Non basta aver scritto una policy formale. Bisogna poter dimostrare by design come l’azienda tratta il dato. Se non puoi spiegare da dove arriva un numero e chi lo ha trasformato, non è solo un problema di qualità. È un problema di compliance.

Un esercizio pratico

La prossima volta che apriamo una dashboard, prima di guardare i numeri facciamoci una semplice domanda: “Se qualcuno in riunione mi chiede da dove viene questo dato, so rispondere?”

Se la risposta è sì, siamo già un passo avanti alla maggior parte delle aziende. Se la risposta è no, abbiamo trovato il prossimo task da chiudere.

I dati “buoni” non sono quelli tecnicamente perfetti. Sono quelli fit for purpose: coerenti con lo scopo, tracciabili, aggiornati e governati.

Quindi smettiamo di chiederci se i dati sono corretti e iniziamo a chiederci se le decisioni che prendiamo si basano su processi e informazioni sicure e affidabili.

Il nostro CMO Gabriele Granato è stato ospite di Cultura Digitale, la trasmissione radiofonica condotta da Giuseppe Noschese e Marco Autuori, per parlare di come rendere l’intelligenza artificiale davvero utile e sostenibile nella vita di tutti i giorni. Ne è venuta fuori una chiacchierata densa, concreta, sicuramente piacevole da ascoltare.

E quello che è emerso vale la pena raccontarlo per bene, perché è esattamente quello che in troppi fanno finta di non sapere.

Come sempre facciamo un piacevole intervallo musicale con la nostra playlist Data Grooves e questa settimana la scelta è proprio del nostro Gabriele:

🎵 “Trinity” — Annibale Giannarelli e i Cantori Moderni di Alessandroni (colonna sonora de “Lo chiamavano Trinità…”, 1970)

La cosa che nessuno ti dice davvero

Partiamo da qui: la maggior parte dei progetti di intelligenza artificiale nelle aziende non decolla. Non perché la tecnologia sia sbagliata. Non perché lo strumento scelto sia inadeguato. Ma perché si continua a trattare l’AI come qualcosa da aggiungere sopra a come già si lavora — come un’app in più sul telefono che tanto non si apre mai.

In radio è emersa un’immagine che rende bene l’idea: è come comprare una macchina con il cambio automatico e continuare a guidarla come se avesse il cambio manuale. Lo sforzo c’è, il risultato no. E nel frattempo si dà la colpa alla macchina.

Il vero problema — quello che nessuno dice apertamente nelle presentazioni e nei webinar — è che l’AI non si adotta. Si attraversa. Richiede un cambiamento di processo, di abitudine, a volte di mentalità. E questo fa paura. Fa paura perché significa ammettere che il modo in cui lavoriamo oggi potrebbe non essere quello giusto per domani.

Da dove nasce questa visione

In radio Gabriele ha raccontato che il suo percorso non è mai stato davvero “tecnologico”. Sin da piccolo era ossessionato da una domanda: perché tra due strade simili che portano alla stessa destinazione, qualcuno sceglie A e qualcun altro sceglie B? Studi politici ed economici, la società sempre al centro. E quando il digitale è esploso, è diventato il laboratorio perfetto per osservare tutto questo in diretta.

È una visione che riconosciamo come nostra: anche Elly nasce da lì.

Non da una tecnologia da vendere, ma da una domanda su come le persone prendono decisioni e su come i dati possono aiutarle a farlo meglio.

Questo è anche il motivo per cui Elly è progettata per adattarsi ai contesti reali delle PMI: opera su sistemi eterogenei, cloud e on-premise, senza imporre cambiamenti infrastrutturali. Nessuno stravolgimento traumatico, nessun costo nascosto. Il cambiamento di paradigma avviene nel modo di leggere i dati, non nei sistemi che li contengono.

Come si fa allora? Partiamo da tre cose concrete perché non esiste una ricetta unica, ma ci sono tre condizioni senza le quali qualsiasi progetto AI è già in difficoltà prima ancora di partire.

1. La prima è la consapevolezza. Non si tratta di padroneggiare l’ultimo tool di moda. Si tratta di avere chiaro il perché: perché lo sto introducendo, cosa voglio che cambi, come si inserisce nel modo in cui lavoriamo. L’AI diventa un’abitudine quando puoi interrogarla in linguaggio naturale — quando fare una domanda ai dati è semplice come farne una a un collega. È esattamente il principio dietro la funzione di AI Q&A di Elly: abbassare la soglia d’accesso fino a renderla quasi invisibile.

2. La seconda sono gli ambassador interni. Non serve una rivoluzione calata dall’alto con slide e proclami. Serve una persona per team — quella più curiosa, quella che non ha paura di sbagliare — che faccia vedere il prima e il dopo in dieci minuti, non in dieci slide. “Io questo report lo facevo in tre ore. Adesso in venti minuti, e viene meglio.” Sono professionisti credibili, capaci di raccontare il dato in modo concreto e umano. Quello vale più di qualsiasi sessione di formazione.

3. La terza è adattare il percorso al contesto. Una PMI a conduzione familiare e una corporate non hanno gli stessi ritmi, le stesse paure, gli stessi vincoli. Un modello standardizzato applicato ovunque ottiene risultati mediocri ovunque. È uno dei principi che guidano Elly: non c’è un’unica configurazione giusta, c’è quella giusta per te.

Quanto tempo serve davvero?

La risposta onesta è: meno di quanto si teme, ma più di quanto si spera.

Se il progetto è impostato bene, i primi segnali tangibili arrivano in quattro-sei settimane. È il tempo necessario per connettere le fonti dati, normalizzare i modelli e avere una prima dashboard operativa — un processo che con Elly avviene in tempi record grazie agli importatori intelligenti che si fanno carico del lavoro tecnico più pesante. Qualcosa che prima richiedeva ore ora richiede minuti, qualche errore che sparisce, qualche decisione che si prende con più sicurezza. Non è ancora un cambiamento strutturale, ma è la prova che la direzione è giusta.

Per consolidare davvero — per far sì che il nuovo modo di lavorare diventi il modo normale di lavorare — ci vogliono nove, dodici mesi. Non perché la tecnologia sia lenta, ma perché le abitudini lo sono.

Il vero traguardo non è misurabile su un dashboard. È quando smetti di dire “uso l’AI per questa cosa” e la usi e basta, come fai con il calendario o con le note vocali. Quel momento — silenzioso, quasi impercettibile — è il successo.

L’AI amplifica ciò che sei. Nel bene e nel male.

C’è un passaggio della conversazione in radio che vale la pena riportare senza edulcorarlo: l’AI non è neutrale. È un moltiplicatore. Portala in un’azienda organizzata, con processi chiari, e amplifica il valore. Portala in un contesto caotico, e amplifica il caos.

Non è una critica. È una bussola di tornasole. Prima di investire in qualsiasi strumento, vale la pena chiedersi: cosa vogliamo accelerare? Cosa verrà potenziato? Cosa stiamo amplificando?

Con Elly lo vediamo ogni giorno. Le aziende che ottengono i risultati migliori non sono necessariamente quelle con più dati, ma quelle che scelgono di non cambiare ciò che funziona, rendendo leggibile ciò che già esiste. Elly non è un giudice, ma un compagno di viaggio che valorizza i dati già disponibili nei vostri ERP, CRM o semplici file Excel, trasformandoli in modelli predittivi. Il punto di partenza non è mai azzerare e ripartire da zero: è fare emergere il valore che c’è già.

Alla domanda su cosa significhi “cultura digitale” la risposta a questo punto è semplice:

Non subire l’innovazione come una minaccia. Non venerarla come una magia. Guardarla per quello che è: uno strumento potente, che amplifica, che evolve, che fa emergere ciò che c’è già. E allora la domanda smette di essere “cosa può fare l’AI?” e diventa “cosa voglio che faccia, per chi, con quale scopo?”

La tecnologia è un mezzo. Se serve le persone, è innovazione. Se sono le persone a servire lei — ad adattarsi ai suoi tempi, ai suoi formati, alle sue logiche — qualcosa si è invertito. E vale la pena accorgersene prima che diventi normale.

Un esercizio per questa settimana

Pensa a una persona nella tua azienda o nel tuo team: quella che già sperimenta, che fa domande, che non si spaventa di sbagliare. Non il più tecnico. Il più curioso.

Parlale. Chiedi cosa sta usando, cosa funziona, cosa no. Ascolta senza giudicare.

Quella persona è probabilmente già il tuo ambassador. Non manca la tecnologia, non manca il budget. Manca solo qualcuno che le dica: vai avanti, ti seguiamo.

È da lì che inizia quasi sempre il cambiamento che dura, quello davvero utile e sostenibile.

Ma entriamo nel cuore del tema di oggi, che prova ad interrogarci sul particolare momento storico che stiamo vivendo, quasi paradossale. Parliamo infatti ogni giorno di AI, di automazione, di modelli predittivi sempre più potenti. Eppure, in questo caos entropico di fondo, rischia di perdersi l’elemento più importante dell’intera equazione: il fattore umano.

