Questo articolo è stato pubblicato originariamente su AI News il 31 marzo 2026 (solo in italiano).
Il CEO di Datrix racconta cosa significa portare l’AI nei processi aziendali: dati, governance, verticalizzazione e la “via italiana” all’intelligenza artificiale
In questa edizione di AI Talks, il nostro format di interviste sull’intelligenza artificiale, abbiamo parlato con Fabrizio Milano D’Aragona, CEO e Co-fondatore di Datrix. Ex top manager di Google Italia—dove ha contribuito attivamente alle fasi di startup e scale-up della sede italiana, occupandosi in particolare di crescita dei team e sviluppo del business—è oggi CEO e Co-fondatore di Datrix Group. È anche membro del consiglio direttivo di Assintel, dove coordina l’AI Think Tank, e di IAB Italia.
Iniziamo con una domanda che facciamo a tutti i nostri ospiti: che cos’è l’intelligenza artificiale?
A mio avviso, l’intelligenza artificiale non è né magia tecnologica né un’entità astratta: è un insieme di sistemi capaci di elaborare dati, riconoscere schemi e generare previsioni, raccomandazioni, contenuti o supporti decisionali utili all’attività umana. In altre parole, è una tecnologia che trasforma i dati in capacità operativa. Per dirla ancora più semplicemente, l’AI serve a far emergere valore da informazioni che già esistono ma che spesso restano sottoutilizzate senza gli strumenti giusti. Oggi le aziende raccolgono enormi quantità di dati da clienti, prodotti, macchine, touchpoint digitali e fisici. Il problema non è più avere i dati, ma sapere come attivarli. E l’intelligenza artificiale è proprio questo: un sistema per attivare i dati e renderli utili per prendere decisioni migliori, più rapide e più misurabili. Ecco perché tendo a dare una definizione molto concreta: l’AI è un’infrastruttura cognitiva che permette alle organizzazioni di migliorare efficienza, qualità delle decisioni, capacità predittiva e personalizzazione. Naturalmente, esistono livelli diversi: dai modelli predittivi classici all’AI generativa e ai sistemi agentici. Ma il punto chiave resta lo stesso: non sostituire l’intelligenza umana, ma potenziarla dove serve davvero.
Parli di intelligenza artificiale non come promessa astratta, ma come strumento concreto per migliorare decisioni e processi—quella che in Datrix chiamate “l’AI del fare”. Cosa significa in termini pratici?
Per noi, “l’AI del fare” significa qualcosa di molto preciso: passare dall’idea di AI come dimostrazione tecnologica all’AI come capacità industriale, integrata nei processi reali di un’azienda e valutata sulla base di risultati misurabili. Non ci interessa l’AI come “vetrina”. Ci interessa l’AI che entra nei flussi operativi—in marketing, supply chain, logistica, produzione, finanza e risk management—e produce un impatto verificabile. In concreto, significa lavorare su due fronti. Il primo è l’efficienza: riduzione dei tempi e degli errori, automazione intelligente, ottimizzazione dei costi, maggiore produttività. Il secondo è la crescita: utilizzare i dati per generare più ricavi, migliorare le conversioni, aumentare il lifetime value dei clienti, ridurre il churn, personalizzare offerte e decisioni commerciali. Queste due dimensioni—efficienza e monetizzazione dei dati—sono il cuore dell’approccio Datrix. La nostra visione è anche molto legata alla verticalità. Non crediamo che l’AI produca il massimo valore quando è generica e indistinta. Crediamo che funzioni meglio quando è specializzata, cioè quando comprende il contesto applicativo: finance, healthcare, utilities, retail, manifatturiero, logistica. Per questo Datrix si definisce un ecosistema di software verticali alimentati da AI e focalizzati su settori mission-critical. “L’AI del fare” significa quindi meno slogan, più adozione concreta; meno proof-of-concept scollegati dal business, più radicamento nei processi; meno fascinazione per il modello in sé, più attenzione a come quel modello muove le performance aziendali e la qualità del lavoro.
Molte aziende dichiarano di voler adottare l’AI, ma spesso fanno fatica a tradurla in processi reali. Quali sono gli errori più frequenti che incontri passando dalla strategia all’implementazione?
