Ruolo Chief AI Officer: Strategia, Governance e Tecnologie

6 maggio 2025

Dalle 09.00 alle 9.30

Come l’Intelligenza Artificiale può portare un vantaggio strategico in modo etico

• Ottenere un vantaggio strategico attraverso l’uso di diversi tipi di AI
• Impatto sul futuro del lavoro e delle società
• Cosa non trascurare fin dai primi passi

Valeria Lazzaroli, Chairperson of the Board – E.N.I.A.

Dalle 9.30 alle 13.00

Definizione prerequisiti e pianificazione strategica

Governance e struttura preliminare per una road map in linea con le risorse aziendali

• Stabilire chiaramente i ruoli di responsabilità all’interno del progetto AI
• Valutare un comitato di governance per garantire supervisione, trasparenza e allineamento con gli obiettivi aziendali
• Organizzare in modo efficiente le risorse umane e tecnologiche, ottimizzando la collaborazione su tutti i livelli
• Perché coinvolgere le persone (Human in the Loop) può determinare il successo

Pianificazione strategica e definizione degli obiettivi in tema di AI

• Integrare l’AI come elemento chiave per la trasformazione e l’innovazione aziendale
• Allineare le strategie di AI con gli obiettivi aziendali
• Definire KPIs per misurare il ritorno sugli investimenti (ROI) e i benefici economici

Identificazione dei bisogni aziendali per individuare i primi campi di applicazione

• Mappare le aree aziendali per identificare dove l’AI può migliorare i processi
• Verificare gli strumenti già utilizzati e non monitorati
• Collettare e valutare le proposte bottom up

• Individuare i primi ambiti di applicazione tra Proof of Concept (PoC) e use case

• Coinvolgere i diversi dipartimenti aziendali valutando soluzioni cross-funzionali
• Identificare come perseguire gli obiettivi di business con gli strumenti di AI

Learning by doing

I partecipanti simuleranno il processo di pianificazione strategica e analisi di bisogni e prerequisiti secondo le caratteristiche specifiche della propria realtà aziendale seguendo il framework proposto.

Mirco Cervi, CDO | CIO | Group Chief Digital Officer – Dexelance

Dalle 14.00 alle 16.30

Rispettare la normativa e impostare la compliance

AI Act: perimetro di applicazione, rischi e casi esclusi

• Analisi del campo di applicazione dell’AI Act
• Ambiti esclusi dalla normativa
• Classificazione basata sul rischio

• • Sistemi di AI proibiti e relative implicazioni
  • Sistemi di AI ad alto rischio: settori interessati e requisiti
  • Sistemi di basso rischio e obblighi minimi
  • AI per scopi generali e il loro impatto sistemico
• Obblighi e struttura della governance interna
  • Ruoli e responsabilità principali (fornitori, deployer, autorità)
  • Requisiti di conformità, monitoraggio e gestione della qualità

• Tipologie di sanzioni previste per violazioni

Diritto d’autore e AI generativa

• Evitare i principali rischi di violazione con l’uso di materiali protetti nei dataset, creazione di contenuti derivati da opere tutelate

Responsabilità derivante dall’AI

• Tipologie di danno: danni materiali, danni reputazionali, violazioni di diritti
• Clausole contrattuali e coperture assicurative per tutelarsi e ridistribuire i rischi

Gestione dei rischi e monitoraggio degli impatti

• Allucinazioni, bias e output fuorvianti: conseguenze pratiche per l’azienda.
• Ruolo del CAIO e dei dipartimenti aziendali: coordinamento tra legale, compliance e IT

Learning by doing

I partecipanti analizzano un modello di AI generativa a diretto contatto con il cliente e definiscono:

• • Classificazione di rischio secondo AI Act
  • Possibili implicazioni di diritto d’autore
  • Esposizioni a responsabilità civile in caso di danni o errori
  • Accenni a clausole contrattuali e policy interne

Marco Perilli, Direttore Responsabile della Rivista “AI Law – International Review of Artificial Intelligence Law”

Dalle 16.30 alle 17.30

Completare la policy aziendale integrando AI Act con il GDPR

• Principi GDPR applicabili all’AI
• Perché la protezione dei dati personali è ancora più importante
• Esercizio dei diritti dell’interessato nell’ambito dei sistemi di AI Transfer impact assessment
• Adottare soluzioni che minimizzino i rischi normativi:
  • parere e linee guida European Data Protection Board Excursus sulla posizione di vari Garanti della Privacy

Learning by doing

I partecipanti simuleranno il processo di identificazione e gestione dei dati personali utilizzati nell’AI, sviluppando strategie per mitigare rischi normativi e garantire la conformità alle normative di riferimento.

