Agenda 2025

IKN, forte della sua esperienza pluriennale nella formazione e informazione del middle management, premia:    

• Il BEST cAIo che si è contraddistinto per aver integrato l’AI in modo scalabile e sostenibile, creando un vantaggio competitivo attraverso l’ottimizzazione dei processi, dei costi e delle persone  

• Il BEST AI Leader Under 35 che ha saputo condividere una prospettiva fresca, agile e innovativa nella gestione dei dati, plasmando il futuro dell’innovazione aziendale

• Come le aziende possono anticipare le dinamiche delle grandi potenze tecnologiche per garantire la competitività a lungo termine? 
• Perchè la priorità deve essere rimappare la strategia in funzione dei nuovi poli di crescita? 
• Come costruire una strategia AI che garantisca l’autonomia digitale? 

• La strategia AI riguarda solo la trasformazione o anche la protezione del Business? 
• L’AI sta evolvendo da leva di crescita a leva di sopravvivenza? 
• La sovranità digitale è una condizione per la difendibilità del business? 

• Tempo: quanto tempo ottimizzato e quanta capacità decisionale restituita? 
• Conoscenza: quanto è possibile trasformare il sapere aziendale in asset utilizzabile? 
• Sovranità del dato: quanto incide sulla difendibilità del business? 

• Perchè il linguaggio dell’AI ancora non è comune? 
• In un mercato instabile, quali criteri guidano quando, dove e come investire nell’AI? 
• L’AI sta creando valore o duplicazione e complessità? 

• Il modello centralizzato per ridurre il rischio e garantire coerenza su dati, modelli e decisioni  
• Il modello decentralizzato per maggiore velocità di adozione e sviluppo 
• Il modello federato per scalare l’AI con un equilibrio tra controllo centrale e autonomia operativa 

• Dal pilota al processo: chiudere il gap tra insight e execution nell’AI 
• Gli insight AI che non vengono integrati nei workflow operativi e non guidano decisioni 
• Il valore AI embedded nei sistemi e nei processi decisionali  

• Perché gli insight restano nelle dashboard e non entrano nei workflow?  
• Chi ha la responsabilità finale della decisione quando interviene l’AI: il modello, il manager o il processo?  
• Cosa manca per integrare l’AI nei sistemi core (ERP, CRM, operation) senza creare colli di bottiglia? 

• Decisioni automatizzate per aumentare velocità ed efficienza nei processi operativi  
• Il modello human-in-the-loop per mantenere controllo e responsabilità sulle scelte critiche 
• Decisioni integrate nei workflow per trasformare l’AI in impatto concreto su tempi e produttività 

• La localizzazione di dati e modelli per ridurre la superficie di attacco 
• La gestione dei dati per prevenire leakage e accessi non controllati  
• L’infrastruttura per garantire resilienza e continuità operativa 

• Protezione dei dati sensibili durante training e inferenza  
• Controllo degli accessi e gestione delle autorizzazioni nei sistemi AI  
• Vulnerabilità emergenti della generative AI tra leakage, prompt injection e misuse 

• Quali sono i costi legati all’implementazione di soluzioni di AI? 
• Come misurare il ritorno sugli investimenti dell’AI? 
• Quali strategie per massimizzare i benefici dell’AI e contenere i rischi economici? 

• Il tempo recuperato come leva di produttività e capacità decisionale  
• La qualità delle decisioni come vero KPI competitivo  
• La sovranità del dato come fattore di difendibilità nel lungo periodo 

• Workforce scheduling intelligente: l’efficienza per ridurre costi e tempi operativi  
• Credit & risk decisioning automatizzato per migliorare qualità delle scelte  
• AI per creare vantaggio competitivo e nuovi modelli di business 
• AI agent per orchestrazione di processi complessi tra sistemi diversi 

• Quali sono i rischi e le opportunità legate alla gestione della sicurezza e dei dati nell’AI? 
• Come l’AI sta evolvendo per generare valore oltre la produttività

Discussione aperta a partire da tre domande fondamentali: 

• Se l’AI è di tutti la governance deve essere solo del cAIo? 
• Il cAIo è pronto ad assumersi la responsabilità dell’impatto dell’AI sul Business? 
• Da tech leader a change leader: perchè l’AI non riguarda solo tecnologia? 

(Si inizia con un Caffè ☕️) 

Pensiero strategico  

• La capacità di visione a lungo termine nell’ambito delle tecnologie AI 
• Integrare l’AI nelle operazioni aziendali: come guidare la transizione e la scalabilità 
• Esempi di come il pensiero strategico nell’AI influisce su tutti i settori aziendali 

Gestione del cambiamento e cultura organizzativa  

• Promuovere una cultura aziendale che abbraccia l’innovazione tecnologica 
• Gestire la resistenza al cambiamento e promuovere l’adattamento in modo efficace 
• Il ruolo del leader nel creare una mentalità pro-innovazione e nel sensibilizzare i team ai vantaggi dell’AI 

Comunicazione efficace  

• Come comunicare in modo chiaro ed efficace con stakeholders non tecnici 
• Presentare risultati e impatti dell’AI in modo comprensibile per i decisori  
• Gestire le aspettative e promuovere la fiducia nell’adozione dell’AI 

Etica e responsabilità  

• Comprendere le implicazioni etiche nell’adozione e nell’uso dell’AI
• La responsabilità del leader nel garantire che l’AI venga utilizzata in modo etico e trasparente
• Gestire le problematiche relative a bias, privacy e protezione dei dati.  

Competenze per il CIO / CDO / CAIO  

• CIO: gestione delle infrastrutture tecnologiche necessarie per l’implementazione AI 
• CDO: competenza nella gestione e analisi dei dati per supportare progetti AI 
• CAIO: esperienza avanzata nell’implementazione di AI e nell’integrazione con le strategie aziendali 

Competenze tecniche di base per Leader AI  

• Conoscenza di base dei principali algoritmi AI, machine learning e deep learning 
• Come comprendere e comunicare i dati, anche senza un background tecnico 
• Collaborazione efficace con team tecnici (Data Scientists, AI Engineers) per tradurre la tecnologia in soluzioni pratiche 

Leadership dei Team AI  

• Come gestire e motivare i team di AI in un contesto aziendale 
• Comprendere le dinamiche dei team tecnici e la comunicazione efficace tra leadership e team 
• Come affrontare le sfide legate alla multidisciplinarità dei team AI (combinazione di competenze tecniche e di business)

Empatia e Intelligenza Emotiva  

• La capacità di gestire e comprendere le emozioni dei collaboratori in un ambiente complesso 
• Gestire il cambiamento emotivo che l’introduzione dell’AI può portare all’interno dell’organizzazione 

Adattabilità e Problem Solving  

• L’importanza di un mindset flessibile di fronte a sfide impreviste e a tecnologie in rapido cambiamento 
• Il ruolo della leadership nell’incoraggiare soluzioni creative attraverso l’AI. 

Lavoro di squadra e collaborazione interdisciplinare  

• Sostenere una cultura di collaborazione tra business, IT, marketing, e R&D. 
• Gestire conflitti di visione tra differenti dipartimenti (ad esempio tra dipartimenti tecnici e non tecnici)