L’Ai enterprise di Ericsson supera la fase della sperimentazione e punta a diventare un’infrastruttura operativa comune per l’intera organizzazione. Il gruppo svedese sta realizzando con Sap una business data fabric unificata, basata su Sap Business Data Cloud, per collegare dati aziendali distribuiti, applicare definizioni condivise e rendere replicabili i casi d’uso di intelligenza artificiale. La portata del progetto è indicata da un primo dato: oltre 85mila utenti utilizzano già la piattaforma Joule unificata.
La scelta segnala un passaggio che riguarda l’intero mercato tecnologico. Dopo una fase dominata da proof of concept, assistenti sperimentali e iniziative circoscritte a singole funzioni, l’attenzione delle grandi imprese si sta spostando sulla capacità di governare dati, permessi, processi e responsabilità. Il modello diventa realmente industriale soltanto quando può essere inserito nei flussi di lavoro senza produrre risposte incoerenti, duplicare informazioni o ampliare in modo incontrollato l’accesso a contenuti sensibili.
Per Ericsson, che opera in un settore caratterizzato da infrastrutture critiche, organizzazioni globali e grandi quantità di dati tecnici e gestionali, la questione non riguarda quindi soltanto le prestazioni degli algoritmi. Riguarda la qualità dell’architettura che li alimenta. È in questa prospettiva che va letta l’affermazione di Esra Kocatürk Norell, Vice President Customer Experience, Enterprise It di Ericsson: “Quando si scala l’intelligenza artificiale, smette di essere un problema di AI e diventa un problema di dati”.
Indice degli argomenti
Una semantica comune per sistemi diversi
Il cuore del progetto è un’architettura federata. Le informazioni possono rimanere nei sistemi in cui sono state prodotte, mentre la semantica aziendale, le regole di accesso, la governance e le politiche sul ciclo di vita vengono gestite in modo coordinato. L’obiettivo è evitare che ogni funzione costruisca una propria versione dei dati, con definizioni differenti di ricavi, mercati, clienti, prodotti o strutture organizzative.
In un’impresa multinazionale, la frammentazione non è soltanto un problema tecnico. Può produrre risultati divergenti tra aree geografiche, rallentare le analisi e rendere difficile stabilire quale informazione sia effettivamente affidabile. Per un sistema di AI il rischio è ancora più evidente: se le fonti non condividono significati e criteri, la velocità di elaborazione aumenta, ma non necessariamente la qualità della decisione.
La business data fabric serve a creare questo livello comune senza imporre, almeno in linea teorica, il trasferimento indiscriminato di tutte le informazioni in un unico repository. Sap descrive il modello come una base governata che mette in relazione dati e contesto, così da alimentare applicazioni e agenti con un patrimonio informativo coerente. Sap Business Data Cloud è stata presentata nel febbraio 2025 per unificare dati Sap e di terze parti e consentire la condivisione delle informazioni senza ricostruire ogni volta la logica di business.
Per Ericsson il vantaggio dichiarato è la possibilità di definire una sola volta il significato delle informazioni e applicarlo in modo uniforme negli ambienti Sap e non Sap. Questa impostazione può ridurre le copie, semplificare le integrazioni e abbreviare il percorso che separa un caso d’uso sperimentale dalla sua distribuzione su scala globale. Non elimina, tuttavia, il lavoro necessario per identificare i proprietari dei dati, correggere le incongruenze e stabilire chi possa accedere a quali contenuti.
Dalla somma dei progetti alla trasformazione dei processi
Un secondo elemento della strategia riguarda il metodo con cui vengono selezionate le applicazioni. Ericsson dichiara di avere concentrato le risorse sui casi d’uso a maggiore impatto, organizzandoli attorno a processi end-to-end anziché a strumenti isolati. È un cambio di impostazione rilevante perché molti programmi di AI generativa si sono fermati alla distribuzione di chatbot generalisti, senza modificare realmente tempi, responsabilità o indicatori delle attività aziendali.
L’adozione da parte di 85mila utenti non dimostra da sola il ritorno economico dell’iniziativa, ma indica che il progetto ha raggiunto una dimensione incompatibile con la logica del laboratorio. La nota di Sap attribuisce il risultato alla sponsorship del management e a un modello di governance strutturato. Sono due condizioni decisive: senza il coinvolgimento della leadership, le sperimentazioni tendono a rimanere confinate nelle singole funzioni; senza regole condivise, la crescita degli utenti moltiplica costi, sovrapposizioni e rischi.
Joule viene utilizzato come livello di interazione con i dati e con le applicazioni aziendali. Nelle architetture descritte da Sap, l’assistente può restituire analisi e supporto decisionale attraverso richieste in linguaggio naturale, attingendo al contesto delle applicazioni. Il punto non è sostituire ogni interfaccia con una conversazione, ma ridurre la distanza tra l’utente e l’informazione, mantenendo collegamenti, autorizzazioni e definizioni proprie dei processi aziendali.
La sfida sarà misurare l’impatto oltre il numero degli account attivi. Per dimostrare la sostenibilità dell’investimento serviranno indicatori su produttività, qualità delle decisioni, riduzione degli errori, tempi di esecuzione e costi di gestione. Un utilizzo molto esteso può convivere con benefici limitati se l’assistente si aggiunge agli strumenti esistenti senza semplificare realmente il lavoro.
Modernizzare l’Erp senza destabilizzare il core
Il programma procede lungo due direttrici. La prima riguarda la modernizzazione dell’infrastruttura attraverso Rise with Sap, le estensioni side-by-side sviluppate su Sap Business Technology Platform e il modello clean core. L’obiettivo è separare le personalizzazioni dal nucleo dell’Erp, riducendo la complessità che rallenta aggiornamenti e migrazioni.
