build products humachine enterprise

BUILD PRODUCTS Humachine EnterpriseL’Intelligenza Artificiale a supporto dei processi delle aziende di produzione

1 / 11

© 2

018

SAP

SE o

azi

enda

affi

liata

SAP

. Tut

ti i d

iritt

i ris

erva

ti.

2 / 11

Sommario

Moderatore Roberto Rasia Dal Polo Giornalista e formatore

Sono intervenuti Carla Masperi COO SAP Italia

Jorge Rua Gonzalez Business Developer Machine Learning, SAP Innovation Center Network

Ismaele Bassani Managing Director - Accenture Technology, SAP Business Group Lead in ICEG

Gerardo Ciccone Vice President & Head of MALS, Capgemini Italia

Filippo RizzanteCTO Reply

Gianni Pelizzo Industry 4.0 Corporate Director, Techedge

Manos RaptopoulosCOO South Europe, Middle East and Africa, SAP

3 Verso la quarta generazione di soluzioni software enterprise

4 SAP Innovation Center Network e la ricerca applicata

5 Un centro per l’innovazione industriale

7 La centralità delle persone nell’adozione di nuove tecnologie

8 Cinque aree di opportunità

9 Le applicazioni industriali

10 Una prospettiva sul Medio Oriente

© 2018 SAP SE o azienda affiliata SAP. Tutti i diritti riservati.

BUILD PRODUCTS - Humachine Enterprise

3 / 11

Le aziende oggi sono chiamate a riconfigurare i loro processi a partire dalle esigenze del cliente e lungo l’intera catena del valore, ricavando conoscenza dall’enorme mole di dati che gestiscono. Qui entrano in gioco Intelligenza Artificiale e Machine Learning: macchine e sistemi interconnessi cambieranno radicalmente il modo in cui i beni industriali vengono prodotti e distribuiti. Entriamo nell’era della Humachine Enterprise

dove tutto diventa più veloce e intelligente: dalla progettazione alla fabbrica, dalla distribuzione al supporto post-vendita. Ma le nostre imprese sono pronte a sfruttare le opportunità offerte dalle applicazioni dell’Intelligenza Artificiale e del Machine Learning? Queste le domande da cui prende le mosse la Sessione Build Products: Humachine Enterprise, moderata da Roberto Rasia dal Polo il 9 marzo 2018.

Carla Masperi, COO di SAP Italia, ha dato il benvenuto agli ospiti partendo dalla constatazione di come le tecnologie emergenti nel campo dell’Intelligenza Artificiale e del Machine Learning rappresentino un’opportunità per le aziende per essere più vicine ai clienti e personalizzare la propria offerta. Lo sviluppo di prodotti intelligenti richiede infatti lo sviluppo di una Humachine Enterprise, ma soprattutto di una Humachine Value Chain, perché l’innovazione nei processi introdotta dalle nuove tecnologie avrà un impatto rilevante su tutta la filiera produttiva e su tutti i processi aziendali, non solamente quelli di produzione.

Adottare tecnologie di Intelligenza Artificiale significa trasformare le aziende verso la visione di imprese intelligenti: è questo, dal punto di vista SAP, il passaggio verso la quarta generazione di soluzioni software di classe enterprise, fatta di piattaforme tecnologiche e applicative in grado di supportare le aziende in un percorso di crescita e di miglioramento dei loro indicatori di business. Con queste piattaforme le imprese saranno in grado di lavorare in modalità sempre più dinamica, aperta e intelligente con l’integrazione di sistemi di produzione (robot collaborativi) e logistica (digital supply chain). Questi strumenti potranno portare ancora di più i clienti al centro dell’impresa.

