Durante SAS Innovate on Tour, abbiamo assistito a una demo immersiva e concreta che ha mostrato come l’intelligenza artificiale possa essere davvero messa in azione quando i diversi attori coinvolti, Data Scientist, Data Engineer, MLOps Engineer, analisti di business, esperti di AI Governance e team IT Operations, lavorano in sinergia lungo tutto il ciclo di vita degli analytics.
Quella che segue è una sintesi dei punti emersi, che raccontano un percorso chiaro, strutturato e produttivo: dalla gestione dei dati grezzi alla realizzazione dei modelli, fino alla decisione, passando per la governance, l’orchestrazione e l’operatività reale nei processi di business.
Ogni singolo step, descritto e raccontato di seguito, vede il coinvolgimento di uno specifico ruolo aziendale e tutti insieme collaborano in modo integrato, sinergico e collaborativo per garantire governance e affidabilità in ogni fase.
A fare da filo conduttore è stata una dimostrazione pratica in ambito Anti Money Laundering (AML), scelta per la sua capacità di rappresentare una casistica paradigmatica. Il caso AML, infatti, è stato utilizzato come esempio trasversale, capace di mettere in luce come la piattaforma SAS Viya affronti le sfide specifiche di ciascun ruolo coinvolto, amplificandone significativamente la produttività. Un caso simbolico, ma tutt’altro che isolato: l’approccio proposto si è dimostrato infatti applicabile a una vasta gamma di settori e processi, confermando anche l’alto impatto della piattaforma.
1. Data Scientist
Dai dati ai modelli: dove nasce la produttività
La qualità di un modello AI dipende innanzitutto dalla qualità e disponibilità dei dati. I data scientist impiegano ancora oggi troppo tempo alla ricerca di dati sparsi in silos, spesso incompleti, non accessibili o contenenti bias e informazioni sensibili. Quanto lavoro serve per rendere un dato effettivamente utile alla modellazione?
Con SAS Viya, l’accesso e la gestione dei dati diventano più semplici ed efficaci: grazie a un repository centralizzato, i data scientist possono cercare i dataset aziendali corredati di metadati già pronti (missing value, outlier, variabili soggette a privacy) e utilizzare strumenti integrati per il profiling, la preparazione e la qualità dei dati.
La piattaforma supporta sia modalità low-code che full-code, integrando Python, R e SAS per offrire la massima flessibilità nello sviluppo. I team possono confrontare rapidamente modelli diversi, automatizzare la documentazione e garantire explainability e fairness.
Il vantaggio? Più tempo dedicato all’analisi, meno alla preparazione. E modelli basati su dati più robusti.
2. Decision Engineer
Dal modello alla decisione: orchestrare l’automazione
Applicare un modello non significa semplicemente eseguirlo: significa costruire un processo decisionale solido, fondato su logiche di business, vincoli normativi e obiettivi di performance. Serve orchestrare componenti diverse e bilanciare l’automazione con il controllo umano.
Con strumenti low-code/no-code e interfacce intuitive, SAS Viya consente ai Decision Engineer di costruire flussi decisionali basati su regole di business e modelli analitici, scalabili e facilmente adattabili al cambiamento. La decisione può essere eseguita in modo massivo sui dati, in modalità batch, o al momento opportuno in real-time. L’esecuzione può avvenire all’interno o all’esterno della piattaforma SAS.
Il vantaggio? Portare l’intelligenza artificiale nel cuore delle decisioni di business, in modo tracciabile, governabile, scalabile e centralizzato.
3. AI Governance Manager
Governare l’AI: responsabilità come leva di valore
La governance dell’AI non è solo una risposta alle normative: è trasparenza, controllo, cultura aziendale e operatività. È definire un modo unico, aziendale, di fare intelligenza artificiale.
SAS Viya mette a disposizione un repository centralizzato dei modelli, siano essi proprietari o open source, e consente di definire flussi di validazione, valutare la rischiosità e generare delle “carte d’identità” dei modelli, tracciarne le evoluzioni e misurarne le performance nel tempo.
