In questi anni abbiamo parlato spesso di dati, Business Intelligence, conoscenza aziendale e intelligenza artificiale. Questa settimana proviamo a mettere insieme tutti questi elementi, partendo da una domanda: quanto vale davvero ciò che un’azienda ha imparato nel tempo?

Ci sono decisioni che sembrano nascere in pochi minuti, ma richiedono anni per essere prese, perché dietro un’intuizione convivono l’esperienza accumulata, la conoscenza del mercato, gli errori già commessi, le conversazioni avute, i numeri osservati e tanti piccoli segnali che non sempre riusciamo a spiegare.

La chiamiamo esperienza, a volte istinto. In realtà è semplice, fondamentale conoscenza che il tempo ha compresso.

Il problema è che questa conoscenza, molto spesso, rimane nella testa delle persone. Non entra nei sistemi aziendali, non viene collegata ai dati e non lascia traccia delle ipotesi dalle quali è partita.

Quando una decisione produce un buon risultato, sappiamo di aver scelto bene. Ma non sempre riusciamo a ricostruire il perché. Così le persone diventano più esperte, mentre l’organizzazione non necessariamente impara.

Ma come sempre, prima di andare avanti, come sempre apriamo Spotify e recuperiamo un brano dalla nostra playlist Data Grooves:

🎵 “Don’t Forget Who You Are” — Miles Kane

Un brano che sembra scritto apposta per il tema di questa settimana. Perché anche le aziende, mentre cambiano, crescono e adottano nuovi strumenti, rischiano di dimenticare chi sono: ciò che hanno imparato, le decisioni prese, gli errori commessi e quel patrimonio di conoscenza costruito nel tempo.

Avere più informazioni non basta.

Oggi nessuna azienda può dire di non produrre informazioni e conoscenza.

I dati sono nei gestionali, nelle cartelle documentali, nelle analisi e nelle dashboard. Senza dimenticare le conversazioni nelle e-mail e nelle chat. Così come i verbali delle riunioni o, più frequentemente, nella memoria di chi vi ha partecipato.

Il problema è che tutto questo patrimonio vive spesso in luoghi separati.

Un’azienda può accumulare una quantità enorme di dati e continuare ad andare avanti senza utilizzarli davvero (che spreco).
Può produrre decine di report senza riuscire a costruire una visione comune (ma perché?) e adottare strumenti di intelligenza artificiale e ottenere risposte rapidissime, ma scollegate dalla propria storia e dal proprio modo di lavorare.

Avere più informazioni, insomma, non significa automaticamente prendere decisioni migliori.

Per riuscirci bisogna collegare ciò che oggi rimane frammentato: i dati, i documenti, le analisi, i processi e l’esperienza delle persone.

È da questo incontro che nasce un vero patrimonio decisionale.

Quando l’esperienza diventa patrimonio.

Un patrimonio decisionale non è semplicemente un archivio più grande.

È la capacità dell’organizzazione di recuperare ciò che è già accaduto, rendere disponibili le informazioni corrette, comprendere le relazioni tra i fenomeni e ricostruire le ipotesi che hanno guidato le scelte precedenti.

L’esperienza continua a essere centrale. Semplicemente però smette di essere invisibile.

I dati possono verificare ciò che pensiamo di sapere. Le dashboard possono mostrarci cosa sta accadendo. I modelli possono aiutarci a osservare ciò che potrebbe accadere. I documenti e le basi di conoscenza possono restituire il contesto che un numero, da solo, non possiede.

L’intelligenza artificiale può collegare questi elementi, renderli interrogabili e accelerarne la comprensione. La differenza, però, non la fa la semplice presenza dell’AI. La fa il sistema nel quale viene inserita.

L’AI conosce solo ciò che le mettiamo a disposizione.

Possiamo utilizzare il modello più avanzato disponibile e continuare a ricevere risposte soltanto plausibili.

Se l’AI non conosce i dati dell’azienda, i suoi documenti, le sue regole e la sua storia, proverà comunque a rispondere. Lo farà utilizzando ciò che conosce del mondo, non necessariamente ciò che dovrebbe conoscere di noi.

È lo stesso tema che abbiamo affrontato parlando di Knowledge Base: la qualità di una risposta dipende anche dalla qualità e dalla profondità del contesto al quale l’intelligenza artificiale può accedere.

Ma c’è un passaggio ulteriore.

Non basta permettere all’AI di trovare un documento o leggere un dato. Bisogna fare in modo che possa mettere questi elementi in relazione.

Una decisione raramente nasce soltanto da una tabella, così come non nasce neppure soltanto da un documento, da una conversazione o da una risposta generata dall’intelligenza artificiale.

Quando lavora sui dati, sui documenti e sulle regole dell’organizzazione, l’AI può diventare una componente del processo decisionale. Non sostituisce il giudizio. Gli offre più elementi sui quali esercitarsi.

Un unico patrimonio aziendale.

Per questo pensare alla Business Intelligence, alla gestione documentale, alle basi di conoscenza e all’intelligenza artificiale come mondi separati ci sembra sempre meno utile.

Sono strumenti diversi, ma lavorano tutti sullo stesso patrimonio.

La Business Intelligence aiuta a leggere i fenomeni attraverso i dati. La Knowledge Base conserva e rende accessibili documenti e conoscenza. L’AI permette di interrogare questi contenuti e individuare collegamenti. Gli agenti possono trasformare ciò che abbiamo compreso in un’azione.

Insieme possono aiutare l’organizzazione a ricordare ciò che sa, comprendere ciò che sta accadendo e utilizzare entrambe le cose per decidere meglio.

Un ambiente nel quale dati, analisi, documenti e conoscenza aziendale possano dialogare. Uno spazio nel quale osservare ciò che sta accadendo, recuperare ciò che l’organizzazione ha imparato e costruire una comprensione più completa prima di agire.

Perché ogni azienda possiede già un patrimonio enorme.

La vera sfida è evitare che rimanga disperso tra persone, strumenti e archivi diversi. E fare in modo che ogni decisione non sia soltanto una risposta al presente, ma diventi conoscenza disponibile per quella successiva.

👉 Scoprite come Elly può valorizzare il patrimonio di dati e conoscenza della vostra azienda su ellybi.com

Una parte importante del patrimonio informativo delle aziende si trova nei software e nei gestionali, ma un’altra parte altrettanto importante è custodita nei contratti, nei manuali, nelle procedure interne, nei cataloghi, nei regolamenti, nelle presentazioni commerciali, nelle schede tecniche. Tutti documenti che l’azienda ha scritto, approvato, aggiornato, condiviso e poi, in qualche caso, anche dimenticato.

Finché un giorno qualcuno chiede: “Dove trovo questa informazione?”, magari durante una riunione di vitale importanza, e parte la caccia.

Forse è nella cartella condivisa. Forse era allegata a una mail. Forse esistono tre versioni dello stesso documento e nessuno ricorda quale sia quella aggiornata. Oppure arriva la risposta più frequente: “Chiedi a Marco, lui lo sa.” Solo che Marco è in ferie.

Ecco perché abbiamo scelto di aggiungere una Knowledge Base a Elly: per colpa di Marco 😃

A parte gli scherzi, come da tradizione, prima di partire mettiamo la puntina sul giradischi e accompagniamo la lettura con un brano della nostra playlist Data Grooves:

🎵 “You Found Me” — The Fray (2008)

Il titolo, questa volta, racconta già una parte della storia: nelle aziende le informazioni non mancano, sono lì da qualche parte, dentro un database, in una procedura, tra le pagine di un contratto, in una cartella condivisa o nella memoria di una persona.

Il vero problema è trovarle quando servono. Ed è proprio da qui che siamo partiti.

Quello che i dati ci dicono. E quello che non possono dirci.

Elly nasce dalla Business Intelligence e dall’idea di rendere i dati più accessibili. Collegare fonti diverse, organizzare le informazioni, costruire dashboard, generare insight, riconoscere anomalie, interrogare i dati in linguaggio naturale.
È il cuore del nostro lavoro e continuerà a esserlo.

Tuttavia, lavorando sui casi reali, ci siamo accorti che molte domande aziendali iniziano dai dati e finiscono da un’altra parte.

Immaginiamo che un responsabile voglia sapere quali prodotti hanno registrato più resi nell’ultimo trimestre.

La risposta è nei dati.

Elly può analizzare le collezioni disponibili, confrontare prodotti e periodi, restituire una tabella o proporre una visualizzazione utile.

Poi però arriva quasi sempre la domanda successiva:

Qui i numeri non bastano più. La risposta potrebbe trovarsi in una policy commerciale, in un manuale operativo o nelle condizioni sottoscritte con il cliente:

• mentre il dato mostra il fenomeno;

• il documento aiuta a capire le regole con cui quel fenomeno deve essere gestito.

Nella realtà aziendale, queste due domande appartengono alla stessa conversazione ed è per questo che abbiamo iniziato a portarle dentro lo stesso ecosistema.

I documenti smettono di essere soltanto documenti.

Una Knowledge Base permette di raccogliere manuali, procedure, policy, cataloghi e altri contenuti aziendali e di interrogarli attraverso la chat di Elly.

L’utente non deve ricordare il titolo esatto del file, la cartella in cui è stato salvato o le parole precise utilizzate da chi lo ha scritto. Può formulare una domanda come la formulerebbe a un collega.

Elly cerca nei contenuti disponibili, individua le parti più pertinenti e le utilizza per costruire la risposta.

Nella stessa chat può lavorare sui dati, consultare la documentazione, generare insight, spiegare una tabella o suggerire una visualizzazione. A noi interessa soprattutto questo incontro.

Perché una parte dell’azienda vive nelle tabelle e un’altra vive nei documenti.
E spesso il valore emerge proprio quando le due parti riescono finalmente a parlarsi.

Prima di agire, bisogna sapere.

C’è poi un’altra ragione che rende questa evoluzione particolarmente importante:

È una strada interessante, ma richiede attenzione.
Un agente può anche essere molto bravo a comprendere una richiesta. Se però non conosce le procedure dell’azienda, i suoi vincoli e le sue regole, rischia di agire sulla base di un contesto generico.
E il contesto generico, dentro un processo aziendale, raramente è sufficiente.

Prima di fare, bisogna sapere.

La Knowledge Base diventa così uno dei mattoni su cui costruire una parte agentica più vicina al funzionamento reale dell’azienda. Non risolve tutto e non rende automaticamente intelligente qualsiasi processo. Offre però agli agenti una base sulla quale cercare regole, istruzioni e conoscenze utili.

La conoscenza non arriva soltanto da noi.

Come accade con i dati, anche i documenti acquistano valore quando incontrano il contesto giusto.

Ogni settore possiede il proprio linguaggio, le proprie procedure e le proprie eccezioni. Una software house verticale conosce tutto questo perché lo incontra ogni giorno nei prodotti che sviluppa e nelle richieste dei clienti.

Per questo la Knowledge Base entra naturalmente anche nella nostra idea di partnership.

Un Partner può portare dentro Elly la documentazione del proprio software, i manuali, le procedure di settore e quella conoscenza verticale che nessuna piattaforma potrebbe inventare da sola.

L’azienda aggiunge la propria esperienza, le proprie regole e i documenti costruiti nel tempo.

È questo, per noi, il significato più interessante della parola ecosistema: competenze diverse che non vengono appiattite dentro un unico strumento, ma trovano un luogo in cui collaborare.

Perché pensiamo sia una scelta vincente.

Abbiamo aggiunto una Knowledge Base perché la conoscenza aziendale non coincide con la quantità di dati disponibili.

Dentro un’organizzazione esistono numeri da analizzare, documenti da consultare, regole da rispettare, persone che conoscono eccezioni mai formalizzate e Partner che portano anni di esperienza verticale.

Mettere tutto insieme è un percorso che richiederà tempo, prove e aggiustamenti.

Consideriamo questa scelta vincente proprio perché non prova a indovinare una volta per tutte come lavoreranno le aziende nel futuro. Parte da una realtà che esiste già:

• prima con la Business Intelligence e l’analisi dei dati;

• adesso anche attraverso i documenti e la Knowledge Base;

• domani, sempre di più, con agenti capaci di utilizzare questa conoscenza per aiutare le persone ad agire.

È la direzione nella quale sta crescendo Elly: un ecosistema in cui dati, AI, documenti, competenze e Partner possano contribuire alla stessa cosa.

Capire meglio il lavoro e rendere più semplice farlo ogni giorno.

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

Oggi vogliamo affrontare un tema che ci sta molto a cuore. Nel mondo del software verticale esiste un patrimonio che spesso viene dato per scontato: dati, processi, regole, storici, abitudini operative, eccezioni, modi di lavorare. Tutte cose che le software house raccolgono e organizzano ogni giorno dentro i propri prodotti, cliente dopo cliente, versione dopo versione, (bug dopo bug).

Quando si parla di innovazione, la tentazione è sempre quella di aggiungere un nuovo modulo o integrazione. Tuttavia, a volte, il valore più interessante sta proprio in quello che il software già custodisce.

Un software verticale - quando funziona davvero - non è un semplice strumento gestione, ma diventa una memoria di settore con dentro anni di richieste, personalizzazioni, casi particolari e dati prodotti ogni giorno da aziende che lavorano, vendono, acquistano, consegnano, fatturano, assistono, correggono e ricominciano.

E allora la domanda diventa semplice, ma tutt’altro che banale:

Oggi partiamo da qui. Dal punto in cui il dato smette di essere solo qualcosa da registrare e comincia a diventare valore continuo per i clienti finali.

Tuttavia prima come da tradizione mettiamo la puntina sul giradischi e accompagniamo la lettura con un po’ di musica dalla nostra playlist Data Grooves:

🎵 “Wonderwall” — Oasis, (What’s the Story) Morning Glory?