Perché ormai lo sappiamo, l’AI elabora, calcola, prevede e fa tantissime altre cose belle a velocità inimmaginabili fino a qualche anno fa, ma… ma non potrà mai sostituirci in una specifica attività: cercare e capire il perché.

È qui che entra in gioco la Data Literacy: un concetto che può avere un suono un po’ complesso e a tratti accademico, ma che oggi è diventato una competenza di sopravvivenza per le PMI.

Tuttavia come ormai da tradizione acquisita, ci affidiamo alla nostra playlist Data Grooves che anche in questo articolo ci accompagna nella lettura con la giusta colonna sonora:

🎵 “Man in the Mirror” — Michael Jackson

Un pezzo incredibile, che parla di responsabilità e di quel momento in cui capisci che non devi chiedere al mondo di cambiare, ma inizi tu a cambiare il modo di vedere il mondo.

Oltre il dato grezzo: l’era della consapevolezza

Nel marketing tecnologico si vende spesso la potenza di calcolo. E parliamo troppo poco - quasi mai - della consapevolezza. Eppure il vero salto di qualità non avviene quando installiamo un nuovo software, ma quando all’interno delle nostre organizzazioni iniziamo a cambiare la mentalità:

• smettiamo di usare i dati per “giustificare” il passato,

• iniziamo a usarli per “capire” il presente

• e soprattutto proviamo a capire come decidere il futuro.

Gartner (qui l’approfondimento) descrive la Data Literacy come

Quindi non stiamo parlando della capacità di “leggere un grafico a torta”, ma di possedere l’abilità critica di trasformare informazioni grezze in conoscenza che genera ROI. Soldini. Fatturato. Stabilità aziendale.

Per una PMI, questo vuol dire provare a competere nel mercato iperconcorrenziale e colmare il divario tra due mondi apparentemente opposti: decidere “a sensazione” e scegliere con cognizione di causa. Non stiamo dicendo che l’intuizione imprenditoriale sia sbagliata. Stiamo dicendo che l’intuizione, per essere vincente, merita uno specchio fedele. I dati sono quello specchio.

Il vero “Skill Gap” non è tecnico (è culturale)

Ed arriviamo al punto vero, quello che scotta. Basta con la tavoletta che le PMI non hanno dati. Al contrario, sono piene zeppe di dati, soffrono di indigestione. Hanno così tanti dati che ciò che manca è il tempo per dar loro un senso. ERP, CRM, fogli Excel sparsi, eCommerce, contabilità industriale.
Un oceano (purtroppo non blu) di dati.

Purtroppo manca un’adeguata alfabetizzazione e quindi quei dati restano — per usare un’immagine cara a John Dewey — “materia morta”. E la materia morta in azienda produce due effetti collaterali pericolosi:

1. riunioni infinite, piene di numeri, chiacchiere (non quelle di carnevale) e nessuna decisione. Fogli su fogli, grafici su grafici. E poi, alla fine, la domanda resta sospesa: “Ok, quindi cosa facciamo?”

2. il ritorno in auge del procedere a “sensazione”, perché è l’unica via d’uscita rapida dalla fanghiglia.

L’AI non elimina il problema, lo sposta un po’ più in là

Con l’avvento dell’AI generativa succede questa cosa meravigliosa: la barriera tecnica crolla. Non bisogna più saper scrivere query SQL. Essere maghi delle tabelle pivot. Fai una domanda, ottieni una risposta. Boom, finito. Però è proprio a questo punto che nasce il problema:

• prima il limite era: “Non riesco a fare l’analisi tecnica.”

• oggi il limite è: “Ho le competenze per valutare se l’analisi che l’AI mi ha dato è corretta?”

L’AI accelera tutto, compresi gli errori. Soprattutto gli errori.

Se il perimetro della domanda è sbagliato, l’AI ti risponde comunque. Se il dato è sporco, l’AI lo “ordina” comunque. Se il grafico è fuorviante, l’AI lo rende esteticamente bello.

Ed è qui che la Data Literacy diventa il nostro superpotere, cioè quella capacità di non farsi ipnotizzare dalla forma e restare fedeli alla sostanza del business.

Il Modello Elly: automatizzare il “tecnico” per liberare il “cognitivo”

La nostra filosofia su questo è abbastanza radicale e va in controtendenza rispetta ai modelli classici:

Elly nasce per rimuovere l’attrito del “basso livello” che consuma energie mentali, per restituire tempo all’interpretazione strategica.
In sintesi: automatizziamo il tecnico per potenziare il cognitivo.

Ecco come lo facciamo su tre dimensioni:

1. Dalla gestione all’azione: addio al “lavoro sporco”

   Chi lavora con i dati conosce quella specie di dolore sordo: pulire, normalizzare, scovare duplicati. Spesso il 90% del tempo se ne va qui. Elly si fa carico di questo lavoro invisibile con importatori intelligenti. L’utente non deve diventare un data engineer. Non deve imparare a “pulire i dati”. Deve solo imparare a fare domande migliori.
   

2. Visualizzazione educativa: la forma è sostanza

   Scegliere il grafico sbagliato porta a decisioni sbagliate. Una media può nascondere un’anomalia critica; una scala impostata male può far sembrare un crollo una semplice flessione. Elly utilizza la Visual Recommendation: tu chiedi in linguaggio naturale, l’AI sceglie la rappresentazione corretta. Non è solo comodità. È educazione implicita: ogni volta che vedi il grafico giusto associato alla tua domanda, impari un pezzo della grammatica dei dati.
   

3. Interpretazione strategica: il ROI del tempo mentale

   Quando togli la frizione tecnica, liberi la risorsa più scarsa in azienda: il tempo mentale del decisore. Con quel tempo puoi fare l’unica cosa che l’AI non può fare: interpretare. Collegare i numeri a una narrazione strategica. Capire cause, effetti, rischi e opportunità. Trasformare il report in azione.

Democratizzare senza anarchia

A questo punto sorge un dubbio legittimo: “Se diamo i dati a tutti, non rischiamo il caos?” Sì, se democratizzare significa “ognuno fa quello che vuole” con i propri file locali. No, se democratizzare significa operare in un ambiente governato.

Elly garantisce sicurezza, governance e una Single Source of Truth (un’unica fonte affidabile di verità), eliminando la pratica più rischiosa e diffusa nelle aziende: il balletto dei file Excel via email. La vera cultura del dato non è solo accesso. È responsabilità.

Adottare un software di AI senza investire in Data Literacy è come regalare una calcolatrice scientifica a chi non conosce le tabelline. Lo strumento è potente, ma inutile se non sai cosa chiedergli.

Elly non sostituisce la necessità di capire i dati. La accelera. Perché il futuro non appartiene a chi sa scrivere codice. Appartiene a chi sa porre le domande giuste.

Un piccolo esercizio per lunedì mattina

Non serve una rivoluzione culturale in un giorno. A volte basta una domanda. Provate a introdurre nella vostra riunione settimanale un momento di cinque minuti chiamato:

Se la risposta arriva senza difficoltà, allora la strada è quella giusta!

Oggi arriviamo all’articolo 119 e parliamo di una parola che nel B2B si usa tantissimo, ma — se vogliamo essere sinceri fino in fondo — si pratica pochissimo: partnership.

Perché nel mercato della consulenza e della tecnologia c’è una verità che è un po’ come il segreto di Pulcinella: tutti la conoscono, tutti la citano, ma poi si fa finta di niente.

Abbiamo molti più dati di quanti ne riusciamo davvero a elaborare, metabolizzare e trasformare in scelte.

Il problema, quindi, non è la mancanza di report o dashboard. Ciò che davvero manca è il giusto contesto per leggerli, collegarli e valorizzarli fino in fondo.

Sì, lo sappiamo: stiamo per entrare in un campo minato. Quindi facciamo un bel respiro, alziamo il volume delle casse e — prima di tuffarci nell’argomento — facciamo partire un po’ di musica. Mai titolo fu più azzeccato:

🎵 “With a Little Help from My Friends”

che vi proponiamo nella splendida versione di Joe Cocker!

Nel B2B assistiamo ogni settimana a un paradosso curioso: le aziende e i loro partner tecnologici costruiscono ecosistemi digitali incredibilmente sofisticati. Pensiamo ad ERP, CRM, piattaforme di e-commerce, sistemi di supply chain dove tutto è tracciato, registrato e tecnicamente perfetto.

Eppure quando arriva il momento clou del passaggio dall’operatività alla scelta strategica, quei dati non sono davvero di supporto e le aziende falliscono il passaggio allo stato Data-Drive.

Attenzione: non accade perché mancano dati o processi o volontà, ma semplicemente perché i sistemi informativi non “parlano” al business.