Inoltre, offre delle viste di monitoraggio preconfigurate per aiutare ad essere conformi con l’AI Act.
Il vantaggio? La governance diventa un acceleratore strategico, capace di supportare diversi livelli di maturità, coinvolgere stakeholder eterogenei e garantire controllo continuo, anche in contesti complessi.
4. IT Manager
Dalla prototipazione alla produzione: il ruolo chiave dell’IT
Il passaggio dalla sperimentazione alla produzione è spesso il punto critico che separa il potenziale dall’impatto reale. Qui entra in gioco l’IT, per garantire che tutto ciò che viene sviluppato – modelli, flussi decisionali, dashboard – sia integrato nei sistemi aziendali, nel rispetto di sicurezza, scalabilità e performance.
SAS Viya, la piattaforma cloud-native e basata su API, supporta diverse architetture, anche ibride, sfrutta la scalabilità del cloud e si integra facilmente nell’ecosistema esistente. Tutto ciò che viene creato in SAS Viya può essere eseguito in diversi ambienti, gestito tramite pipeline DevOps e pienamente supportato in logica CI/CD.
Il vantaggio? Deployment veloce e sicuro di asset analitici (dati, modelli, decisioni) scalabili e riutilizzabili. L’IT diventa motore dell’innovazione.
5. Utente di Business
Quando l’AI diventa azione: il valore per il business
L’AI genera il massimo valore quando entra nell’operatività quotidiana. Nel caso di esempio, dalla riduzione dei falsi positivi alla detection dei casi limite, all’assistenza fattiva nell’investigazione e nella gestione dei casi più complessi, con analisi mirate, segnalazioni automatiche, decisioni eseguite con efficienza. Questi sono solo alcuni esempi.
SAS Viya offre soluzioni analitiche verticali che integrano AI nei processi specifici, con interfacce intuitive, insight chiari e alert in linguaggio naturale. Dall’antiriciclaggio al churn, dalla gestione sinistri alla sanità predittiva: le applicazioni sono concrete, trasversali, ad alto impatto.
Il vantaggio? Più efficienza, meno lavoro manuale, più rapidità nella gestione dei casi. In una parola: produttività.
La vera intelligenza è collaborativa
Parlare di AI significa affrontare tanti aspetti: dove e come applicarla, come garantirne la trasparenza, come gestire i dati. Nessun ruolo da solo può affrontare questa complessità. Serve una visione condivisa: tra chi gestisce i dati, chi sviluppa i modelli, chi li governa e chi li utilizza.
Solo una collaborazione strutturata e continua permette di migliorare la produttività lungo tutta la filiera analitica, rendendo l’AI più efficace, più affidabile, più veloce.
Perché la vera innovazione non nasce da un algoritmo, ma dalla sinergia tra ruoli, processi, soluzioni e persone.
Come detto, la demo presentata durante l’evento si è focalizzata su un caso concreto in ambito Anti Money Laundering, mostrando come orchestrare modelli predittivi, regole di business e processi decisionali in modo efficace.
Ma le potenzialità della piattaforma SAS Viya vanno ben oltre: i casi applicativi concreti sono molteplici, in settori molto diversi tra loro.
Questa dimostrazione ha messo in luce come non sia semplicemente uno strumento tecnologico, ma un vero abilitatore di produttività e innovazione. La sua forza risiede nella capacità di integrare componenti tecnologiche avanzate con una profonda comprensione dei processi operativi, rendendo fluida la collaborazione tra figure chiave come il Data Scientist, l’IT Architect, il Decision Engineer e l’Analista di Business.
In un contesto sempre più complesso, regolato e competitivo, questa visione integrata della produttività non è solo un vantaggio, ma una scelta strategica per tutte le organizzazioni che vogliono davvero sfruttare il potenziale degli analytics e dell’intelligenza artificiale.
From Data to Decision: Increasing AI Productivity with SAS Viya
SAS Viya aiuta ad aumentare la produttività dei team Data e AI di 4,6 volte in più rispetto ai competitor
Contattaci per scoprire come applicare concretamente questo approccio anche nella tua realtà.