Il clean core assume un valore specifico nell’adozione dell’AI. Modelli, agenti e automazioni devono evolvere con maggiore frequenza rispetto ai tradizionali cicli di modifica di un sistema gestionale. Se ogni nuova funzionalità richiede interventi invasivi sul core, la velocità promessa dall’intelligenza artificiale viene assorbita dalla manutenzione applicativa. Al contrario, un’architettura modulare permette di introdurre servizi esterni, testarli e aggiornarli limitando l’impatto sui processi più critici.
La seconda direttrice, definita da Ericsson “innovate and transform”, punta alla creazione di valore mediante dati e AI. Qui si concentrano i progetti destinati a migliorare le decisioni, incrementare l’efficienza e, in prospettiva, sostenere nuovi modelli digitali. La distinzione tra modernizzazione e innovazione è importante: trasferire un Erp nel cloud non produce automaticamente una trasformazione del business, mentre un progetto di AI costruito su fondamenta obsolete rischia di non essere scalabile.
La strategia prova dunque a sincronizzare i due percorsi. Da un lato si interviene sul debito tecnologico e sull’architettura. Dall’altro si sviluppano applicazioni capaci di produrre benefici visibili. È un equilibrio difficile, perché i programmi infrastrutturali hanno tempi lunghi, mentre le funzioni aziendali chiedono risultati rapidi. La business data fabric diventa il livello chiamato a tenere insieme queste esigenze.
La co-innovazione arriva alle risorse umane
Tra i casi citati figura una funzionalità di raccomandazione degli obiettivi dei dipendenti sviluppata nel portafoglio Sap SuccessFactors. La soluzione genera proposte contestualizzate e allineate alle priorità aziendali, con l’intento di ridurre il carico amministrativo e migliorare l’esecuzione delle attività. Ericsson e Sap prevedono di estenderne l’impiego a una platea più ampia.
Il caso è significativo perché sposta l’AI da un ambito prevalentemente analitico a un processo che può incidere sulla gestione delle persone. Proprio per questo richiede maggiori cautele. La qualità delle raccomandazioni dipende dai dati utilizzati, dai criteri con cui vengono definite le priorità e dalla possibilità per responsabili e dipendenti di comprendere e correggere le proposte. Un obiettivo generato automaticamente non può diventare una decisione incontestabile.
Il tema assume particolare rilievo nel quadro europeo. Dal 2 agosto 2026 le autorità nazionali e l’Ai Office europeo hanno assunto responsabilità di attuazione, supervisione e applicazione dell’AI Act, secondo il calendario progressivo previsto dalla normativa. Per le imprese, la governance non è quindi soltanto una condizione per migliorare la qualità dei risultati, ma una componente della conformità, soprattutto quando i sistemi incidono su persone, ruoli o processi decisionali sensibili.
La disponibilità di una base dati governata può facilitare la tracciabilità, la gestione degli accessi e la ricostruzione delle fonti. Non risolve però automaticamente questioni come bias, supervisione umana, trasparenza e proporzionalità dell’utilizzo. Questi elementi devono essere valutati a livello di singolo caso d’uso, non delegati alla piattaforma tecnologica.
Perché il progetto conta per il settore telco
La trasformazione interna di Ericsson si inserisce in un mercato in cui la crescita dei dati di rete continua ad accelerare. Secondo l’Ericsson Mobility Report, il traffico dati mobile globale ha raggiunto 210 exabyte al mese nel primo trimestre 2026, con un incremento del 22% rispetto allo stesso periodo dell’anno precedente. Nel 2025 la quota di traffico trasportata su reti 5G è salita dal 34% al 48% e potrebbe raggiungere l’85% nel 2031.
Per i fornitori di tecnologie e per gli operatori, l’aumento dei volumi rende più importante la capacità di correlare dati tecnici, commerciali e finanziari. Manutenzione predittiva, ottimizzazione delle reti, assistenza ai clienti, gestione delle risorse e pianificazione degli investimenti richiedono informazioni provenienti da domini differenti. L’Ai può collegare questi livelli, ma soltanto se nomenclature, diritti di accesso e indicatori sono compatibili.
Il progetto Ericsson-Sap può quindi diventare un riferimento anche per le telco chiamate a integrare ambienti di rete, sistemi di supporto operativo, piattaforme commerciali ed Erp. La lezione principale non riguarda uno specifico assistente, ma il passaggio da applicazioni verticali a un impianto industriale condiviso. Questo comporta investimenti meno visibili rispetto al lancio di un nuovo servizio, ma decisivi per evitare una proliferazione di modelli e basi informative non coordinate.
Restano alcune incognite. Un’architettura federata deve mantenere prestazioni adeguate, garantire interoperabilità con tecnologie di fornitori diversi e impedire che la semantica centralizzata si trasformi in un nuovo collo di bottiglia. Occorre inoltre controllare i costi di calcolo e integrazione, valutare la dipendenza dai vendor e aggiornare continuamente le policy quando cambiano organizzazione, applicazioni e obblighi normativi.
La vera misura del progetto emergerà quindi dalla capacità di Ericsson di trasformare la diffusione di Joule in risultati verificabili. Aver portato l’AI a decine di migliaia di utenti rappresenta un passaggio rilevante, ma non conclusivo. La partita si giocherà sulla qualità dei dati, sulla responsabilità delle decisioni e sulla possibilità di replicare i benefici senza replicare anche errori e complessità.
Partecipa alla community