Denis Romanovskiy, Chief AI Officer at SOFTSWISS – Intervista

Denis Romanovskiy, Chief AI Officer at SOFTSWISS, è un esperto tecnologico con oltre 25 anni di esperienza nella gestione di programmi di ingegneria su larga scala in settori come il gaming, il software aziendale, l’IoT e le piattaforme online ad alta carica. Negli ultimi cinque anni ha lavorato nel settore iGaming e in precedenza ha ricoperto il ruolo di Deputy CTO presso SOFTSWISS, sovraintendendo alla governance tecnica di più team di prodotto con un forte focus su piattaforme di casinò e scommesse sportive prima di assumere il suo attuale ruolo per definire e implementare la strategia di intelligenza artificiale dell’azienda.

SOFTSWISS è un’azienda tecnologica iGaming con sede a Malta che fornisce soluzioni chiavi in mano per casinò e scommesse online, tra cui una piattaforma di casinò, un aggregatore di giochi, una soluzione di scommesse e servizi gestiti. L’azienda supporta gli operatori in tutto il mondo con un’infrastruttura progettata per la scalabilità, la conformità e l’affidabilità, posizionandosi all’intersezione della tecnologia del gioco e dell’ottimizzazione guidata dall’intelligenza artificiale.

Avendo guidato programmi tecnici su larga scala in più settori e ora definendo la strategia di intelligenza artificiale aziendale presso SOFTSWISS, come la tua esperienza in sistemi ad alta carica e alta disponibilità ha influenzato il tuo approccio all’integrazione dell’intelligenza artificiale in un’organizzazione di oltre 2.000 persone?

La mia esperienza in sistemi ad alta carica e alta disponibilità mi ha insegnato una lezione fondamentale: ogni cambiamento complesso su larga scala richiede un approccio sistemico. Non puoi semplicemente distribuire una tecnologia e sperare che funzioni – devi progettare l’intero ecosistema intorno ad essa e assicurarti che processi, struttura e tecnologia lavorino insieme.

Applichiamo esattamente questo principio all’adozione dell’intelligenza artificiale presso SOFTSWISS. Inizia a livello individuale. Spieghiamo a ogni dipendente come utilizzare l’intelligenza artificiale in modo sicuro ed efficace – cosa può fare, dove sono i suoi limiti e quali sono i rischi associati. È fondamentale che capiscano che la loro responsabilità per i risultati non scompare quando l’intelligenza artificiale entra in scena. L’intelligenza artificiale amplia le tue capacità, ma la responsabilità rimane con te. Tu sei ancora il responsabile della qualità del output, delle decisioni e dei risultati.

Poi passiamo al livello di squadra, e qui le dinamiche cambiano. Emergono nuove opportunità – cicli di pianificazione più veloci, verifica automatizzata, analisi migliorata – ma anche nuovi rischi: eccessiva dipendenza dagli output dell’intelligenza artificiale, erosione del pensiero critico, adozione inconsistente all’interno della squadra. È qui che i manager giocano un ruolo decisivo. Devono adattare il modo in cui valutano il lavoro, quali domande fanno e quali segnali cercano. Quando qualcuno consegna un risultato due volte più veloce, il lavoro del manager è capire se la qualità è stata mantenuta e se la persona ha realmente capito cosa ha consegnato.

Questo approccio stratificato – consapevolezza individuale, adattamento a livello di squadra, supervisione da parte della direzione – è ciò che ci consente di scalare l’intelligenza artificiale all’interno di un’organizzazione grande senza compromettere la stabilità e l’affidabilità che il nostro ambiente regolamentato richiede. Non si tratta solo di tecnologia. Si tratta di costruire il sistema intorno ad essa che rende l’adozione sostenibile.

Cosa distingue l’intelligenza artificiale distribuita come strumento di produttività da quella integrata direttamente nella infrastruttura e nei sistemi decisionali, e come questa distinzione influenza i risultati aziendali a lungo termine?

L’intelligenza artificiale per la produttività – assistenti di chat e copiloti di codice – è il primo punto di contatto con l’intelligenza artificiale sul lavoro. Questo passaggio è importante e non può essere saltato. Costruisce l’alfabetizzazione sull’intelligenza artificiale, insegna alle persone a valutare gli output e crea abitudini di utilizzo responsabile in tutta l’organizzazione.

Ma c’è una differenza fondamentale tra l’intelligenza artificiale che aiuta un individuo e l’intelligenza artificiale integrata nel modo in cui l’organizzazione opera. L’intelligenza artificiale a livello di infrastruttura – integrata nei sistemi aziendali attraverso piattaforme di intelligenza artificiale – diventa parte del sistema di gestione. Coinvolge pianificazione, controllo e audit. Rispetta i framework di governance e si alimenta direttamente nelle catene decisionali.