Silvia Gorlani, Data Protection Officer – MEDIAMARKET

20 maggio 2025

Dalle 9.00 alle 13.00

Identificare le tipologie di AI e l’imprescindibile ruolo del dato

Esplorazione dell’Intelligenza Artificiale e analisi dei requisiti tecnici

• Caratteristiche principali dell’AI come tecnologia trasformativa

• Come identificare i giusti strumenti di AI
• Identificare le capacità tecniche necessarie (elaborazione, volume e tipo di dati)
• Valutare le esigenze infrastrutturali
  • Cloud vs Edge
  • GPU vs TPU

Sistemi di Machine Learning (ML) che apprendono automaticamente per analizzare dati e fare previsioni

• Algoritmi supervisionati e non supervisionati
• Dati necessari per addestrare i modelli predittivi
• Come i modelli evolvono e apprendono

Deep Learning (DP), basato su reti neurali artificiali, per analizzare grandi volumi di dati complessi

• Quando utilizzare le reti neurali profonde che analizzano enormi volumi di dati
• Sfruttare la capacità di apprendere e ottimizzare autonomamente caratteristiche complesse
• Differenza tra reti neurali convoluzionali (CNN) e reti neurali ricorrenti (RNN)

Reinforcement Learning (RL): apprendimento basata su agenti che interagiscono

• Le potenzialità del modello che migliora la propria strategia secondo ricompense
• Gestione di dati di stato e feedback in evoluzione continua

Generative AI per creare contenuti innovativi, adattivi e contestualmente rilevanti

• Caratteristiche distintive e opportunità
• Utilizzo di Retrieval-Augmented Generation (RAG) per integrare fonti esterne
• Funzionamento e potenzialità di Agent e multi Agent

Maturità della data quality all’interno dell’azienda e utilizzo del dato nei progetti AI

• Affidabilità e metodologie di raccolta dei dati da fonti interne ed esterne
• Strumenti e piattaforme di raccolta, aggregazione, pulizia e standardizzazione dati
• Valutazione delle soluzioni per la gestione dei dati in tempo reale vs batch
• Pianificazione per la raccolta e l’elaborazione di grandi volumi di dati (big data).
• Stabilire metriche di qualità e identificare eventuali criticità

Learning by doing

I partecipanti esploreranno e testeranno le differenze tra Machine Learning, Deep Learning e Generative AI

Samuel Algherini, Prof. adj. of AI applied to Language – Ethical AI Business 

Dalle 14.00 alle 17.30

Gli standard ISO a supporto della AI Governance

Adottare standard per costruire un’AI robusta

• Gli elementi fondamentali da monitorare in tutte le fasi del ciclo di vita di un progetto AI
• Standard nella gestione dei dati per garantire qualità, sicurezza e conformità
• Garantire affidabilità e trasparenza con gli standard dei modelli AI
• Conoscenze imprescindibili di standard operativi e allineamento organizzativo

Lo standard di Governance ISO 42001:2023 – AI Management System (AIMS)

• Come sviluppare, implementare e monitorare in modo responsabile e sicuro l’AI
• I principi dell’AI secondo lo standard per un’applicazione etica, sicura e affidabile
• Valutare l’impatto su tutti gli aspetti aziendali, dalla strategia ai processi quotidiani
• Il risk management: identificare, valutare e mitigare i rischi etici, legali e operativi
• Identificare ruoli e responsabilità per ogni fase del ciclo di vita dell’AI
• Impostare supporto documentale per garantire trasparenza, auditabilità e miglioramento continuo
• Come implementare i controlli specifici per compliance and accountability

Guidance on AI risk management secondo la ISO 23894 e il framework RFM del NIST

• Utilizzare il framework per identificare i rischi dell’AI
• Metodi e tecniche per controllare e ridurre i rischi
• Definire ruoli specifici a sviluppatori, utenti finali e manager
• Il supporto documentale solido per garantire tracciabilità, auditabilità e trasparenza

AI system impact assessment di rischi, benefici e implicazioni secondo la ISO 42005

• Valutare gli impatti su processi aziendali, utenti, società ed ecosistemi tecnologici
• Considerazioni tecniche oltre che etiche, ambientali, sociali ed economiche
• Le figure richieste tra project manager, team tecnici, esperti legali e stakeholder esterni
• Documentazione per tracciare decisioni, dimostrare conformità e garantire trasparenza
• Navigare le complessità etiche e sociali con riferimento alla ISO/IEC 24368

