Ho guidato progetti di trasformazione IA dall’inizio alla fine, in produzione e con un mandato sul conto economico. Seguo ogni progetto in prima persona, dal primo giorno all’ultimo, e quando serve più capacità di sviluppo mi appoggio a una rete di specialisti di fiducia.
Ho iniziato come sviluppatore, sono passato al project management e poi ho trascorso vent’anni nel solutions engineering, imparando come le aziende comprano la tecnologia, la mettono in funzione e ci convivono. Team globali, metodologie di presales, l’intero ciclo di vendita e consegna di software enterprise in EMEA e America Latina, con clienti nella finanza, nel legale, nelle scienze della vita e nel retail. Costruendo da zero una funzione globale di solutions engineering, ho quasi raddoppiato il tasso di chiusura sulle trattative enterprise complesse.
Dal 2022 l’IA è al centro di quel lavoro. Da ultimo, come Director of AI Transformation in una software house partecipata da un fondo di private equity, ho ricostruito il go-to-market e le operazioni di back-office intorno all’IA in produzione, ho portato un processo chiave dal preventivo all’incasso da giorni a ore, e ho accompagnato il team nella parte che tutti sottovalutano: l’adozione. Cosa funziona, cosa si blocca e perché. Il punto di vista che porto è quello di un investitore: un programma di taglio dei costi porta a bilancio un risparmio una tantum, mentre una capacità IA nativa rimuove i colli di bottiglia e si capitalizza nel tempo. Io costruisco la seconda.
I più grandi fornitori di IA oggi inseriscono propri ingegneri per fare esattamente questo lavoro, ma solo per la fascia enterprise e legati al loro stack. Worklabs è la versione indipendente e senza vincoli di piattaforma, per le aziende che mettono in piedi una direzione IA per la prima volta.
Quello che ho imparato in quella posizione è la base di Worklabs.
Le competenze che ti portano a una demo funzionante non sono quelle che ti portano a un sistema che il team adotta. La distanza tra le due è il punto in cui la maggior parte dei budget sull’IA si arena.
Le metriche di adozione contano più degli F1 score. Una volta che hai dovuto spiegare perché un investimento a sei cifre resta fermo, smetti di trattare l’adozione come un problema da fase 2.
Mettere in produzione sistemi su larga scala ti insegna cose che la sola strategia non può. Impari dove vive l’attrito vero, quali casi limite contano davvero e perché l’ultimo miglio dell’adozione è la parte più difficile.
È l’unico modo per andare veloci senza diventare il prossimo caso di compliance sui giornali. Gli ambienti regolamentati e con capitali di un fondo te lo insegnano. Si attraversano i controlli in fretta, non li si aggira.
Non il modello. Non l’infrastruttura. Il passaggio tra “pilota che funziona” e “il team adotta il nuovo flusso come l’unico flusso”. Worklabs resta in quel divario. È lì che vive il ritorno sull’investimento.
Gran parte delle pagine bio dei consulenti elenca solo i punti di forza. Ecco i limiti, detti con onestà.
Una call di lavoro di 30 minuti. Ne esci con un’idea chiara di dove l’IA ripagherebbe per prima, che si lavori insieme o no. Ragioniamo sulla tua situazione concreta. Se posso aiutarti, definiamo il perimetro. Se non posso, te lo dico e ti indico chi può farlo.
Oppure fai la valutazione gratuita di maturità sull’IA → Trovami su LinkedIn →