Oggi la sfida non è più raccogliere il dato, ma liberarlo: renderlo comprensibile, interrogabile e utilizzabile nel momento esatto in cui serve. È un’impresa che non si può affrontare da soli: serve un ecosistema e, soprattutto, serve quella che noi amiamo chiamare Condi(Visione).

Costruire una visione comune e collaborativa

Diciamolo chiaramente: le API non fanno una partnership.

Sono solo un prerequisito tecnico. Ed invece troppo spesso, quando si parla di partnership, ci si ferma agli aspetti operativi come integrazioni, listini o fee commerciali. Tutto necessario, certo, ma la vera collaborazione nasce altrove, quando due realtà condividono una direzione comune:

abilitare davvero le imprese, rendendo accessibile la capacità di prendere decisioni efficaci e tempestive.

Qui il gioco di parole è voluto e racchiude la nostra filosofia.

In questo scambio, il Partner porta un valore che nessun vendor può improvvisare: la conoscenza verticale del settore, dei processi e del linguaggio reale delle persone. Noi, dal canto nostro, portiamo la capacità di trasformare quel patrimonio in risposte grazie alla potenza della Business Intelligence di Elly accelerata dall’Intelligenza Artificiale.

Quando queste due forze si incastrano, non stiamo semplicemente “aggiungendo una feature” al software, ma stiamo cambiando radicalmente il modo in cui il cliente vive i suoi dati.

E sia chiaro: condividere non significa perdere il controllo. Una partnership seria funziona solo se il dato resta governabile. Per questo in Elly la Row-Level Security (RLS) non è un dettaglio tecnico, ma la garanzia fondamentale che il dato diventi informazione solo per la persona giusta, nel momento giusto, eliminando alla radice i rischi su privacy e ruoli.

Spostare il focus dal Dato alla Decisione

È qui che entra in gioco il concetto di Ecosistema Intelligente. Che sia una Software House che integra Elly nel proprio prodotto o un consulente che la usa per guidare le scelte dei clienti, il principio è lo stesso:

Elly non è solo un tool in più, ma l’elemento che trasforma un sistema informativo in un sistema decisionale.

La nostra forza sta nel farlo senza chiedere di modificare e rottamare l’esistente.
Elly nasce come un ponte sul legacy: grazie al nostro Data Gateway, colleghiamo al motore di IA anche sistemi on-premise e infrastrutture storiche, senza migrazioni rischiose e senza stravolgere ciò che già funziona. In pratica, valorizziamo il software che hai già, rendendolo finalmente “parlante”.

La nostra filosofia rivoluziona senza stravolgere: non chiediamo alle aziende di andare verso la BI, ma all’opposto è la BI - potenziata dall’AI - che deve andare verso i dati aziendali.

Mentre noi gestiamo la complessità tecnica (sincronizzazioni, automazioni, permessi), i nostri partner, in base al settore e al contesto, forniscono la competenza e la conoscenza del dominio.
Infatti è proprio il contesto a trasformare un numero freddo in una scelta strategica, facendo la differenza nella relazione con il cliente finale:

• ❌ Prima: “Ecco il report del mese scorso.”

• ✅ Dopo: “Il margine si sta erodendo su questo canale per effetto degli sconti combinati al mix prodotto. Ecco le tre leve su cui possiamo agire oggi.”

Questo è il vero salto dal Dato alla Decisione, possibile solo quando tecnologia e competenza lavorano all’unisono.

Costruire il futuro: un’opportunità per tutti

Scegliere Elly come partner significa concretamente accorciare il tempo che passa tra l’avere i dati e il sapere cosa farne. Lo facciamo con una soluzione di Decision Intelligence pronta all’uso, che permette anche a chi non è un analista di professione di ottenere risposte immediate.

C’è poi un’opportunità di mercato enorme: la democratizzazione della BI.

Per anni l’analisi dati avanzata è stata un lusso “enterprise”, fatto di progetti lunghi e costi proibitivi. Con Elly, è possibile portare logiche da grande azienda — come gli insight automatici e l’analisi guidata — anche dove prima c’era solo Excel. Per un partner, questo significa non vendere solo ai grandi player, ma poter fare upselling su tutto il parco clienti PMI.

Non sono chiacchiere al vento, su questo ci mettiamo la mano sul fuoco.

Arriviamo quindi alla domanda vera. Oggi non ci si chiede più se integrare l’AI, ma: Con chi vuoi costruire una cultura del dato che produca decisioni migliori?

Noi cerchiamo partner che non vogliano solo “rivendere licenze”, ma costruire sul serio una Condi(Visione), per portare le PMI italiane verso un futuro data-driven senza che questo sia un privilegio per pochi.

Questa è la nostra visione. E siamo pronti a condividerla con chi ha la stessa nostra ambizione e passione.

👉 Evolvi il tuo business con la Business Intelligence potenziata dall’Intelligenza Artificiale di Elly.

Se sei una Software House, un System Integrator o una società di consulenza e vuoi valorizzare i dati dei tuoi clienti con una soluzione pronta, integrabile e orientata alle decisioni: scopri i vantaggi del programma Partner Elly.

Il punto non è la mancanza di informazioni, semplicemente capita che manca il tempo — e la lucidità — per capire davvero dove guardare. E come diceva Pablo Picasso:

La vera sfida, oggi, è capire quale sia la domanda giusta. Però fermiamoci un attimo e come da tradizione, partiamo dalla musica con la nostra playlist Spotify Data Grooves.
Questa settimana scegliamo un brano che tiene insieme tre parole chiave: cambiamento, scostamenti, memoria.

🎵 “Somebody That I Used to Know” — Gotye

I numeri cambiano prima delle storie che ci raccontiamo e spesso ce ne accorgiamo troppo tardi.

Quando la Business Intelligence diventa un lavoro a tempo pieno

Per anni abbiamo raccontato la BI come un processo lineare:

Ho una domanda → costruisco un grafico → cerco la risposta.

Funziona.
A patto che la domanda sia chiara, il perimetro sia corretto e tu abbia già un’idea di dove potrebbe nascondersi il problema.

Nella vita reale, però, succede più spesso il contrario:

• hai una dashboard davanti,

• è tutto “verde”

• eppure i conti non tornano.

Il margine scende piano, una regione smette di convertire, un fornitore rallenta. Si tratta di segnali deboli, mimetizzati in mezzo a numeri rassicuranti. E qui vale la regola più semplice — e più ignorata — di tutte: avere i dati non significa avere le risposte.

Ecco perché usiamo gli Insight Automatici

Gli Insight Automatici di Elly nascono per risolvere un problema molto concreto: il momento in cui i dati ci sono, ma la domanda non è ancora chiara.

In quelle situazioni l’analisi tende a diventare una sequenza di tentativi: un grafico, un filtro, un’altra vista. Non perché manchi competenza, ma perché manca un indizio da cui partire.

Con Genera Insight, Elly avvia una scansione del dataset (o della dashboard) e porta in superficie ciò che merita attenzione: variazioni rispetto allo storico, valori fuori scala, andamenti insoliti, relazioni tra variabili che a colpo d’occhio restano nascoste.

Quando clicchi su “Genera Insight”, il motore applica statistica descrittiva e modelli di machine learning per:

• trovare tendenze: variazioni significative e cambi di passo rispetto allo storico

• identificare outlier: valori fuori scala o comportamenti anomali (in positivo o in negativo)

• proporre pattern: relazioni tra variabili che non emergono a colpo d’occhio

• costruire visualizzazioni: grafici coerenti con il fenomeno rilevato

Il risultato è una lista di fenomeni “da guardare”.
E da lì la domanda arriva più facilmente: non si parte dal vuoto, si parte da un segnale.

Due modi diversi di cercare: Collezione e Dashboard

In Elly, gli Insight Automatici possono lavorare su due livelli. Capire la differenza è il modo più semplice per ottenere risultati davvero azionabili.

1) Insight su Collezione — esplorazione

Qui Elly lavora sul dataset grezzo: una tabella intera (es. Ordini, Fatture).
È la modalità in cui chiedi di analizzare l’intera fonte dati per far emergere segnali macroscopici: scostamenti, andamenti insoliti, concentrazioni anomale.

È utile quando inizi un’analisi da zero e vuoi capire quali variabili stanno muovendo i risultati, senza partire da ipotesi già “chiuse”.

2) Insight su Dashboard — contestualizzazione

Qui l’analisi è più mirata: Elly lavora sulle metriche e sulle tile che hai già scelto di monitorare.
Ed è qui che succede una cosa importante: non stai solo chiedendo “trova anomalie”, stai anche definendo dove ha senso cercarle, perché quella dashboard rappresenta già un contesto di lettura.

In pratica, la struttura della dashboard orienta l’analisi verso ciò che, per te, è strategicamente rilevante.

Il contesto determina il risultato

Qui serve disciplina.

L’AI calcola sempre dentro un contesto e quel contesto lo costruisci tu: filtri, perimetri, qualità del dato. Prima di cliccare “Genera”, dobbiamo ricordare due principi tecnici fondamentali.