Una canzone che tutti hanno sentito almeno una volta e che è rimasta attaccata alla memoria di più generazioni. In questi Mondiali di calcio è tornata fortissima, cantata dai tifosi inglesi quasi come un inno collettivo. E forse il punto è proprio questo: alcune cose restano davanti a noi per anni, familiari al punto da diventare quasi invisibili. Poi cambia il contesto, cambia lo sguardo, cambia il momento. E all’improvviso capiamo che non erano solo sfondo. Erano possibilità.

Con i dati succede qualcosa di simile.

Sono lì da anni, a volte sembrano solo tracce operative. Un ordine inserito. Una commessa aperta. Una fattura registrata. Un ticket chiuso. Una scadenza aggiornata. Un cliente ricontattato.

Tutto necessario, naturalmente. Senza quei dati il software non funzionerebbe e l’azienda perderebbe memoria del proprio lavoro.

Tuttavia quei dati possono limitarsi a dire cosa è successo oppure possono aiutare a capire cosa sta succedendo. La differenza è enorme.

Nel primo caso il dato resta una fotografia. Utile, precisa, magari indispensabile, ma comunque una fotografia. Nel secondo caso diventa una lettura. Aiuta il cliente a vedere un cambiamento, a riconoscere un segnale, a capire una tendenza, a fare una domanda migliore.

Una software house verticale conosce benissimo questa differenza.

Da fuori tutto può sembrare uguale. Poi però entri davvero in un settore e scopri che non è così: una commessa “chiusa” non sempre significa davvero chiusa. Che un cliente “attivo” può voler dire cose diverse a seconda del processo commerciale. Che un ordine in ritardo può essere un problema grave oppure una dinamica perfettamente normale in un certo periodo dell’anno. Che un margine va letto insieme a tempi, resi, assistenza, condizioni contrattuali, abitudini del cliente.

Si costruisce nel tempo. Cliente dopo cliente, rilascio dopo rilascio, telefonata dopo telefonata. Si costruisce ascoltando richieste simili che però non sono mai identiche. Si costruisce capendo quando una personalizzazione è davvero una personalizzazione e quando invece nasconde un’esigenza comune a tutto un settore.

Per questo una software house verticale non custodisce soltanto software. Custodisce contesto.

E il contesto, nel mondo dei dati, è ciò che permette a un numero di smettere di essere un numero qualunque.

Un dato senza contesto può essere corretto e allo stesso tempo poco utile. Può essere preciso, aggiornato, ben presentato, ma ancora incapace di aiutare davvero chi deve decidere. Perché il valore non nasce solo dall’accesso all’informazione. Nasce dalla capacità di leggere quell’informazione dentro il lavoro reale del cliente.

Qui entra in gioco Elly.

Non come qualcosa che sostituisce il ruolo delle software house, ma come qualcosa che può amplificarlo.

Elly aiuta le software house Partner a trasformare il dato che già esiste nei loro verticali in valore continuo per i clienti finali.

Questa è la frase che per noi oggi conta più di tutte. Perché sposta l’attenzione dal “cosa aggiungiamo al software” al “come facciamo rendere meglio quello che il software già contiene”.

Non si tratta di portare complessità dentro il lavoro quotidiano dei clienti. Al contrario. Si tratta di far emergere meglio quello che il lavoro quotidiano produce già. Il valore continuo nasce quando il dato comincia ad accompagnare il lavoro.

Nasce quando un cliente può capire prima che una linea di prodotto sta perdendo marginalità. Quando un responsabile commerciale si accorge che alcuni clienti stanno rallentando gli ordini. Quando un’anomalia non resta nascosta fino alla chiusura del mese. Quando un’informazione non deve fare tre giri di mail prima di arrivare alla persona giusta.

Nasce quando il software verticale non è più soltanto il luogo in cui le cose vengono registrate, ma diventa anche il luogo da cui emergono letture utili. Questo apre una possibilità importante per le software house.

Non limitarsi a fornire strumenti per gestire il lavoro, ma aiutare i clienti a comprenderlo meglio. Non consegnare solo funzionalità, ma generare segnali, insight, letture, servizi ricorrenti. Non aspettare che il cliente chieda un report, ma accompagnarlo nel vedere prima ciò che conta.

Per noi questa è una direzione molto chiara.

Non chiedere ai clienti finali di inseguire un’altra piattaforma, un altro ambiente, un altro cruscotto da controllare. Piuttosto aiutare le software house Partner a portare più valore dentro i contesti che i clienti conoscono e usano già.

Il lavoro di Elly è aiutare i Partner a trasformare tutto questo in qualcosa di più utile, più leggibile, più continuo.

E forse è proprio qui che si gioca una parte importante della prossima evoluzione del software verticale: on nel fare di più per il gusto di fare di più, ma nel far rendere meglio quello che c’è già.

Perché il dato, da solo, può restare fermo per anni. Può essere corretto, ordinato, disponibile, persino abbondante, però se non torna al cliente in una forma capace di aiutarlo a capire, scegliere e migliorare, resta una possibilità inespressa.

Quando invece incontra il contesto giusto, il linguaggio giusto e il Partner giusto, può diventare una cosa molto più preziosa.

Valore che ritorna, ogni giorno, ai clienti finali.

Ed è esattamente lì che Elly vuole stare.

Tabelle, report, dashboard, indicatori, grafici, filtri, viste personalizzate. Un vocabolario visivo costruito per dare ordine a una realtà sempre più frammentata. Vendite, acquisti, magazzino, amministrazione, marketing, produzione, assistenza clienti: ogni funzione aziendale generava informazioni, spesso senza avere un luogo comune in cui farle incontrare.

La BI è stata la risposta a questa esigenza, portando metodo laddove regnavano esportazioni manuali, fogli duplicati, file chiamati “finale_definitivo_vero”, numeri copiati da un gestionale all’altro e decisioni prese più per intuito che per evidenza.

È stata una rivoluzione silenziosa, non molto diffusa nel nostro Paese a dire la verità. Meno appariscente di altre, ma sicuramene decisiva, perché ha aiutato quelle imprese che hanno avuto la capacità di guardarsi dall’interno con continuità, misurare fenomeni che prima restavano dispersi e trasformare il dato in uno strumento concreto di controllo e direzione.

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

🎵 “Talk to Me” — Damiano David, Tyla, Nile Rodgers Nicks, 2025

Dopo anni passati a guardare i dati, è arrivato il momento di poterci parlare. O meglio: di poterli interrogare con naturalezza, senza perdere il rigore che li rende utili.

La promessa originaria della BI.

La Business Intelligence nasce da un’intuizione ancora attualissima: i dati aziendali, lasciati a se stessi, non producono automaticamente conoscenza.

Un ordine registrato, una fattura emessa, un lead acquisito, una consegna effettuata o un ticket chiuso sono semplici tracce operative. Raccontano qualcosa solo se vengono collegate, normalizzate, confrontate e lette nel tempo.

La BI ha costruito questo ponte, offrendo alle aziende gli strumenti per passare dal singolo evento al quadro complessivo. Dal numero isolato alla tendenza, dal dato grezzo alla misura utile.

In questo senso ha avuto una funzione anzitutto culturale: ha abituato organizzazioni, manager e reparti a farsi domande diverse:

• Quanti clienti abbiamo acquisito e quanto valgono?

• Quanto margine generano?

• Dove perdiamo efficienza?

• Quali prodotti crescono e quali aree rallentano?

• Quali processi assorbono più tempo del previsto?

Domande semplici, almeno in apparenza. In realtà, dietro ognuna di esse si nasconde un lavoro enorme fatto di fonti da collegare, definizioni da condividere, eccezioni da gestire, dati da pulire e metriche da rendere coerenti.

La distanza tra dato e significato.

Con il tempo, però, è emersa una distanza, che spesso si è trasformata in una frattura: un report aggiornato non significa automaticamente saperlo leggere bene. Una dashboard ordinata non garantisce che la domanda giusta trovi risposta. E accumulare KPI non assicura che l’azienda sappia davvero quali guardare, quando monitorarli e come interpretarli.

Questa distanza non dipende dagli strumenti, ma dal modo in cui le persone entrano in relazione con il dato.

La BI tradizionale parte spesso da una struttura rigida e predefinita. Qualcuno ha progettato il cruscotto, scelto le metriche, impostato i filtri e deciso quali viste servono ai vari utenti. È un approccio prezioso perché porta ordine ma, nella vita reale delle aziende, le domande cambiano continuamente.

Una dashboard può mostrare l’andamento delle vendite per area geografica. Ma la domanda del direttore commerciale potrebbe essere molto più sfumata: perché un’area con molti lead ha convertito meno del previsto? Quali clienti stanno comprando meno rispetto allo stesso periodo dell’anno scorso? C’è un’anomalia nei tempi di consegna che sta influenzando il riordino? Il calo dipende dal prezzo, dalla stagionalità o da un problema operativo?

Sono interrogativi che nascono dentro il flusso di lavoro, non dentro un modello di reportistica standard. Ed è qui che l’AI apre una fase completamente nuova.

Quando la domanda viene prima del report.

L’Intelligenza Artificiale applicata alla Business Intelligence ribalta il punto d’ingresso.
Per anni l’utente ha dovuto avvicinarsi al dato attraverso interfacce costruite a tavolino: menu, filtri, grafici, query ed esportazioni. Chi conosceva bene lo strumento riusciva a muoversi; chi aveva meno familiarità restava spesso in superficie, oppure dipendeva da un tecnico capace di tradurre la domanda in analisi.

Con l’AI conversazionale, la richiesta può arrivare in una forma più naturale. Può essere incompleta, operativa, perfino imprecisa. Esattamente come accade nel lavoro vero:

“Perché il margine è sceso nell’ultimo trimestre?” “Quali clienti stanno rallentando gli ordini?” “Dove abbiamo perso efficienza rispetto allo scorso anno?”

Il vero valore non è la comodità di digitare una frase in linguaggio naturale. È la possibilità di allineare la BI al modo in cui le persone pensano. Perché le aziende non decidono per grafici. Decidono per domande.

Il grafico e il KPI servono, ma arrivano dopo una necessità più profonda: capire cosa merita attenzione, quali collegamenti esplorare, quali segnali distinguere dal rumore. L’AI può accompagnare l’utente dentro il dato, suggerire percorsi di analisi, evidenziare anomalie e spiegare perché un indicatore si sta muovendo in una certa direzione.

Tutto questo senza trasformare ogni collaboratore in un data analyst, senza imporre linguaggi tecnici e senza ridurre la complessità aziendale a una risposta automatica buona per ogni contesto.

Il nodo più importante resta il contesto.

Qui si gioca la partita più delicata. L’AI applicata alla Business Intelligence funziona davvero solo quando comprende il significato operativo delle parole aziendali.

Cliente attivo. Ordine chiuso. Margine. Lead qualificato. Consegna in ritardo. Fatturato ricorrente.

Sembrano espressioni universali, ma in realtà sono piccole architetture di significato che cambiano da settore a settore, da azienda ad azienda, talvolta persino da reparto a reparto.

Per un’impresa un cliente è “attivo” se ha acquistato negli ultimi dodici mesi; per un’altra se ha un contratto in corso; per una terza se genera interazioni commerciali, anche senza ordini recenti. Lo stesso vale per un “ordine chiuso”: può significare merce spedita, fattura emessa, pagamento incassato o commessa completata.

Ogni progetto serio di analisi parte proprio dalla definizione delle metriche, e l’AI rende questo nodo ancora più evidente. Un modello linguistico può formulare risposte eleganti, sintetizzare e generare ipotesi. Ma dentro un sistema aziendale conta solo una cosa: quel modello sa cosa significano quelle precise parole in quella specifica realtà?

Senza contestualizzazione, l’AI può apparire brillante ma resta strutturalmente fragile.

Con questo lavoro, invece, diventa uno strato intelligente sopra una base solida: dati puliti, definizioni condivise, regole di business esplicite e fonti collegate. L’AI porta velocità e accessibilità; la BI porta struttura e coerenza. La parte interessante nasce dal loro incontro.

Il ruolo delle software house.

Questo incontro non avviene nel vuoto. Per portare l’AI dentro i dati servono conoscenza dei processi, familiarità con le abitudini operative e capacità di tradurre il linguaggio aziendale in logiche applicative.

Le software house verticali hanno un ruolo centrale proprio per questo. Conoscono a fondo i settori che servono: sanno quali informazioni contano davvero per un gestionale retail, per una piattaforma logistica, per un ERP manifatturiero o un CRM nei servizi. Hanno visto come i clienti usano gli strumenti, quali campi compilano con cura, quali report diventano indispensabili nelle riunioni e quali invece restano inutilizzati.

Questa conoscenza sul campo vale moltissimo. L’AI, da sola, può generare un’interfaccia intelligente; ma un’interfaccia intelligente, senza contesto verticale, resta generica. Le aziende hanno bisogno di strumenti che comprendano i loro dati, ma anche le loro priorità e le loro eccezioni operative.

Una BI più accessibile, senza perdere profondità.

La grande promessa dell’AI nella Business Intelligence è rendere il dato più democratico. E accessibile non significa semplificato fino a diventare banale, ma più vicino alle persone che devono usarlo per decidere.

Per anni si è investito soprattutto sulla rappresentazione del dato. Oggi il passo successivo riguarda la relazione con il dato.

Chi può fare domande? Con quale linguaggio? Su quali fonti? Con quale livello di fiducia e di verificabilità? Sono queste le domande che contano oggi. Perché la Business Intelligence resta uno dei luoghi più concreti in cui l’Intelligenza Artificiale può produrre valore reale. Non come spettacolo tecnologico, ma come evoluzione naturale di un bisogno antico: capire meglio quello che accade dentro l’organizzazione per decidere con maggiore consapevolezza.

Dove stiamo noi, dove sta Elly.

Siamo nati con un’idea semplice ma ostinata: rendere la Business Intelligence accessibile.

Accessibile per chi non ha un intero reparto IT interno, per chi lavora con dati frammentati tra gestionali, fogli di calcolo e database diversi, e per chi ha bisogno di capire cosa sta succedendo senza aspettare ogni volta un report costruito su misura.

