L’ingresso di un istituto di credito all’interno del perimetro di vigilanza della Banca Centrale Europea rappresenta un momento di profonda discontinuità operativa, in grado di trasformare radicalmante l’architettura dei sistemi informativi aziendali.
Quando una realtà finanziaria viene classificata come banca “significant”, la necessità di rispondere a requisiti normativi estremamente stringenti smette di essere un mero esercizio di conformità legale e si trasforma nell’opportunità per ridisegnare l’intera architettura dei dati.
Il percorso intrapreso da Banca Mediolanum, illustrato durante la Use Case Session 2026 degli Osservatori Digital Innovation da Luca Cattolico, Data Governance Specialist dell’istituto, e Andrea Riganti, Account Manager e Strategy Consultant di Ab Initio, descrive esattamente questo passaggio strategico. L’integrazione tra le normative locali, bancarie e assicurative, e i framework europei ha spinto l’organizzazione a superare i limiti storici della frammentazione informativa, gettando le basi per un modello di gestione replicabile e scalabile.
L’evoluzione dei modelli di gestione dati nel settore finanziario regolamentato
La complessità strutturale di un conglomerato finanziario impone la convivenza di modelli di controllo differenti, che devono trovare una sintesi operativa coerente a livello di infrastruttura IT. Nel contesto di Banca Mediolanum, la spinta al cambiamento è arrivata in coincidenza con un’evoluzione del posizionamento dell’istituto sul mercato internazionale. Intorno al 2022 l’organizzazione è diventata ufficialmente una banca “significant” per la vigilanza europea, un passaggio che ha aggiunto le direttive della BCE alla preesistente normativa locale, sia di matrice bancaria sia di matrice assicurativa.
Questo scenario regolatorio stratificato ha reso evidente il bisogno di una profonda revisione dei processi interni. Come evidenziato dai responsabili del progetto, la conformità normativa ha rappresentato l’innesco per una trasformazione più ampia, finalizzata ad aggredire anomalie strutturali note, a partire dalla dispersione dei sistemi informativi.
Come l’unione tra normative bancarie e assicurative trasforma la conformità in valore aziendale
La sovrapposizione di regole eterogenee genera spesso ridondanze nei controlli e rallentamenti operativi se l’infrastruttura tecnologica non è adeguatamente centralizzata. Per Banca Mediolanum, l’adeguamento normativo è diventato il pretesto per definire e implementare una data governance strategy integrata, capace di superare la logica dei silos informativi.
L’obiettivo fondamentale era trasformare un vincolo normativo in un vantaggio competitivo, mettendo ordine nei flussi che alimentano la reportistica di vigilanza. Attraverso questo approccio, i requisiti imposti dai regolatori esterni sono stati internalizzati e tradotti in regole di business utili a migliorare l’efficienza quotidiana e la precisione dei processi decisionali della banca.
I quattro pilastri per superare la frammentazione tra sistemi interni e fornitori in outsourcing
La mappatura dei sistemi ha portato alla luce una forte parcellizzazione dell’ecosistema informativo, storicamente distribuito tra piattaforme interne e architetture gestite da fornitori in outsourcing. Questa configurazione rendeva complessa la corretta attribuzione delle responsabilità tra le funzioni di business, le strutture IT e i partner tecnologici esterni. Per risolvere tali criticità, l’azienda ha strutturato una strategia basata su quattro pilastri fondamentali: la conformità normativa, la creazione di una data community, lo sviluppo di un data ecosystem coeso e la definizione di un solido framework di governance.
Il concetto di data community, in particolare, risponde alla necessità di diffondere la conoscenza degli strumenti e dei dati a tutti i livelli dell’organizzazione, supportando l’adozione di ruoli strutturati come i data owner e i data steward. Parallelamente, il pilastro del data ecosystem prevede l’introduzione di una nuova data platform volta a garantire un patrimonio informativo coerente e certificato. Infine, il framework stabilisce le regole operative per documentare, tracciare e controllare i dati in modo sistematico.
Dal data lineage ai controlli diffusi per garantire la qualità delle metriche direzionali
La traduzione pratica della data governance strategy ha richiesto l’identificazione di un perimetro d’azione chiaro e misurabile. Banca Mediolanum ha scelto di focalizzarsi su report e indicatori, un ambito esplicitamente richiesto dal regolatore ma utile anche per sintetizzare l’intero patrimonio informativo aziendale. Una volta stabilito lo scope, il passo successivo ha riguardato la comprensione e la documentazione analitica dei processi produttivi alla base di ogni singola metrica.