1) Attenzione ai filtri

Se hai un filtro attivo (es. “Anno 2024”, “Regione Nord”), Elly analizzerà solo quel perimetro.

Un insight su un sottoinsieme può essere matematicamente corretto, ma parziale.
Assicurati che il filtro rifletta davvero l’ampiezza dell’analisi che vuoi fare.

2) Garbage In, Garbage Out

Se i dati alla fonte sono sporchi, duplicati o incoerenti, l’algoritmo non ti “avvisa”. Non può, come potrebbe mai farlo?

All’opposto invece ti restituisce comunque un risultato ordinato, solo che quell’ordine mostra semplicemente, anche se in una forma molto elegante, un errore.

La qualità del dato è il prerequisito dell’affidabilità.

L’output segue l’input. Sempre.

L’insight non chiude il discorso. Lo apre.

L’errore più comune è trattare l’Insight Automatico come una sentenza definitiva.

Un insight è un acceleratore: segnala una variazione statisticamente rilevante.
Poi arriva la parte che conta davvero:

• Perché sta succedendo?

• È un cambio reale di mercato o un’anomalia operativa?

• Quale azione correttiva ha senso intraprendere?

Gli Insight Automatici riducono la fatica del data mining.
La decisione, però, resta un lavoro umano: interpretazione, priorità, responsabilità.

Elly può indicare il dove, ma il perché resta tuo.

Meno tempo a cercare, più tempo a decidere

Gli Insight Automatici servono a ridurre drasticamente il tempo che passa tra la disponibilità del dato e l’azione.
E soprattutto riducono i giri a vuoto: quelli in cui non stai analizzando, stai solo cercando il punto da cui iniziare.

La prossima volta che apri una dashboard su Elly, prova questo: per un attimo, non chiedere nulla. Lascia che siano i dati ad indicarti la strada.

Oggi arriviamo all’articolo 117 e vogliamo fermarci su una domanda che, se prendiamo sul serio l’intelligenza artificiale, non riguarda solo la tecnologia ma il modo in cui le aziende si assumono la responsabilità delle decisioni: come cambia davvero la Business Intelligence con l’AI?

Si tratta di un tema urgente, da affrontare al più presto, perché non stiamo parlando di una nicchia. Le principali analisi di mercato pubblicate negli ultimi mesi del 2025 ci dicono che la Business Intelligence globale corre verso i 40 miliardi di dollari, spinta da una crescita annua vicina al 10%.

Il motore di questa corsa è chiaro: l’integrazione sempre più stretta tra analytics e intelligenza artificiale.

Come da tradizione, prima di entrare nel tema, accompagniamo la lettura con un brano dalla nostra playlist Spotify Data Grooves, curata da noi settimana dopo settimana:

🎵 “Higher” — Creed, Human Clay (1999)

Perché l’intelligenza artificiale promette di portarci “più in alto”: più velocità, più insight, più possibilità, ma salire di livello e intensità non significa automaticamente fare le cose meglio.

Il modo in cui facciamo le domande

Per molto tempo la Business Intelligence ha richiesto una competenza precisa: sapere come fare una domanda. Quali dati interrogare, quali filtri applicare, quali dimensioni usare, quali report consultare.
Era un lavoro mediato, strutturato, spesso distante dal momento reale in cui nasceva il bisogno di capire qualcosa.

L’intelligenza artificiale cambia profondamente questo aspetto.

Oggi le domande possono essere poste in linguaggio naturale, in modo diretto, spesso imperfetto.

Qui è evidente che emerge una sfida centrale. Un mercato che corre non può permettersi domande vaghe. L’AI non perdona alcuna ambiguità.
Se la domanda è confusa, la risposta sarà elegante, coerente e (molto probabilmente) sbagliata.

Prima il vincolo era tecnico:

“Non so come fare la domanda nel modo giusto.”

Oggi il vincolo è strategico:

“So davvero che cosa sto chiedendo, e perché?”

L’AI abbassa la barriera tecnica, ma alza l’asticella della consapevolezza. Il vero investimento non è solo nel software, ma nella capacità dei manager di formulare domande che abbiano senso.

Il tempo dell’analisi

Storicamente, la Business Intelligence ha lavorato su tempi lenti. L’analisi veniva preparata prima, consumata dopo. I momenti di lettura dei dati erano separati dal momento della decisione.

Con l’AI questa distanza temporale si accorcia drasticamente.

Non è un caso se le analisi di settore indicano proprio gli augmented analytics e l’AI generativa come i fattori chiave che raddoppieranno il valore del mercato nel prossimo decennio. Le aziende investono perché l’AI promette velocità.

Tuttavia quando diventa facile chiedere ancora un’altra analisi, il rischio è confondere la quantità di insight con la qualità delle decisioni.

La velocità è un moltiplicatore potente, ma non è una direzione. L’analisi smette di essere un evento straordinario e diventa un processo continuo.
È un’enorme opportunità, ma anche una responsabilità: se l’analisi è sempre a portata di mano, diventa più difficile dire “non lo sapevamo”.

Chi entra nella Business Intelligence

Quando semplifichiamo l’interrogazione dei dati diventa, diventa inevitabile che più persone iniziano ad avvicinarsi a questo mondo e ad inserirlo nelle proprie mansioni lavorative.

In questo modo la Business Intelligence esce dal perimetro degli specialisti e coinvolge ruoli diversi: manager, operation, commerciale, marketing, amministrazione.

La letteratura di settore parla ormai apertamente di conversational analytics come standard futuro. La barriera tecnica crolla.

Ed è qui che emerge il paradosso.

L’AI mette gli stessi strumenti in mano a tutti, ma non tutti li usano allo stesso modo. Anzi, amplifica le differenze che già esistevano:

• un responsabile commerciale con una buona sensibilità per i dati userà l’AI per validare ipotesi, stressare scenari, farsi contraddire dai numeri;

• un altro, con lo stesso strumento, potrebbe limitarsi a chiedere “dimmi quali sono i clienti più importanti” e prendere la prima risposta come verità assoluta.

La democratizzazione dell’accesso non equivale alla democratizzazione della competenza. E in un contesto in cui l’AI “parla”, il rischio di fraintendimento semantico cresce esponenzialmente senza una guida.

Quando la BI non si limita più a mostrare

Un altro cambiamento silenzioso, ma profondo, riguarda il ruolo della Business Intelligence stessa. Non si limita più a raccontare cosa è successo, ma con il supporto dell’AI, la BI suggerisce, evidenzia pattern, segnala anomalie, propone direzioni di lettura.

Non decide al posto delle persone, però riesce a rendere visibile chi decide e su cosa.

Quando un sistema segnala un’anomalia o suggerisce una previsione, qualcuno la vede. E in quel momento qualcuno deve scegliere se seguirla o ignorarla.

In questo senso, la Business Intelligence smette di essere un semplice sistema di controllo e diventa uno specchio della responsabilità.

La tecnologia è la parte facile

La tecnologia, oggi, è la parte che ci porta meno problemi, paradossalmente.

La parte difficile è tutto il resto: come si definiscono le metriche, chi può fare cosa, quali decisioni devono passare da un confronto umano prima di diventare automatismi.

Senza un livello semantico che chiarisca cosa significano davvero parole come ricavo, cliente attivo, margine, l’AI non porta chiarezza: moltiplica la possibilità di errore e l’ambiguità.

Perché senza governance, una BI conversazionale non può che accelerare la probabilità di errore.

In un mercato che cresce a doppia cifra, anche il caos cresce alla stessa velocità. Senza regole condivise, l’AI diventa solo un acceleratore di entropia.

Il metodo Ellycode

Quando portiamo la Business Intelligence nelle aziende, non partiamo mai dal software, né dall’ultima funzionalità “AI-powered”. Partiamo sempre da una domanda da un lato più semplice, ma anche più scomoda:

Per questo, prima ancora di parlare di intelligenza artificiale, lavoriamo su due strati invisibili ma decisivi:

1. il linguaggio comune (livello semantico)

2. e le regole del gioco (governance).

Solo dopo ha senso parlare di interfacce conversazionali, suggerimenti automatici, sistemi intelligenti.

Quando la BI funziona davvero, non dobbiamo inquadrarla in un mero progetto IT, perché la sua “presenza” si sente nelle riunioni, nelle scelte quotidiane, nel modo in cui le persone argomentano le proprie decisioni.

Il mercato della Business Intelligence arriverà a oltre 60 miliardi di dollari nel prossimo decennio. Questa è una certezza statistica.
La vera variabile è un’altra:

È una variabile umana, ed è lì Ellycode ha deciso di stare.

Per questo motivo siamo molto contenti di portare avanti il “Programma Ambassador Elly” con l’obiettivo dichiarato di voler coinvolgere persone che parlano la nostra lingua, che conoscono i settori “da dentro” e sanno leggere i numeri per quello che sono: storie, responsabilità e leve di cambiamento.

