13 aprile 2026 | 3 min lettura | Saggio

The Perimeter Problem

Ogni dashboard disegna un confine attorno a ciò che vediamo. Il rischio è tutto ciò che resta fuori.

Basato su sei mesi di osservazione di aziende da 1M a oltre 200M di fatturato.

C’è qualcosa di silenziosamente limitante nel modo in cui oggi la maggior parte delle aziende guarda ai propri dati. Costruiamo dashboard. Scegliamo metriche. Disegniamo confini intorno a ciò che vogliamo monitorare, e poi lo monitoriamo.

Una dashboard è, in fondo, un perimetro. Quando la costruisci, stai decidendo cosa conta. Scegli i KPI, i filtri, gli intervalli temporali, le dimensioni di analisi. Tutto ciò che sta dentro quel perimetro diventa visibile. Tutto ciò che resta fuori semplicemente non esiste. Non perché non importi a nessuno, ma perché nessuno ha pensato di includerlo, o lo strumento lo ha reso troppo difficile, o la domanda non era ancora stata posta.

Questo è il punto debole silenzioso delle analytics statiche. La dashboard non è sbagliata. Ma resta congelata nella forma di una domanda che qualcuno ha fatto sei mesi prima. Il business si è mosso. I dati sono cambiati. La dashboard è rimasta uguale.

E quando qualcosa si rompe fuori dal perimetro, lo senti prima di vederlo. Un numero sembra strano in riunione. Qualcuno fa una domanda a cui nessuno sa rispondere. Un trend cresce da settimane, ma vive nell’incrocio tra due tabelle per cui nessuno ha mai costruito un grafico. A quel punto hai due opzioni: aspettare che un analyst o il team engineering ricostruisca la vista, oppure scavare nei dati grezzi da solo. Nessuna delle due scala. Nessuna è abbastanza veloce.

Il problema più profondo va oltre la tecnologia. Le dashboard rispondono bene alle domande note. Ma i problemi più costosi in un’azienda sono spesso quelli che non sapevi di dover cercare.

Pensa a una macchina su una linea di produzione. I sensori inviano telemetria continuamente e, finché i numeri restano negli intervalli definiti da qualcuno, tutto sembra sotto controllo. Poi un sensore deriva in un modo che nessuno aveva pensato di monitorare. Oppure una correlazione tra due macchine cresce per settimane, qualcosa che nessuno aveva inserito nella dashboard perché non era mai stato rilevante prima. Quando una persona se ne accorge, il costo è già reale.

Credo che l’idea centrale di ciò che vogliamo costruire in Southwind, agenti autonomi capaci di ragionare sui dati, cambi l’equazione in modo fondamentale.

Invece di chiedere alle persone di anticipare ogni domanda importante e codificarla in una dashboard, puoi lasciare che gli agenti si muovano continuamente nei dati senza un perimetro fisso. Esplorano. Incrociano informazioni. Notano cose. Non perché qualcuno abbia detto loro dove guardare, ma perché possono guardare ovunque e far emergere ciò che conta.

Il cambiamento è sottile ma importante. Si passa da "questo è ciò che abbiamo deciso di tracciare" a "questo è ciò che sta realmente accadendo". La dashboard diventa una vista tra molte, non l’unica lente disponibile.

Voglio essere preciso, perché la sfumatura conta. I large language model sono non deterministici per natura. Non producono sempre lo stesso output dato lo stesso input. Questo aiuta quando vuoi esplorare i dati in modo creativo, e diventa un limite quando ti serve un numero affidabile e riproducibile per un board deck. Le dashboard statiche non spariranno. E non dovrebbero. Ci sono contesti in cui serve una metrica fissa, validata e condivisa. Le dashboard fanno bene questo lavoro.

Quello che sosteniamo è che le dashboard da sole non bastano. L’approccio corretto combina entrambe le cose: monitoraggio strutturato e affidabile per le domande che sai essere importanti, ed esplorazione intelligente guidata da agenti per le domande che non hai ancora pensato di fare.

Per come la vedo io, le aziende dovrebbero concentrarsi su ciò che vogliono ottenere e definire obiettivi chiari. Lasciare agli agenti il compito di capire cosa osservare per arrivarci.

Il perimetro non è mai stato l’errore. Pensare che bastasse, sì.

Grazie a Fil per la revisione.