Comment l'IA agentique bouscule les Grands Groupes ? Partie 2/2 #DevSummit

Punti chiave

1. Make vs Buy. in Adeo è « almeno il 70% » make: nessuna differenziazione competitiva nel full buy.
2. Ogni trasformazione si vince su due fronti contemporaneamente: cultura E struttura. Lo stesso playbook (che ha guidato la trasformazione digitale: waterfall → agile, prodotto, piattaforme, tech radar, API, microservizi) viene rigiocato con l'IA.
3. L'accountability resta umana e legata alle organizzazioni, fino al livello legale: « non voglio che qualcuno mi dica che è rotto in produzione ma non è colpa mia, è dell'agente ».
4. Il debito di documentazione (documentazione di prodotto mediocre, documentazione di processo inesistente) « ci schiaffeggerà molto presto »: un agente non può leggere una documentazione che non esiste.
5. Mathieu non parla mai di tecnologia in consiglio di amministrazione: parla di esperienza cliente, ROI, redditività, investimento.
6. Non chiede nemmeno un budget aggiuntivo per l'IA: i guadagni (compressione dei ticket JIRA, operazioni) finanziano il nuovo lavoro (« a parità di costo »). Una logica di riutilizzo: il tempo risparmiato viene reinvestito al servizio del venditore in negozio / del cliente.
7. Nessuna fantasia di « licenziare tutti gli sviluppatori grazie a Claude Code »: al contrario, anticipa una valanga di richieste — i progetti P10/P15 passano a P2 perché « nessun progetto costa più troppo ».
8. Il suo grande « campanello d'allarme »: Claude Code (ricreare una VM senza aver codificato da molto tempo), poi vedere Karpathy e altri « spedire » di più, poi il suo agente personale « Hermes » (con memoria).
9. Costo dei token. fiducioso che scenderà come è successo per il FinOps del cloud (muscolo FinOps costruito dopo query BigQuery costate 30k). Leve: chip di inferenza (TPU di Google), modelli open source che recuperano terreno (~9 mesi di scarto Cina/Anthropic), modelli distillati eseguibili su un laptop (Gemma 4, MoE 26B / 4B attivi, « progettato a Parigi »). Non serve un modello frontier per i ~300 prodotti digitali del gruppo.
10. La variazione dei modelli è un vero problema di produzione. quando un modello cambia, servono nuovi test (risultati diversi); i fornitori riquantizzano / declassano / instradano verso una capacità inferiore. Hanno smesso di aggiornare una volta raggiunto il livello « sufficientemente buono » (ordinamento del marketplace: 15M prodotti → 7M pubblicati, tramite OpenAI). L'obiettivo è « essere veloci, ma alle proprie condizioni ».
11. Consapevolezza della produzione. Google ce l'ha mentre le startup (OpenAI, Anthropic) non ancora (ad es. un bug in cui i limiti di Codex/Claude sono stati bruciati in 1 ora invece che in una giornata intera, reset alle 17).
12. La sua più grande preoccupazione: il lock-in dell'intelligenza dell'azienda (la configurazione dell'azienda incorporata in un harness agentico / « adeo.md »; « rifare l'ERP dell'IA »). Contromisure: Kubernetes standard (nessuna Cloud Function proprietaria), testare regolarmente le API con altri hyperscaler, attenzione alla gestione della memoria (cold/hot, context engineering, dove viene conservata, chi la possiede).
13. Mattone open source mancante. l'orchestrazione degli agenti (registro, ciclo di vita, permessi — « quale agente è autorizzato a fare cosa » —, condivisione delle skill a livello aziendale). n8n / MCP ne coprono solo una piccola parte.
14. Memoria d'impresa. (« cervello dell'azienda »): « quando non è logico, è storico » — catturare il contesto dietro le decisioni. Ad es. Leroy Merlin non vende materassi perché l'azienda è gestita sul fatturato per metro quadro (un letto occupa troppo spazio rispetto a ciò che rende); questo dovrebbe entrare nel cervello dell'azienda affinché un futuro product manager non riproponga l'idea.
15. RAG / controllo degli accessi. difficile sapere a cosa ha diritto la persona che pone la domanda (più livelli di autorizzazione) — un problema irrisolto per i chatbot aziendali.
16. Stack IA. Vertex AI (GCP), selezione del modello in base al bisogno. Tenere sempre d'occhio « la porta d'uscita » (sovranità).
17. Consiglio a un altro CDO. la trasformazione è su misura (cultura, capitale disponibile); identificare il vero differenziatore competitivo nell'esperienza cliente. Se il consiglio di amministrazione non riesce nemmeno ad articolarlo → semplice manutenzione IT / operativa. Se riesce ad articolarlo → puntare tutto, costruire qualcosa di completo end-to-end, fare da precedente. Capire la tecnologia soprattutto « per non farsi spennare dai fornitori e dall'hype ».
18. RFID end-to-end di Decathlon. un successo perché producono internamente una gran parte dei loro prodotti (chip integrato fin dall'inizio della catena industriale) fino alla sicurezza a valle. Metrica semplice: tempo risparmiato lungo tutta la catena (personale + cliente) = ROI immediato. Adeo produce solo la metà → far cambiare gli strumenti industriali di tutti i fornitori è molto complicato.