Siamo quindi molto felici di avere con noi Giuseppe Noschese.

Giuseppe grandissimo esperto di commercio elettronico, si occupa di innovazione digitale e aiuta aziende e team a prendere decisioni migliori, rapide e misurabili. Il suo approccio è pragmatico. Parte dal problema, sceglie le metriche che contano davvero e costruisce routine sostenibili per trasformare il dato in azione, con la velocità richiesta dal mercato attuale.

Come da tradizione, però prima di immergerci nella lettura, alziamo il volume delle casse e facciamo partire un brano dalla nostra playlist Spotify, scelto oggi per l’occasione personalmente da Giuseppe:

🎵 Go — The Chemical Brothers

Ritmo, metodo, movimento continuo, iterazione, spinta in avanti. Un grande pezzo che ci spinge a non restare fermi mai.
Partiamo!

Perché il Programma Ambassador Elly continua

È vero, ve lo abbiamo raccontato tante volte, ma è giusto ricordarci sempre che Elly nasce da un’idea semplice ma molto ambiziosa: rendere la Business Intelligence accessibile e sostenibile per le aziende che non possono permettersi progetti eterni o team dedicati.

Nel tempo abbiamo capito che anche gli strumenti migliori falliscono se manca un ponte tra dati e persone, tra numeri e decisioni, tra tecnologia e cultura aziendale.

Gli Ambassador Elly esistono per costruire questo collegamento.

Nel mondo dei dati la differenza la fanno sempre le persone. Persone che vivono le frizioni e le pressioni quotidiane del proprio dominio; persone che usano i dati per scegliere, raccontare ed educare. Persone che, come noi, vedono la tecnologia come mezzo, mai come fine.

Chi è Giuseppe Noschese (e perché è la persona giusta)

Giuseppe lavora nel digitale e nell’eCommerce ormai da molti anni e per descriverlo al meglio gli rubiamo una frase che gli abbiamo sentire dire spesso:

È questa lucidità — la capacità di mettere a fuoco il reale e non l’illusione — che ci ha convinti fin dal primo confronto a chiedergli di salire a bordo e accompagnarci in questo viaggio.

Il suo imprinting è chiaro: niente rigidità o burocrazia travestita da strategia. Solo obiettivi chiari, misurazioni coerenti e una base dati agile per sperimentare senza dover ricominciare da zero ogni volta.

Siete d’accordo con noi che c’è “qualcosa di profondamente Elly” in questo approccio? 😄

La sfida dell’eCommerce: profittabilità e velocità

Alla domanda su quale sia la sfida più grande oggi per uno store online, Giuseppe non ha avuto dubbi:

Tra costi di acquisizione in aumento, concorrenza globale e complessità logistica, il mercato cambia spesso prima di aver chiuso un’analisi. Ecco perché i dati sono i mattoni delle decisioni. Giuseppe è definitivo su questo:

Non servono dashboard sbrilluccicanti. Serve sapere cosa guardare, quando guardarlo e come interpretarlo con disciplina. Nell’eCommerce, i dati accelerano i risultati in tre aree chiave:

1. Marginalità, pricing e promo: margine di contribuzione reale per SKU, effetto sconti e costi logistici.

2. Customer intelligence: retention, coorti, LTV e segmentazioni per CRM e advertising.

3. Operations e stock: rotazione, forecast e gestione dei riordini.

Con un sistema dati agile, testare nuovi canali smette di essere una scommessa e diventa un processo controllato.

E quando si parla di AI?

Giuseppe è netto: “Opportunità, rischi e fuffa. Tutte e tre.”

• Opportunità: velocizzare le analisi e accorciare il tempo tra domanda e decisione.

• Rischi: se le fonti non sono solide, l’AI amplifica la confusione con risposte convincenti ma errate.

• Fuffa: quando l’AI è solo un’etichetta senza vantaggi misurabili.

Queste parole riflettono il nostro Manifesto Elly: l’AI non deve sostituire il pensiero, deve potenziarlo e semplificarlo. Solo così resta umana e porta valore.

Il data-driven che serve davvero

Il concetto chiave emerso dal dialogo con Giuseppe è questo:

Essere efficaci significa essere agili: pochi KPI core, definizioni condivise, base dati unificata e rituali brevi (settimanali e monthly). È esattamente ciò che vogliamo rendere possibile con Elly: meno rigidità, più apprendimento rapido.

Avere Giuseppe come Ambassador non significa aggiungere un testimonial, ma integrare una voce che pensa. Un professionista che fa domande difficili e vede nel dato un modo per lavorare meglio, non per giudicare.

Chiudiamo con “Go”. Non per correre a caso, ma per trovare il ritmo e il metodo necessari a guidare il mercato, invece di inseguirlo.

Grazie Giuseppe, welcome aboard!

Il nostro viaggio settimanale nel mondo della Business Intelligence continua con una promessa semplice: non abbiamo nessuna intenzione di complicare le cose inutilmente. Come ormai vi ripetiamo da 115 settimane nella nostra visione la Business Intelligence non deve trasformarci in ingegneri o statistici, ma fornire strumenti utili, concreti, per aiutarci a capire meglio le nostre aziende.

E oggi sfatiamo un tabù.

Un tema che quasi nessuno affronta apertamente, soprattutto nell’era dell’Intelligenza Artificiale che promette soluzioni immediate e risultati perfetti.

Parliamo dell’errore.

Di quel momento preciso in cui il processo si pianta. E ci pianta in asso. Non perché l’idea fosse sbagliata, anzi, ma qualcosa si è rotto. E se lavori davvero con i dati, quell’errore lo conosci: è rosso, spesso criptico e ha un peso enorme. Non tecnico. Psicologico. Ti fa chiudere tutto e rimandare.

Prima di iniziare, come sempre, un po’ di musica dalla nostra playlist Data Grooves. Stavolta scegliamo un brano che a prima vista sembra lontano dal tema e invece c’è dentro completamente:

🎵 “Marechià” — Nu Genea

Un pezzo caldo, pieno di groove, costruito su loop che si ripetono e si aggiustano senza mai perdere il ritmo. Non è una canzone “perfetta” nel senso freddo del termine. È viva. È fatta di piccoli scarti, micro-variazioni, tentativi che diventano forma. Ecco perché è la colonna sonora giusta per l’articolo di oggi: lavorare con i dati non è eseguire una formula immacolata. È restare nel flusso, sbagliare, correggere, riprovare. Senza farsi bloccare.

E poi i Nu Genea sono un duo napoletano, contemporaneo, originale, di successo; e noi questo sud che ce la mette tutta per farcela ce lo portiamo dietro anche e soprattutto quando parliamo di tecnologia.

Da qui partiamo.

Prima delle feste vi abbiamo raccontato come le collezioni Python (rileggi l’articolo 112 qui) ci permettono di ottenere analisi avanzate: forecasting, segmentazioni, logiche basate su dati dinamici.
Ma se non conosco bene Python, come arrivo a quel risultato?

Certo, potrei chiederlo al mio assistente AI preferito: ma perché perdersi in mille copia-incolla, tra chat, notebook e prove a vuoto, quando posso chiederlo direttamente a Elly?

Tornare a fare gli architetti

Per anni abbiamo chiesto alle persone di fare due mestieri insieme.
Essere architetti: progettare l’analisi, capire il business, porre le domande giuste.
E allo stesso tempo muratori: inseguire errori tecnici, gestire eccezioni, capire perché qualcosa non funziona.

Un carico cognitivo enorme.
E spesso inutile.

Elly nasce per evitare tutto questo. Per funzionare in modo fluido, per tutti: domanda semplice, risposta comprensibile, controllo sul risultato. Senza codice, senza formule, senza complessità esposte.

Ed ecco che entra in gioco Code Copilot. Il codice smette di essere un punto di rottura e diventa un ponte invisibile: quando chiedi un’analisi complessa, Elly costruisce la logica necessaria dietro le quinte.

La paralisi da codice

Quindi, ricapitoliamo: la promessa “zero codice” è vera. Ci stiamo arrivando, ci siamo quasi. Tuttavia dobbiamo ammettere che non basta a cancellare l’esperienza che tutti abbiamo: cioè che le cose spesso si impuntano, il flusso si spezza e arriva l’errore che ci blocca.

Chi lavora davvero con i dati lo sa: l’analisi non è mai una linea retta.

E qui va chiarito subito un punto: in Elly non è necessario scrivere codice, query o particolari formule. Si pone una domanda in linguaggio naturale, in modo semplice ed Elly si occupa del resto: traduce l’intenzione in una sequenza di passaggi che portano a un risultato.

Il problema è che non è così semplice.

Basta un campo sporco nel database. Una data formattata male. Una relazione che non tiene ed è ovvio che il flusso si inceppa. Non perché ci sia un errore da parte di qualcuno, ma semplicemente perché il mondo, quello vero, è pieno di eccezioni.