L’adozione della tecnologia Ab Initio ha permesso di gestire questa transizione, fornendo le soluzioni necessarie per l’elaborazione di grandi volumi di dati, l’integrazione e la governance in mercati altamente regolamentati. La collaborazione tra le due realtà, attiva da circa tre anni, ha consentito di mappare accuratamente i passaggi che portano il dato grezzo a diventare informazione direzionale.
Mappatura logica e fisica dei flussi informativi per eliminare le manualità critiche
Un aspetto fondamentale del progetto è stato la gestione del data lineage, inteso sia nella sua dimensione logica sia in quella fisica. Ricostruire l’intero percorso del dato è indispensabile per individuare e correggere i punti in cui l’utilizzo di operazioni manuali introduce elementi di rischio operativo o di potenziale non conformità. La reingegnerizzazione di questi processi ha permesso di eliminare le manualità critiche, automatizzando l’acquisizione e la trasformazione delle informazioni.
Attraverso la tecnologia Ab Initio, l’istituto ha potuto tracciare in modo trasparente l’origine e le evoluzioni dei dati all’interno dei sistemi di Extract, Transform, Load (ETL). Questa visibilità end-to-end ha rivelato che le sovrapposizioni tra i processi informativi erano molto più numerose di quanto gli utenti potessero percepire basandosi esclusivamente sulla conoscenza contingente delle loro attività quotidiane.
Misurare l’affidabilità dei report attraverso l’esposizione di indicatori di sintesi executive
Sullo scheletro del data lineage sono stati successivamente innestati i punti di controllo. Il team di governance ha raccolto i presidi esistenti, spesso frammentati e dispersi nei vari sistemi, e ne ha definiti di nuovi per coprire le aree di vulnerabilità emerse durante la mappatura. Tutte queste informazioni e gli oggetti logici associati vengono esportati in modo massivo per alimentare la reportistica aziendale.
Il sistema produce due flussi informativi distinti: una reportistica di tipo executive, destinata ai comitati di direzione, e una di tipo gestionale, utilizzata dai team tecnici per verificare la solidità complessiva dell’architettura. Questo meccanismo consente di calcolare ed esporre misure di sintesi capaci di attestare l’esaustività, la pervasività e la robustezza dell’intero impianto di controllo.
Scalabilità delle infrastrutture e impatto dell’intelligenza artificiale sui processi IT
Il consolidamento del modello di governance non coincide con la fine del programma, che rimane aperto all’evoluzione tecnologica e dimensionale. La mole di informazioni trattata quotidianamente da un conglomerato finanziario è imponente, il che pone sfide costanti in termini di scalabilità e manutenibilità delle soluzioni adottate.
Un fattore critico di successo risiede nella capacità del metamodello tecnologico di evolvere in modo personalizzato, rispondendo tempestivamente alle richieste di nuovi indicatori da parte del business o delle autorità di vigilanza. In questo contesto di continua ottimizzazione, la gestione del cambiamento organizzativo e il coinvolgimento attivo degli stakeholder rimangono i compiti più complessi da affrontare.
Gestione dei grandi volumi informativi e garanzia di manutenibilità nel lungo periodo
La sostenibilità di una data governance strategy si misura sulla sua tenuta nel lungo periodo di fronte all’aumento costante dei volumi di dati scambiati. L’esperienza di Banca Mediolanum dimostra che la documentazione e i controlli spesso preesistono all’interno dei singoli applicativi utilizzati dai colleghi. La vera complessità risiede nel ricondurre tali elementi a una visione comune e coesa, garantendo che l’intera catena informativa sia presidiata secondo una logica end-to-end.
Per mantenere l’infrastruttura agile e manutenibile, l’istituto sta valutando l’introduzione di paradigmi avanzati di automazione, capaci di alleggerire il carico di lavoro delle strutture IT e di rendere più fluidi i processi di aggiornamento dei flussi.
Automazione del lineage e profilazione automatica come nuove frontiere operative
Le frontiere evolutive del progetto guardano con decisione alle potenzialità dell’intelligenza artificiale, secondo due direttrici operative ben delineate. Il primo filone riguarda l’abilitazione di casi d’uso di business: la disponibilità di basi dati omogenee, certificate e coerenti rappresenta il prerequisito fondamentale per poter applicare modelli predittivi e agenti intelligenti in modo sicuro ed efficace. Il secondo filone, strettamente legato alle attività del team di governance, punta a sfruttare l’intelligenza artificiale per ottimizzare i processi tecnici interni.
