• capire come identificare i ruoli chiave e la roadmap per creare una struttura di progetto AI robusta e garantire scalabilità e adeguatezza a lungo termine
• prevedere l’approccio human-in-the-Loop in tutto il processo per migliorare il controllo sui risultati delle applicazioni AI, riducendo il rischio di errori sistemici
• identificare gli elementi fondamentali da inserire nella policy aziendale per garantire la conformità all’AI Act e alle normative trattamento del dato e ridurre i rischi collegati
• valutare e gestire il livello di rischio associato ad applicazioni AI specifiche (alto, basso o proibito) per garantire che le soluzioni adeguate agli standard di sicurezza
• identificare il tipo di AI più efficace e gli strumenti presenti sul mercato per scegliere le giuste tecnologie per i vari use case e garantire adattabilità a lungo termine
• applicare tecniche di pulizia, trasformazione e aggregazione dei dati per garantirne coerenza e integrità per evitare errori nei modelli a causa di scarsa qualità e bias
• comprendere come facilitare l’adozione dell’AI grazie a formazione e supporto continuo, riducendo la resistenza interna e migliorando l’interazione con il business
• confrontare costi, scalabilità e capacità dei fornitori per scegliere tra sviluppo interno e soluzioni di mercato, ottimizzando i costi secondo le esigenze aziendali

Tutti coloro che vogliono acquisire le competenze per ricoprire il ruolo di Chief AI Officer. In particolare, è d’interesse per: • CIO • CTO • CISO • DPO • CDO • Risk Manager • Innovation Manager • Data Scientist

Valeria Lazzaroli, Chairperson of the Board – E.N.I.A. [br] Mirco Cervi, CDO | CIO | Group Chief Digital Officer – Dexelance [br] Marco Perilli, Direttore Responsabile della Rivista “AI Law – International Review of Artificial Intelligence Law” [br] Silvia Gorlani, Data Protection Officer – MEDIAMARKET [br] Samuel Algherini, Prof. adj. of AI applied to Language – Ethical AI Business [br] Stefano Gorla, Lead Auditor ISO 27001, ISO 9001, ISO 31000 – E.N.I.A.[br] Luca Vajani, Founder & CEO – Aries Tech - Cathedra [br] Paolo Omero, Co-Founder – infoFACTORY [br] Marco Racine, Digital Innovation & Customer Engagement Senior Manager – Biogen [br]

Come l’Intelligenza Artificiale può portare un vantaggio strategico in modo etico
• Ottenere un vantaggio strategico attraverso l'uso di diversi tipi di AI
• Impatto sul futuro del lavoro e delle società
• Cosa non trascurare fin dai primi passi
Valeria Lazzaroli, Chairperson of the Board – E.N.I.A.

Definizione prerequisiti e pianificazione strategica
Governance e struttura preliminare per una road map in linea con le risorse aziendali
• Stabilire chiaramente i ruoli di responsabilità all'interno del progetto AI
• Valutare un comitato di governance per garantire supervisione, trasparenza e allineamento con gli obiettivi aziendali
• Organizzare in modo efficiente le risorse umane e tecnologiche, ottimizzando la collaborazione su tutti i livelli
• Perché coinvolgere le persone (Human in the Loop) può determinare il successo Pianificazione strategica e definizione degli obiettivi in tema di AI
• Integrare l'AI come elemento chiave per la trasformazione e l'innovazione aziendale
• Allineare le strategie di AI con gli obiettivi aziendali
• Definire KPIs per misurare il ritorno sugli investimenti (ROI) e i benefici economici
Identificazione dei bisogni aziendali per individuare i primi campi di applicazione
• Mappare le aree aziendali per identificare dove l'AI può migliorare i processi
• Verificare gli strumenti già utilizzati e non monitorati
• Collettare e valutare le proposte bottom up
• Individuare i primi ambiti di applicazione tra Proof of Concept (PoC) e use case
• Coinvolgere i diversi dipartimenti aziendali valutando soluzioni cross-funzionali
• Identificare come perseguire gli obiettivi di business con gli strumenti di AI

Learning by doing
I partecipanti simuleranno il processo di pianificazione strategica e analisi di bisogni e prerequisiti secondo le caratteristiche specifiche della propria realtà aziendale seguendo il framework proposto.
Mirco Cervi, CDO | CIO | Group Chief Digital Officer - Dexelance

Rispettare la normativa e impostare la compliance
AI Act: perimetro di applicazione, rischi e casi esclusi
• Analisi del campo di applicazione dell’AI Act
• Ambiti esclusi dalla normativa
• Classificazione basata sul rischio
- Sistemi di AI proibiti e relative implicazioni
-Sistemi di AI ad alto rischio: settori interessati e requisiti
-Sistemi di basso rischio e obblighi minimi
- AI per scopi generali e il loro impatto sistemico
• Obblighi e struttura della governance interna
-Ruoli e responsabilità principali (fornitori, deployer, autorità)
-Requisiti di conformità, monitoraggio e gestione della qualità
-Tipologie di sanzioni previste per violazioni
Diritto d’autore e AI generativa
• Evitare i principali rischi di violazione con l’uso di materiali protetti nei dataset, creazione di contenuti derivati da opere tutelate
Responsabilità derivante dall’AI
• Tipologie di danno: danni materiali, danni reputazionali, violazioni di diritti
• Proposta di direttiva sulla responsabilità da AI e principi di product liability
• Clausole contrattuali e coperture assicurative per tutelarsi e ridistribuire i rischi
Gestione dei rischi e monitoraggio degli impatti
• Allucinazioni, bias e output fuorvianti: conseguenze pratiche per l’azienda.
• Ruolo del CAIO e dei dipartimenti aziendali: coordinamento tra legale, compliance e IT