L’errore più frequente è partire dalla tecnologia invece che dal problema. Molte aziende dicono: “vogliamo fare AI”, ma non hanno chiarito quale processo vogliono migliorare, quale decisione vogliono rendere più efficace o quale KPI intendono muovere. Quando l’adozione parte così, il rischio è produrre demo interessanti ma alla fine poco utili. Il secondo errore è pensare all’AI come qualcosa di standard che basta acquistare e installare allo stesso modo per tutti. In realtà, il suo valore emerge davvero solo quando viene integrata con il patrimonio specifico di conoscenze che ogni azienda possiede già: dati, processi, linguaggio di settore, skill operative e know-how costruito nel tempo. Anche quando l’AI viene fornita tramite software, l’expertise di dominio è ciò che fa la differenza, perché permette di capire se il sistema funziona bene e dove genera valore reale. Un altro errore frequente è partire con obiettivi troppo ambiziosi o di troppo lungo termine. Soprattutto per un imprenditore, spesso è più efficace individuare prima quelle aree dove l’AI può fare la differenza rapidamente, in base alle reali condizioni interne dell’azienda: qualità dei dati disponibili, chiarezza dei processi, readiness del team e reale possibilità di integrazione. È lì che serve iniziare, perché i risultati iniziali creano fiducia, metodo e capacità di scalare l’adozione. Poi c’è un altro nodo spesso sottovalutato: la qualità e la governance dei dati. Le aziende vogliono sistemi intelligenti, ma a volte lavorano con dati frammentati, silos organizzativi, regole poco chiare e responsabilità non definite. In queste condizioni, l’AI amplifica il caos invece di creare valore. Ecco perché la maturità dei dati viene prima della sofisticazione dei modelli. Infine, vedo spesso una separazione artificiale tra AI, cybersecurity, compliance e organizzazione. In realtà, oggi sono inseparabili. Un sistema AI mal governato può creare vulnerabilità tecniche, rischi normativi e sfiducia interna. Quindi l’implementazione non è solo una questione tecnologica: è anche cultura, responsabilità, trasparenza e capacità di coordinare funzioni diverse.
Fino al 2009 hai lavorato in Google. Hai visto dall’interno l’evoluzione di Google Italia in una fase in cui dati e algoritmi cominciavano a trasformare marketing, business e processi decisionali. Cosa è cambiato da allora? E cosa NON è cambiato?
Prima di tutto, è cambiata la scala. Quando ero in Google, vedevamo già chiaramente che dati e algoritmi avrebbero trasformato il modo in cui le aziende comprendono il mercato, prendono decisioni e costruiscono prodotti. Ma allora era percepito soprattutto come vantaggio competitivo per i grandi player digitali. Oggi non è più così. L’AI è diventata una tecnologia general purpose che può e deve entrare anche nelle imprese medie, nelle filiere industriali, nella sanità, nei servizi, nel manifatturiero. È cambiata anche la velocità. Oggi il ciclo tra innovazione, adozione e impatto si è compresso enormemente. L’AI generativa ha reso visibile al grande pubblico ciò che per anni era confinato agli specialisti: il fatto che le macchine non si limitino a classificare o predire, ma possano anche generare contenuti, riassunti, codice e supporto operativo. Questo ha accelerato aspettative, investimenti e pressione competitiva. Ma una cosa non è cambiata: il valore non è mai solo nell’algoritmo. Si trova nella capacità di collegare tecnologia, dati, distribuzione, modelli di business e cultura manageriale. Già allora i dati erano inutili se non tradotti in decisioni. Lo stesso vale oggi. L’AI non genera valore automaticamente: lo genera quando è ancorata a una strategia chiara. C’è anche un altro aspetto che non è cambiato: le piattaforme e gli ecosistemi contano tantissimo. All’epoca vedevamo nascere un’economia sempre più guidata da piattaforme digitali. Oggi lo stesso principio vale per l’AI. Chi costruisce ecosistemi, capacità verticali, partnership e distribuzione ha un vantaggio enorme rispetto a chi pensa che basti adottare un singolo tool. Su questa convinzione Datrix ha costruito il proprio modello.
Nel dibattito pubblico si parla molto di modelli, potenza di calcolo e automazione, ma poco—anche se un po’ di più ultimamente—di governance. Secondo te, qual è la skill più sottovalutata per guidare oggi con successo l’AI all’interno di un’organizzazione?