Le aree di sperimentazione includono la deduzione automatica del lineage di business a partire dalle configurazioni tecniche, la proposta automatica di nuovi controlli basata sull’analisi di profilazione del dato e l’interpretazione dei requisiti di governance direttamente dall’analisi delle specifiche funzionali delle nuove progettualità.
Le parole di Cattolico chiariscono la visione strategica alla base del progetto: «Ab Initio è lo strumento attraverso il quale tracciamo il data lineage, quindi documentiamo il processo di produzione di questi report e di questi indicatori e creiamo conoscenza». Questo approccio evidenzia come l’infrastruttura debba servire non solo a scopi di controllo, ma anche alla valorizzazione del patrimonio informativo aziendale.
L’automazione è l’applicazione di tecnologie, programmi, robotica o processi per eseguire compiti con un intervento umano minimo. È importante per le aziende perché aumenta la produttività, riduce i costi operativi, migliora l’efficienza e la precisione, e permette di ottenere un vantaggio competitivo significativo. Inoltre, rappresenta una componente chiave della trasformazione digitale, essenziale per la crescita e l’innovazione aziendale. L’automazione consente di eseguire attività ripetitive più velocemente e a costi inferiori, liberando risorse umane per compiti più complessi e strategici, aumentando la produttività, migliorando la qualità del servizio e la soddisfazione dei clienti, e facilitando la conformità agli standard e alle normative.
Esistono diversi tipi di automazione utilizzati nelle aziende. L’automazione dei processi aziendali (BPA) utilizza tecnologie per automatizzare attività e processi ripetitivi, migliorando l’efficienza e riducendo gli errori. L’AIOps integra l’intelligenza artificiale nelle operazioni IT per automatizzare la gestione dei servizi IT, migliorando visibilità e reattività nella risoluzione dei problemi. La Robotic Process Automation (RPA) emula le azioni umane per eseguire task specifici e ripetitivi all’interno di applicazioni software esistenti. L’Intelligent Process Automation (IPA) combina RPA, BPA e tecnologie di intelligenza artificiale per gestire processi end-to-end con capacità cognitive e decisionali. La workflow automation si focalizza sull’orchestrazione di attività interconnesse all’interno di un processo end-to-end.
La robotica nell’automazione industriale viene utilizzata per eseguire compiti ripetitivi e complessi con maggiore precisione e velocità rispetto al lavoro umano. I robot industriali sono impiegati in vari settori, come l’automotive e l’elettronica, per assemblare prodotti, movimentare materiali, saldare, dipingere e ispezionare la qualità. Questo non solo aumenta la produttività e l’efficienza, ma migliora anche la sicurezza sul lavoro riducendo l’esposizione umana a condizioni rischiose. Nell’automazione operativa (OT), i dispositivi fisici come macchinari e sensori vengono gestiti con unità terminali remote integrate (RTU) o controllori logici programmabili (PLC) che possono essere interconnessi, controllati e monitorati costantemente.
I CIO (Chief Information Officers) svolgono un ruolo cruciale nell’implementazione dell’automazione, essendo responsabili di guidare l’adozione e la gestione delle tecnologie di automazione all’interno delle organizzazioni. Devono scegliere le piattaforme e le strategie più adatte per migliorare l’efficienza operativa, ridurre i costi e supportare la trasformazione digitale. Inoltre, affrontano sfide legate all’integrazione dell’automazione nei processi aziendali esistenti e devono garantire la sicurezza e la conformità dei sistemi automatizzati. I CIO giocano un ruolo fondamentale per implementare e indirizzare al meglio questo cambio a livello di information che diventa anche culturale e operativo, relazionandosi con le altre aree su cui impatta, a partire da finance e marketing.
L’automazione aumenta la produttività e riduce i costi in diversi modi. Permette di eseguire attività ripetitive più velocemente e con maggiore precisione, riducendo gli errori umani e il tempo necessario per le correzioni. Ottimizza l’utilizzo delle risorse, eliminando sprechi e riducendo i costi operativi. Libera il personale da compiti a basso valore aggiunto, permettendo di concentrarsi su attività più strategiche e creative. Secondo l’Osservatorio Intelligent Business Process Automation, il 47% delle imprese che hanno adottato soluzioni di AI ha registrato aumenti della produttività superiori al 5%, mentre il 74% ha visto incrementi superiori all’1%. L’automazione intelligente consente di eliminare attività manuali a basso valore, riducendo i tempi di esecuzione e abbattendo i costi legati a errori, rielaborazioni e gestione manuale dei dati.