Con l’AI questa visione diventa realtà. Elly nasce esattamente in questo punto di intersezione: dati aziendali, Business Intelligence, linguaggio naturale e contesto operativo. Il suo valore non sta solo nel mostrare informazioni, ma nel rendere immediato il percorso per comprenderle, abbassando la distanza tra le persone e il patrimonio informativo dell’azienda.

In un momento in cui tutti parlano di Intelligenza Artificiale, forse conviene ripartire da qui.

Dalle domande. Da quelle vere. Quelle che ogni azienda si pone ogni giorno, spesso senza avere ancora un modo semplice per trovare la risposta nei propri dati.

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

Ma entriamo nel cuore del tema di oggi, che ci interroga su un paradosso storico quasi divertente. Parliamo ogni giorno di AI, la vediamo ovunque, la troviamo dentro software, presentazioni, piani strategici, dashboard, corsi di formazione e demo commerciali. Eppure rischiamo di non accorgerci di una cosa tanto semplice quanto cruciale: tra usare l’AI e adottarla davvero c’è una distanza enorme.

La frase ormai la sentiamo ovunque: “Noi l’AI la usiamo già”.

Ed è vero. La usa il commerciale per ripulire una mail, il marketing per preparare la bozza di un piano editoriale, il tecnico per farsi aiutare su una query, l’imprenditore per arrivare a una call con qualche idea in più e un foglio bianco in meno da fissare.

Tutto giusto. Tutto utile. Tutto interessante. Ma non basta.

Perché usare l’AI non significa averla portata dentro il modo in cui l’azienda lavora, decide e misura. Significa, spesso, averla messa nelle mani di qualche singolo collaboratore. Che è un ottimo inizio, ma non è ancora trasformazione.

Come ormai da tradizione acquisita, prima di entrare nel vivo ci affidiamo alla nostra playlist Data Grooves per accompagnare la lettura con la giusta colonna sonora:

🎵 “Everybody’s Talkin’” — Harry Nilsson, Midnight Cowboy (1969)

Un pezzo perfetto. Perché oggi, sull’AI, tutti parlano e molti sperimentano. Ma quando si passa dalla conversazione alla vera adozione strutturale, il volume si abbassa parecchio.

Oltre l’effetto wow: confondere l’uso con l’adozione.

Una recente analisi della Banca Centrale Europea (fonte Reuters) ha fotografato molto bene questo momento: l’utilizzo dell’AI tra le imprese cresce rapidamente, ma l’uso intensivo — quello capace di impattare davvero sui processi — resta raro.

Se dieci persone in azienda usano dieci strumenti AI diversi, senza dati condivisi, regole, obiettivi e responsabilità, l’azienda non è diventata AI-driven. Ha semplicemente dieci persone che usano l’AI.

È una specie di artigianato aumentato, utilissimo per risparmiare tempo sul singolo compito, ma non ancora sufficiente per spostare l’asticella del business.

La differenza non è una sfumatura linguistica. È una scelta di campo.

L’utilizzo è personale: risponde alla domanda “come posso fare prima questa cosa?”. Vive nel browser del singolo, nella chat aperta durante la giornata, nel prompt salvato da qualche parte.

L’adozione è organizzativa: risponde alla domanda “quale pezzo del nostro modo di lavorare vogliamo ripensare?”. Vive nei sistemi, nei dati, nei flussi decisionali, nelle responsabilità:

1. il primo piano crea familiarità;

2. il secondo genera valore.

Ed è qui che molte PMI si fermano.

Il vero “Skill Gap” non è nel prompt.

Per mesi ci hanno raccontato che la grande competenza del futuro sarebbe stata il prompt engineering. Imparare le parole giuste da dire alla chat. Saper chiedere bene. Saper impostare un ruolo, un contesto, un formato, una serie di istruzioni e magari anche un paio di “non fare questo” per sicurezza.

Tutto utile, per carità.
Tuttavia il vero skill gap non è tecnico. È culturale e organizzativo.

Le aziende fanno fatica ad adottare l’AI non perché non sanno scrivere un prompt perfetto, ma perché non hanno ancora risposto a domande molto più profonde:

• quali processi vogliamo migliorare?

• Quali dati sono davvero affidabili?

• Chi convalida l’output?

• Chi decide dove l’AI può suggerire e dove invece deve fermarsi?

• Come misuriamo se tutto questo sta producendo un beneficio reale?

Anche il report “GenAI Divide” del MIT va in questa direzione: molti progetti di AI generativa non arrivano a produrre impatto perché restano scollegati dai flussi di lavoro reali, fragili nell’apprendimento dal contesto e difficili da integrare nelle operazioni quotidiane.

L’AI non elimina il caos. Lo accelera.

Qui arriviamo al punto: non possiamo pensare che l’intelligenza artificiale possa risolvere automaticamente il disordine di un’azienda. Se i dati sono frammentati, l’AI eredita la frammentazione. Se i processi sono confusi, accelera la confusione. Se le definizioni non sono condivise, prova a indovinare.

E spesso lo fa anche molto bene (conseguenza che poi diventa parte del problema).

Una risposta sbagliata, ma scritta con l’elegante sicurezza dell’AI, è molto più pericolosa di un errore evidente. Perché suona credibile, scorre bene, si presenta con ordine, magari ha anche quel tono sicuro che ci tranquillizza. Peccato che possa poggiare su un contesto fragile, su dati parziali o su una definizione che in azienda nessuno ha mai davvero chiarito.

Prendiamo una definizione apparentemente semplice: cliente attivo.

Significa che ha comprato negli ultimi dodici mesi? Che ha un contratto aperto? Che genera margine? Che interagisce ancora con il commerciale? Che non ha disdetto? Che paga regolarmente?

In ogni azienda la risposta cambia.

Se il perimetro è ambiguo, l’AI proverà a indovinare. E se il contesto aziendale è fragile, l’AI non lo rende solido: lo rende solo più veloce. Anche a sbagliare.

Il Modello Elly: dalla chat al processo verticale.

La chat ha reso l’AI democratica, e questo è stato un passaggio enorme. Una domanda, una risposta. Un’altra domanda, un’altra risposta. Semplice, immediato, accessibile.

Rivoluzionario.

Ma la chat è un’interfaccia, non una strategia.

Una cosa è chiedere: “scrivimi una mail per un cliente”. Un’altra cosa è chiedere: “quali clienti mostrano segnali di calo o rischio questa settimana?”.

La prima domanda lavora sul linguaggio. La seconda lavora sui dati. E qui cambia completamente la partita.

Per rispondere alla seconda domanda, l’AI deve uscire dal browser e connettersi al mondo reale dell’azienda: ERP, CRM, storici d’acquisto, marginalità, frequenza degli ordini, anomalie, obiettivi commerciali, priorità operative.

La filosofia di Elly nasce proprio qui: non è l’utente a dover andare verso l’AI, ma è l’AI a dover entrare nei dati che l’azienda già produce.

Lo facciamo muovendoci su tre dimensioni concrete.

1. Dal dato disperso al contesto condiviso: integriamo informazioni frammentate in una fonte affidabile di verità, eliminando il pericoloso balletto dei file Excel via email.

2. Dalla risposta all’insight: una risposta dice un numero, un insight spiega perché quel numero conta e aiuta il manager a decidere cosa fare un secondo dopo.

3. Dall’anarchia alla governance: l’accessibilità senza regole produce solo caos creativo. Servono sicurezza, permessi, responsabilità e fonti affidabili per rendere l’innovazione sostenibile.

Questo passaggio chiama in causa direttamente anche le software house verticali.

La vera adozione dell’AI nelle PMI non passerà solo dalle piattaforme generaliste, ma dai gestionali, dagli ERP, dai CRM e dagli strumenti che le aziende usano già ogni giorno. Le software house conoscono il linguaggio dei clienti, le eccezioni, i processi e le metriche che contano davvero.

Sanno che “ordine chiuso” non significa la stessa cosa in ogni settore. Sanno che “cliente attivo” cambia a seconda del modello di business. Sanno che una dashboard non serve perché è bella, ma perché aiuta qualcuno a decidere meglio.

Questa conoscenza verticale è il binario su cui l’AI può iniziare a correre per diventare infrastruttura.

Ed è esattamente il lavoro che facciamo con Elly: trasformare l’AI in uno strato di comprensione integrato nei sistemi, nei dati e nei processi reali delle aziende.

Non un’altra AI da provare.

Un modo più accessibile per interrogare, leggere e valorizzare i dati che l’azienda ha già.

Un piccolo esercizio per lunedì mattina.

Non serve una rivoluzione culturale in un giorno. Provate a prendere un foglio e a dividerlo in due colonne.

A sinistra scrivete: “Dove usiamo già l’AI?”

A destra scrivete: “Dove l’AI ha cambiato davvero un processo?”

Se la prima colonna è piena e la seconda è vuota, sapete esattamente dove si trova la vostra azienda: nella fase dell’utilizzo.

Un ottimo inizio, ma non il traguardo.

Vi lasciamo con una domanda aperta: se domani mattina togliessimo tutti i tool AI dai browser dei vostri dipendenti, resterebbe traccia di questa tecnologia nel modo in cui l’azienda analizza i dati e prende decisioni strategiche?

Se la risposta è no, forse è il momento di iniziare a costruire un sistema.

👉 Scoprite come trasformare l’utilizzo in adozione reale su ellybi.com

La provano quasi per curiosità. Qualcuno le chiede di scrivere una mail, riassumere un documento, preparare una scaletta, sistemare una presentazione, tradurre un testo, buttare giù qualche idea. Poi, dopo le prime prove — soprattutto quando il riscontro è positivo — l’entusiasmo lascia spazio a una domanda molto più concreta:

Perché una cosa è usare l’AI come assistente personale, magari per accelerare piccole attività di ogni giorno. Un’altra è farla entrare in un reparto, in un processo, in un software, in una dashboard, in un modo di lavorare che esiste già e che non può essere reinventato ogni volta da zero.

Non perché aggiunga un’altra parola al vocabolario dell’AI, che già non ne sente il bisogno, ma perché sposta il discorso su un punto molto pratico:

l’intelligenza artificiale, per essere davvero utile in azienda, non deve solo saper rispondere. Deve capire che ruolo ha.

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

🎵 “You Know My Name” — Chris Cornell, Casino Royale (2006)

Una canzone che accompagna il più celebre degli agenti, cioè James Bond e il suo ritorno alle origini. Prima dei gadget, prima delle esplosioni, prima della leggenda, c’è una cosa molto semplice da chiarire: chi sei, qual è la tua missione e fin dove puoi spingerti.

Il limite dell’assistente generico.

La chat è stata la grande porta d’ingresso dell’AI generativa. È semplice, immediata, comprensibile a tutti. Scrivi una domanda e ricevi una risposta. Per molti è stato il primo vero incontro con uno strumento capace di comprendere il linguaggio naturale e produrre qualcosa di utile.

Ma proprio questa semplicità rischia di farci confondere due piani diversi.

Un assistente generico può essere molto bravo a scrivere, sintetizzare, spiegare, suggerire. Tuttavia, quando entra nel lavoro aziendale, la qualità della risposta non dipende solo dalla capacità del modello. Dipende dal contesto.

Se un commerciale chiede quali clienti richiamare oggi, non sta chiedendo un consiglio di vendita in astratto. Sta chiedendo una priorità costruita su pipeline, storico, marginalità, offerte aperte, probabilità di chiusura e relazione con il cliente.

Se un responsabile amministrativo chiede perché un dato non torna, non vuole una spiegazione generica sui KPI. Vuole capire dove può essersi creata l’anomalia, quali fonti controllare e quale passaggio verificare.

Se un operatore del customer care chiede come rispondere a un ticket, non cerca una bella frase. Cerca una risposta coerente con le policy aziendali, lo storico cliente e il tono del servizio.

Questo è il limite dell’assistente unico: può essere molto intelligente, ma se ogni volta l’utente deve spiegare ruolo, contesto, fonti, regole e obiettivo, una parte importante del lavoro resta comunque sulle spalle delle persone. E nelle aziende, dove il tempo è poco e i processi sono pieni di eccezioni, questo fa la differenza.

Che cos’è un custom agent.

Un custom agent è un assistente AI configurato per operare dentro un perimetro definito.

Può sembrare una definizion tecnica, ma il concetto è semplice: invece di avere un’unica AI a cui chiedere qualsiasi cosa, si costruisce un agente pensato per un compito, un ruolo o un processo specifico.

Questo agente può avere istruzioni dedicate, fonti informative selezionate, accesso a documenti, collegamenti con dati aziendali e, quando serve, strumenti per compiere o suggerire azioni. La differenza vera non è solo tecnologica, ma progettuale: l’agente non parte da una pagina bianca, parte da un contesto.

Un agente commerciale non deve conoscere tutto il mondo. Deve aiutare a leggere clienti, vendite, offerte aperte, opportunità, margini, scostamenti.

Un agente documentale non deve rispondere su qualsiasi argomento. Deve aiutare le persone a interrogare manuali, procedure, contratti, policy, cataloghi o documentazione tecnica, chiarendo quando l’informazione non è disponibile.

Un agente per gli ordini deve aiutare a capire stati, ritardi, eccezioni e anomalie, collegando dati e regole operative.

Il valore non nasce dal fatto che questi agenti “usano l’AI”. Nasce dal fatto che l’AI viene messa al lavoro dentro un perimetro sensato.

Per questo bisogna fare attenzione a una scorciatoia molto frequente: chiamare “agente” qualsiasi chatbot con un nome più specifico. Agente vendite, agente HR, agente supporto, agente amministrazione. Se sotto c’è sempre la stessa chat generica con due istruzioni in più, non siamo davanti a una vera evoluzione.

Un agente utile si riconosce da domande molto concrete: quali informazioni può usare? Quali documenti deve consultare? Quali regole deve rispettare? Che cosa può fare e che cosa no? Quando deve chiedere conferma? Quando deve fermarsi?