Negli ultimi tempi molti strumenti di AI raccontano una storia diversa.
O meglio: una favoletta rassicurante. Ti promettono che basta chiedere “fammi l’aggregato mensile” per ottenere il grafico perfetto al primo colpo. Senza errori, senza passaggi intermedi, senza domande.

Lavorare con i dati è un processo fatto di tentativi e aggiustamenti.

L’errore non è un’eccezione, è la norma, perché sbagliamo di grosso se pensiamo che il problema sia non sbagliare (errare non è una cosa che si può evitare). Il problema vero è quando ci arrendiamo davanti all’errore. Quando lo stop diventa un vicolo cieco che non ci permette di andare avanti.

Ma la vera rivoluzione avviene un secondo dopo: se qualcosa non funziona, Elly non si ferma.

Legge l’errore, capisce dove il flusso ha ceduto, corregge il tiro e riprova.
Non si sta delegando il pensiero strategico.
Si sta delegando la parte più ingrata e fragile del processo.

Non una chat, ma un costruttore

Facciamo chiarezza su un altro punto fondamentale. Il mercato oggi è saturo di strumenti che promettono di “far parlare i manager con i dati”.
Attenzione però: c’è una differenza abissale tra chiacchierare e lavorare.

Molti strumenti si limitano a recuperare una risposta o ad applicare un filtro veloce. Se l’informazione non è lì, o se i dati sono sporchi, si fermano. Elly fa qualcosa di diverso: non cerca la risposta. La costruisce. Si affianca all’utente come un esperto tecnico che resta lì finché il lavoro non sta in piedi.

Perché è inutile girarci intorno, chi prende decisioni ha una paura legittima: la black box. Fidarsi di un numero magico sputato fuori da un’AI senza sapere da dove arrivi è un rischio che nessun manager vuole correre.

Noi abbiamo fatto una scelta opposta: trasparenza radicale. Il codice è visibile. Il processo di correzione è chiaro. La possibilità di risalire sempre al dato originario è immediata. Il punto in cui qualcosa si inceppa è esplicito.

Vedere Elly ragionare, sbagliare e correggersi real time è infinitamente più rassicurante di uno strumento che finge di essere infallibile. La trasparenza del Code Copilot non è un dettaglio per tecnici, ma la garanzia di controllo sul dato finale.

Non va guardato solo il risultato finale, ma bisogna tenere bene a mente anche il momento in cui compare la scritta rossa di errore. È lì che bisogna fermarsi a osservare, perché quello è esattamente il punto in cui si blocca la maggior parte delle persone.

E invece Elly trasforma quell’ostacolo in un passaggio intermedio, lo supera e porta a casa il risultato.

In questo modo la Business Intelligence potenziata dall’AI torna a essere uno strumento al servizio del pensiero umano.

Questo è uno dei principi cardine della filosofia di Ellycode, lo ripetiamo da sempre. E di conseguenza crediamo che il vero salto tecnologico non sia scrivere codice o un risultato perfetto al primo colpo, ma poter contare su una piattaforma che ci aiuta e non ci abbandona quando qualcosa va storto.

Iniziamo davvero alla grande. Buon anno!

Si apre un’agenda nuova di zecca. Obiettivi nuovi e luccicanti ci aspettano sulla scrivania. Promesse a noi stessi (e agli altri) e tanti buoni propositi che suonano benissimo sulla carta, almeno finché non tornano le mail, le urgenze dell’ultimo minuto e i soliti, inevitabili incastri. E puntualmente torna anche sempre la stessa domanda: da dove cominciamo stavolta?

Negli ultimi mesi la risposta più facile è stata una sola: dall’AI. Perché l’intelligenza artificiale è ovunque. Perché “quest’anno dobbiamo farla per forza”. Perché ce la stanno vendendo come il pulsante magico che sblocca tutto.

Solo che, nella vita reale delle aziende (quella dove il caffè si rovescia e i server si bloccano), non serve un pulsante. Serve lucidità.

E qui ci aiuta una frase che, per noi, descrive benissimo lo spirito con cui vorremmo affrontare questo 2026, senza ansia da prestazione:

Perché è inutile girarci intorno, tutti vedono gli sprechi. Tutti vedono l’attrito. Tutti vedono i soliti incasinatissimi Excel che girano di Pc in Pc.

Il punto non è cambiare tutto da un momento all’altro - spoiler: non funziona quasi mai - ma ripensare i processi, i flussi e i sistemi (che da sempre sono così) in modo diverso: senza particolari ansie o preoccupazioni, ma una grande opportunità di margine da recuperare e mettere a bilancio.

Tuttavia prima di entrare nel vivo, con tutta la calma che il primo giorno dell’anno ci impone, accompagniamo la lettura con un grandissimo pezzo:

🎵 Everything in Its Right Place — Radiohead

Perché il 2026, prima di essere l’anno delle grandi idee, può essere l’anno in cui rimettiamo le cose al posto giusto.

(la trovate nella nostra playlist Data Grooves: prima aggiunta ufficiale del 2026.)

Il primo spreco dell’anno

C’è un costo che nei bilanci non trovi scritto da nessuna parte. Non ha una riga dedicata, non ha un’imputazione chiara e definita. Eppure, a fine anno, pesa come un macigno: il tempo perso.

Lo vediamo ogni giorno. Dati sparpagliati su sistemi diversi. Excel infiniti che diventano l’unica colla tra uffici che, di fatto, non si parlano. Report che arrivano (chissà da dove poi) quando la decisione è già stata presa o comunque molto dopo il loro tempo utile.

E non finisce qui (avrebbe detto Corrado), perché poi ci sono anche loro: le riunioni di allineamento. Quelle convocate non per decidere, ma per capire, condividere, cercare di capire quale numero è quello vero.

Però vogliamo a essere chiari: qui non è inefficienza “per colpa di qualcuno”.
Ma è solo quello che succede quando i sistemi non dialogano e nessuno ha mai messo ordine davvero.

Il paradosso? Il 1° gennaio parte un nuovo anno. I processi, invece, ripartono vecchi e inefficienti come prima.

Perché non è (solo) un tema di AI

A questo punto la tentazione è forte: “Vabbè, ma adesso c’è l’AI. Facciamolo fare a lei”.

Andiamoci cauti, bisogna stare attenti.

Perché l’AI, da sola, non mette ordine al caos. Se trova disordine, lo espande, lo amplifica, lo accelera. Se trova definizioni ambigue, le moltiplica. Se trova dati incoerenti, li impacchetta in una risposta pulita e convincente. E proprio per questo diventa più pericolosa.

È qui che entra in gioco la Business Intelligence, quella vera.

Non la BI intesa come “report statico di fine mese”, ma come infrastruttura decisionale: dati accessibili quando servono, metriche condivise (ma condivise davvero), una lettura univoca della realtà.

Senza questa base, l’AI resta una scorciatoia. E nelle aziende, si sa: le scorciatoie spesso portano fuori strada.

La Reason Why di Elly (costruire ponti, non muri)

Elly nasce per aiutare i decisori a guardare in maniera semplice e accessibile il mondo reale, le slide le lasciamo a qualcun altro.

Nelle aziende i dati ci sono già. Il problema è che spesso sono muti: frammentati, non allineati, difficili da interrogare. Elly invece è pensata per collegare i puntini, far emergere le informazioni, dai dati che esistono già: ERP, CRM, quei vecchi gestionali verticali che nessuno vuole toccare, i database storici.

Non chiediamo a nessuno di radere al suolo l’azienda e ricostruire da zero.
Noi costruiamo ponti.

E in Elly l’AI non è una spolverata finale come lo zucchero a velo sul panettone che avete mangiato ieri sera alla vigilia di Capodanno.

Lavora fin da subito nelle fondamenta: riduce la fatica sporca della preparazione dei dati e supporta chi deve costruire l’impianto analitico, quello che poi regge tutto.
Solo quando la base è solida — dati coerenti, KPI chiari — l’AI cambia mestiere.
E diventa interfaccia.

È questo il momento in cui la BI smette di essere “roba per tecnici”.

Con l’AI come interfaccia, diventa naturale fare domande in linguaggio naturale e semplice, esplorare i numeri senza dover aprire ticket all’IT, capire perché un valore sta cambiando e non solo di quanto. Si passa dall’intuizione alla verifica in pochi secondi.

La BI torna a essere quello che deve essere: un modo per decidere meglio.
Ogni giorno. Non una volta al mese.

Nessun uomo (e nessun software) è un’isola

C’è un ultimo aspetto che per noi conta molto e che nel 2026 sarà cruciale: le partnership.

La BI non vive nel vuoto pneumatico. Vive dentro i database, i software verticali, vive grazie ai consulenti e ai system integrator, respira nei contesti specifici di ogni settore. Elly è progettata esattamente per questo ecosistema: per integrarsi, per finire dentro altri prodotti, per crescere insieme a chi conosce i processi dei clienti meglio di chiunque altro.

