Intervista a Francesco Pomi, Sales & Marketing Manager di Brick Reply

Buongiorno, grazie per questa intervista e per la partecipazione a #GLMSummit25. L’intelligenza artificiale sta rapidamente trasformando i processi industriali e logistici. Quali aspetti di questa evoluzione avete scelto di condividere al GLM Summit di quest’anno?

Abbiamo scelto di mostrare come l’intelligenza artificiale stia diventando la chiave per trasformare gli ecosistemi di produzione e logistica già adottati dalle imprese. Non significa sostituire ciò che esiste, ma potenziarlo: passare da sistemi che registrano ciò che è accaduto a piattaforme capaci di anticipare, interpretare e agire in tempo reale.
Questo significa portare sul campo la Cognitive Manufacturing Platform che si innesta sui MES tradizionali e li arricchisce con agenti intelligenti, orchestrazione multi-livello e interfacce conversazionali.
In questo modo riusciamo a trasformare la complessità dei dati industriali in azioni concrete e comprensibili, aiutando le imprese a fare un passo reale verso la fabbrica autonoma e intelligente.

Molte organizzazioni si sono affrettate a creare agenti AI, ma i risultati sul campo non sempre sono stati all’altezza delle aspettative. Qual è l’errore più comune e come si può generare reale valore di business da questa tecnologia?

La lezione più importante che abbiamo appreso è che il vero tema non è l’agente in sé, ma il flusso di lavoro. L’errore più frequente è concentrare gli sforzi sull’agente, costruendo strumenti che appaiono innovativi ma che, in realtà, non migliorano il processo complessivo.
Per ottenere valore concreto, le organizzazioni devono ripensare i flussi di lavoro nella loro interezza, includendo persone, processi e tecnologia. Il punto di partenza è mappare i processi esistenti e individuare i veri “pain point” dell’utente.
In questo senso, gli agenti che funzionano davvero non operano in isolamento, ma agiscono da orchestratori: collegano strumenti diversi, integrano output eterogenei e diventano la “colla” che unifica il flusso operativo, riducendo la necessità di intervento umano e portando benefici tangibili.

Non tutti i flussi di lavoro sono adatti all’AI. Come possono i business leader capire se un problema aziendale richiede un agente AI complesso oppure se è sufficiente un approccio di automazione più semplice?

Questa è una valutazione cruciale, che permette di evitare investimenti poco mirati o complessità non necessarie. È importante non cadere nella logica binaria “agente sì / agente no”.
La decisione va presa analizzando due aspetti chiave: il livello di standardizzazione del processo e la varietà degli scenari da gestire.
Possono esistere ad esempio flussi di lavoro a bassa varianza e alta standardizzazione.
In questi casi la logica è chiara e prescrittiva. Usare agenti AI non deterministici rischia di introdurre incertezza e complessità senza creare reale valore. Strumenti più lineari, come automazioni basate su regole o sistemi predittivi, risultano più efficaci e affidabili.
Oppure possono esistere flussi di lavoro ad alta varianza e bassa standardizzazione.
Qui gli agenti esprimono al meglio il loro potenziale. Quando il compito richiede decisioni articolate, multi-step, con input variabili e contesti complessi, l’approccio agentivo diventa la scelta più adatta. Ad esempio in alcuni settori gli agenti vengono utilizzati con successo per aggregare dati complessi, condurre verifiche di conformità e supportare analisi avanzate.
In sintesi, l’uso di agenti AI trova la sua piena giustificazione nei processi che richiedono sintesi, giudizio, interpretazione creativa e capacità di gestire decisioni articolate su più livelli.