Quale utilità per le aziende.

Finché l’AI aiuta una persona a scrivere meglio una mail, siamo nel campo della produttività individuale. Utile, spesso utilissimo, ma legato all’iniziativa del singolo: alla sua capacità di fare buone domande, dare contesto, valutare la risposta e inserirla nel proprio lavoro.

Quando invece l’AI entra in un processo, consulta dati, usa documenti, rispetta regole e aiuta un reparto a lavorare con maggiore coerenza, il discorso cambia. Non stiamo più parlando solo di produttività personale, ma di produttività organizzativa.

Ed è qui che i custom agent diventano interessanti per le PMI.

Molte aziende non hanno un problema di mancanza di informazioni. Spesso ne hanno troppe, sparse in luoghi diversi. Una procedura è dentro un PDF, un dato in una dashboard, una regola nella testa di una persona, una decisione in un foglio Excel, una spiegazione in una vecchia mail, una prassi consolidata in reparto ma mai formalizzata davvero.

Un custom agent può diventare un ponte tra questi pezzi: rendendo più accessibile ciò che l’azienda già sa, già produce, già misura e già documenta.

Questa è una promessa molto più concreta dell’idea di un’AI onnipotente. Non un sistema che decide tutto al posto delle persone, ma uno strumento che riduce attrito, recupera contesto, suggerisce il prossimo passaggio e aiuta a non perdere informazioni importanti lungo il processo.

Il ruolo delle software house.

Perché gli agenti davvero utili non nascono solo dalla potenza del modello, ma nascono dall’incontro tra AI e conoscenza di uno specifico dominio.

Per esempio una software house che lavora da anni nel retail conosce domande, eccezioni, metriche e abitudini dei punti vendita. Chi sviluppa gestionali per il manifatturiero sa quanto pesano commesse, giacenze, distinte, tempi di produzione, avanzamenti e scarti. Chi lavora nei servizi professionali conosce pratiche, scadenze, documenti, clienti, responsabilità. Chi opera nella logistica sa che dietro una consegna non c’è solo una data, ma una rete di vincoli, stati, priorità e comunicazioni.

Questa conoscenza è il vero materiale con cui costruire agenti utili.

Per anni le software house hanno aiutato le aziende a digitalizzare processi, integrarli, misurarli, renderli più accessibili. Ora si apre una possibilità nuova: trasformare quella conoscenza verticale in esperienze intelligenti, capaci di aiutare l’utente non solo a usare il software, ma a lavorare meglio dentro il software.

Non basta aggiungere una chat a un gestionale e dichiarare di avere l’AI. La domanda giusta è un’altra: dove può essere utile un agente? In quale passaggio può rendere più leggibile un dato, più semplice una decisione, più accessibile una procedura, più fluido un lavoro che oggi richiede troppi passaggi manuali?

Un esercizio per questa settimana.

Provate a prendere tre attività ricorrenti nella vostra azienda. Niente di straordinario o strategico, semplici attività come gestire una richiesta cliente, controllare un ordine, preparare un report, rispondere a un ticket, verificare una scadenza, analizzare uno scostamento.

Per ciascuna attività chiedetevi:

• chi la svolge oggi;

• quali dati consulta;

• quali documenti usa;

• quali regole deve rispettare;

• quali passaggi ripete sempre uguali;

• dove si perde più tempo.

Se la risposta arriva in modo chiaro, avete probabilmente individuato un primo perimetro possibile per un custom agent. Se invece le risposte sono vaghe, diverse da persona a persona o difficili da ricostruire, avete scoperto qualcosa di altrettanto importante: prima ancora dell’AI, serve chiarire il processo.

Ed anche questo è già un ottimo risultato.

Perché quando l’AI viene presa sul serio, costringe le aziende a fare ordine. Nei dati, nei documenti, nelle responsabilità, nelle eccezioni e nel modo in cui il lavoro viene davvero svolto.

Anche noi guardiamo ai custom agent con grande interesse. Non come all’ennesima parola del mercato AI, né come a un modo più elegante per chiamare un chatbot, ma come a un passaggio naturale: dall’AI che risponde alle domande all’AI che entra nei contesti operativi.

Dati, documenti, dashboard, procedure, software verticali, processi aziendali: è lì che l’intelligenza artificiale diventa davvero utile. Non quando resta fuori dal lavoro, in una finestra separata, ma quando si avvicina al punto in cui le persone stanno già operando.

Ed è esattamente qui che immaginiamo il futuro di Elly: non sopra o accanto, ma dentro i processi. Non lontano dai software che le persone usano ogni giorno, ma con un’integrazione nel loro lavoro reale.

👉 Con una demo è possibile scoprire come Elly può potenziare il vostro software o il vostro business.

La scorsa settimana siamo partiti dal talk di Michele sul Tech Stage di AI Week 2026 per raccontare cosa significa portare BI e AI dentro un prodotto software:

Elly - La Business Intelligence per tutti

Da software a sistema intelligente

Bentornati al nostro appuntamento settimanale sul mondo della Business Intelligence, dell’AI e di tutto quello che succede quando la tecnologia prova a entrare davvero nella vita quotidiana delle aziende…

Read more

2 months ago · 4 likes · Elly

Questa settimana restiamo ancora lì, ma cambiamo prospettiva: dal Tech Stage passiamo al Main Stage. Dal prodotto passiamo all’organizzazione. Dal software che diventa intelligente passiamo a una domanda ancora più ampia, che riguarda imprese, software house, system integrator, partner tecnologici e, in generale, chiunque stia cercando di capire cosa fare davvero con l’Intelligenza Artificiale.

Durante il suo talk sul Main Stage, il nostro Gabriele Granato, CMO di Ellycode, è partito da qui:

E no, non è una provocazione contro l’AI. Anzi. È probabilmente una delle cose più vere e concrete che possiamo dire oggi.

Perché strumenti ce ne sono già tantissimi. Chatbot, assistenti, automazioni, dashboard intelligenti, modelli linguistici, generatori di testo, agenti, copiloti, tool verticali, tool orizzontali, tool che promettono di fare tutto e tool che fanno una cosa sola ma la raccontano come se fosse tutto.

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

🎵 “Connected” — Stereo MC’s, Connected (1992)

Una canzone che mette il tema già nel titolo. Connessione.

Dati, software, persone, processi, decisioni: se questi pezzi restano isolati, possiamo anche avere tanta intelligenza artificiale. Ma non abbiamo ancora un sistema.

La domanda sbagliata.

In questi mesi molte aziende si stanno facendo la stessa domanda: “Quale AI uso?”

Domanda legittima, per carità, come tutte le altre:

• meglio ChatGPT, Claude, Gemini, Copilot?

• modello generalista o uno verticale?

• costruire qualcosa in casa o usare una piattaforma già pronta?

• partiamo dal marketing, dal customer care, dalle operations, dalla BI, dalle vendite?

Interrogativi importanti, ma forse precoci se non anticipati da un’altra domanda propedeutica:

Nel primo caso stiamo scegliendo uno strumento, nel secondo proviamo a progettare un cambiamento reale.

E nelle aziende, soprattutto nelle PMI, la differenza è enorme. Perché non basta trovare il tool giusto, aprire un account, fare due demo interne e dire “da oggi siamo AI-driven”.

Magari fosse così.

Poi arrivano i processi reali. Le persone reali. I dati reali. I gestionali reali. Le abitudini costruite in anni di lavoro. Le eccezioni che non stanno in nessuna procedura. I file Excel che continuano a girare perché “alla fine funziona”. I reparti che usano parole uguali per dire cose diverse.

Ed è lì che si capisce se l’AI è entrata davvero nell’organizzazione o se è rimasta ai bordi.

L’AI è già dentro.

Gabriele lo ha raccontato molto bene sul palco: l’AI, in tante aziende - quasi tutte - è già presente.

C’è il chatbot sul sito.
C’è la dashboard con qualche insight.
C’è l’automazione fai-da-te.
C’è il modello personale usato da qualcuno in azienda.
C’è il reparto marketing che sperimenta.
C’è il commerciale che usa l’AI per scrivere mail.
C’è l’amministrazione che prova a riassumere documenti.
C’è il responsabile che ogni tanto chiede a un assistente di aiutarlo a leggere un file.

Ogni pezzo, preso da solo, può anche funzionare. Il problema è completare il puzzle e far funzionare tutto l’insieme.

Perché se ogni iniziativa resta separata, se ogni reparto prova qualcosa per conto suo, se ogni strumento vive fuori dai flussi aziendali, quello che otteniamo non è trasformazione. È frammentazione intelligente che:

Dal dato all’azione.

Se dovessimo raccontare dove l’AI di sistema crea valore, useremmo una sequenza molto concreta:

dato, previsione, decisione, workflow, risultato.

La previsione anticipa, la decisione prioritizza, il workflow attiva.

Sembra lineare, ma nelle aziende raramente lo è. Spesso il dato resta chiuso in una dashboard, la previsione non entra nel processo, la decisione passa ancora da mille passaggi manuali e il risultato viene misurato troppo tardi.

Ed è qui che l’AI rischia di fermarsi a metà strada: produce un’informazione interessante, ma non cambia davvero il modo in cui l’azienda lavora.

La differenza tra AI di supporto e AI di sistema sta proprio qui: la prima affascina, ma solo la seconda crea valore, perché vive nel lavoro reale.

Un ecosistema non è una collezione di strumenti.

Qui arriviamo al cuore del talk.

Nel nostro caso il significato è molto concreto:

un ecosistema non è una collezione di strumenti, è un insieme di relazioni.

Ed è qui che molte aziende oggi fanno fatica. Non perché manchino le soluzioni, ma perché spesso ogni pezzo resta isolato. Un tool per il marketing, una dashboard per i dati, un’automazione in un reparto, un chatbot sul sito, qualche sperimentazione personale con l’AI.

Tutto può anche funzionare, preso singolarmente. Ma se questi strumenti non si parlano, non condividono contesto e non entrano nei processi reali, l’azienda non sta costruendo un ecosistema. Sta solo accumulando tecnologia.

Un ecosistema nasce quando dati, software, processi e persone iniziano a lavorare insieme. Quando l’AI non resta una scorciatoia isolata, ma diventa parte naturale del modo in cui l’organizzazione osserva, decide e agisce. E questa, nelle imprese, è la vera sfida.

Dal dato al sistema.

Noi siamo partiti dai dati, con un’idea semplice: rendere la Business Intelligence più accessibile, più comprensibile, più vicina alle persone che ogni giorno devono prendere decisioni.

Poi però ci siamo accorti che il problema non era solo vedere meglio il dato. Perché puoi avere la dashboard più chiara del mondo, ma se la decisione resta fuori dal flusso di lavoro hai solo spostato il problema in una schermata più bella.

Il punto vero è cosa succede prima e dopo il dato.

Prima: da dove arriva l’informazione, con quale qualità, con quale contesto. Dopo: quale decisione abilita, quale processo attiva, quale risultato produce.

È qui che l’AI diventa davvero interessante: non quando aggiunge una funzione in più, ma quando collega dati, processi, software e persone dentro un sistema più fluido.

Ed è anche qui che si incontrano due esigenze diverse ma complementari. Le aziende si chiedono come far entrare l’AI nei propri processi reali. Le software house si chiedono dove integrare AI nei propri prodotti per creare valore concreto per gli utenti. Il punto di contatto è esattamente l’ecosistema.

Il nostro ecosistema.

Per questo ad AI Week non abbiamo portato solo Elly. Abbiamo portato chi quei settori li conosce meglio di noi.

Nomi diversi, prodotti diversi, mercati diversi, ma una direzione comune: portare Business Intelligence e Intelligenza Artificiale dentro esperienze software reali, già usate ogni giorno dalle aziende.

Per noi un ecosistema di partner non è una slide con dei loghi messi intorno al nostro. È un modo di costruire insieme: con software house che vogliono integrare Elly nei propri prodotti, con system integrator che vogliono portare BI e AI nei processi dei clienti, con realtà che hanno già una relazione forte con il proprio mercato e vogliono valorizzarla attraverso l’AI.

Il Partner Program nasce proprio da qui: non dall’idea di distribuire una tecnologia in modo generico, ma dalla convinzione che l’AI utile debba incontrare competenze verticali, software esistenti e processi reali.

Perché nessuna piattaforma conosce da sola i settori in cui i nostri partner lavorano da anni.

Serve un ecosistema.

Un esercizio per questa settimana.

Provate a guardare tutte le iniziative AI attive nella vostra azienda, anche quelle piccole: un chatbot, una dashboard, un’automazione, un tool usato da un reparto, un progetto pilota.

Poi fatevi una domanda semplice: stanno lavorando insieme o sono solo una collezione di strumenti?

C’è un filo che collega dati, processi, software e persone? L’AI entra nei punti in cui si prende una decisione o resta ai bordi del lavoro? Crea valore misurabile o solo entusiasmo temporaneo?

Perché spesso il problema non è il singolo strumento. È il vuoto intorno.

Se l’AI risponde ma il processo non cambia, il valore resta parziale. Se analizza ma non attiva nulla, il lavoro resta incompleto. Se vive fuori dal software, l’utente deve comunque fare da ponte.

Noi crediamo che il futuro prossimo dell’AI nelle imprese non premierà chi avrà più strumenti, ma chi saprà costruire ecosistemi collaborativi, funzionali e di valore.

È questa la direzione che stiamo costruendo con Ellycode: portare BI e AI dentro i software, nei workflow, più vicino alle decisioni e alle azioni quotidiane delle aziende.

Non per aggiungere tecnologia dove ce n’è già abbastanza: per aggiungere sistema.

👉 Se sei una software house, un system integrator o un partner tecnologico e vuoi portare Business Intelligence e AI dentro i tuoi prodotti o nei processi dei tuoi clienti, scopri il Partner Program di Ellycode su ellybi.com

Questa settimana restiamo ancora dentro l’energia dell’AI Week 2026.