La democratizzazione del dato non è solo uno slogan da markettari. È olio di gomito.
È tanto lavoro quotidiano fatto di integrazioni, casi reali e scelte pragmatiche.

Un buon proposito per il 2026

Forse il modo giusto di iniziare l’anno non è chiedersi quali cose mirabolanti farà l’AI nel 2026.

Meglio una domanda più semplice, e molto più utile:

Iniziamo l’anno con una verità davvero banale: la Business Intelligence potenziata dall’AI fa miracoli. Serve a fare molto bene le cose normali, ogni giorno.

Se dobbiamo scegliere un buon augurio per il 2026, per noi è questo:
meno tempo sprecato, più chiarezza e lucidità.

Buon anno da tutto il team Ellycode!

Questa volta no. O meglio: non subito. Perché a fine anno — e soprattutto a Natale — ha senso fare qualcosa che durante l’anno facciamo troppo poco: fermarsi. Giriamo la manopola del volume per abbassare il rumore. Proviamo a fare spazio per una riflessione più lenta, profonda.

Per questo numero speciale, il 113 della nostra newsletter, lasciamo la parola al nostro CEO Michele Aponte e come sempre mettiamo su il pezzo giusto, direttamente dalla nostra playlist Spotify:

🎵 “Vienna” — Billy Joel

Una canzone gentile ma ferma, che ci ricorda che non sempre è necessario correre per dimostrare qualcosa. Anzi ci dice che la maturità non è fare di più, ma capire cosa conta davvero e dedicarsi a quello. Vienna parla di tempo, di aspettative, di non avere fretta:

non tutto deve succedere subito e non tutto ciò che tarda è in ritardo.

Per questo oggi non facciamo il solito recap di fine anno fatto di feature e annunci. Preferiamo rallentare e affidarci alla voce di Michele.

Qualche riflessione di fine anno (di Michele)

Ciao a tutti,

scrivo questa newsletter in prima persona, cosa che non succede spesso. Ma il 2025 è stato uno di quegli anni che non si lasciano riassumere con una semplice lista di risultati o di rilasci. È stato un anno intenso, a tratti faticoso, sicuramente non lineare. Un anno in cui abbiamo costruito tanto, anche quando il lavoro non era immediatamente visibile all’esterno.

Abbiamo capito che crescere non significa solo aggiungere, ma anche togliere. A volte significa rinunciare per fare spazio. Abbiamo rallentato quando sarebbe stato più facile accelerare e abbiamo detto qualche “no” che, nel breve periodo, non sembrava conveniente.

Lo abbiamo fatto perché ci siamo resi conto di una cosa fondamentale: fare un prodotto è relativamente semplice; farlo adottare davvero dalle aziende è tutta un’altra storia. Quei “no” sono stati necessari per garantire una cosa che oggi consideriamo irrinunciabile:

la sostenibilità — economica e operativa — per chi lavora con noi, per i nostri partner e per i clienti che ogni giorno devono far funzionare le cose, non solo raccontarle.

Nel 2025 abbiamo visto tantissima tecnologia e tantissime promesse, ma abbiamo incontrato anche molte aziende stanche, confuse, sovraccariche di strumenti e povere di chiarezza. La sensazione diffusa che abbiamo percepito nelle call e nei progetti non è “mi manca l’AI”, ma “mi manca un modo semplice per capire cosa sta succedendo”.

Per noi, questo è un punto non negoziabile: innovare non significa calare uno strumento dall’alto, ma entrare in dialogo con i contesti reali, accompagnando il cambiamento senza far sentire nessuno inadeguato.

Le aziende che iniziano un percorso di digitalizzazione non hanno bisogno di slogan sul diventare “data-driven”. Hanno bisogno di capire da dove partire, con quali strumenti e con la certezza di essere supportate. Abbiamo scelto una strada forse meno appariscente, ma più coerente: meno rumore e più adozione.

Questa consapevolezza ha influenzato profondamente l’evoluzione di Elly. La nostra filosofia è rimasta semplice: Elly va verso i dati, senza imporre cambiamenti traumatici ai sistemi aziendali. Quest’anno è diventata più matura, più concreta e più vicina alle esigenze reali. Non è perfetta, ovviamente, ma è onesta rispetto a ciò che vuole essere: uno strumento che parla la lingua del business, non quella dei tecnici.

Guardando al nuovo anno, ci sono due parole che tornano spesso nelle nostre conversazioni interne. E non è un caso.

• Partnership: nessuna piattaforma cresce da sola. Crediamo nel valore di chi conosce già i processi e i settori. La nostra idea di partnership è modulare: non cerchiamo distributori, ma co-creatori. Partner che integrino Elly per costruire soluzioni verticali su misura, dal turismo alla logistica, dagli ERP alle nicchie dove la differenza la fanno i dettagli.

• Semplificazione: semplificare l’adozione della cultura del dato per chi sta iniziando ora. Ridurre le barriere linguistiche e tecniche. Per noi, semplificare significa permettere a chiunque di interrogare i dati in italiano semplice, trasformando la complessità in azioni quotidiane.

Prima di chiudere, un grazie sincero a chi ci segue e ci regala la sua stima da tempo.
A chi ci ha scoperto solo quest’anno.
A chi ci ha fatto domande scomode, mettendoci davanti a decisioni difficili.
A chi ha fatto notare i nostri limiti e a chi ci ha costretto a prendere decisioni difficili ma necessarie.

Se Elly è quello che è oggi, è anche grazie a questo confronto continuo, ed è una cosa che non diamo mai per scontata.

Chiudo con un augurio semplice: che il 2026 sia un anno di scelte migliori. Non necessariamente perfette, ma più consapevoli.

Buone feste, davvero. Ci sentiamo dall’altra parte dell’anno.

Michele

Nelle ultime settimane abbiamo raccontato la vNext25 da varie angolazioni: persone, visione, adozione, casi reali. In particolare in qualche articolo fa, Salvatore Merone è salito sul palco (potete rivedere il suo intervento qui) per presentare due idee chiave della nuova Elly:

• Step Python

• Forecasting integrato

Oggi facciamo un passo in avanti. Non per aggiungere teoria, ma per mostrare cosa succede quando questa direzione entra nella vita vera: due scenari concreti, due problemi che in una PMI non sono “data science”, ma decisioni quotidiane.

Come da tradizione, partiamo dalla musica con la nostra playlist Spotify Data Grooves. Questa settimana scegliamo un brano che tiene insieme tre parole chiave: tempo, automatismi, futuro.

🎵 “Midnight City” — M83

Perché a volte il cambiamento più importante non è quello che vedi in demo.
È quello che succede di notte, quando nessuno guarda.

Potenza quando serve, semplicità sempre

Ripartiamo da un principio che ci guida da sempre:

Perché Elly deve funzionare bene in due situazioni diverse:

• da una parte, per chi vuole una BI immediata, visuale, leggibile, pronta da usare;

• dall’altra, per chi ogni tanto ha bisogno di uscire dai binari standard e modellare l’unicità del proprio business.

È qui che entrano in gioco le Collezioni Python.

In pratica: puoi creare una nuova collezione scrivendo uno script Python che parte da altre collezioni (oppure la puoi generare da zero), trasformando dati, aggregando, normalizzando, costruendo nuove logiche di calcolo. Il risultato è potente, ma resta pulito: il dato nasce in Elly, resta in Elly, e da lì diventa dashboard, segmentazione, previsione, decisione.

E le novità di cui parliamo oggi si muovono tutte in questa direzione, provando a rispondere a una domanda semplice: come diamo più libertà ai power user, senza complicare la vita a tutti gli altri?

Previsioni Ordini: forecast settimanale

Ci sono metriche che, se le guardi giorno per giorno, rischiano di diventare inutili: troppe oscillazioni, troppe micro-variazioni, troppa ansia da “ieri vs oggi”.
Se invece le guardi mese per mese, spesso arrivi tardi: capisci cosa è successo, ma non fai in tempo a correggere la rotta.

La settimana è il compromesso perfetto. Solo che non sempre è un’unità pronta da prendere e usare così com’è.

Ed è qui che entrano in gioco le Collezioni Python. Non per fare magia, ma per fare una cosa molto concreta: prendere lo storico degli ordini, trasformarlo in una lettura settimanale e, a quel punto, stimare quanti ordini aspettarci nelle prossime 8 settimane.

La parte importante è questa: non stiamo premendo un bottone “predici il futuro”.
Stiamo costruendo un dato nuovo, più adatto a decidere, e poi lo usiamo per un forecast che resta controllabile, spiegabile, verificabile.

Il risultato finale non è un effetto wow. È meglio: è una vista pulita, leggibile, che puoi usare in modo operativo.
Perché il forecasting, quando funziona davvero, deve diventare una cosa da management operativo, non da laboratorio.

Segmentazione Clienti: refresh notturno automatico

Questa parte, che spesso passa sotto silenzio, forse invece è proprio la più impattante.