L’impatto è significativo. Gli strumenti di produttività offrono guadagni di efficienza del 20-30% sui compiti individuali – preziosi, ma incrementali. L’intelligenza artificiale a livello di infrastruttura accelera interi processi di 3-5 volte. E nel tempo, ridisegna l’organizzazione stessa – eliminando alcuni ruoli parzialmente o completamente, creandone di nuovi e comprimendo i flussi di lavoro che una volta richiedevano più passaggi.

Per questo, queste due categorie richiedono approcci diversi. L’intelligenza artificiale per la produttività è una sfida di abilitazione. L’intelligenza artificiale a livello di infrastruttura è una trasformazione organizzativa che richiede una pianificazione attenta, gestione del cambiamento e supervisione continua.

Quali sono gli spostamenti architettonici e culturali necessari per passare da esperimenti di intelligenza artificiale isolati a una piattaforma di intelligenza artificiale centralizzata a livello di organizzazione?

Dal punto di vista architettonico, una piattaforma centralizzata è essenziale – una piattaforma che fornisca accesso sicuro a più fornitori di modelli mantenendo una rigorosa governance dei dati. Senza questo livello, l’esperimentazione aumenta la frammentazione invece del valore.

Culturalmente, il cambiamento più grande è passare da un pensiero focalizzato sull’esecuzione a un pensiero focalizzato sulla progettazione. Mentre l’esecuzione diventa più economica e veloce con l’intelligenza artificiale, il vantaggio competitivo si sposta su come i team progettano i flussi di lavoro. I dipendenti dovrebbero progettare processi in cui l’intelligenza artificiale gestisce le operazioni ripetitive, mentre gli esseri umani rimangono in controllo dell’orchestrazione e della qualità delle decisioni.

Come possono le grandi imprese aumentare sistematicamente la loro velocità di apprendimento quando distribuiscono l’intelligenza artificiale, e quali meccanismi operativi rendono ciò misurabile?

La velocità di apprendimento aumenta quando l’esperimentazione è strutturata. Presso SOFTSWISS, nominiamo campioni di intelligenza artificiale all’interno dei team di prodotto che identificano casi d’uso, raffinano le migliori pratiche e le condividono in tutta l’organizzazione. I workshop accelerano ulteriormente il trasferimento delle conoscenze.

La misurazione è legata ai KPI aziendali. Tracciamo indicatori come il Tempo di Risoluzione nel supporto o i livelli di automazione nella revisione del codice. Se l’adozione dell’intelligenza artificiale non migliora i metrici misurabili, rimane superficiale.

Quali processi legacy limitano più comunemente l’impatto dell’adozione dell’intelligenza artificiale nelle aziende tecnologiche stabilite?

Il principale vincolo è il tentativo di integrare l’intelligenza artificiale in strutture di gestione rigide con lunghi cicli di pianificazione e allocazione delle risorse fisse. Il vantaggio dell’intelligenza artificiale è la velocità, e i modelli di governance obsoleti rallentano questo vantaggio.

Un altro fattore limitante è la debole classificazione dei dati. Senza dati strutturati e ben governati, l’integrazione sicura e scalabile dell’intelligenza artificiale diventa estremamente difficile.

Puoi condividere esempi in cui l’integrazione diretta dell’intelligenza artificiale nei sistemi core ha prodotto guadagni misurabili in termini di efficienza, entrate o prestazioni operative?

Nel supporto tecnico, l’intelligenza artificiale integrata in Jira analizza la storia dei biglietti e la documentazione per proporre percorsi di soluzione, riducendo significativamente il tempo di risoluzione.

Nelle risorse umane, gli assistenti automatizzati che gestiscono le richieste di benefici e congedi risparmiano centinaia di ore ogni mese.

Nello sviluppo, l’automazione della revisione del codice guidata dall’intelligenza artificiale raggiunge il 60-80%, accelerando il ciclo di vita dello sviluppo di due a quattro volte. Questi guadagni sono operativamente misurabili e influenzano direttamente l’efficienza.

Come progetti i framework di governance che assicurano l’auditabilità, la sicurezza e la responsabilità quando l’intelligenza artificiale è profondamente integrata nei flussi di lavoro aziendali?

La governance deve creare un ambiente controllato piuttosto che limitare l’innovazione. Ci affidiamo ad accordi con i fornitori di livello aziendale e applichiamo la maschera dei dati prima di inviare le informazioni ai modelli cloud.

La responsabilità è costruita nel design del sistema. Le azioni guidate dall’intelligenza artificiale operano all’interno di finestre di rollback definite, consentendo l’override umano. La responsabilità finale rimane con il leader del team che progetta e possiede il flusso di lavoro.

Quali vantaggi strutturali consentono ai team nativi dell’intelligenza artificiale di scalare più velocemente delle imprese tradizionali, e come le organizzazioni più grandi possono adattarsi senza perdere stabilità?