L’automazione migliora il servizio clienti e la soddisfazione in vari modi. Permette di rispondere più rapidamente alle richieste dei clienti attraverso sistemi automatizzati come chatbot e assistenti virtuali, disponibili 24/7. Garantisce maggiore coerenza nelle risposte e nei servizi offerti, eliminando variabilità dovute all’intervento umano. Consente di personalizzare l’esperienza del cliente analizzando automaticamente preferenze e comportamenti. Riduce i tempi di attesa e risoluzione dei problemi, aumentando l’efficienza complessiva del servizio. Libera il personale da compiti ripetitivi, permettendo di dedicare più tempo a interazioni complesse che richiedono empatia e comprensione umana. L’automazione del flusso di lavoro può migliorare significativamente l’esperienza del cliente, riducendo i tempi di risposta e garantendo un servizio più coerente e personalizzato.
L’implementazione dell’automazione nelle aziende presenta diverse sfide. La resistenza al cambiamento è una delle principali barriere, soprattutto nelle PMI che temono di compromettere posti di lavoro o mancano di competenze interne. I costi iniziali significativi rappresentano un ostacolo, nonostante i potenziali risparmi a lungo termine. L’integrazione con i sistemi esistenti può essere complessa, richiedendo adattamenti e personalizzazioni. La gestione delle questioni legali e regolatorie, particolarmente in settori altamente regolamentati, richiede attenzione. La sicurezza rappresenta una preoccupazione crescente, poiché l’interconnessione tra sistemi IT/OT, l’esposizione sul cloud e lo scambio di dati verso l’esterno aumentano la superficie di attacco. È necessario un forte commitment manageriale e il coinvolgimento di tutti i livelli della workforce per superare queste sfide.
Le prospettive future dell’automazione sono promettenti e influenzeranno significativamente vari settori. L’integrazione sempre più profonda tra intelligenza artificiale avanzata, Internet of Things (IoT) e robotica aprirà scenari di trasformazione senza precedenti. Secondo l’Osservatorio Intelligent Business Process Automation, l’adozione diffusa dell’IA Generativa potrebbe aggiungere fino a 312 miliardi di euro al PIL annuale italiano nei prossimi 15 anni. Si prevede un’evoluzione verso l’automazione dei lavori cognitivi, oltre ai compiti manuali, coprendo attività come l’analisi dei dati, la scrittura di report e la formulazione di previsioni. La personalizzazione di massa, resa possibile dall’automazione avanzata, permetterà alle aziende di offrire prodotti e servizi altamente customizzati su larga scala. Si prevede un’accelerazione verso modelli di lavoro più flessibili e remoti, supportati da strumenti automatizzati. Dal punto di vista della sostenibilità, l’automazione intelligente giocherà un ruolo chiave nell’ottimizzazione dell’uso delle risorse e nella riduzione degli sprechi energetici.
L’Intelligent Process Automation (IPA) è l’unione tra Business Process Automation (BPA), Robotic Process Automation (RPA) e tecnologie di intelligenza artificiale. Mentre la RPA si limita a replicare azioni ripetitive su interfacce applicative, l’IPA sfrutta algoritmi di machine learning, natural language processing e modelli generativi per automatizzare processi end-to-end con capacità cognitive e decisionali. L’IPA può analizzare documenti non strutturati, prendere decisioni basate su dati complessi, apprendere da interazioni passate e ottimizzare continuamente i processi. Questa evoluzione segna il passaggio da processi deterministici e predefiniti a un’automazione nondeterministica, adattiva e autonoma, con un impatto diretto su resilienza, produttività e innovazione. L’IPA non si limita a rendere più veloci i processi, ma permette alle organizzazioni di migliorare la qualità delle decisioni, ridurre errori e inefficienze, e liberare risorse da attività a basso valore.
