Come dovrebbe un gruppo di moda di medie dimensioni costituire un centro di eccellenza per l'IA?
Un piccolo team di IA ben collocato può coordinare casi d'uso, dati, governance e formazione senza diventare un collo di bottiglia. Questa guida tratta struttura, ruoli, regole operative e un quadro dei costi, senza benchmark inventati.
IN SINTESI Sintesi della redazione
- Un centro di eccellenza in un gruppo di moda di medie dimensioni dovrebbe essere piccolo e interfunzionale, responsabile di standard, governance, accesso ai dati e formazione, mentre le business unit rispondono di casi d'uso e risultati.
- Il sondaggio McKinsey 2026 ha rilevato che circa il 44% degli intervistati dichiara che l'IA sta scalando nell'intera azienda, e il 54% di quelli in organizzazioni con ricavi superiori a 1 miliardo di dollari riferisce una scalabilità a livello aziendale, contro circa un terzo di quelle più piccole.
- Quasi tre quarti dei best performer dell'IA nello stesso sondaggio avevano ridisegnato in modo radicale i flussi di lavoro attorno all'IA: un centro va quindi giudicato sul cambiamento dei flussi di lavoro, non sul numero di pilot.
- Non esiste alcun benchmark pubblico credibile sul costo di un centro di IA nel settore moda: i budget vanno costruiti a partire da ruoli, strumenti e costi d'uso, con una voce separata per i costi a consumo.
- L'articolo 4 dell'AI Act europeo sull'alfabetizzazione in materia di IA, applicabile dal 2 febbraio 2025, dà a un centro un mandato chiaro per coordinare la formazione del personale.
Un centro di eccellenza (CoE) per l'IA in un gruppo di moda di medie dimensioni si costruisce al meglio come un piccolo team interfunzionale di tre-sei persone che fissa gli standard, gestisce la governance, presidia accesso ai dati e formazione e supporta le business unit, mentre queste ultime rispondono di casi d'uso e risultati. Un team più grande rischia di diventare una coda; uno più piccolo rischia di ridursi a una persona con un titolo. La dimensione del team indicata qui è un suggerimento editoriale, non un benchmark pubblicato.
Perché le aziende di medie dimensioni hanno bisogno di un centro?
Senza coordinamento, ogni reparto acquista il proprio strumento, tratta i dati in modo diverso e ripete gli stessi controlli legali e di sicurezza. Il sondaggio McKinsey 2026 ha rilevato che quasi nove intervistati su dieci usano regolarmente l'IA in almeno una funzione e che il 54% degli intervistati di organizzazioni con ricavi superiori a 1 miliardo di dollari riferisce una scalabilità a livello aziendale, contro circa un terzo delle organizzazioni più piccole. Le aziende più piccole hanno quindi il massimo da guadagnare da una capacità condivisa, perché non possono permettersi un team dedicato in ogni funzione.
Lo stesso sondaggio riporta che il 37% attribuisce all'IA una parte dell'impatto sull'EBIT e che i best performer dell'IA, che ricavano almeno il 5% dell'EBIT dall'IA, restano circa il 6% degli intervistati. Un centro che si concentra su pochi flussi di lavoro scelti con cura ha più probabilità di appartenere al secondo gruppo di uno che conta i pilot.
Di che cosa dovrebbe essere responsabile un centro di eccellenza?
- Raccolta e priorizzazione dei casi d'uso, con una semplice valutazione di valore, prontezza dei dati e rischio.
- Governance: strumenti approvati, regole sui dati, classificazione del rischio e un registro dei sistemi di IA in uso.
- Standard di accesso e di qualità dei dati, in collaborazione con l'IT e i responsabili di business dei dati.
- Formazione e alfabetizzazione in materia di IA, collegate ai requisiti dell'articolo 4 dell'AI Act europeo.
- Valutazione dei fornitori, modelli contrattuali e clausole di uscita.
- Monitoraggio dei benefici e report periodico al team esecutivo.
Non deve invece essere titolare di ogni progetto. In un modello sano, un responsabile di business sponsorizza ogni caso d'uso, il centro fornisce metodo e supporto tecnico e i risultati sono rendicontati dal business.
Quale modello operativo si adatta a un gruppo di medie dimensioni?
| Modello | Come funziona | Punto di forza | Rischio |
|---|---|---|---|
| Centralizzato | Un unico team realizza e gestisce la maggior parte dei progetti di IA | Standard coerenti, competenze concentrate | Collo di bottiglia, distanza dai problemi del business |
| Hub and spoke | Un piccolo nucleo fissa gli standard; persone indicate in ciascuna funzione guidano i casi d'uso | Equilibrio tra controllo e responsabilità | I ruoli spoke sono a tempo parziale e possono essere schiacciati dal lavoro quotidiano |
| Federato | Le funzioni gestiscono la propria IA con una guida condivisa leggera | Velocità, vicinanza al lavoro | Duplicazioni, gestione incoerente del rischio |
Per la maggior parte dei gruppi di moda di medie dimensioni, l'hub and spoke è la scelta pratica: un nucleo di poche persone più referenti in design, merchandising, wholesale o vendite, e-commerce, supply chain e finanza, ciascuno con una quota di tempo definita.