Di norma le collezioni Python si aggiornano quando cambia qualcosa a monte: si aggiorna una collezione in input, entra un nuovo dato, si attiva un flusso.
In alcuni casi, invece, possono restare ferme molto a lungo. E qui non c’è nessun “errore”: è semplicemente il loro comportamento naturale.

Il problema nasce quando inizi a lavorare con date dinamiche.
Ci sono indicatori che cambiano anche se nessuno ha aggiunto un record. Esempio semplicissimo: “Quanti giorni sono passati dall’ultimo ordine di un cliente?”

Quel numero cambia ogni giorno, anche se non è entrato nessun nuovo ordine.

Ecco perché abbiamo introdotto la possibilità di impostare un aggiornamento notturno automatico delle collezioni Python.

In questo modo puoi costruire segmentazioni che dipendono dal tempo (recency, giorni dall’ultimo ordine, finestre mobili) sapendo che resteranno sempre aggiornate, senza interventi manuali.

Anche qui non serve un “effetto wow”. Anzi: è meglio così.
Perché la cosa importante non è il grafico, è il comportamento nel tempo. In questo modo una semplice dashboard smette di essere una foto e diventa un sistema.

In sintesi, ci sentiamo di affermare che non stiamo semplicemente aggiungendo “feature”. Stiamo chiudendo il cerchio tra potenza e operatività:

• Collezioni Python per fare ciò che prima non era previsto, o per costruire dati che prima non esistevano

• Refresh notturno per rendere “vive” analisi e segmentazioni basate sul tempo

Elly resta semplice per chi vuole semplicità, ma riesce a salire di livello e diventa più potente per chi ha bisogno di maggior controllo. E soprattutto: tutto resta dentro lo stesso workflow.

Vuoi provarlo sul tuo caso?

Vendite, ordini, clienti, commesse, ticket, prenotazioni: non serve cambiare software.
Serve solo mettere un mattoncino in più nel punto giusto.

👉 Contattaci e ti aiuteremo a trovare la risposta migliore. Spesso è già lì e aspetta solo la domanda giusta.

Un’idea semplice, in fondo. Vogliamo solo coinvolgere persone che parlano la nostra stessa lingua, che vivono i propri settori “sul campo” e che sanno leggere i dati non solo come numeri, ma come storie, responsabilità e possibilità di cambiamento.

Persone che, quando le incontri, capisci subito che guardano nella tua stessa direzione.

Il primo Ambassador Elly che vi presentiamo è esattamente tutto questo: Antonio Maresca, una delle voci più lucide, autorevoli e umane dell’ospitalità italiana. Consulente e formatore, da anni lavora per portare consapevolezza, rigore e cultura all’interno di un settore che corre veloce, spesso senza prendersi il tempo di capire davvero dove sta andando.

E come da nostra tradizione, prima di entrare nel vivo, accompagniamo la lettura con una canzone che entra di diritto nella nostra playlist di Spotify, ovviamente scelta da Antonio:

🎵 “Heroes” — David Bowie, Heroes

Un brano che ci dice già moltissimo di Antonio e che lui stesso spiega così: “non l’ho scelto per l’eroismo, ma perché racconta la possibilità di provarci anche quando sembra un’impresa da pazzi.”

Perché nasce il Programma Ambassador Elly

Chi ci segue da tempo lo sa bene, Elly nasce da un’idea ambiziosa: rendere la Business Intelligence accessibile a tutti, soprattutto le piccole e medie imprese che non hanno un team di analisti o budget da multinazionali.

Nel tempo poi abbiamo capito un’altra cosa: anche gli strumenti migliori non bastano se manca un ponte. Un ponte tra i dati e le persone. Tra i numeri e le decisioni. Tra la tecnologia e la cultura aziendale.

Gli Ambassador Elly nascono per questo.

Perché la differenza, anche nel mondo dei dati, la fanno sempre le persone. Persone che conoscono perfettamente il proprio settore, esperti del proprio dominio, che ne vivono le sfide, le frizioni, i paradossi.

Persone che vogliono usare i dati non solo per analizzare, ma per raccontare, divulgare, educare e costruire cambiamento.

Persone che condividono la nostra visione: la tecnologia come mezzo, mai come fine.

Chi è Antonio Maresca (e perché è la persona giusta)

Antonio Maresca è un consulente e formatore di digital marketing per l’ospitalità. Ma sarebbe riduttivo definirlo così, quindi preferiamo citarlo per non sbagliare:

È esattamente questa trasparenza, questa lucida consapevolezza, questa capacità di mettere a fuoco il reale, non l’illusione che ci ha convinti fin dal primo incontro che incarniamo gli stessi valori di fondo.

Il suo imprinting è chiarissimo: umanità prima della tecnologia. I fondamentali prima dell’hype. E per entrare nel suo settore possiamo dire: l’ospitalità come patto di fiducia, non come algoritmo che incastra camere e persone.

C’è qualcosa di profondamente “Elly” in questo modo di guardare il mondo. E noi piace assai!

La sfida dell’ospitalità? Non è la distribuzione. È la cultura.

Quando gli abbiamo chiesto quale sia la sfida più grande del settore alberghiero, Antonio non ha avuto dubbi:

E questa frase da sola basterebbe a spiegare perché crediamo così tanto nella cultura del dato. Perché i dati non sono semplicemente dei numeri. Sono i mattoni su cui dobbiamo costruire le nostre decisioni.
Sono ciò che permette a un imprenditore di non inseguire il mercato, ma di guidarlo.

Non servono dashboard piene e scintillanti. Serve sapere cosa guardare, quando guardarlo e come interpretarlo. Serve ordine, metodo, rispetto per il dato. Non un contenitore di grafici, ma uno strumento che insegna.

Una piattaforma che spiega cause ed effetti, che suggerisce scenari, che accompagna a leggere il contesto.

Ascoltando Antonio, diventa evidente quanto i dati - se rispettati, compresi e interpretati - possano trasformare profondamente il lavoro degli hotel. Non è solo teoria, attenzione. Si tratta di praticare quotidianamente l’arte della cultura del dato.
E soprattutto, non è un hype tecnologico: è un mindset direbbero quelli bravi.

Nel mondo dell’ospitalità, i dati possono diventare un acceleratore straordinario in almeno cinque aree:

• Revenue management consapevole: che non rincorre il mercato, ma lo legge de anticipa con lucidità.

• Distribuzione più coraggiosa: libera dalla sudditanza psicologica verso i canali e dalle reazioni emotive dell’ultimo minuto.

• Guest experience che inizia prima del check-in: perché conoscere il cliente quando arriva è già troppo tardi.

• Advertising con un metodo: finalmente lontano dalla “tombolata” dove tutto è casuale e niente è misurabile.

• Processi operativi più fluidi: perché le frizioni interne costano più di qualsiasi commissione esterna.

Seguire le indicazioni di Antonio come i Magi seguivano la stella cometa è sicuramente un ottimo modo per portare efficienza e produttività in un sistema in cui il dato smette di essere astratto e diventa operativo, quotidiano, strategico.

E quando si parla di intelligenza artificiale, Antonio è ancora più diretto e crediamo sia importante riportarlo con la stessa chiarezza:

Parole che potrebbero essere inserite parola per parola nel Manifesto Elly:
l’AI non deve illudere, non deve complicare, non deve sostituire il pensiero.
Deve potenziare, semplificare, rendere più intelligenti le decisioni.

Solo così porta valore reale.
Solo così resta umana.

Sì, ci piace anche questo!

Il data-driven che serve davvero all’ospitalità italiana

Una delle lezioni più belle nate da una delle tante chiacchierate fatte con Antonio è questa:

È la sintesi perfetta di quello che Elly vuole essere: un aiuto, non un ostacolo. Una guida, un abilitatore di valore, competenze e professionalità.

Avere Antonio come Ambassador non significa aggiungere un testimonial, non è il nostro stile e soprattutto Antonio non si presterebbe mai ad una cosa del genere.
Per noi è molto di più, la sentiamo come una vera è propria responsabilità.

Il nostro obiettivo è aggiungere una voce che pensa.
Un professionista esperto che fa domande difficili ma necessarie.
Una persona che vede nel dato un modo per migliorare la vita delle persone, non per giudicarle.

Tutto questo significa portare dentro Elly un punto di vista che sa unire filosofia e operatività, cultura e gestione, ironia e rigore. E un forte spirito critico che sicuramente ci farà crescere e migliorare.

Chiudiamo, come abbiamo aperto, con Bowie

Perché “Heroes”, ma non per diventare eroi.
Perché, come dice Antonio, racconta la possibilità di provarci anche quando sembra un’impresa da pazzi.

Ed è un po’ questo il senso degli Ambassador Elly: persone che ci provano. Che credono nella trasformazione e nel possibile. Professionisti che usano i dati per valorizzare il lato umano del lavoro.

Grazie Antonio, welcome aboard!