Agenda

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

• Il Best CDO che ha saputo orchestrare l’AI in modo scalabile e responsabile, integrandola nella strategia aziendale per creare un vantaggio competitivo sostenibile 
• Il Best Data Leader Under 35 che ha portato una visione disruptive e forward-thinking nella gestione dei dati, promuovendo una data culture innovativa 
• Il Best Data Leader in Manufacturing che ha sfruttato AI, IoT e advanced analytics per trasformare i processi di produzione, facendo dei dati il cuore della digitalizzazione industriale  
• Il Best Data Leader in Space & Defense che ha saputo integrare l’AI, il machine learning e i modelli predittivi avanzati per ottimizzare le operazioni strategiche e garantire la sicurezza nazionale 

• Bilanciare la compliance con le leggi locali e internazionali senza rallentare l’innovazione e riducendo la dipendenza da attori esterni 
• Proteggere le informazioni sensibili da minacce esterne, garantendo il controllo dei dati 
• Investire in infrastrutture tecnologiche locali per evitare il controllo da attori esterni 

• Quali tipi di decisioni oggi il CDO può delegare ai sistemi automatizzati, e quali richiedono intervento umano?
• In che modo infrastrutture cloud regionali e AI integrate modificano la consapevolezza e la responsabilità nell’utilizzo del dato?
• Quali elementi di governance sono necessari per garantire che le decisioni automatizzate siano affidabili, tracciabili e conformi?

• I modelli centralizzati di gestione degli accessi ai dati non sono progettati per la scala dell’iperconnettività e compromettono sovranità e resilienza
• Questo approccio concentra rischi e responsabilità, con costi che crescono esponenzialmente al crescere di dispositivi e destinatari
• Spostare il controllo al punto di generazione dei dati elimina i single point of failure e rende sovranità e resilienza proprietà native delle architetture aziendali

• Dalla qualità del dato all’integrazione nei processi: cosa distingue i progetti AI che generano risultati misurabili
• Come la governance, le architetture e la gestione della filiera del dato abilita casi d’uso AI concreti
• Approcci, priorità operative e modelli adottati nei diversi settori per trasformare il patrimonio dati in un asset realmente utilizzabile dall’AI

• L’architettura resiliente e scalabile garantisce la qualità del dato? 
• Quale equilibrio tra automazione e controllo senza compromettere la responsabilità? 
• Come implementare governance adattiva per l’integrazione di AI e automazione, proteggendo i dati sensibili tramite Confidential Computing? 

• Data Product e AI secondo Autoguidovie: come superare i limiti del modello tradizionale per l’innovazione continua
• Democratizzare i dati e abbattere i silos: accelerare le decisioni e aumentare la velocità di innovazione 
• Garantire dati affidabili e facilmente accessibili per decisioni tempestive e informate 

• Riconoscere processi automatizzabili da ottimizzare con AI
• Scoprire insight dai dati per decisioni più rapide e basate su evidenze
• Progettare casi d’uso concreti da progetti pilota scalabili e misurabili

• Il ROI dei dati è solo economico, o include la trasformazione culturale e l’efficienza operativa? 
• I numeri di produttività derivanti dall’AI riflettono davvero il valore aggiunto? 
• Valore per il business: come tradurre i dati in vantaggio competitivo? 

• Come utenti business, senza competenze tecniche avanzate, interrogano database e ottengono insight tramite linguaggio naturale e AI generativa
• Dashboard, codice e debugging automatizzati: dall’evoluzione dei tool BI al ruolo di Claude Code e degli agenti AI nello sviluppo software e hardware
• Oltre l’effetto wow: impatto organizzativo, resistenze interne e nuovi carichi di lavoro in aziende dove l’AI riduce costi esterni ma aumenta velocità, produttività e aspettative sulle risorse interne

• I sistemi di AI dovrebbero essere in grado di prendere decisioni autonome senza supervisione umana? 
• Quanto è importante che un operatore umano possa intervenire in tempo reale nelle decisioni prese dai sistemi AI? 
• Qual è la principale preoccupazione riguardo l’automazione totale dei processi decisionali? 

• Come garantire che l’AI sia etica, trasparente e conforme senza rallentare l’innovazione? 
• In che modo l’AI Act sta influenzando le strategie di implementazione AI? 
• Il Confidential Computing garantisce la protezione dei dati sensibili? 