Chi dovrebbe far parte del team?
I ruoli tipici sono un leader con credibilità sul business, un data o analytics engineer, una persona responsabile di governance e raccordo con l'ufficio legale (spesso a tempo parziale da legale o compliance) e un responsabile di cambiamento e formazione. I gruppi più grandi possono aggiungere un product manager per gli strumenti di IA. Dove le competenze interne scarseggiano, partner esterni possono colmare le lacune, ma il centro dovrebbe mantenere le decisioni e la conoscenza del perché sono state fatte certe scelte.
The State of Fashion 2026 di McKinsey sottolinea come critici la riqualificazione, l'acquisizione di nuovi talenti, anche da fuori della moda, e una solida gestione del cambiamento. Assumere una persona con esperienza di operations nella moda che possa imparare l'IA è spesso più facile del contrario.
Quanto costa un centro?
Non esiste un benchmark pubblico credibile sul costo di un centro di IA nel settore moda, quindi questo articolo non offre alcuna cifra. Costruite il budget dal basso su quattro voci: persone (stipendi ed eventuale supporto esterno), piattaforme e licenze, costi a consumo e formazione. Il sondaggio McKinsey ha rilevato che circa il 20% degli intervistati dichiara che i costi operativi, token inclusi, hanno limitato l'uso dell'IA: i costi d'uso meritano quindi una voce a sé e una routine di monitoraggio. Ha anche rilevato che il 28% degli intervistati spende più del 10% del proprio budget ICT aziendale per l'IA, un dato che può servire come elemento di contesto su quanto seriamente alcune organizzazioni la trattino, non come obiettivo.
Come si parte nei primi 90 giorni?
- Nominare il leader e indicare lo sponsor esecutivo.
- Fare l'inventario degli strumenti e degli esperimenti di IA già in uso in azienda.
- Pubblicare una breve policy su strumenti approvati, dati che non devono essere condivisi e a chi rivolgersi.
- Scegliere tre casi d'uso con responsabili, baseline e date di revisione.
- Avviare la formazione per ruolo e registrare chi ha partecipato, poiché l'articolo 4 dell'AI Act europeo si applica dal 2 febbraio 2025.
- Riferire al team esecutivo ciò che si è imparato, compreso ciò che è stato interrotto.
Quali sono le modalità di fallimento più comuni?
- Un centro creato per visibilità, senza autorità di budget né accesso ai dirigenti.
- Pilot scelti per novità anziché per un responsabile di processo che vuole il risultato.
- Una governance così pesante che i team la aggirano e usano strumenti non approvati.
- Nessun collegamento con la funzione finanziaria, così i benefici vengono dichiarati ma mai confermati.
- Dipendenza da una o due persone la cui uscita porrebbe fine al programma.
Ciascuno di questi problemi può essere individuato per tempo in una revisione trimestrale. Di solito basta un breve elenco di domande, a cui lo sponsor risponde con onestà: che cosa abbiamo fermato, che cosa abbiamo esteso e che cosa ha cambiato nei numeri?
Un centro di eccellenza è un mezzo, non un fine. L'obiettivo è che l'IA diventi parte del normale lavoro di pianificazione, acquisto e vendita, momento in cui il centro può ridursi alla governance e agli standard di cui ha bisogno.
Domande frequenti
Quanto dovrebbe essere grande un centro di eccellenza per l'IA in un gruppo di moda di medie dimensioni?
Una regola empirica editoriale è un team centrale di tre-sei persone, affiancato da referenti a tempo parziale in ciascuna funzione. Non è un benchmark pubblicato e va adattato alla maturità dei dati dell'azienda e al numero di casi d'uso.
Che differenza c'è tra un centro di eccellenza e un reparto IT?
L'IT gestisce sistemi e infrastrutture. Un centro di eccellenza coordina casi d'uso, governance, formazione e scelte dei fornitori tra le funzioni di business, collaborando con l'IT su dati e sicurezza.
Quanto costa un centro di eccellenza per l'IA?
Non esiste un benchmark pubblico affidabile per le aziende di moda. Costruite il budget da persone, piattaforme, costi a consumo e formazione, e monitorate separatamente i costi d'uso.
L'AI Act europeo impone un centro di eccellenza?
No. Non impone alcuna struttura particolare. L'articolo 4 richiede misure per promuovere l'alfabetizzazione in materia di IA del personale che usa sistemi di IA, e un centro è un modo pratico per coordinare questo lavoro.
Un'edizione ogni giorno feriale. Si legge in cinque minuti. Gratuita per i professionisti del settore.
