BI&EPM e AI
L'Uomo al centro delle decisioni
Sinfo One ha sviluppato un approccio strutturato per l’adozione dei modelli AI nei sistemi decisionali Bi&EPM. Il principio fondante è semplice: l’intelligenza artificiale non sostituisce il giudizio manageriale, lo amplifica.
Utilizziamo Large Language Model avanzati come layer di traduzione tra la complessità statistica e la decisione umana — garantendo sempre che sia il manager, non l’algoritmo, a detenere il controllo. Non è solo «human in the loop»: è predominio cognitivo.
Tutto questo diventa possibile grazie a un’architettura informativa progettata per garantire visibilità su presente e futuro grazie a Si By, la nostra piattaforma proprietaria di data governance e integrazione che rende ogni trasformazione è visibile, tracciabile e aggiornabile dai team interni.
Il Predominio Cognitivo
Il vero apporto dell’AI non sta nel sostituire il giudizio umano, ma nel potenziarlo. Per questo abbiamo sviluppato un approccio metodologico basato sul framework del predominio cognitivo che garantisce all’uomo il centro di comando nelle decisioni strategiche.
Il framework si articola sui tre pilastri:
il sistema raccoglie e integra in tempo reale segnali da fonti interne (ERP, CRM, supply chain) ed esterne (mercati, macro). Niente più dati in ritardo o frammentati.
L’AI sintetizza le informazioni, identifica pattern e anomalie, e spiega il significato di ciò che sta accadendo rispetto agli obiettivi di business.
Il sistema anticipa scenari futuri e simula l’impatto delle decisioni, così il manager governa il cambiamento invece di rincorrerlo.
Vantaggi competitivi
Per ottenere risultati affidabili, l’AI opera su dati di qualità, metriche oggettive per valutare l’accuratezza delle previsioni e un contesto di business definito insieme all’azienda. In questo modo il CFO non delega le decisioni all’intelligenza artificiale, ma definisce il perimetro del ragionamento: stabilisce i vincoli che devono essere sempre rispettati, i trade-off accettabili, le priorità di business e le soglie che richiedono l’intervento umano
Il principale vantaggio competitivo non sta nell’avere sistemi AI più potenti, ma decisori consapevoli dei propri limiti cognitivi e capaci di costruire architetture che li compensino
L'evoluzione naturale: SiBy e l'architettura Medallion
L’evoluzione dei processi decisionali richiede architetture dati capaci di integrare non solo i flussi ERP tradizionali, ma anche dati provenienti da dispositivi IoT, applicazioni esterne, API di fornitori e indicatori di mercato in tempo quasi reale.
Perché questi dati possano essere utilizzati in modo efficace da dashboard, modelli predittivi e applicazioni di AI, devono essere raccolti, normalizzati e governati all’interno di un livello dati affidabile, quello che nell’architettura Medallion si definisce il silver layer. SiBy nasce proprio con questo obiettivo: svolge nativamente il ruolo di strato intermedio, trasformando dati eterogenei in un patrimonio informativo coerente, standardizzato e pronto ad alimentare dashboard, modelli predittivi e applicazioni di AI senza richiedere migrazioni o sostituzioni.
L'integrazione in 3 fasi a rischio progressivo
L’adozione dell’architettura Medallion non richiede una big bang migration. Il percorso è strutturato per minimizzare i rischi operativi e massimizzare il valore in ogni fase:
- Integrazione non invasiva: SiBy viene posizionato come Silver Layer nativo. Nessuna modifica all’esistente, i flussi ERP-EPM continuano a funzionare invariati.
- Estensione del Bronze Layer: si aggiungono sorgenti esterne (IoT, API marketplace, dati di campo). SiBy riceve dati già normalizzati dal Bronze, senza dover gestire l’eterogeneità a monte.
- Orchestrazione unificata e near-realtime: pipeline unificate con latenze ridotte, dati di mercato e segnali operativi integrati in un unico semantic layer Gold, pronto per alimentare dashboard EPM e modelli AI avanzati.
Non tutte le aziende hanno bisogno di arrivare alla Fase 3. Il valore dell’architettura Medallion sta nel fatto che ogni fase porta benefici concreti e autonomi — e che il percorso è incrementale e reversibile.
Un esempio concreto
Un’azienda alimentare, 220 dipendenti >400 milioni di euro di fatturato.
Il Demand Planning viene gestito su fogli Excel interconnessi, con cicli di forecast mensili che richiedevano 3-4 giorni lavorativi di elaborazione manuale. L’accuratezza previsionale (MAPE) oscilla tra il 35% e il 42% a livello di singola SKU su un portafoglio di circa 1.400 articoli attivi.
Implementando il framework di Predominio Cognitivo su Oracle EPM Cloud integrato con Si By 2.0 nelle tre fasi:
Percezione (mesi 1-2)
Costruzione della single source of truth: integrazione automatica dei flussi da JD Edwards (ordini, giacenze, produzione), dati sell-out GDO e indicatori di stagionalità. Eliminazione dei silos tra Finance, Commercial e Supply Chain.
Comprensione (mesi 3-4)
Attivazione dell’analisi algoritmica con AI come traduttore cognitivo. Sei algoritmi statistici in parallelo su ogni famiglia di prodotto, con selezione automatica basata su metriche standardizzate (MAPE, MAE, BIAS, RMSE). L’AI spiega perché un algoritmo è preferibile, il Demand Manager valida e decide.
Proiezione (mesi 5-6)
Dashboard EPM con scenari what-if integrati: impatto delle promozioni pianificate, simulazione variazioni costo materie prime, stress test su ritardi di fornitura. Il CFO accede a una vista unificata di forecast → produzione → P&L con drill-down fino alla singola SKU.