Stefano Gorla, Lead Auditor ISO 27001, ISO 9001, ISO 31000 – E.N.I.A

4 giugno 2025

Dalle 9.00 alle 12.00

Individuare strumenti e applicazioni di AI adatti al proprio business

Applicazioni e strategie di impiego dell’AI secondo le specifiche esigenze

• Come l’AI è impiegata per settori e funzioni aziendali
• Come ridurre i costi tramite automazione e ottimizzazione dei processi
• Ricercare la differenziazione con soluzioni uniche e prodotti personalizzati
• Utilizzare l’AI per concentrarsi su nicchie di mercato e rispondere alle esigenze specifiche dei clienti

Valutazione dell’applicabilità dell’AI bilanciando costi e benefici

• Valutare se un progetto può trarre vantaggio dall’AI, considerando dati, obiettivi e risorse disponibili
• Considerare fattori di complessità, costo, tempo di implementazione e dati storici

Scelte tecniche e strategiche nella scelta della tecnologia

• Come l’AI si allinea con la strategia aziendale a lungo termine
• Considerare aspetti tecnici di scalabilità, qualità dei dati, integrazione con IT aziendale e necessità infrastrutturali
• Valutare se scegliere sistemi open source o proprietari

Learning by doing

I partecipanti analizzano un caso aziendale e definiscono una strategia AI calata nel cotesto, valutando costi, benefici e scelte tecniche strategiche

Luca Vajani, Founder & CEO – Aries Tech – Cathedra

Dalle 12.00 alle 13.00

Come utilizzare la Generative AI in azienda e possibili impatti nel medio periodo

• Casi concreti di utilizzo in azienda:
• generazione contenuti e traduzioni
• integrazione con i CMS
• agenti risponditori, customer service, ticket
• gestione della posta
• web intelligence avanzata, document intelligence
• gestione dei processi text/document/language driven
• Analizzare i dati della crescita del settore
• Nuovo sviluppo software fino al personal software
• Ruolo e utilizzo degli agenti
• Impatto sul mondo del lavoro in tre ondate: lavori creativi, cognitivi e fisici
• Pericoli da monitorare

Paolo Omero, Co-Founder – infoFACTORY 

Dalle 14.00 alle 17.30

Valutazione delle tecnologie AI e scelta del partner tecnologico

Come determinare una AI robusta per risultati consistenti

• Affidabilità in vari scenari e condizioni, minimizzando errori e fallimenti
• Resilienza perché si adatti a imprevisti o modifiche nel contesto operativo
• Sicurezza, difendendosi da vulnerabilità, attacchi e manipolazioni esterne
• Trasparenza dele decisioni prese dall’AI perché siano comprensibili e spiegabili

Panoramica delle tecnologie e delle loro applicazioni per attività e settori

• Casi e paper di ricerca per valutazioni basate su evidenze
• Suite di strumenti per il machine learning a supporto del ciclo di vita del progetto
• Tool per la gestione dei dati, l’elaborazione e il monitoraggio dei modelli in produzione
• Piattaforme per la spiegabilità e l’interpretabilità a supporto di trasparenza e controllo dei processi decisionali automatizzati

Valutare le piattaforme di AI per una collaborazione di medio-lungo periodo

• Capire tendenze, forze e debolezze dei principali fornitori
• Valutare tempestivamente le recensioni di mercato
• Inserire i rapporti degli analisti nel processo di scelta

Coinvolgere gli stakeholder chiave per una scelta coordinata e condivisa

• Assicurare l’allineamento e il supporto aziendale nella selezione delle tecnologie
• Documentare il processo di selezione del fornitore esplicitando i criteri
• Valutare la documentazione di conformità dei venditori e come intendono affrontare i limiti imposti dalla normativa

Valutare le principali strade di collaborazione coi partner tecnologici

• Selezione del fornitore (Buy)

• • affidabilità tecnologica
  • supporto post-vendita
  • compatibilità con l’infrastruttura esistente
  • costi totali di proprietà

• Decisioni sullo sviluppo (Make)

• • capacità interne per sviluppare la soluzione in-house
  • disponibilità di talento
  • costi di sviluppo
  • scalabilità futura

Marco Recine, Digital Innovation & Customer Engagement Senior Manager – Biogen