• Conciliare privacy e automazione senza compromettere i diritti dei clienti 
• Garantire la protezione dei dati anche nelle decisioni autonome implementate nei processi  
• Evitare il rischio di bias e compliance nella gestione dei dati sensibili 

• Analizzare grandi volumi di dati in tempo reale per decisioni più rapide ed efficaci
• Ottimizzare prestazioni e utilizzo delle risorse di rete aumentando efficienza e resilienza
• Rafforzare sicurezza e autonomia delle comunicazioni in vista delle reti 6G e del Quantum Internet

• Impatto sulla forza lavoro: l’AI come strumento di potenziamento o di sostituzione? 
• AI e responsabilità: chi è responsabile per le decisioni prese dall’AI? 
• Come standardizzare un metodo di evaluation interno, replicabile tra team, use case e aggiornamenti dei modelli?

• Come l’AIoT permette di ridurre sprechi, ottimizzare l’uso delle risorse e migliorare la produttività in modo sostenibile?
• Come garantire che le soluzioni AI siano scalabili per adattarsi all’evoluzione delle esigenze di produzione e operazioni? 
• Quali sono i benefici concreti della servitizzazione nell’Industria 4.0/5.0 e come l’IoT contribuisce a ottimizzare la gestione dei dati in tempo reale?

• In che modo il digital twin favorisce l’integrazione tra IT e OT e protegge le infrastrutture critiche da minacce informatiche?
• Come la manutenzione predittiva basata su AI può supportare la transizione da una manutenzione reattiva a un modello preventivo e migliorare l’affidabilità degli impianti e riducendo i fermi non pianificati?
• Come integrare l’AIoT con sistemi ERP e MES per garantire decisioni più rapide, grazie ai dati in tempo reale generati dai dispositivi IoT?

• Le nuove sfide della space economy e della difesa e il loro impatto su progettazione, produzione e integrazione dei sistemi aerospaziali
• Digital Twin, AIoT e dati operativi per comprendere, simulare e ottimizzare sistemi sempre più complessi lungo tutto il ciclo di vita
• Resilienza industriale e supply chain strategiche come fattori chiave per garantire affidabilità, sicurezza e continuità nelle missioni critiche

• Come l’integrazione IT/OT e le pratiche AIVQ assicurano qualità, affidabilità e interoperabilità nelle infrastrutture mission-critical, dalla progettazione alla messa in esercizio?
• Qual è il ruolo dei dati e della collaborazione intersettoriale nell’evoluzione del manufacturing e dei servizi space-based, e come influenzano iniziative, modelli operativi e opportunità tra industria, spazio e difesa?
• Come proteggere ecosistemi produttivi e infrastrutture critiche in contesti complessi, bilanciando la condivisione dei dati, la sovranità informativa e la continuità operativa?

• Come garantire scalabilità e resilienza nelle operazioni difensive con soluzioni AI avanzate?
• In che modo ottimizzare la manutenzione predittiva nelle infrastrutture critiche per migliorare l’affidabilità operativa e ridurre i tempi di inattività?
• Perchè esplorare nuovi framework per l’uso dell’AI nei processi quotidiani e nei progetti strategici?

Partecipa in maniera attiva nella scelta della soluzione più efficace per la Data Monetization: vota la soluzione che ritieni più adatta per la tua realtà

Scopri qui i player che porteranno le loro soluzioni

• Come costruire team fluidi che evolvono con la tecnologia e la strategia aziendale? 
• Come coinvolgere ogni dipartimento nell’utilizzo dei dati per prendere decisioni strategiche, migliorare i processi e creare nuove opportunità di business? 
• Come misurare l’impatto del team di dati attraverso KPI chiari e misurabili? 

• Come integrare Data e AI governance in un unico framework operativo?
• Quali azioni adottare per aumentare la Data Literacy in tutta l’organizzazione?
• Come misurare i risultati di Data e AI con metriche di business reali invece che tecniche?

(Si inizia con un Caffè ☕️)

Scopri qui chi ha già confermato la presenza all'Hub e come partecipare

• L’AI e le tecnologie digitali possono supportare gli obiettivi di sostenibilità delle nostre aziende manifatturiere? Quali sono le tecnologie più adatte?
• Qual è il valore dell’AI nei processi di sviluppo prodotto?
• Quali sono i passi per riuscire ad avere un Digital Twin dei miei prodotti? Dove sono oggi e dove voglio arrivare tra 2 anni?

Scopri qui chi ha già confermato la presenza all'Hub e come partecipare