Verso la quarta generazione di soluzioni software enterprise



4 / 11

SAP Innovation Center Network e la ricerca applicata

Jorge Rua Gonzalez è Business Developer Machine Learning presso SAP Innovation Center Network (SAP ICN). Si tratta dell’organizzazione in SAP che esegue ricerca applicata su temi di Intelligenza Artificiale applicata ai processi di business. La missione dei centri SAP ICN è quella di esplorare e sviluppare nuove idee realizzando prototipi e Proof of Concept e lavorando a progetti concreti in co-innovazione insieme ad aziende e partner, con l’obiettivo di stimolare lo sviluppo di nuovi prodotti e componenti applicativi. I team di lavoro di SAP ICN hanno l’obiettivo di superare i confini esistenti per sperimentare nuovi mercati, futuri trend di business e tecnologie “disruptive”.

SAP ICN è presente in tutto il mondo, con centri in Europa (Walldorf, Potsdam Berlino, Parigi, San Gallo, Bucarest), negli Stati Uniti (a Palo Alto) e in Asia e Australia (Ra’anana, Nanjing, Bangalore, Singapore, Brisbane). Il centro collabora con prestigiosi istituti accademici e centri di ricerca tra cui Stanford University, MIT, Columbia University, Hasso Plattner Insitute, Università di San Gallo e Mannheim. Jorge Rua Gonzalez suddivide il proprio intervento in tre parti, ripercorrendo i principali trend

nel settore dell’Intelligenza Artificiale per poi analizzare le modalità in cui le tecnologie di Machine Learning sono in grado di sviluppare la catena del valore delle aziende e i principali cambiamenti introdotti da queste tecnologie nei processi legati al rapporto tra le organizzazioni e le persone.

L’Intelligenza Artificiale è un key enabler in diversi ambiti, quali la relazione con i clienti, dove aiuta a offrire un’esperienza sempre più personalizzata, nello sviluppo di soluzioni di realtà aumentata o virtuale, nell’introduzione di elementi IoT sempre più sviluppati e autonomi, sia in ambito produttivo sia lungo le filiere di distribuzione. Si prevede che entro il 2020 il 10% dei dati presenti nell’universo digitale verranno generati proprio da sistemi embedded. Le principali aree su cui ICN sta lavorando riguardano Machine Learning, Blockchain, applicazioni conversational.

Tra gli esempi di applicazioni concrete Jorge Rua Gonzales ricorda per esempio la produzione di massa di scarpe sportive personalizzate usando una soluzione di stampa 3D in combinazione con funzioni di riconoscimento ottico e di valutazione predittiva delle esigenze dei consumatori. Oppure un sistema per la logistica progettato in Svizzera per Cargo Sous Terrain con carrelli interamente automatici che si spostano lungo gallerie sotterranee. Sempre in ambito logistico sono allo studio soluzioni per supportare i decision maker nella valutazione di dati meteorologici non strutturati per ottimizzare le rotte degli aerei cargo. La realtà virtuale permette invece di valutare le condizioni di funzionamento di una pala eolica a distanza, mettendo in relazione dei componenti virtuali (digital twin) con i dati provenienti da sensori reali (IoT Edge).



5 / 11

Nell’ambito del controllo qualità, invece, è possibile sostituire la valutazione da parte di un operatore umano con una combinazione di sensori ottici per gli aspetti morfologici e di scansione acustica, con l’obiettivo di valutare la consistenza interna dei materiali (addictive manufacturing).

I progetti di empowerment delle persone citati da Gonzalez riguardano invece l’interazione attraverso la realtà aumentata in contesti legati alla manutenzione di macchinari e impianti, l’uso

di droni dotati di sensori per il riconoscimento dei codici a barre in ambito logistico e manutentivo, l’utilizzo di “heat map” per ricostruire comportamenti ed esigenze dei consumatori. Per concludere, la Humachine Enterprise rappresenta la fase successiva rispetto al paradigma della digital enterprise: non si tratta di focalizzarsi soltanto sugli ambienti di produzione, ma sull’intera value chain che veicola il valore verso il cliente.

