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

8 days 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!

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

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

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

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

Il problema che nessuno stava risolvendo

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

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

La soluzione: Elly dentro Concept, nativamente

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

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

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

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

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

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

“Ma i miei dati dove vanno?”

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

Elly è GDPR compliant fin dal primo giorno di progetto.

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

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

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

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

Il vero valore di questa partnership

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

It takes two.

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

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

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

🎵 “Policy of Truth” — Depeche Mode

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

Il grande malinteso: dato pulito vs dato affidabile

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

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

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

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

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

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

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

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

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

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

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

Cosa deve fare davvero la BI

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

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

Senza governance, la BI crolla.

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

• chi decide le definizioni e le priorità di business?

• chi mantiene il controllo e la qualità operativa?

• chi implementa pipeline sicure e gestisce i permessi?

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

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

Il twist: la qualità è anche legge

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

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

Un esercizio pratico

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

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

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

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

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

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

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

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

La cosa che nessuno ti dice davvero

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

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

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

Da dove nasce questa visione

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

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

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

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

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

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

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

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

Quanto tempo serve davvero?

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

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

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

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

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

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

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

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

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

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

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

Un esercizio per questa settimana

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

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

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

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

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

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

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

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

🎵 “Man in the Mirror” — Michael Jackson

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

Oltre il dato grezzo: l’era della consapevolezza

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

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

• iniziamo a usarli per “capire” il presente

• e soprattutto proviamo a capire come decidere il futuro.

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Ecco come lo facciamo su tre dimensioni:

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

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

2. Visualizzazione educativa: la forma è sostanza

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

3. Interpretazione strategica: il ROI del tempo mentale

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

Democratizzare senza anarchia

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

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

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

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

Un piccolo esercizio per lunedì mattina

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

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

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

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

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

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

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

🎵 “With a Little Help from My Friends”

che vi proponiamo nella splendida versione di Joe Cocker!

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

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

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

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

Costruire una visione comune e collaborativa

Diciamolo chiaramente: le API non fanno una partnership.

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

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

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

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

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

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

Spostare il focus dal Dato alla Decisione

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

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

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

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

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

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

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

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

Costruire il futuro: un’opportunità per tutti

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

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

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

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

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

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

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

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

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

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

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

🎵 “Somebody That I Used to Know” — Gotye

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

Quando la Business Intelligence diventa un lavoro a tempo pieno

Per anni abbiamo raccontato la BI come un processo lineare:

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

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

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

• hai una dashboard davanti,

• è tutto “verde”

• eppure i conti non tornano.

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

Ecco perché usiamo gli Insight Automatici

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

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

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

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

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

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

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

• costruire visualizzazioni: grafici coerenti con il fenomeno rilevato

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

Due modi diversi di cercare: Collezione e Dashboard

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

1) Insight su Collezione — esplorazione

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

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

2) Insight su Dashboard — contestualizzazione

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

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

Il contesto determina il risultato

Qui serve disciplina.

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

1) Attenzione ai filtri

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

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

2) Garbage In, Garbage Out

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

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

La qualità del dato è il prerequisito dell’affidabilità.

L’output segue l’input. Sempre.

L’insight non chiude il discorso. Lo apre.

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

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

• Perché sta succedendo?

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

• Quale azione correttiva ha senso intraprendere?

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

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

Meno tempo a cercare, più tempo a decidere

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

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