«I dati non devono più essere un muro, ma un ponte». Luca Arietta, a capo del team Platform Governance di Unipol Assicurazioni, usa questa frase per raccontare una trasformazione profonda. Negli anni, la quantità enorme di dati raccolti rischiava di soffocare l’innovazione, intrappolando l’azienda in un sistema centralizzato e rigido. Così, Unipol ha scelto di cambiare rotta, abbracciando un modello decentralizzato, basato sul Data Mesh. Un cambio che non si limita alla tecnologia: è una rivoluzione culturale che vuole abbattere i silos, mettere in comunicazione reparti e far diventare i dati una risorsa fluida, viva, strategica. Arietta porta esempi concreti, e spiega perché, in questo nuovo scenario, l’intelligenza artificiale può davvero fare la differenza — a patto che poggi su fondamenta solide.
Il problema dei silos informativi nelle grandi aziende complesse
Unipol non è solo un gruppo assicurativo. Il suo perimetro si estende a diverse società nate da fusioni e acquisizioni: telepedaggio, servizi per l’hotellerie, flotte di noleggio, persino produzione vitivinicola. Ogni settore ha le sue piattaforme e i suoi dati, accumulati e stratificati nel tempo. Il risultato è un mosaico di informazioni frammentate, spesso duplicate e difficili da collegare. Questo complica la gestione dei dati e frena l’innovazione digitale. Molte realtà si trovano così a dover fare i conti con infrastrutture tecnologiche rigide, poco flessibili di fronte alle nuove esigenze di business e alle opportunità offerte dall’intelligenza artificiale.
Il nodo da sciogliere non è solo tecnologico, ma soprattutto organizzativo. Spostarsi verso un modello centralizzato con controlli rigidi spesso si traduce in inefficienze e rallentamenti. Serve un ecosistema dati più agile, modulare, capace di fornire a ogni unità di business gli strumenti e le informazioni di cui ha bisogno senza ostacoli. Da qui nasce la necessità di un cambiamento profondo — non solo sul fronte software o cloud, ma nel modo stesso di pensare il rapporto tra dati, tecnologia e persone.
Data Mesh: una nuova architettura per dati distribuiti e collaborativi
Arietta racconta come è stato costruito un modello che abbandona l’idea del “fortino” dove i dati sono custoditi rigidamente in un unico posto, per adottare invece un sistema federato e decentralizzato. Il Data Mesh, oggi molto discusso nel campo dell’innovazione digitale, rispecchia la realtà distribuita delle organizzazioni complesse, dando autonomia ai singoli team e favorendo una condivisione responsabile dei dati.
In questo modello, i “produttori” di dati – cioè le varie business unit – sono responsabili di gestire e fornire i propri Data Product: dati di qualità, curati, standardizzati e facili da usare per gli altri reparti o stakeholder. I “consumatori” possono così accedere velocemente a queste informazioni, in modo sicuro e uniforme. Ne nasce un catalogo dati unico, ma costruito su una rete di nodi, ognuno con le sue competenze e responsabilità.
Il Data Mesh si basa su principi sia tecnici sia organizzativi. È modulare: ogni nodo può evolversi senza bloccare tutto il sistema. È federato: la governance è distribuita su più livelli, dall’infrastruttura alle applicazioni. E garantisce sicurezza e rispetto delle norme, fondamentali quando si trattano dati sensibili, come nel settore assicurativo.
Governance federata e cloud: la nuova gestione dei dati in Unipol
Per affrontare la complessità, Unipol ha messo a punto una governance federata su tre livelli. Il primo riguarda le infrastrutture cloud e le tecnologie abilitanti: qui si selezionano e astraggono tutti i componenti necessari a garantire scalabilità, affidabilità e sicurezza. L’obiettivo è costruire una base solida per tutto l’ecosistema dati.
Il secondo livello si occupa dello sviluppo e rilascio dei Data Product. Vengono fissati standard, linee guida e buone pratiche per permettere a ogni unità di produrre dati di qualità, facilmente accessibili e integrabili nel sistema complessivo. Questo facilita l’interoperabilità tra i vari domini aziendali.
Il terzo livello, chiamato Mesh Experience Plane, coordina le regole, le policy e le procedure per assicurare un trattamento uniforme e sicuro dei dati in tutto l’ecosistema. Qui si automatizzano i controlli di qualità e compliance, migliorando la governance e la tracciabilità. Grazie a questo livello, la gestione di migliaia di flussi e decine di migliaia di asset diventa finalmente armonizzata, con accessi controllati e trasparenti per tutti gli attori coinvolti.
L’integrazione di questi tre livelli permette a Unipol di gestire un sistema federato molto ampio, fatto di realtà diverse che mantengono autonomia operativa ma collaborano tramite una piattaforma dati condivisa. Un traguardo importante, soprattutto considerando le diverse storie e culture aziendali da armonizzare.
Intelligenza artificiale: perché serve una piattaforma dati solida
Per Arietta l’intelligenza artificiale non può funzionare senza una base dati solida e ben gestita. Se la piattaforma è fragile, incompleta o disordinata, l’AI rischia di produrre risultati imprecisi o poco affidabili. La qualità del dato è la premessa indispensabile per tutti gli algoritmi di machine learning e predictive intelligence.
Un modello decentralizzato aiuta a sfruttare al meglio l’AI perché mette a disposizione dati aggiornati, contestualizzati e sotto controllo. In particolare, la condivisione fluida e standardizzata permette lo sviluppo di modelli intelligenti capaci di agire con autonomia e precisione nei futuri scenari di business.
In più, la piattaforma deve garantire non solo qualità e sicurezza, ma anche rispetto delle normative sempre più stringenti come il GDPR e l’AI Act europeo. Qui entra in gioco l’Explainable AI , che assicura trasparenza e interpretabilità nelle decisioni automatizzate, aumentando la fiducia degli utenti e degli stakeholder.
Dai dati all’azione: esempi concreti in Unipol
La strategia Data Mesh e la governance federata trovano applicazione in diversi ambiti di Unipol. La gestione integrata dei dati migliora l’efficienza in settori come il rischio, la prevenzione delle frodi e la personalizzazione dei servizi assicurativi. L’accesso rapido e sicuro ai dati rende più precise le valutazioni tecnologiche e facilita l’adozione di soluzioni innovative basate su modelli predittivi di AI.
In piattaforme verticali come il telepedaggio o la gestione delle flotte a noleggio, questa architettura modulare permette di integrare meglio i dati reali di utilizzo, abilitando interventi mirati e ottimizzazioni in tempo reale. Anche in settori lontani dal core business, come l’hotellerie o la produzione vitivinicola, si apre la strada a nuovi servizi basati sui dati, con esperienze più personalizzate e competitive.
Questi esempi dimostrano che passare a un modello decentralizzato per la governance dei dati non è solo un aggiornamento tecnologico, ma un percorso strategico. Serve a unire aziende federate, abbattere i silos informativi e creare un terreno fertile per l’AI.