Un centro per l’innovazione industriale

Nella visione di Accenture, presentata dal Managing Director - Accenture Technology, SAP Business Group Lead in ICEG, Ismaele Bassani, l’Intelligenza Artificiale è una costellazione di tecnologie che permettono a macchine evolute di estendere le capacità umane dal punto di vista sensoriale, della comprensione e dell’apprendimento, abilitando una maggiore produttività. Tre sono i principali ingredienti di questa tecnologia.


https://vods.dm.ux.sap.com//it-executive-summit-italy/vod/01-ismaele-bassani-accenture.mp4


6 / 11

• Gli algoritmi sono pensati per riconoscere i pattern nei dati, con l’obiettivo di predire sviluppi futuri.

• I dati sono le informazioni di cui gli algoritmi si “nutrono”, rendendoli progressivamente più precisi e accurati.

• Le applicazioni convertono le previsioni che gli algoritmi forniscono integrandole nelle attività e nei flussi di lavoro.

Secondo il documento di Vision che Accenture ha reso noto per il 2018, sono cinque i trend rilevanti che misurano l’evoluzione delle tecnologie di Intelligenza Artificiale oggi.

Citizen AI: educare l’Intelligenza Artificiale a beneficio del business e della società. Man mano che le capacità dell’IA vengono formate, cresce il loro impatto positivo sulla nostra vita. Le aziende che cercano di capitalizzare il potenziale dell’IA devono prendere atto di questo trend e continuare a svilupparlo. Extended Reality: l’annullamento delle distanze. Le tecnologie della realtà virtuale e aumentata stanno trasformando il nostro modo di vivere e lavorare, eliminando la distanza tra le persone, le informazioni e le esperienze.

Data Veracity: l’importanza della fiducia. Le aziende hanno trasformato il loro modo di operare basandosi sempre di più sull’analisi dei dati. Questo comporta per loro un nuovo tipo di vulnerabilità: quella causata da dati imprecisi, manipolati o corrotti, che producono informazioni aziendali distorte e decisioni sbagliate. Per affrontare questa sfida, le aziende devono perseguire un doppio obiettivo: massimizzare la veridicità e minimizzare i rischi della manipolazione dei dati.

Frictionless business: costruito per partnership su larga scala. Per crescere le aziende hanno bisogno di partnership basate sulla tecnologia, ma i loro sistemi legacy non sono progettati per sostenere collaborazioni su larga scala. Per potenziare al massimo l’Impresa Intelligente e connessa, le aziende devono prima riprogettare se stesse.

Internet of Thinking: creare sistemi intelligenti distribuiti. Le aziende stanno investendo molto sui sistemi intelligenti che utilizzano la robotica, l’IA e le esperienze immersive, ma per dare vita a questi sistemi bisognerà non solo aggiungere competenze chiave e capacità di forza lavoro, ma anche modernizzare le attuali infrastrutture tecnologiche.

Ismaele Bassani ha citato fra le esperienze concrete di applicazione di queste tecnologie la recente apertura dell’Industrial IoT Innovation Center a Modena. Il centro offre alle aziende un modo per approfondire, testare e scalare soluzioni IoT e trarre vantaggio dalle ultime tecnologie additive, per raggiungere nuovi livelli di efficienza e crescita attraverso miglioramenti nell’ambito dello sviluppo prodotti, dell’ingegneria, della produzione, della customer experience e della cyber security. Situato nel cuore di uno dei principali poli di eccellenza del Paese, questo centro, dedicato al mondo industriale e manifatturiero, supporta le aziende che vogliono accelerare la loro agenda di trasformazione digitale e include tra le proprie tecnologie abilitanti la piattaforma SAP Leonardo.


7 / 11

Vice President & Head of MALS, Capgemini Italia, Gerardo Ciccone riprende uno studio del Digital Transformation Institute di Capgemini, corroborato da una survey condotta su un campione di mille aziende (di cui 80 italiane) sugli ambiti di applicazione dell’AI e i benefici riscontrati. Dallo studio emerge che i fattori chiave di successo di questi progetti sono sempre le persone: la loro capacità di leadership e di guidare l’adozione delle nuove tecnologie.