La competenza oggi più sottovalutata è la capacità di governance interdisciplinare. Guidare bene l’AI non significa solo capire i modelli o scegliere il fornitore giusto. Significa saper tenere insieme tecnologia, business, diritto, gestione del rischio, organizzazione e cultura aziendale. Molte organizzazioni continuano a pensare all’AI come tema tecnico. In realtà è prima di tutto una decisione manageriale. Chi governa l’AI deve saper rispondere a domande molto concrete: dove crea valore l’AI? Con quali dati? Con quali rischi? Con quali responsabilità? Con quale supervisione umana? Con quali metriche di impatto? Questo tipo di competenza è ancora raro perché richiede figure capaci di stare al confine tra mondi diversi. Per me, la governance dell’AI ha almeno quattro pilastri. Primo: governance dei dati (qualità, accessibilità, tracciabilità e responsabilità sui dati). Secondo: governance del rischio (valutazione di impatti su diritti, sicurezza, reputazione e continuità operativa). Terzo: governance organizzativa (chi decide, chi valida, chi monitora, chi misura). Quarto: governance culturale (formazione diffusa e capacità di aiutare l’organizzazione a capire come usare l’AI in modo responsabile). Oggi, chi riesce a integrare questi livelli avrà un grande vantaggio, perché l’AI non premierà solo chi adotta per primo, ma chi adotta meglio.
Negli ultimi anni sono nate nuove figure professionali, come i Chief AI Officer e gli AI trainer. Quali saranno i ruoli aziendali del futuro?
Certamente vedremo la crescita di ruoli esplicitamente dedicati all’AI, come Chief AI Officer o AI Program Lead, ma secondo me la vera trasformazione non sarà solo la nascita di nuove etichette. Sarà la nascita di professionisti ibridi capaci di collegare tecnologia e operations. Ci saranno sicuramente ruoli di governance: Chief AI Officer, responsabile di AI governance, AI compliance manager e figure di controllo etico-giuridico, soprattutto nei settori regolati. Ma diventeranno sempre più importanti i profili “ponte”: persone che comprendono i processi di business e sanno tradurre problemi aziendali in use case intelligenti. Penso a tre famiglie di ruoli. La prima è quella degli orchestratori: figure che coordinano progetti AI trasversali, mettendo insieme IT, business, finance, legal, HR e sicurezza. La seconda è quella degli specialisti dell’adozione: formatori, change manager, knowledge architect—persone che aiutano l’organizzazione a usare davvero questi strumenti. La terza è quella degli specialisti verticali aumentati dall’AI: marketer, controller, HR manager, responsabili produzione, persone della logistica che non diventano puri tecnologi ma imparano a lavorare con sistemi intelligenti integrati nella loro funzione. In sostanza, il futuro non sarà solo fatto di nuovi lavori. Sarà fatto di lavori esistenti profondamente trasformati dall’AI. E chi avrà più valore sarà chi saprà unire expertise di dominio, capacità di lettura dei dati e comprensione delle logiche di automazione e governance.
Dal tuo punto di vista, l’Italia sta costruendo un ecosistema in grado di competere davvero sull’AI, o rischia ancora di restare soprattutto un mercato di adozione?
L’Italia ha ottime competenze, ricerca di qualità, aziende altamente specializzate e una forte cultura industriale. Quindi il potenziale per essere più di un mercato di semplice adozione esiste. Tuttavia, bisogna essere realistici. Oggi il rischio di restare prevalentemente un mercato che acquista tecnologia sviluppata altrove esiste ancora. Dove possiamo essere davvero competitivi? Non nel replicare i grandi modelli generalisti americani o cinesi. Possiamo essere competitivi nell’AI applicata e verticale integrata nei nostri distretti industriali—nella manifattura, salute, energia, finanza, qualità del “Made in Italy” e nei servizi avanzati. È la “via italiana” all’AI: meno orizzontale, più specializzata; meno basata sulla pura scala, più sulla qualità di dominio e sull’aderenza ai contesti produttivi. Per questo credo molto in un ecosistema costruito su PMI innovative, software house verticali, ricerca applicata, università, filiere territoriali e partnership europee. Un modello distribuito, non centralizzato. In questo senso Datrix si muove proprio in questa direzione: aggregare e potenziare le PMI software verticali con tecnologie AI, accompagnandole nella trasformazione e nella crescita. Il punto decisivo è evitare due errori: pensare che basti importare tecnologia dall’esterno oppure, all’opposto, inseguire l’illusione di competere sul terreno sbagliato. L’Italia può giocare un ruolo forte se investe su dati, competenze, piattaforme verticali, governance e use case industriali reali. Se si limita alla sola adozione di strumenti esterni senza capacità propria, resterà in fondo alla catena del valore.