Learning by doing
I partecipanti analizzano un modello di AI generativa a diretto contatto con il cliente e definiscono:
• Classificazione di rischio secondo AI Act
• Possibili implicazioni di diritto d’autore
• Esposizioni a responsabilità civile in caso di danni o errori
• Accenni a clausole contrattuali e policy interne
Marco Perilli, Direttore Responsabile della Rivista “AI Law - International Review of Artificial Intelligence Law”

Completare la policy aziendale integrando AI Act con il GDPR
• Principi GDPR applicabili all'AI
• Perché la protezione dei dati personali è ancora più importante
• Esercizio dei diritti dell'interessato nell'ambito dei sistemi di AI Transfer impact assessment
• Adottare soluzioni che minimizzino i rischi normativi:
-parere e linee guida European Data Protection Board Excursus sulla posizione di vari Garanti della Privacy

Learning by doing
I partecipanti simuleranno il processo di identificazione e gestione dei dati personali utilizzati nell'AI, sviluppando strategie per mitigare rischi normativi e garantire la conformità alle normative di riferimento.
Silvia Gorlani, Data Protection Officer – MEDIAMARKET

Identificare le tipologie di AI e l’imprescindibile ruolo del dato
Esplorazione dell'Intelligenza Artificiale e analisi dei requisiti tecnici
• Caratteristiche principali dell'AI come tecnologia trasformativa
• Come identificare i giusti strumenti di AI
• Identificare le capacità tecniche necessarie (elaborazione, volume e tipo di dati)
• Valutare le esigenze infrastrutturali
-Cloud vs Edge
-GPU vs TPU
Sistemi di Machine Learning (ML) che apprendono automaticamente per analizzare dati e fare previsioni
• Algoritmi supervisionati e non supervisionati
• Dati necessari per addestrare i modelli predittivi
• Come i modelli evolvono e apprendono
Deep Learning (DP), basato su reti neurali artificiali, per analizzare grandi volumi di dati complessi
• Quando utilizzare le reti neurali profonde che analizzano enormi volumi di dati
• Sfruttare la capacità di apprendere e ottimizzare autonomamente caratteristiche complesse
• Differenza tra reti neurali convoluzionali (CNN) e reti neurali ricorrenti (RNN) Reinforcement Learning (RL): apprendimento basata su agenti che interagiscono
• Le potenzialità del modello che migliora la propria strategia secondo ricompense
• Gestione di dati di stato e feedback in evoluzione continua
Generative AI per creare contenuti innovativi, adattivi e contestualmente rilevanti
• Caratteristiche distintive e opportunità
• Utilizzo di Retrieval-Augmented Generation (RAG) per integrare fonti esterne
• Funzionamento e potenzialità di Agent e multi Agent
Maturità della data quality all’interno dell’azienda e utilizzo del dato nei progetti AI
• Affidabilità e metodologie di raccolta dei dati da fonti interne ed esterne
• Strumenti e piattaforme di raccolta, aggregazione, pulizia e standardizzazione dati
• Valutazione delle soluzioni per la gestione dei dati in tempo reale vs batch
• Pianificazione per la raccolta e l’elaborazione di grandi volumi di dati (big data).
• Stabilire metriche di qualità e identificare eventuali criticità

Learning by doing
I partecipanti esploreranno e testeranno le differenze tra Machine Learning, Deep Learning e Generative AI
Samuel Algherini, Prof. adj. of AI applied to Language – Ethical AI Business