La differenza fondamentale è architettonica. Le aziende tradizionali dividono il lavoro in fasi sequenziali – ognuna posseduta da un ruolo separato, con passaggi e code tra loro. I team nativi dell’intelligenza artificiale possono eseguire attraverso tutte le fasi simultaneamente. Non ci sono code, non c’è attesa per la persona successiva nella catena. L’intero processo è automatizzato dall’inizio alla fine, il che dà loro un enorme vantaggio di velocità.

Per le organizzazioni più grandi, il percorso è graduale. Innanzitutto, costruiamo l’alfabetizzazione sull’intelligenza artificiale e dotiamo i team di strumenti di intelligenza artificiale. Diamo alle persone il tempo di imparare, sperimentare e integrare l’intelligenza artificiale nei loro flussi di lavoro esistenti. A questo stadio, l’innovazione avviene all’interno dei processi attuali, non al loro posto.

Una volta che i team acquisiscono esperienza e fiducia, possiamo fissare obiettivi più ambiziosi – ottimizzare interi processi piuttosto che singoli passaggi. È qui che inizia la vera trasformazione, ma funziona solo quando le persone e i processi sono pronti per essa.

La chiave è il ritmo. Muoversi troppo velocemente significa rompere la stabilità. Muoversi troppo lentamente significa che il mercato ti lascia indietro. L’approccio giusto è una progressione deliberata e sequenziale – in modo che l’organizzazione evolva senza perdere ciò che già funziona.

Come operare nel settore iGaming, con le sue esigenze regolamentari e di affidabilità, influenza il modo in cui l’infrastruttura di intelligenza artificiale è progettata e distribuita?

Il settore iGaming è un ambiente unico. Coinvolge denaro reale, transazioni in tempo reale e vigilanza regolamentare in più giurisdizioni. Presso SOFTSWISS, operiamo sotto più licenze – ognuna con i propri requisiti di conformità. Ciò significa che ogni decisione tecnologica, compresa l’intelligenza artificiale, deve tenere conto di un complesso panorama regolamentare che va ben oltre la normale protezione dei dati.

I mercati regolamentati richiedono una rigorosa conformità con le regole di archiviazione, cancellazione e elaborazione dei dati, compreso il GDPR. Ma nel settore iGaming, l’ambito è più ampio – requisiti anti-riciclaggio, obblighi di gioco responsabile, condizioni di licenza che dettano come i dati fluiscono e dove possono essere elaborati. L’infrastruttura deve garantire che i dati sensibili non vengano utilizzati per l’addestramento di modelli esterni e che ogni decisione guidata dall’intelligenza artificiale rimanga auditable.

Allo stesso tempo, gli standard di affidabilità sono eccezionalmente alti. I sistemi operano 24 ore su 24 con volumi di transazioni massicci. Qualsiasi sistema di intelligenza artificiale che distribuiamo deve soddisfare gli stessi standard – sempre disponibile, completamente auditable e in grado di gestire i volumi di dati che vediamo nelle operazioni di supporto e conformità. In questo settore, un fallimento dell’intelligenza artificiale non è solo un fastidio – è un rischio regolamentare e finanziario.

Mentre l’intelligenza artificiale aziendale matura, quali capacità distingueranno le aziende che integrano veramente l’intelligenza artificiale nel loro modello operativo da quelle che rimangono adottanti superficiali?

In organizzazioni mature di intelligenza artificiale, ogni dipendente avrà l’intelligenza artificiale a portata di mano – con accesso sicuro ai dati aziendali attraverso i sistemi, senza barriere o richieste manuali. I processi saranno automatizzati dall’inizio alla fine, senza code o passaggi tra ruoli. Il lavoro fluirà in modo continuo, non per fasi.

Ma l’automazione da sola non è sufficiente. Ciò che separa i leader dal resto è la capacità di controllare il lavoro guidato dall’intelligenza artificiale su larga scala. I team e le organizzazioni si adatteranno al monitoraggio della qualità automatizzato – rilevando problemi precocemente e correggendoli prima che si aggravino.

Il ruolo del dipendente individuale si sposta fondamentalmente. Invece di eseguire compiti, definiscono specifiche per l’intelligenza artificiale – fornendo contesto sufficiente, obiettivi chiari e metodi di controllo della qualità. Il loro valore risiede nel guidare l’intelligenza artificiale e ottimizzare il suo output, non nel fare il lavoro manualmente.

Il ruolo dei leader cambia anche. I manager e gli esecutivi diventano gli architetti del pensiero sistemico in tutta l’organizzazione. Il loro lavoro è connettere diversi flussi di lavoro, strumenti e artefatti in flussi di valore che risolvono i problemi dei clienti meglio dei concorrenti, non ottimizzando singoli compiti – ma progettando come tutto si integra.

Questa profondità di integrazione – intelligenza artificiale in ogni mano, processi automatizzati, controllo della qualità sistematico e leadership focalizzata sul valore end-to-end – definirà il vantaggio competitivo a lungo termine.

Grazie per la grande intervista, i lettori che desiderano saperne di più possono visitare SOFTSWISS.