Cosa pensi dell’AI Act e della posizione europea in questa sfida globale?
Penso che l’AI Act rappresenti un passaggio importante e, in un certo senso, inevitabile. L’Europa ha scelto di posizionarsi non solo come mercato, ma come spazio regolatorio capace di definire standard. È già successo con il GDPR, e sta succedendo di nuovo con l’intelligenza artificiale. Questo approccio ha valore: afferma che innovazione e tutela dei diritti non devono essere considerati opposti inconciliabili. Detto ciò, la qualità di una regolamentazione si misura non solo nelle intenzioni, ma nella sua applicabilità concreta. Il rischio c’è sempre: creare eccessiva complessità, incertezza interpretativa e oneri sproporzionati, soprattutto per le aziende e startup europee. Sarà dunque essenziale lavorare molto bene sulla fase di implementazione—su linee guida, sandbox, codici di condotta e supporto alle imprese. Credo che l’Europa faccia bene a voler presidiare i temi di trasparenza, sicurezza, presidio umano e tutela dei diritti fondamentali. Ma perché questa scelta abbia successo, deve essere accompagnata da una vera politica industriale: investimenti su calcolo, talenti, infrastrutture, ricerca applicata, technology transfer, procurement intelligente, supporto alle software house europee. La regolamentazione da sola non basta. Condivido l’idea di un’AI europea affidabile e human-centric. Ma questa visione ha senso solo se accanto alle regole si costruisce anche capacità competitiva. La vera sfida per l’Europa non è scegliere tra innovazione e responsabilità. È riuscire a tenere insieme, in modo credibile, entrambe.
Quando si parla di AI applicata al business, spesso si misurano i ritorni in termini di efficienza e ROI. Tu invece richiami anche sostenibilità e impatto sulla vita delle persone. Come si bilanciano vantaggio competitivo e responsabilità?
Non vedo contraddizione tra vantaggio competitivo e responsabilità. Vedo, piuttosto, una convergenza sempre più forte. Nel medio periodo, un’AI che non è responsabile diventa anche meno competitiva, perché genera rischi reputazionali, normativi, organizzativi e persino economici. Un’azienda che usa bene l’AI deve certo misurare efficienza, produttività, ROI, riduzione dei costi. Ma deve anche chiedersi se sta costruendo sistemi comprensibili, tracciabili, sicuri e coerenti con il contesto umano in cui operano. In settori come salute, finanza, lavoro, pubblica amministrazione o manifatturiero critico, questa domanda non è accessoria. È centrale. La sostenibilità, in questo senso, ha almeno tre livelli. Il primo è economico: l’AI deve creare valore reale, duraturo, non solo entusiasmo iniziale. Il secondo è organizzativo e sociale: deve migliorare il lavoro, non semplicemente comprimere le attività senza ridisegnare skill e responsabilità. Il terzo è etico e regolatorio: deve rispettare diritti, contesti e proporzionalità d’uso. Quando queste dimensioni vengono tenute insieme, l’AI diventa leva della qualità del sistema aziendale. E aggiungo: per una realtà europea come Datrix questo approccio è anche questione di identità. Vogliamo contribuire a un’innovazione utile, accessibile e responsabile, non a una corsa tecnologica fine a sé stessa.
Cosa pensi della bolla dell’AI?