Ormai abbiamo raccontato quello che abbiamo fatto, quindi non sarà un semplice resoconto dell’evento, che sarebbe anche troppo facile. Stand, speech, demo, networking, badge, caffè presi di corsa e quell’aria da “sta succedendo qualcosa” che ormai accompagna ogni discussione sull’Intelligenza Artificiale.

No, oggi vogliamo partire da un punto molto più concreto.

Durante il suo talk sul Tech Stage, il nostro Michele Aponte, CEO e CTO di Ellycode, ha portato una domanda che riguarda da vicino tutte le software house, i system integrator e le aziende che sviluppano prodotti digitali:

Perché detta così sembra semplice:

1. Integrate l’AI

2. Collegate un modello

3. Mettete una chat

4. Fate parlare l’utente con i dati

Facile, no? Certo, sulla carta. Poi però queste cose bisogna realizzarle e soproattutto farle funzionare per davvero.

Arrivano i gestionali con anni di storia, i database pieni di personalizzazioni. E poi ci sono i clienti che usano il software in modi che nessuna documentazione aveva previsto. E ancora i documenti PDF, i cataloghi, le procedure interne, i flussi di magazzino, le schede prodotto, i KPI da interpretare e quella domanda che prima o poi arriva sempre:

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

🎵 “Intro” — The xx, xx (2009)

Un brano che non ha bisogno di urlare per farsi riconoscere. Parte piano, costruisce strati, lascia spazio, mette ogni elemento al posto giusto.

Ed è esattamente questo il punto, e vale anche per ogni buona integrazione AI che non dovrebbe mai sembrare un corpo estraneo, ma un appendice che entra nel sistema con naturalezza. Come un layer intelligente che tiene insieme dati, domande, documenti e azioni.

Non basta “avere l’AI”.

Partiamo da una cosa che forse va detta con un po’ di franchezza: oggi “avere l’AI” non significa quasi più niente. È diventata una frase d’appoggio, buona per le brochure, per le roadmap, per le demo commerciali e per le slide con il gradiente azzurro-viola.

Un assistente in basso a destra? AI.

Un bottone che genera un testo? AI.

Un report che si aggiorna da solo? AI.

Un chatbot che risponde a tre domande e poi ti rimanda alla documentazione? AI anche quello.

Ma davvero ci chiediamo ancora se se dentro un prodotto software esista una qualche forma di Intelligenza Artificiale? Lo sappiamo che è così.

Il punto fondamentale è se quella AI faccia davvero parte dell’esperienza.

Perché se resta separata, se vive in una finestra diversa, se non conosce il contesto, se non sa quali dati guardare, se non può collegarsi ai documenti aziendali e se non accompagna l’utente verso un’azione concreta, allora rischia di diventare semplicemente un altro strumento.

E di strumenti, diciamocelo, gli utenti ne hanno già abbastanza.

Gli utenti non vogliono più strumenti.

Ormai lo abbiamo capito. I clienti vogliono un’unica esperienza.
Cosa banale, quasi ovvia. Ma per chi costruisce software è una piccola rivoluzione.

Perché significa che non basta portare una dashboard dentro un prodotto. Non basta aggiungere una chat. Non basta generare insight automatici e metterli in una sezione separata.

Bisogna fare in modo che dashboard, Q&A e insight convivano nello stesso flusso.

1. L’utente guarda un dato

2. Fa una domanda

3. Riceve una risposta

4. Chiede un approfondimento

5. Ottiene un grafico

6. Individua un’anomalia

7. Apre una scheda

8. Compie un’azione

Senza cambiare ambiente ogni volta.

L’intelligenza artificiale per essere davvero utile deve avvicinarsi al lavoro reale. Non allontanarlo in un’altra interfaccia.

Dal dato alla domanda.

Noi siamo partiti dalla Business Intelligence con un obiettivo molto semplice, almeno da dire: rendere i dati accessibili a tutti.
Che poi, semplice non lo è mai davvero.

Per anni la BI ha fatto una cosa importantissima: ha trasformato dati grezzi in qualcosa di leggibile. Un salto enorme, soprattutto per le PMI e per tutte quelle aziende che hanno sempre vissuto con i dati, ma spesso senza riuscire davvero a usarli.

Poi però è arrivata una domanda nuova:

È qui che la BI inizia a cambiare forma e diventa la base su cui costruire un’esperienza più naturale, dove l’utente non deve necessariamente sapere quale filtro impostare, quale metrica cercare o quale report aprire.

Quando il dato diventa conversazione.

Per anni abbiamo pensato agli insight come a un punto di arrivo. Si raccolgono i dati, si costruisce una dashboard, si leggono i numeri e alla fine si estrae un’informazione utile.

Un insight però non chiude quasi mai il discorso. All’opposto, lo apre.

Se scopriamo che un cliente ha fatturato più degli altri, la domanda successiva è: perché? Se vediamo un’anomalia in magazzino, vogliamo capire da cosa dipende e come risolverla. Se una campagna ha un ROI più basso del previsto, non ci basta leggere il numero: vogliamo capire cosa lo ha generato.

Ed è qui che la Business Intelligence cambia forma. Non sparisce, anzi: diventa la base di una conversazione più naturale tra l’utente e il software.

E non sempre per rispondere bene bastano i dati strutturati. Molto spesso la conoscenza che serve davvero vive altrove: nei documenti, nelle schede tecniche, nei cataloghi, nei manuali operativi, nelle procedure interne.
Quindi servono dati, documenti e contesto.

Il contesto cambia tutto.

Ed eccoci al punto vero: l’AI senza contesto può essere veloce, brillante e anche molto convincente, ma resta generica.

Può spiegare cos’è un cliente attivo, ma non sapere cosa significa “cliente attivo” dentro il vostro gestionale. Può interpretare un KPI, ma non conoscere la regola con cui lo calcolate. Può suggerire un’azione, ma non sapere se quell’azione ha senso nel vostro flusso operativo.

Nel software aziendale, il contesto non è un dettaglio. È la differenza tra una risposta plausibile e una risposta utile.

Per questo non basta un assistente unico che risponde un po’ a tutto. Servono esperienze verticali, costruite intorno alle aree reali del prodotto: vendite, magazzino, clienti, qualità, catalogo, supporto operativo.

Questo è il senso dei Custom Agents: dare a ogni area del software una conversazione coerente con il lavoro che deve supportare, con i propri dati, i propri documenti, le proprie istruzioni e le proprie azioni possibili.

Un agente che lavora sulle vendite deve ragionare su offerte, fatturato e segnali commerciali. Un agente che lavora sul magazzino deve capire colli, pallet, missioni e anomalie operative. Un agente che lavora sui clienti deve collegare anagrafiche, ordini, fatture e storico.

Non perché l’AI debba diventare magica. Ma perché deve diventare utile.

E l’utilità, nei software verticali, nasce sempre dall’incontro tra tecnologia e contesto.

Il ruolo delle software house.

Tutto questo riguarda da vicino le software house, perché nessuno conosce un prodotto meglio di chi lo ha costruito.

Nessuno conosce meglio le abitudini degli utenti, le richieste ricorrenti, le schermate più usate, i flussi più delicati e le metriche davvero decisive. Soprattutto, nessuno sa meglio di una software house verticale cosa significhino certe parole dentro un certo settore.

Ordine, cliente, margine, produzione, consegna, anomalia, disponibilità: sembrano parole semplici, finché non entri in un’azienda vera e scopri che ognuna porta con sé una regola, una sfumatura, una piccola eccezione costruita in anni di lavoro.

È per questo che l’AI generalista, da sola, non basta. Può essere un motore potentissimo, ma ha bisogno di essere portata dentro un contesto.

E le software house hanno esattamente questo patrimonio: conoscono il dominio, conoscono i clienti, conoscono i processi e sanno dove il software può davvero semplificare la vita a chi lo usa.

Dove stiamo andando noi.

Noi siamo partiti dalla Business Intelligence, nel tempo, però, questa idea è diventata più grande. Perché oggi accessibilità significa poter interrogare i dati, capire, collegare, approfondire e usare.

Ed è questo il percorso che stiamo costruendo insieme ai nostri partner: aiutare le software house a trasformare i propri prodotti in sistemi intelligenti, senza ripartire ogni volta da zero e senza perdere la cosa più preziosa che hanno già.

La conoscenza del proprio settore.

Perché l’AI utile non è quella che arriva dall’alto e pretende di sapere tutto. È quella che entra nel prodotto, impara il contesto, rispetta i flussi e rende più semplice fare ciò che ogni azienda prova a fare ogni giorno: capire meglio, decidere prima, lavorare con meno attrito.

👉 Se vuoi scoprire come Elly può portare Business Intelligence e AI dentro i software, contattaci e visita il nostro sito ellybi.com

A volte arriva da un cliente, a volte da un commerciale, a volte dal board, magari con quella leggerezza solo apparente delle domande che sembrano piccole e invece aprono cantieri enormi:

La risposta breve è sì.
La risposta utile dovrebbe essere: dipende da cosa intendiamo per “integrare”.

Perché integrare l’AI nel proprio software non è semplice come tutti dicono. Non basta aggiungere una chat in basso a destra, collegare un modello, preparare qualche prompt ben scritto e aspettare che la magia faccia il resto. Chi sviluppa software per aziende lo sa bene: il problema non è mettere più AI nei nostri cannoni, ma farla entrare nel punto giusto affinché sia davvero efficace.

Dentro i dati giusti, nei processi giusti, nel linguaggio giusto, nel momento esatto in cui l’utente ha bisogno di capire, decidere o fare qualcosa.

È da qui che siamo partiti ad AI Week 2026 nel nostro workshop tenuto da Diego Zunino, Customer Engineer di Ellycode: “Come integrare BI e AI nel tuo software: casi reali e pattern replicabili”.

Con noi c’erano tre partner: Azerouno, Sistemya e Kimo. Tre aziende diverse, tre prodotti diversi, tre mondi diversi: un gestionale per il settore metalmeccanico, un ecosistema per magazzini manuali e automatici, una piattaforma verticale di Sales Force Automation B2B.

In apparenza, contesti lontanissimi. In realtà, uniti dalla stessa domanda:

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

🎵 “Everything in Its Right Place” — Radiohead, Kid A (2000)

Il titolo sembra scritto apposta. Perché il punto, oggi, non è semplicemente “avere l’AI”. Il punto è capire dove deve stare. E soprattutto dove non deve stare. Non fuori dal software. Non accanto all’esperienza. Non in un ambiente parallelo in cui l’utente deve entrare apposta. Dentro il posto in cui il lavoro accade già.

Non siamo partiti dall’AI.

Può sembrare strano dirlo in un evento dedicato all’intelligenza artificiale, ma il nostro punto di partenza non è stato l’AI.

Siamo partiti dalla Business Intelligence, con un obiettivo preciso: rendere i dati accessibili a tutti.

Questa frase racconta molto del nostro modo di vedere la tecnologia. Perché i dati, nelle aziende, non servono solo a chi sa costruire report, conosce il modello dati o ha il tempo di interpretare dashboard complesse. Servono a chi deve decidere se richiamare un cliente, capire perché un ordine è fermo, controllare un magazzino, preparare una visita commerciale o leggere un’anomalia prima che diventi un problema.

Per anni abbiamo parlato di democratizzazione della Business Intelligence. Oggi quella stessa idea fa un passo in avanti, perché rendere i dati accessibili non significa più soltanto mostrarli meglio. Significa portarli più vicino a chi ha il compito di estrarre valore. Più vicino alle domande reali. Più vicino ai processi. Più vicino alle decisioni. Più vicino alle persone che, ogni giorno, usano un software per lavorare.

Gli utenti non vogliono un altro, l’ennesimo, strumento.

Una delle frasi più importanti del workshop è stata questa: gli utenti non vogliono usare più strumenti, ma desiderano poter lavorare in un unico flusso cognitivo e procedurale.

È una frase semplice, e proprio per questo è difficile da ignorare.

Negli anni abbiamo costruito software sempre più ricchi, specializzati, potenti. Poi però, spesso, abbiamo chiesto agli utenti di fare il lavoro più faticoso: mettere insieme i pezzi. Aprire il gestionale, cercare il dato, esportare un file, entrare in una dashboard, filtrare, interpretare, passare a un altro strumento, fare una domanda, tornare nel gestionale e solo a quel punto agire.

Ogni passaggio, preso da solo, magari ha una sua logica. Tutti insieme, però, diventano attrito. E l’attrito nel lavoro quotidiano si paga: in tempo, attenzione, errori, decisioni rimandate, informazioni che c’erano ma che nessuno ha visto nel momento giusto.

Per questo ad AI Week abbiamo raccontato la nostra visione: vogliamo portare Elly nei software dei partner, integrando Dashboard, Q&A e Insight direttamente nelle loro esperienze applicative.

Non come prodotto da aprire a parte. Non come finestra esterna. Non come “la parte AI” separata dal resto. Elly entra nel software e porta con sé tre modi diversi di avvicinare il dato all’utente:

1. le Dashboard, per leggere quello che sta succedendo;

2. il Q&A, per fare domande in linguaggio naturale;

3. gli Insight, per far emergere segnali utili senza doverli cercare ogni volta da zero.

Il punto non è aggiungere tre funzionalità a un prodotto già esistente. L’obiettivo è costruire un’esperienza in cui l’utente possa passare dal dato alla domanda, dalla domanda all’approfondimento, dall’approfondimento alla decisione senza uscire dal proprio flusso di lavoro.

Questa, per noi, è integrazione: non aggiungere semplicemente l’AI sopra il software, ma innestare le sue potenzialità in un contesto che già funziona.

Azerouno: quando l’AI smette di essere spettacolo.

Il primo caso mostrato durante il workshop è stato quello di Azerouno, insieme a Fabio Boaglio, Product Manager, con l’integrazione di Elly dentro Concept ERP, il gestionale pensato per digitalizzare le aziende del mondo metalmeccanico.