Gli standard ISO a supporto della AI Governance
Adottare standard per costruire un’AI robusta
• Gli elementi fondamentali da monitorare in tutte le fasi del ciclo di vita di un progetto AI
• Standard nella gestione dei dati per garantire qualità, sicurezza e conformità
• Garantire affidabilità e trasparenza con gli standard dei modelli AI
• Conoscenze imprescindibili di standard operativi e allineamento organizzativo
Lo standard di Governance ISO 42001:2023 - AI Management System (AIMS)
• Come sviluppare, implementare e monitorare in modo responsabile e sicuro l’AI
• I principi dell’AI secondo lo standard per un'applicazione etica, sicura e affidabile
• Valutare l'impatto su tutti gli aspetti aziendali, dalla strategia ai processi quotidiani
• Il risk management: identificare, valutare e mitigare i rischi etici, legali e operativi
• Identificare ruoli e responsabilità per ogni fase del ciclo di vita dell’AI
• Impostare supporto documentale per garantire trasparenza, auditabilità e miglioramento continuo
• Come implementare i controlli specifici per compliance and accountability
Guidance on AI risk management secondo la ISO 23894 e il framework RFM del NIST
• Utilizzare il framework per identificare i rischi dell’AI
• Metodi e tecniche per controllare e ridurre i rischi
• Definire ruoli specifici a sviluppatori, utenti finali e manager
• Il supporto documentale solido per garantire tracciabilità, auditabilità e trasparenza
AI system impact assessment di rischi, benefici e implicazioni secondo la ISO 42005
• Valutare gli impatti su processi aziendali, utenti, società ed ecosistemi tecnologici
• Considerazioni tecniche oltre che etiche, ambientali, sociali ed economiche
• Le figure richieste tra project manager, team tecnici, esperti legali e stakeholder esterni
• Documentazione per tracciare decisioni, dimostrare conformità e garantire trasparenza
• Navigare le complessità etiche e sociali con riferimento alla ISO/IEC 24368
Stefano Gorla, Lead Auditor ISO 27001, ISO 9001, ISO 31000 e Direttore – ENIA ACADEMY

Individuare strumenti e applicazioni di AI adatti al proprio business
Applicazioni e strategie di impiego dell'AI secondo le specifiche esigenze
• Come l'AI è impiegata per settori e funzioni aziendali
• Come ridurre i costi tramite automazione e ottimizzazione dei processi
• Ricercare la differenziazione con soluzioni uniche e prodotti personalizzati
• Utilizzare l'AI per concentrarsi su nicchie di mercato e rispondere alle esigenze specifiche dei clienti
Valutazione dell'applicabilità dell'AI bilanciando costi e benefici
• Valutare se un progetto può trarre vantaggio dall'AI, considerando dati, obiettivi e risorse disponibili
• Considerare fattori di complessità, costo, tempo di implementazione e dati storici Scelte tecniche e strategiche nella scelta della tecnologia
• Come l'AI si allinea con la strategia aziendale a lungo termine
• Considerare aspetti tecnici di scalabilità, qualità dei dati, integrazione con IT aziendale e necessità infrastrutturali
• Valutare se scegliere sistemi open source o proprietari

Learning by doing
I partecipanti analizzano un caso aziendale e definiscono una strategia AI calata nel contesto, valutando costi, benefici e scelte tecniche strategiche
Luca Vajani, Founder & CEO – Aries Tech - Cathedra

Come utilizzare la Generative AI in azienda e possibili impatti nel medio periodo
• Casi concreti di utilizzo in azienda:
-generazione contenuti e traduzioni
-integrazione con i CMS
-agenti risponditori, customer service, ticket
-gestione della posta
-web intelligence avanzata, document intelligence
-gestione dei processi text/document/language driven
• Analizzare i dati della crescita del settore
• Nuovo sviluppo software fino al personal software
• Ruolo e utilizzo degli agenti
• Impatto sul mondo del lavoro in tre ondate: lavori creativi, cognitivi e fisici
• Pericoli da monitorare
Paolo Omero, Co-Founder – infoFACTORY

Valutazione delle tecnologie AI e scelta del partner tecnologico
Come determinare una AI robusta per risultati consistenti
• Affidabilità in vari scenari e condizioni, minimizzando errori e fallimenti
• Resilienza perché si adatti a imprevisti o modifiche nel contesto operativo
• Sicurezza, difendendosi da vulnerabilità, attacchi e manipolazioni esterne
• Trasparenza dele decisioni prese dall'AI perché siano comprensibili e spiegabili
Panoramica delle tecnologie e delle loro applicazioni per attività e settori
• Casi e paper di ricerca per valutazioni basate su evidenze
• Suite di strumenti per il machine learning a supporto del ciclo di vita del progetto
• Tool per la gestione dei dati, l’elaborazione e il monitoraggio dei modelli in produzione
• Piattaforme per la spiegabilità e l’interpretabilità a supporto di trasparenza e controllo dei processi decisionali automatizzati
Valutare le piattaforme di AI per una collaborazione di medio-lungo periodo
• Capire tendenze, forze e debolezze dei principali fornitori
• Valutare tempestivamente le recensioni di mercato
• Inserire i rapporti degli analisti nel processo di scelta
Coinvolgere gli stakeholder chiave per una scelta coordinata e condivisa
• Assicurare l'allineamento e il supporto aziendale nella selezione delle tecnologie
• Documentare il processo di selezione del fornitore esplicitando i criteri
• Valutare la documentazione di conformità dei venditori e come intendono affrontare i limiti imposti dalla normativa
Valutare le principali strade di collaborazione coi partner tecnologici
• Selezione del fornitore (Buy)
-affidabilità tecnologica
-supporto post-vendita
-compatibilità con l'infrastruttura esistente
-costi totali di proprietà

• Decisioni sullo sviluppo (Make)
-capacità interne per sviluppare la soluzione in-house
-disponibilità di talento
-costi di sviluppo
-scalabilità futura
Marco Racine, Digital Innovation & Customer Engagement Senior Manager – Biogen

Il corso termina con un test per verificare le competenze e conoscenze acquisite.