L’evoluzione dei sistemi informativi aziendali sta attraversando una trasformazione radicale, passando da strumenti di mera raccolta e archiviazione dati a ecosistemi dinamici capaci di supportare l’autonomia decisionale. Il presente lavoro di tesi analizza la transizione dai sistemi i-ERP (Intelligent Enterprise Resource Planning) verso il paradigma dell’Agentic Organization, un modello organizzativo in cui l'intelligenza artificiale non agisce più come semplice assistente, ma come agente proattivo integrato nei processi core. Il cuore della ricerca risiede nella gestione della conoscenza (Knowledge Management) intesa come leva strategica fondamentale per il vantaggio competitivo. Mentre l'i-ERP introduce l'apprendimento automatico per ottimizzare le operazioni esistenti, l'Agentic Organization sfrutta agenti AI autonomi per orchestrare flussi di lavoro complessi, abbattendo i silos informativi e trasformando il know-how tacito in asset digitali azionabili in tempo reale. Attraverso l’analisi di framework tecnologici e modelli di gestione delle risorse, la tesi esplora come questa transizione impatti l'efficienza operativa e la capacità di adattamento delle imprese in mercati volatili. In particolare, viene esaminato il ruolo degli Agentic Workflows nel ridefinire il concetto di capitale intellettuale: la conoscenza non è più solo conservata, ma "agita" da sistemi intelligenti che riducono la dipendenza dalla memoria dei singoli e accelerano la risposta ai cambiamenti esterni. Le conclusioni evidenziano come il vantaggio competitivo sostenibile nell'era dell'AI dipenderà non solo dal possesso tecnologico, ma dalla capacità dell'organizzazione di integrare agenti autonomi in una struttura che valorizzi la continuità del sapere e l'agilità decisionale, trasformando l'impresa in un organismo capace di apprendere e agire autonomamente.
Dall’i-ERP all’Organizzazione Agentica: la gestione della conoscenza come leva di vantaggio competitivo
BRANCAGLION, GIULIA
2025/2026
Abstract
L’evoluzione dei sistemi informativi aziendali sta attraversando una trasformazione radicale, passando da strumenti di mera raccolta e archiviazione dati a ecosistemi dinamici capaci di supportare l’autonomia decisionale. Il presente lavoro di tesi analizza la transizione dai sistemi i-ERP (Intelligent Enterprise Resource Planning) verso il paradigma dell’Agentic Organization, un modello organizzativo in cui l'intelligenza artificiale non agisce più come semplice assistente, ma come agente proattivo integrato nei processi core. Il cuore della ricerca risiede nella gestione della conoscenza (Knowledge Management) intesa come leva strategica fondamentale per il vantaggio competitivo. Mentre l'i-ERP introduce l'apprendimento automatico per ottimizzare le operazioni esistenti, l'Agentic Organization sfrutta agenti AI autonomi per orchestrare flussi di lavoro complessi, abbattendo i silos informativi e trasformando il know-how tacito in asset digitali azionabili in tempo reale. Attraverso l’analisi di framework tecnologici e modelli di gestione delle risorse, la tesi esplora come questa transizione impatti l'efficienza operativa e la capacità di adattamento delle imprese in mercati volatili. In particolare, viene esaminato il ruolo degli Agentic Workflows nel ridefinire il concetto di capitale intellettuale: la conoscenza non è più solo conservata, ma "agita" da sistemi intelligenti che riducono la dipendenza dalla memoria dei singoli e accelerano la risposta ai cambiamenti esterni. Le conclusioni evidenziano come il vantaggio competitivo sostenibile nell'era dell'AI dipenderà non solo dal possesso tecnologico, ma dalla capacità dell'organizzazione di integrare agenti autonomi in una struttura che valorizzi la continuità del sapere e l'agilità decisionale, trasformando l'impresa in un organismo capace di apprendere e agire autonomamente.| File | Dimensione | Formato | |
|---|---|---|---|
|
Brancaglion_Giulia .pdf
Accesso riservato
Dimensione
463.68 kB
Formato
Adobe PDF
|
463.68 kB | Adobe PDF |
The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License
https://hdl.handle.net/20.500.12608/112491