Qui il contesto è molto concreto. Parliamo di ordini, clienti, fatturato, produzione, magazzino, margini, tempi, scelte operative. In un ambiente così, l’AI non può essere decorativa. Non può essere una trovata da demo. Deve essere utile.

Ed è proprio qui che una frase della presentazione trova il suo posto naturale: Intelligenza Artificiale utile, non un effetto speciale.

Perché in un ERP l’intelligenza artificiale non serve a stupire. Serve a semplificare. Serve a ridurre i passaggi, leggere meglio i dati, trovare prima le informazioni, far emergere collegamenti che magari esistono già ma restano nascosti dietro schermate, filtri e tabelle.

La demo di Azerouno mostrava questo cambio di prospettiva. Elly non arrivava come un prodotto separato da aprire in un altro ambiente: entrava dentro Concept e diventava, lì dentro, un nuovo modo per leggere, interrogare e interpretare i dati del gestionale.

Decisioni più rapide, accesso ai dati più semplice.

Non un semplice slogan, più che altro una necessità. Perché l’utente non ha bisogno di meravigliarsi davanti all’AI (abbiamo ancora bisogna dell’effetto WOW?): secondo noi ha solo bisogno di lavorare meglio.

Ecco perché Concept continua ad evolvere verso un’esperienza più naturale, più casi d’uso e più valore concreto. Non più complessità, non più strumenti da imparare, non più passaggi da aggiungere. Piuttosto, un modo più diretto per arrivare a ciò che conta.

La conversazione non sostituisce il software.

A questo punto bisogna chiarire un equivoco.

Quando si parla di AI nei software, spesso si immagina che tutto debba diventare una chat, come se dashboard, report, filtri, schermate operative e funzioni applicative fossero improvvisamente da superare. In realtà non è così.

La conversazione non deve sostituire il software: deve avvicinarlo all’utente.

Nel workshop lo abbiamo raccontato con un’altra frase chiave: gli insight diventano una estensione naturale del dialogo.

L’utente fa una domanda, il sistema risponde, da quella risposta emerge un insight, da quell’insight nasce un approfondimento, e da quell’approfondimento può partire una decisione. A quel punto il dato non è più soltanto qualcosa da consultare. Diventa parte di una conversazione.

Non una conversazione generica, però. Una conversazione che vive dentro il contesto del software, dentro i dati dell’azienda, dentro le logiche del prodotto, dentro il linguaggio del settore e dentro il lavoro reale dell’utente.

Domande, insight e approfondimenti convivono nella stessa esperienza. Ed è qui che la BI cambia forma: non perde struttura, non rinuncia alla precisione, non abbandona dashboard e metriche. Semplicemente, diventa più accessibile, più vicina, più naturale.

Ogni conversazione ha bisogno del suo contesto.

Naturalmente, non tutte le conversazioni sono uguali.

Una domanda fatta da un commerciale non è la stessa domanda fatta da un responsabile di magazzino. Un

’informazione utile per l’amministrazione può essere irrilevante per chi segue la produzione. Un agente che lavora sui clienti non deve ragionare come un agente che lavora sulle consegne.

Ecco perché un’AI generica, dentro un software verticale, rischia di essere poco utile. Risponde, certo. Ma non sempre capisce il contesto.

Durante il workshop lo abbiamo detto così: ogni conversazione ha bisogno di dati, contesto e conoscenza dedicati.

Da qui nascono i Custom Agents: non un assistente unico, buono per tutto e quindi davvero profondo su poco, ma agenti progettati per muoversi dentro funzioni specifiche, con dati specifici, obiettivi specifici, regole specifiche e un linguaggio coerente con quella parte del prodotto.

Per una software house verticale, questo è un punto decisivo: “abbiamo integrato un assistente AI” non porta alcun valore aggiunto in sé, ma solo se è in grado di costruire esperienze conversazionali che sappiano davvero dove si trovano.

Sistemya: quando il software incontra il mondo fisico.

Il secondo caso ci porta in un mondo completamente diverso: quello di Sistemya, presentato da Francesco Di Lauro, CEO.

Qui non siamo più solo dentro un gestionale. Siamo nel mondo dei magazzini manuali e automatici, dell’intralogistica, dei flussi fisici, dei sistemi che devono parlarsi, dei processi che devono restare sotto controllo.

Sistemya si racconta come partner tecnologico per aziende, integratori e costruttori che vogliono trasformare magazzini manuali e automatici in ecosistemi integrati, controllabili e intelligenti. È una frase densa, perché dietro parole come “magazzino”, “automazione” o “integrazione” non ci sono concetti astratti: ci sono movimentazioni, stati, eccezioni, priorità, documenti, macchine, persone, tempi e responsabilità.

In un contesto così, l’AI non può limitarsi a dare risposte eleganti. Deve saper stare dentro un sistema operativo complesso, collegare informazioni che vivono in punti diversi, aiutare l’utente a capire cosa sta accadendo e rendere più leggibile un ecosistema che, per natura, è fatto di molti strati.

Nelle slide, accanto ad Armonya e Rytmo, compare Elly. Ed è proprio lì che il racconto diventa interessante, perché Elly non arriva a sostituire ciò che esiste: arriva a renderlo più interrogabile, più accessibile, più vicino alle persone che devono prendere decisioni dentro quel sistema.

La conoscenza aziendale non vive solo nei dati.

Quando si parla di Business Intelligence, siamo abituati a pensare ai database: tabelle, metriche, KPI, grafici, serie storiche.

Tutto giusto. Ma incompleto.

Perché la conoscenza aziendale vive nei dati, certo. Ma vive anche nei documenti: manuali, procedure, PDF tecnici, contratti, listini, schede prodotto, documentazione interna. Informazioni preziose che spesso esistono già, ma sono sparse in cartelle, archivi, repository, allegati e file condivisi.

Il problema è che, nel momento del bisogno, trovarle è un altro lavoro.

Per questo nel workshop abbiamo parlato di Knowledge Base. Con la Knowledge Base, documenti e contenuti entrano nell’esperienza conversazionale. Significa che l’utente non interroga più soltanto numeri e dashboard, ma anche quel patrimonio di conoscenza che normalmente resta fuori dal flusso applicativo pur essendo essenziale per lavorare bene.

È un passaggio importante, perché avvicina l’AI al modo reale in cui funzionano le aziende. Le aziende non vivono solo di dati strutturati. Vivono di regole scritte, procedure condivise, documenti tecnici, esperienza accumulata e conoscenza distribuita.

Portare tutto questo dentro l’esperienza conversazionale significa ridurre un’altra distanza: quella tra ciò che l’azienda sa e ciò che l’utente riesce davvero a trovare quando gli serve.

Dal sapere al fare.

Poi arriva il passaggio successivo, quasi inevitabile.

A un certo punto sapere non basta. L’utente non vuole solo chiedere “quali clienti sono in calo?” ma anche capire cosa fare dopo. Preparare un’azione commerciale, generare un report, aggiornare uno stato, aprire una richiesta, avvisare qualcuno, prenotare un appuntamento, scaricare un documento, far partire un processo.

È qui che entra una delle frasi più forti della presentazione: il linguaggio naturale può attivare e abilitare azioni concrete.

Con i Custom Commands, il software può intercettare ed eseguire azioni generate dalla conversazione. Questo è un cambio di passo, perché l’AI smette di essere soltanto uno strumento per ottenere risposte e diventa una nuova modalità di interazione con il software.

Sempre dentro regole definite, sempre dentro un contesto controllato, sempre dentro i confini del prodotto. Ma con un’interfaccia più naturale.

Per chi sviluppa software, questo è forse uno dei pattern più interessanti: non pensare all’AI solo come livello informativo, ma come porta di accesso ad azioni reali.

Abbiamo aggiunto al “dimmi”, anche un necessario “fai”.

Kimo: l’AI dentro la Sales Force Automation verticale.

Il terzo caso è quello di Kimo, presentato da Gabriele Ottaviani, CEO.

Kimo è una soluzione di Sales Force Automation verticale per aziende B2B nei settori dell’edilizia, dell’idrotermosanitaria, dell’elettrico e della ferramenta. Ancora una volta, il contesto cambia. E ancora una volta, il punto resta lo stesso.

Una rete vendita non ha bisogno di un’AI astratta. Ha bisogno di risposte su clienti, ordini, prodotti, opportunità, territori, agenti, priorità e prossime azioni. Ha bisogno di preparare meglio una visita, capire quali clienti seguire, leggere segnali commerciali che rischiano di restare nascosti e trasformare informazioni sparse in decisioni più rapide.

In un software verticale come Kimo, BI e AI diventano utili proprio perché non partono da zero. Entrano in un prodotto che conosce già il lavoro dei suoi utenti e lo amplificano.

Non chiedendo alle persone di cambiare modo di lavorare, ma portando dati, insight e conversazione dentro il modo in cui lavorano già.

Tre casi, un unico viaggio.

Azerouno, Sistemya e Kimo raccontano tre storie diverse, ma viste insieme compongono un’unica direzione.

Integrare BI e AI in un software significa ripensare il modo in cui l’utente accede alle informazioni, fa domande, riceve suggerimenti, consulta conoscenza e attiva azioni.

Partire dai dati, ma non fermarsi ai dati per arrivare dove serve davvero: nel software, nel flusso, nel lavoro, nel posto giusto.

È il momento di integrare.

Il workshop si è chiuso con un grazie ai partner che ci aiutano a crescere. Fondamentale per noi. Il vero senso del nostro percorso: il programma Partner Ellycode.

Le integrazioni come queste nascono dall’incontro tra due competenze: da una parte, una tecnologia pensata per rendere dati, insight e conoscenza più accessibili; dall’altra, partner che conoscono davvero i propri mercati, i propri utenti, i propri processi e il proprio linguaggio.

Azerouno, Sistemya e Kimo sono tre esempi concreti di come Elly può entrare nei software dei partner e portare valore dove l’utente sta già lavorando.

E allora sì: è il momento di integrare.

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

Non era solo un claim da mettere su una slide o su una parete. Era, e resta, la nostra stella polare che ci indica la direzione.
Per noi i dati non sono mai stati soltanto numeri, grafici, tabelle o dashboard. Sono il modo in cui le aziende provano a capirsi meglio. Sono le domande da porsi e le decisioni da prendere. I processi da migliorare e le informazioni da rendere finalmente accessibili a chi ne ha bisogno.

Quest’anno, ad AI Week 2026, abbiamo fatto un passo avanti. Il nuovo messaggio che abbiamo portato è stato:

Ed è qui che le due cose si tengono. Perché se il lato umano del dato è il punto da cui siamo partiti, l’ecosistema è il modo in cui vogliamo continuare il percorso.

Da soli, infatti, possiamo costruire una piattaforma. Ma un ecosistema no.

Un ecosistema nasce quando intorno a una tecnologia si muovono partner, clienti, software house, casi reali, competenze di settore, integrazioni, feedback, idee che arrivano dal campo e tornano dentro il prodotto.

Nasce quando Elly non resta qualcosa “da usare a parte”, ma entra nei software che le aziende utilizzano ogni giorno.
Nasce quando un partner prende la nostra tecnologia e la porta nel proprio mondo: manifattura, idrosanitario, gestione clienti, portali B2B, documentazione tecnica, ordini, assistenza.

Nasce, soprattutto, quando le persone iniziano a costruire qualcosa insieme.

È stata una tappa del percorso. Una di quelle tappe in cui ti fermi un attimo, guardi chi sta camminando con te, rimetti in ordine le idee e capisci meglio dove stai andando.

E come succede dopo giornate così, la prima cosa che resta è il senso di gratitudine per le persone che ci hanno ascoltato e conosciuto, per i partner che accolgono, sostengono e migliorano le nostre proposte, per i clienti che ci danno fiducia.

Prima di entrare nel vivo dell’articolo 134 della nostra newsletter, apriamo Spotify e tiriamo fuori la nostra playlist Data Grooves:

🎵 “How You Remind Me” — Nickelback, Silver Side Up (2001)

Perché certe tappe servono anche a questo: a ricordarci da dove siamo partiti e che dietro ogni evoluzione di Elly c’è sempre qualcuno che ci ha aiutato a vedere meglio il passo successivo.

E prima ancora di parlare delle novità di Elly, vogliamo partire da qui: dai partner, che hanno scelto di non guardare l’Intelligenza Artificiale come una feature da aggiungere, magari con un pulsante nuovo e una bella etichetta sulla brochure, ma come un pezzo di strada da fare insieme.

Perché costruire un ecosistema AI significa proprio questo:

• mettere insieme competenze diverse

• ascoltare chi conosce un settore meglio di noi

• portare davvero BI e AI dentro software, processi, mercati e clienti che hanno già una storia, un linguaggio, abitudini precise.

E significa anche accettare una cosa molto semplice: da soli possiamo arrivare fino a un certo punto. Con i partner, invece, possiamo andare molto più lontano.

Il nostro ecosistema nasce così: non da una lista di loghi messi uno accanto all’altro, ma da progetti concreti.

Da software house che vogliono portare Business Intelligence e AI dentro i propri prodotti.
Da aziende che vogliono rendere più accessibili i dati ai propri clienti.
Da system integrator che cercano soluzioni da integrare in modo verticale.
Da realtà che hanno già un mercato, una relazione con i propri utenti, una competenza specifica da valorizzare.

Ed è un ecosistema aperto.

Per questo, durante AI Week, abbiamo voluto ribadirlo con chiarezza: il percorso è aperto a nuovi partner.

A chi vuole integrare Elly nella propria piattaforma.
A chi vuole offrire ai propri clienti dashboard, insight, Q&A, agenti AI e strumenti di analisi senza ripartire ogni volta da zero.
A chi sente che l’AI, per essere davvero utile, deve entrare nei software che le persone usano già.

Il nostro Partner Program nasce proprio per questo: costruire insieme nuove soluzioni AI, partendo dalla tecnologia di Elly e dalla conoscenza verticale di chi ogni giorno lavora accanto ai propri clienti.