Penso che dentro il fenomeno AI convivano due cose diverse: innovazione profonda e reale e una componente evidente di iperbole. Come spesso accade nelle grandi discontinuità tecnologiche, il mercato tende a sovrastimare gli effetti di breve termine e a sottostimare quelli di lungo. Sì, esiste un elemento di bolla—nelle valutazioni, nelle aspettative, nei linguaggi e nella tendenza a chiamare “AI” ogni automazione un po’ sofisticata. È fisiologico. Ogni volta che emerge una tecnologia abilitante, si crea una fase di euforia in cui capitali, narrazione e posizionamento corrono più dei fondamentali. Ma ridurre tutto a una bolla sarebbe un errore. L’AI non è una moda passeggera; è una trasformazione strutturale. Cambierà il software, i processi industriali, i modelli di servizio, il marketing, la sanità, la finanza, la produttività individuale e organizzativa. Quello che probabilmente vedremo sarà una selezione molto dura. Molte promesse generiche spariranno, mentre cresceranno gli attori in grado di portare l’AI in produzione in modo credibile, misurabile e verticalizzato. In questo senso, la domanda non è se la bolla scoppierà. Alcuni elementi speculativi si sgonfieranno di certo. La vera domanda è: quali modelli di business resteranno in piedi quando finirà l’euforia? Credo che resteranno quelli basati su applicazioni concrete, dati proprietari, expertise di dominio, integrazione nei processi e capacità di governance.
Guardando ai prossimi tre-cinque anni, come immagini il mercato AI e tech?
Nei prossimi tre-cinque anni vedo un mercato molto più selettivo, più industriale e meno “demo-driven”. La fase che ci aspetta sarà di consolidamento: meno fascinazione per la prova tecnologica fine a sé stessa, più domanda di soluzioni integrate, affidabili, misurabili e governabili. Vedo cinque traiettorie principali. La prima è la verticalizzazione: l’AI continuerà a diffondersi, ma il vero valore si concentrerà sulle applicazioni specialistiche per settori e funzioni. La seconda è l’integrazione: i sistemi AI non saranno più layer esterni ma componenti native del software d’impresa e dei processi decisionali. La terza è la governance: compliance, gestione del rischio, cybersecurity e qualità dei dati diventeranno parte strutturale dell’offerta. La quarta è il consolidamento industriale: aumenteranno acquisizioni, aggregazioni, alleanze perché servono scala, distribuzione e asset tecnologici combinati. La quinta è la crescita dell’AI europea applicata, soprattutto in settori regolati e mission-critical. Credo anche che il confine tra software tradizionale e software AI tenderà a sparire. Si dirà sempre meno “questo è un prodotto AI”, e sempre più “questo prodotto funziona meglio perché incorpora capacità intelligenti”. L’AI sarà una dimensione pervasiva del software, non una categoria a parte. In parallelo, il mercato premierà chi saprà combinare due cose: potenza tecnologica e fiducia. Le aziende compreranno non solo performance, ma anche affidabilità, spiegabilità, sicurezza, continuità operativa e capacità di adattarsi ai contesti normativi. È lì che si giocherà la vera partita, soprattutto in Europa.
Per chiudere: qual è lo stereotipo o falso mito sull’AI che ti dà più fastidio e che, se avessi una bacchetta magica, smonteresti una volta per tutte?
Il falso mito che mi dà più fastidio è questo: che l’AI sia o una bacchetta magica che risolve tutto o una minaccia inevitabile che renderà il lavoro umano privo di senso. Entrambe queste narrazioni sono sbagliate, e soprattutto poco utili. L’AI non è magia. Non basta acquistarla per diventare più competitivi. Senza dati, processi, competenze, governance e visione strategica non funziona. Ma allo stesso tempo non è nemmeno una forza autonoma che decide da sola il destino delle organizzazioni. L’AI resta una tecnologia progettata, adottata e governata dalle persone. Dobbiamo imparare a usarla bene. Se potessi smontare uno stereotipo, smonterei l’idea che il cuore del problema sia “uomo contro macchina”. La vera domanda non è se la macchina sostituirà l’uomo. La vera domanda è quali organizzazioni sapranno meglio riprogettare la relazione tra intelligenza umana, dati, automazione e responsabilità. Chi saprà farlo crescerà. Chi resterà bloccato tra slogan e paura resterà indietro. E aggiungo una cosa finale: l’AI non deve diventare il privilegio di pochi grandi gruppi o di qualche Big Tech. La vera sfida è renderla uno strumento trasformativo accessibile anche a PMI, filiere e ai settori industriali che costituiscono la vera economia europea. È qui che si giocherà una parte decisiva del futuro competitivo del continente.