L’automazione e l’AI stanno trasformando profondamente la gestione dei dati aziendali. L’intelligenza artificiale si rivela preziosa per effettuare previsioni basate sui dati disponibili, mentre l’AI generativa sta ampliando le frontiere delle applicazioni con la sua capacità di generare contenuto inedito. Questi modelli hanno una grande potenzialità nell’interpretare testo ai fini dell’estrazione di informazioni che prima non venivano valorizzate. L’automazione permette di raccogliere e analizzare i dati generati dai processi, ricavando insights utili per tutte le aree dell’organizzazione. Particolarmente preziosi sono i dati provenienti dai processi più virtuosi, che possono costituire un esempio per ottimizzare quelli meno performanti. L’automazione nei processi OT semplifica la complessità attraverso l’uso di sistemi di visualizzazione, dashboard e funzionalità di analisi avanzata sullo stato e sulle prestazioni delle macchine.
L’automazione DevSecOps offre numerosi vantaggi alle organizzazioni. Permette di eliminare le attività correttive di basso livello nel corso del ciclo di vita dello sviluppo del software (SDLC), dall’implementazione al monitoraggio delle funzionalità di sicurezza. Implementa controlli automatici di verifica del codice che identificano errori senza rallentare gli aggiornamenti del software. Integra automaticamente le funzioni di sicurezza in tutte le build del software in modo uniforme, creando una strategia di sicurezza omogenea. Fornisce agli sviluppatori strumenti di sicurezza self-service per affrontare le vulnerabilità, evitando colli di bottiglia nel controllo della sicurezza. Sfrutta l’intelligenza artificiale e il deep learning per semplificare e velocizzare le attività più complesse. Permette di scalare strumenti e processi con pochi click. Migliora l’auditing e la compliance attraverso strumenti automatizzati che adottano un approccio olistico. Infine, genera un risparmio sui costi aumentando la velocità di consegna del software, diminuendo la probabilità di incidenti di cybersecurity e riducendo il personale operativo necessario.
Per scegliere la giusta piattaforma di automazione dei processi aziendali, è essenziale considerare diversi criteri chiave. Innanzitutto, è importante definire priorità e ROI atteso, identificando i processi a maggiore impatto economico caratterizzati da alta ripetitività, elevato volume di transazioni o rischio di errore umano. Strumenti come il process mining permettono di individuare inefficienze nascoste e calcolare con precisione il ritorno atteso. È fondamentale stabilire un framework di governance chiaro, con policy di controllo, tracciabilità e compliance, per evitare la proliferazione di automazioni non monitorate. Il coinvolgimento di citizen developer con adeguato supporto può accelerare l’adozione e ridurre i costi di sviluppo, ma richiede programmi di formazione e centri di eccellenza. Si consiglia un approccio incrementale, partendo da progetti pilota con ROI rapido per poi estendere gradualmente l’automazione a processi core, riducendo rischi e contenendo i costi iniziali.
Sul mercato sono disponibili diversi software di workflow automation progettati per semplificare e ottimizzare i processi aziendali. Zapier è uno dei più popolari per l’automazione dei processi aziendali, permettendo di collegare diverse applicazioni e creare flussi di lavoro personalizzati senza bisogno di codice. HubSpot è un software di marketing automation leader di mercato, pensato per aiutare le aziende a migliorare le campagne di marketing e a generare lead qualificati. Monday.com è una piattaforma versatile che offre strumenti per la gestione dei progetti, la pianificazione delle attività e l’automazione dei flussi di lavoro. Notion è una piattaforma di collaborazione all-in-one che consente di automatizzare le attività di team, ideale per gestire progetti e ottimizzare la comunicazione interna. Ansible è uno strumento open-source per l’automazione dei processi IT, particolarmente utile per configurazioni server, gestione di infrastrutture e deployment di applicazioni.
L’automazione gioca un ruolo cruciale nel supportare la sostenibilità ambientale. Quando le aziende affrontano una pressione crescente per ridurre il proprio impatto ambientale, le soluzioni di automazione operativa (OT) offrono nuovi modi per ottimizzare le risorse e ridurre gli sprechi. La manutenzione predittiva e il monitoraggio dei consumi contribuiscono a ottimizzare l’utilizzo delle risorse, abilitando l’industria sostenibile. I sistemi di controllo delle emissioni automatizzati consentono di conformarsi alle normative ambientali e garantire la tutela della salute dei lavoratori. Dal punto di vista della sostenibilità, l’automazione intelligente giocherà un ruolo chiave nell’ottimizzazione dell’uso delle risorse e nella riduzione degli sprechi energetici, contribuendo a pratiche aziendali più eco-friendly.
FAQ generate con l’AI, a cura della Redazione
#Adessonews seleziona nella rete articoli di particolare interesse.
Se vuoi leggere l’articolo completo clicca sul seguente link
Mattia Lanzarone
Source link