👉 Per scoprire il programma partner.

E poi, certo, ci sono state anche le novità. Perché un ecosistema vive di relazioni, ma cresce se il prodotto continua a evolvere.

Durante i nostri talk abbiamo raccontato proprio questo: il percorso che ci ha portato da una piattaforma di Business Intelligence pensata per rendere i dati più accessibili, a un sistema sempre più integrabile nei software dei partner.

Non uno strumento da usare “a parte”, ma un’esperienza da portare dentro gestionali, portali B2B, applicazioni verticali, ambienti di lavoro che le persone conoscono già.

E nei prossimi numeri della nostra newsletter entreremo proprio nel dettaglio delle novità presentate ad AI Week 2026.

Per ora ci teniamo a fermarci qui.

Alle persone.
Ai partner.
Ai clienti.
Alle idee raccolte.
Alle foto che raccontano meglio di tante parole il senso di questi giorni.

E, come tutte le tappe importanti, ci ha ricordato una cosa semplice:

Ma non vogliamo ripetere l’annuncio della scorsa settimana. Quello lo abbiamo già fatto. Oggi vogliamo fare un passo in più, perché AI Week non è solo il posto in cui presenteremo un nuovo claim di Ellycode:

Più di una piattaforma BI. Un ecosistema di soluzioni AI.

L’AI Week è anche il posto in cui proveremo a raccontare perché quel claim non è una frase da brochure, ma una direzione precisa. Una scelta, per dirla meglio. Un modo diverso di pensare la Business Intelligence, l’intelligenza artificiale e il software.

In questi mesi la domanda che sentiamo più spesso è sempre la stessa:

È una domanda comprensibile. La fanno le aziende, la fanno le software house, la fanno i consulenti, la fanno i clienti finali. E in parte è normale, perché oggi l’offerta è enorme.

Ma è anche una domanda che arriva quasi sempre troppo presto.

Prima di scegliere lo strumento, bisognerebbe sapere dove deve lavorare. Dentro quale processo. Con quali dati. Con quali persone. Con quali responsabilità.

La domanda vera, quella che cambia le cose, è un’altra: dove deve lavorare l’AI?
Non in un progetto pilota. Non in un laboratorio separato. Non nella slide per il consiglio di amministrazione.

Nel lavoro vero. Quello fatto di CRM compilati a metà, fogli Excel con nomi creativi, approvazioni via mail, report aggiornati in ritardo e decisioni prese a intuito perché il dato arriva quando ormai non serve più.

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:

🎵 “Electricity” — Silk City & Dua Lipa feat. Diplo e Mark Ronson, Electricity (2018)

Perché forse è proprio questa l’immagine giusta: non l’AI come fuoco d’artificio da accendere per fare scena, ma come energia che attraversa il sistema. Dati, software, processi, persone. Quando le connessioni iniziano a funzionare, il valore smette di stare in un punto solo e comincia a circolare.

Non manca l’AI. Manca l’ecosistema.

C’è una cosa nuova, in questo momento.
Per anni il problema è stato quasi sempre l’opposto: avevamo idee che la tecnologia non riusciva a sostenere. Volevamo prevedere, automatizzare, capire meglio i clienti, prendere decisioni prima che fosse troppo tardi.

Ma mancavano gli strumenti. O erano troppo costosi. O troppo complessi. O troppo lontani dalla vita quotidiana delle aziende.

Oggi non è più così.
Gli strumenti ci sono.
Anzi, sono troppi.

Ogni settimana esce qualcosa di nuovo e ogni reparto, legittimamente, trova il suo strumento. Il marketing ha i suoi generatori, le vendite i propri assistenti, l’amministrazione le sue automazioni. E l’IT prova a tenere insieme tutto, spesso con lo stesso entusiasmo di chi deve organizzare una cena di famiglia in cui nessuno si parla.

Qui sta il punto.
Il problema non è più accedere all’intelligenza artificiale.
Il problema è assorbirla.

Farla entrare nei processi senza creare altro rumore. Collegarla ai dati giusti. Portarla vicino alle persone che devono decidere. Farla lavorare dentro strumenti che esistono già, invece di aggiungere l’ennesimo posto in cui andare a cercare una risposta.

Perché oggi molte aziende non hanno poca AI. Ne hanno tanta, ma sparsa.

Un chatbot qui. Un assistente là. Un’automazione in un reparto. Una dashboard in un altro. Un modello usato da qualcuno, un file aggiornato da qualcun altro, una procedura che nel frattempo continua a passare via mail.

Ogni pezzo, magari, funziona. L’insieme ancora no.

L’AI isolata fa rumore. L’AI integrata crea valore.

Quando l’AI entra in azienda, spesso entra in maniera disordinata. Entra dal sito, con un chatbot. Entra in un reparto, con un tool scelto da qualcuno. Entra in una dashboard, in un’automazione, in un assistente personale che ognuno usa un po’ come vuole. E questa, in parte, è una buona notizia.

Vuol dire che la barriera culturale si è abbassata. Vuol dire che le persone hanno iniziato a provare. Vuol dire che l’AI non è più una cosa da guardare da lontano, ma qualcosa che entra nelle giornate, nelle riunioni, nelle mail, nelle analisi, nei documenti.

Però poi succede spesso un’altra cosa.
L’AI entra, ma resta lì.
Ai margini.

Fa qualcosa. Aiuta qualcuno. Velocizza un pezzo. Ma non cambia davvero il modo in cui l’organizzazione funziona.

Ma questi oggetti non sempre si parlano. Non sempre condividono lo stesso contesto. Non sempre lavorano dentro lo stesso flusso.

E allora aggiungiamo intelligenza senza aggiungere sistema.

È un po’ come montare un motore elettrico su una carrozza dell’Ottocento. Fa scena. Si muove anche. Ma non è ancora un’automobile.

L’AI isolata produce efficienza locale. L’AI integrata produce cambiamento.
La prima migliora un’attività. La seconda cambia il modo in cui le attività si collegano tra loro.

Quando diciamo: “Più di una piattaforma BI. Un ecosistema di soluzioni AI” non stiamo dicendo che Elly smette di essere Elly.

Elly resta la nostra piattaforma di Business Intelligence, potenziata dall’intelligenza artificiale, che trasforma i dati aziendali in risposte chiare, dashboard dinamiche, insight, conversazioni in linguaggio naturale, previsioni e automazioni.

È un motore che può entrare nei software, nei gestionali, nei CRM, nelle soluzioni verticali, nei processi che le persone usano già ogni giorno. Senza costringerle a uscire dal loro mondo.
Senza aggiungere l’ennesima interfaccia, l’ennesima password, l’ennesimo posto in cui “andare a vedere i dati”.

Vogliamo portare l’intelligenza dove le persone stanno già lavorando.
Dentro il flusso.
Dentro il prodotto.
Dentro la decisione.

È questa la differenza tra una piattaforma e un ecosistema. Una piattaforma la usi. Un ecosistema lo abiti.

E un ecosistema funziona solo se qualcuno lo abita davvero: partner, software house, aziende, utenti finali, persone che conoscono il proprio settore e che sanno dare significato ai dati molto meglio di qualsiasi modello generico.

Perché l’AI, da sola, non conosce il vostro modo di lavorare.

Non sa cosa significa davvero “cliente attivo” nella vostra azienda. Non sa quando un ordine è chiuso, quando una vendita è persa, quando una consegna è davvero completata, quando un’anomalia è solo rumore e quando invece è il primo segnale di un problema.

Elly porta il motore. I partner portano il contesto. Il valore nasce quando queste due cose iniziano a lavorare insieme.

Dal vedere all’agire

Per anni la Business Intelligence è stata soprattutto questo: vedere meglio.

Vedere vendite, margini, clienti, magazzino, performance, anomalie. Ed è già tantissimo. Perché moltissime aziende italiane hanno ancora dati dispersi, report costruiti a mano, numeri che cambiano a seconda di chi li presenta in riunione.

Quindi sì: vedere meglio resta fondamentale. Ma oggi non basta più. E poi?

Chi interviene, con quale priorità, dentro quale processo, con quali informazioni, con quale responsabilità?

La BI che ci interessa oggi non è solo uno specchio. È una leva.

Non dice soltanto cosa è successo, ma aiuta a capire cosa sta per succedere, suggerisce dove intervenire, porta più vicino alla decisione e, quando serve, attiva un’azione.

La Business Intelligence che ci interessa è questa.

È qui che BI e AI iniziano davvero a lavorare insieme, quando un software può smettere di essere solo uno strumento operativo e iniziare a diventare un sistema intelligente.

Due AI molto diverse

Nei prossimi anni questa distinzione diventerà sempre più chiara:

• da una parte c’è l’AI di supporto: quella che aiuta a scrivere, sintetizzare, generare immagini, preparare una mail, creare una bozza, riassumere un documento.

  È utilissima. Ha abbassato la soglia d’ingresso e ha fatto capire a milioni di persone che l’intelligenza artificiale non era fantascienza.

  Affascina, perché la vedi subito.

  Scrivi un prompt e succede qualcosa.

• Dall’altra parte però c’è l’AI di sistema: quella che lavora sui processi, sulle decisioni, sulle previsioni, sui flussi operativi.

  È meno appariscente. A volte non ha nemmeno la forma di una chat. Può essere un suggerimento dentro un gestionale, un alert, una previsione di vendita, una priorità che cambia, una dashboard che non si limita a mostrare un dato ma ti dice dove guardare prima.

La prima AI affascina. La seconda crea valore.

Ed è proprio questa AI di sistema che veniamo a raccontare ad AI Week.

Quella che non resta fuori dai processi, ma ci entra dentro. Quella che non chiede alle persone di cambiare dieci strumenti, ma porta intelligenza negli strumenti che già usano. Quella che non si limita a rispondere a una domanda, ma aiuta a costruire una decisione migliore.

Ad AI Week lo mostriamo dal vivo

Il 19 e 20 maggio saremo a Fiera Milano Rho per AI Week 2026. Ci trovate allo stand 109. E ci troverete con una cosa molto precisa da raccontare:

Non in teoria. Dal vivo. Con Elly, con i nostri partner, con casi concreti, con integrazioni, con scenari reali e con una nuova feature che non vediamo l’ora di mostrarvi.

Accanto a noi ci saranno sette partner che hanno scelto di costruire questo percorso insieme a Ellycode:

Azerouno, Kimo, Sistemya, TDA Informatica, Blucloud, Wave, Gruppo CGN.

Ognuno con il proprio mercato, i propri clienti, i propri processi, le proprie competenze verticali.

Ed è proprio questo il punto: l’AI, da sola, non conosce il vostro settore. Non conosce le eccezioni, le abitudini operative, il modo in cui davvero lavorano le aziende. Serve qualcuno che quel mondo lo conosca. Serve chi costruisce software verticale. Serve chi parla ogni giorno con i clienti. Serve chi sa cosa significa un dato dentro un processo reale.

Tre talk, un unico messaggio

Oltre allo stand, saremo anche in giro per stage: tre talk, tre voci diverse di Ellycode, tre modi per raccontare la stessa direzione: portare BI e AI dentro i prodotti, i dati e le decisioni.

• Lunedì 19 maggio · ore 17.00 · Main Stage
  Costruire ecosistemi AI: una nuova era per le imprese
  Gabriele Granato, CMO di Ellycode

Non costruiremo più solo software, ma ecosistemi capaci di adattarsi, suggerire e prendere decisioni. È qui che l’AI smette di essere tecnologia e diventa leva strategica per le imprese.

• Martedì 20 maggio · ore 10.30 · Maxi Stage 2 — Workshop
  Come integrare BI e AI nel tuo software: casi reali e pattern replicabili
  Diego Zunino, Customer Engineer di Ellycode

Dai casi concreti ai pattern riutilizzabili: come integrare BI e AI dentro software reali. Un approccio pratico per capire cosa funziona davvero, e come replicarlo.

• Martedì 20 maggio · ore 16.15 · Tech Stage
  Da software a sistema intelligente: portare BI e AI dentro il tuo prodotto
  Michele Aponte, CEO e CTO di Ellycode

I dati non bastano più. Il vero salto è costruire software che capiscono, suggeriscono e guidano.

L’esercizio della settimana

Questa settimana facciamo un esercizio semplice.

Prima di venire ad AI Week, o anche se non riuscirete a esserci, scegliete uno strumento AI che avete iniziato a usare negli ultimi mesi.

Un assistente, un chatbot, un’automazione, un generatore, un’integrazione.

Uno qualunque.

E fatevi tre domande:

1. A quale processo è collegato davvero?

2. Chi usa il risultato che produce?

3. Se domani sparisse, qualcuno se ne accorgerebbe?

Se la risposta all’ultima domanda è “probabilmente no”, non è detto che lo strumento sia inutile, ma forse è solo rimasto ai margini. Sta aiutando qualcuno, ma non sta ancora cambiando il sistema.

Se passate da Milano il 19 o il 20 maggio, venite a trovarci.

Più di una piattaforma BI. Un ecosistema di soluzioni AI.

Siamo allo Stand 109.

🔗 ellybi.com

E non ci andremo da soli. Nè a mani vuote.

Ci andremo con una nuova incredibile feature di Elly, un nuovo claim, una nuova brochure, sette partner che hanno deciso di salire sul palco insieme a noi e tre talk distribuiti sui due giorni.

Per questo oggi vogliamo parlare di ecosistema, prima ancora che di tecnologia.

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:

🎵 “Come Together” — The Beatles, Abbey Road (1969)

Perché un ecosistema non è la somma di cose messe vicine. È quello che succede quando persone diverse scelgono di stare nello stesso posto, nello stesso momento, per fare la stessa cosa.

Più di una piattaforma BI. Un ecosistema di soluzioni AI.

È questo il nuovo claim che presenteremo ad AI Week 2026. Non una semplice sfumatura di linguaggio, ma è una scelta. Netta. Precisa. Voluta fortemente, potremmo dire.

Una piattaforma è uno strumento. La compri, la installi, la usi.

Un ecosistema è un’altra cosa. È un insieme di parti che vivono insieme, si influenzano, cambiano forma nel tempo. Funziona se i pezzi si parlano. Si ferma se qualcuno smette di mettere qualcosa di suo.

Elly resta Elly: la nostra piattaforma di Business Intelligence, potenziata dall’intelligenza artificiale, che trasforma i dati aziendali in risposte chiare, dashboard dinamiche, conversazioni in linguaggio naturale, previsioni e automazioni.

L’AI applicata ai dati funziona davvero quando incontra qualcuno che conosce il contesto. Un magazzino, una rete commerciale, un ciclo produttivo, una filiera, uno studio professionale. Ogni settore ha i suoi processi, le sue eccezioni, il suo modo di lavorare. E nessuno conosce un settore meglio di chi ci lavora dentro tutti i giorni.

I partner che ci accompagnano.

Quest’anno ad AI Week saliamo sul palco con sette partner che hanno scelto Elly come motore di Business Intelligence e AI dentro i loro software, i loro processi e modelli di business:

• Azerouno

• Kimo

• Sistemya

• TDA Informatica

• Blucloud

• Wave

• Gruppo CGN

Ognuno con un proprio mercato, un proprio modo di lavorare, una propria storia da portare. La cosa che ci rende orgogliosi è che ognuno di loro ha deciso che valeva la pena costruire qualcosa insieme a noi.

E da queste collaborazioni nascono soluzioni che non si limitano a raccogliere dati, ma li interpretano, li spiegano, li trasformano in previsioni e li rendono utili nel momento in cui qualcuno deve decidere qualcosa.

Vi aspettiamo allo stand 109 dove potrete vedere Elly al lavoro dentro scenari diversi.

Persone che fanno domande ai dati come parlerebbero a un collega, in linguaggio naturale, e ottengono risposte immediate. Dashboard, insight e report che si generano da soli, con trend e anomalie già evidenziati. Forecasting e scenari what-if, per leggere l’evoluzione del business e simulare scelte prima di farle. E una piattaforma aperta, componibile, che si adatta al dominio invece di imporre un pacchetto rigido.

Tutto questo non in un’altra interfaccia, con un’altra password, ma dentro i gestionali, i CRM, le soluzioni verticali che le persone già usano ogni giorno.

E poi ci saranno alcune novità che preferiamo non anticipare qui. Diciamo solo che valgono il viaggio.

Saliamo sul palco. Anzi, su tre.

Oltre allo stand, potrete trovarci anche in giro per stage: quest’anno infatti portiamo anche tre talk. Tre voci diverse di Ellycode, tre palchi diversi, tre angolazioni dello stesso discorso: portare BI e AI dentro le soluzioni che le imprese usano ogni giorno, dalla visione strategica al pattern operativo.

• Lunedì 19 maggio ore 17.00 — Main Stage
  Costruire ecosistemi AI: una nuova era per le imprese Gabriele Granato, CMO di Ellycode — 15 minuti Non costruiremo più software, ma ecosistemi capaci di adattarsi, suggerire e prendere decisioni. È qui che l’AI smette di essere tecnologia e diventa leva strategica per le imprese.

• Martedì 20 maggio ore 10.30 — Maxi Stage 2 (Workshop)
  Come integrare BI e AI nel tuo software: casi reali e pattern replicabili Diego Zunino, Customer Engineer di Ellycode — 30 minuti Dai casi concreti ai pattern riutilizzabili: come integrare BI e AI dentro software reali. Un approccio pratico per capire cosa funziona davvero, e come replicarlo.

• Martedì 20 maggio ore 16.15 — Tech Stage
  Da software a sistema intelligente: portare BI e AI dentro il tuo prodottoMichele Aponte, CEO e CTO di Ellycode — 15 minuti I dati non bastano più: il vero salto è costruire software che capiscono, suggeriscono e guidano. Vediamo insieme come portare BI e AI nel cuore dei nostri prodotti.

E voi, ci sarete?

Se passate per Milano il 19 o il 20 maggio, venite a trovarci allo stand 109. È meglio guardarsi negli occhi che leggere una brochure, e ad AI Week ci sarà spazio per farlo davvero, con noi, con i nostri partner e con tutte le aziende che ogni giorno provano a fare un pezzo di strada in più con i loro dati.

Un vero ecosistema, non uno slogan.

Quando ci siamo seduti a riscrivere il claim per il 2026, ci siamo accorti che la parola “piattaforma” ci stava un po’ stretta.

Negli ultimi anni, intorno a Elly, è cresciuto qualcosa di più grande di un prodotto. Sono nate integrazioni, partnership, soluzioni costruite a quattro mani con chi conosce i propri clienti meglio di chiunque altro. E quel “qualcosa” non lo possiamo chiamare piattaforma. Lo vogliamo chiamare ecosistema.

Una piattaforma resta da sola. Un ecosistema vive perché qualcuno lo abita.

I partner che ci accompagnano ad AI Week - e i tre talk che porteremo sui palchi - sono la prova che questa scelta ha senso. E sono il motivo per cui, allo stand 109, troverete più di un logo accanto al nostro.

Se nel frattempo volete vedere Elly all’opera, ci trovate su ellybi.com. Il resto, ce lo raccontiamo a Milano.

Lunedì, ore 8:47

Caffè in mano, posta aperta. Arriva quella mail lì, in automatico, ogni settimana, sempre con lo stesso oggetto.

E la domanda che ci sottovoce ci facciamo ogni voltà è: stamattina la apriamo o come sempre facciamo finta di niente e scorriamo oltre?

Ecco! Se la risposta è “scorro oltre”, non siete soli, non preoccupatevi, benvenuti nel club. E non è solo colpa vostra, non bisogna farne un cruccio.

Ma fermiamoci un attimo prima di andare avanti. Come da tradizione accompagniamo la lettura con un suggerimento musicale dalla nostra playlist Spotify Data Grooves, curata con tanta passione da noi settimana dopo settimana:

🎵 “Monday Morning” — Death Cab for Cutie, Codes and Keys (2011)

Perché il lunedì mattina, in fondo, non è sempre una corsa disperata. A volte (succede) può anche essere un momento di serenità stimolante: il caffè ancora caldo, l’ufficio che si accende piano, la settimana tutta da mettere in ordine.

La mail che diventa carta da parati

Ma torniamo al topico del nostro articolo: quasi tutte le aziende, oggi, hanno qualche forma di reportistica automatica.

Una mail che parte ogni lunedì.
Una mail che arriva ogni primo del mese.
Un report che viene inviato a fine trimestre.

È una delle cose più semplici da impostare in qualunque piattaforma di Business Intelligence: scegli una dashboard, scegli una frequenza, aggiungi i destinatari, salvi.

Il problema arriva dopo.

Dopo tre settimane, quella mail non la apre più nessuno. Dopo due mesi, è una regola del filtro che la sposta in una cartella che nessuno controlla. Dopo sei mesi, esiste ancora, ma nessuno saprebbe dire perché.

Perché succede?

Perché spesso quella mail “racconta tutto”.
E quando una mail racconta tutto, non racconta niente.

Sette tabelle, dodici grafici, ventotto KPI. Il destinatario apre, guarda, sospira, chiude.

Non è pigrizia.
È che il messaggio non ha gerarchia.

E senza gerarchia, ogni numero pesa quanto gli altri. Cioè poco.

Dati o lettura dei dati?

Qui sta il punto vero e vale la pena fermarsi un secondo.

Una cosa è ricevere lunedì mattina sette tabelle con i numeri della settimana.
Un’altra cosa è ricevere una sintesi che dice:

Il margine sulla linea X è sceso del 12% rispetto alla media delle ultime otto settimane.
Il cliente Y ha ridotto gli ordini per la terza settimana consecutiva.
La giacenza del prodotto Z è sotto soglia.

La prima richiede tempo per essere capita, la seconda è già una conversazione che attiva un ragionamento:

1. nel primo caso il sistema vi consegna il dato grezzo e vi delega il lavoro di leggerlo (ps. proprio quando abbiamo meno voglia di farlo).

2. nel secondo caso il sistema fa un primo passo in avanti in maniera proattiva: dice cosa è cambiato, dove guardare, su cosa varrebbe la pena fare una domanda in più.

La differenza è abissale. L’intent che è alla base dell’attività ci proietta da un momento di studio a un altro di consapevolezza e quindi decisione.

Perché diciamocelo chiaramente: il punto non è avere altri dati, altre dashboard, ma delegare alcune fasi (come per esempio una prima lettura dei dati per potersi dedicare ad attività ad alto valore aggiunto.

Le tre regole della mail che si apre davvero

• Pochi indicatori, scelti.
  Non quelli che qualcuno ha aggiunto perché c’era spazio, ma quelli davvero importanti e fondamentali.

• Variazioni e anomalie, non solo valori assoluti.
  “Fatturato della settimana: 184.000 €” è un dato.
  “Fatturato della settimana sotto media del 18%, soprattutto sulla linea A” è un’informazione.

• Frequenza coerente con il fenomeno.
  Non tutto deve arrivare ogni lunedì. Le vendite magari sì. Le giacenze dipende. Alcuni indicatori logistici forse richiedono un controllo ravvicinato. Il bilancio mensile, invece, non si legge ogni giovedì mattina.

Dal dato alla prossima domanda

C’è poi un altro aspetto importante:

una buona sintesi non chiude l’analisi. La apre.

Se un insight segnala che una categoria sta crescendo più delle altre, il punto non è fermarsi lì. Il punto è poter scendere di livello, vedere il dato alla base, capire se la crescita riguarda tutti i clienti o solo alcuni, se è concentrata su un territorio, se dipende da una promozione, da una stagionalità o da un’anomalia.

La mail del lunedì, quindi, non deve sostituire la dashboard, ma segnalarci quando davvero analizzare la dashboard serve davvero.

La mail non è il luogo o lo strumento in cui fare tutta l’analisi. Su questo siamo tutti d’accordo. È invece il punto di partenza da cui capire dove vale la pena guardare.

Questo è il passaggio che trasforma una notifica automatica da promemoria passivo a strumento operativo.

Un esercizio per questa settimana

Prendete le ultime quattro mail automatiche che la vostra azienda riceve regolarmente. Possono essere report commerciali, dashboard operative, alert, riepiloghi mensili.

Mettetele in fila.

Per ognuna, una sola domanda: che decisione ha generato?

Non “che informazione conteneva”.
Non “era fatta bene graficamente”.
Non “era completa”.

Che decisione ha generato?

Se la risposta è “nessuna” tre volte su quattro, il problema non è il destinatario distratto, ma lo strumento che non è pensato per essere davvero data-driver.

E a quel punto, vale la pena rifarla.

Le mail automatiche di Elly

Una delle cose su cui abbiamo lavorato di più, in questi mesi, è proprio la differenza tra consegnare dati e consegnare letture.

In Elly, la funzione Genera Insight nasce esattamente per questo: offrire una prima lettura guidata dei dati già presenti in piattaforma.

Potete partire da una collezione oppure da una dashboard già costruita. Da lì, Elly analizza automaticamente i dati disponibili e restituisce una sintesi testuale delle principali evidenze emerse: trend, anomalie, variazioni significative, categorie con valori particolarmente alti o bassi, distribuzioni interessanti, possibili relazioni tra dimensioni e metriche.

Nel caso di una collezione, Elly lavora direttamente sui dati disponibili nel dataset selezionato. Questo vi permette di ottenere rapidamente una prima interpretazione del contenuto, senza dover costruire subito filtri, raggruppamenti o formule.

Nel caso di una dashboard, invece, Elly analizza le tile presenti e produce un report automatico basato sulle metriche e sulle visualizzazioni già disponibili. E qui il valore cresce quando la dashboard è stata progettata bene: pochi indicatori, chiari, significativi.

Perché Elly non si limita a mostrare i dati.
Aiuta a capire cosa merita attenzione.

E quando un insight incuriosisce, si può andare oltre: con la funzione Mostra Dati, potete visualizzare il dato alla base dell’analisi in forma grafica o tabellare, aggiungere il grafico alla dashboard, approfondire con nuove domande o chiedere a Elly di suggerire rappresentazioni alternative usando gli altri strumenti AI.

A questa funzionalità si affianca anche l’invio automatico degli insight via email.

Una volta configurata, ricevete periodicamente una sintesi automatica delle dashboard che vi interessano davvero, direttamente in inbox. Senza dover entrare ogni volta in piattaforma.

La configurazione avviene dalle impostazioni generali della vostra utenza. Da lì potete scegliere su quali ambienti abilitare l’invio, con quale frequenza ricevere le email e su quali dashboard attivare il servizio.

Le frequenze disponibili includono l’invio settimanale, ogni due settimane, mensile o ogni due mesi.

E per evitare l’effetto carta da parati, potete decidere se ricevere gli insight relativi a tutte le dashboard disponibili oppure solo a quelle contrassegnate come preferite.

Un responsabile commerciale, per esempio, potrebbe scegliere di ricevere ogni settimana gli insight sulle dashboard dedicate a vendite, marginalità e performance clienti. Un responsabile operations, invece, potrebbe monitorare periodicamente giacenze, ordini o indicatori logistici.

In entrambi i casi, la dashboard smette di essere solo uno strumento da consultare quando qualcuno se ne ricorda. Diventa un sistema di monitoraggio attivo.

Gli insight automatici non sostituiscono la valutazione dell’utente. La preparano, la orientano, la potenziano. Aiutano a individuare fenomeni rilevanti e rendono più semplice passare dall’osservazione alla decisione.

Il punto, alla fine, resta lo stesso: non è la tecnologia che fa la differenza il lunedì mattina alle 8:47 ma la disciplina di decidere cosa merita davvero la nostra inbox e quindi il nostro scarsissimo tempo.

👉 Scopri Elly

“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!