Ciccone parte da esempi concreti, registrati nei 12 Innovation Hub di Capgemini nel mondo. Il primo è un esempio di Smart agriculture offerto da un’azienda israeliana che ha sviluppato un lettore a raggi infrarossi per “leggere” le capacità nutritive dei foraggi. Attraverso la scansione spettrografica dei foraggi e incrociando le informazioni ricavate dalla geolocalizzazione e dalla lettura dei dati climatici, è possibile individuare i pattern che mettono in correlazione il contenuto nutrizionale del foraggio rispetto alla capacità delle mucche di produrre latte. Sono stati riscontrati pattern insospettati, che hanno condotto a un incremento della produttività del bestiame di quasi il dieci per cento. Un progetto analogo riguarda il rilevamento spettrografico dei filari di viti, allo scopo di determinare il grado di maturazione delle uve e prevedere i volumi di produzione dei vigneti.

In ambito industriale, invece, Ciccone cita un’applicazione di gestione predittiva della qualità in un’azienda che si occupa di assemblaggio. In questo caso la qualità dei prodotti assemblati sulla linea produttiva viene valutata da telecamere, determinando i pattern che aiutano a capire come diminuire la difettosità degli assemblati: adottando questi sistemi, l’azienda ha diminuito la difettosità di quasi il 15%. L’ultimo caso descritto è relativo a un’applicazione di predictive maintenance in un’azienda automotive in cui lavorano già 600 robot collaborativi impiegati nella saldatura di componenti. Sono state analizzate oltre 250 milioni di informazioni provenienti dai sensori installati sui robot, individuando oltre 200 driver che determinano la qualità di una saldatura. Correlando queste informazioni con analisi ad albero sul comportamento dei robot, l’azienda ha potuto migliorare la qualità delle saldature, ottimizzando al contempo la manutenzione dei robot stessi. Ciccone illustra poi la metodologia d’approccio, che Capgemini adotta con i propri clienti nell’affrontare i progetti, basata sulle nuove tecnologie di AI e ML, un approccio che prevede una prima fase di discovery, in cui si cerca di capire quali siano i possibili use case che danno valore all’azienda. La selezione dei casi d’utilizzo riscontrati costituisce invece una fase advisory, per poi lavorare sui casi individuati con investimenti contenuti e ritorni piuttosto rapidi.

La centralità delle persone nell’adozione di nuove tecnologie

Armando Gervasi di ITAS interviene sulla diffusione delle tecnologie IoT nel settore delle assicurazioni. Questi sistemi già oggi offrono una quantità di dati che servono per profilare i rischi e i clienti e anche disegnare nuovi prodotti, per accompagnare la polizza con veri e propri servizi, come l’assistenza sul posto, oppure per acquisire la capacità di ricevere tutti i dati significativi relativi a un sinistro, senza dipendere da testimonianze non sempre comprovate dai fatti.



https://vods.dm.ux.sap.com//it-executive-summit-italy/vod/04-gerardo-ciccone-capgemini.mp4


8 / 11

Cinque aree di opportunità

Filippo Rizzante, CTO di Reply, ha sviluppato il proprio intervento intorno a cinque aree di opportunità abilitate dalle applicazioni di Intelligenza Artificiale e Machine Learning.

Sistemi conversazionali – I progressi in area AI stanno riportando a galla l’interesse per le interfacce conversazionali e l’elaborazione del linguaggio naturale. Questo aumenta il potenziale della conversazione come nuova modalità di interazione con la tecnologia. I sistemi conversazionali sono bot intelligenti in grado di comprendere il linguaggio e di condurre una conversazione scritta o verbale con un utente, simulando la comunicazione umana e sfruttando sofisticate capacità di elaborazione e comprensione del linguaggio naturale. Il loro obiettivo è di fornire risposte informate, assistenza, supporto nell’interazione diretta nel canale e possibilmente in tempo reale.

Intelligent Process Automation – Si tratta dell’insieme di tecnologie, tecniche e applicazioni richieste per progettare e implementare un nuovo processo di automazione basato sulle tecnologie di apprendimento autonomo, che facilita l’introduzione e l’integrazione dell’automazione nei processi organizzativi.

Prediction & Prescription – Oggi la tecnologia consente alle aziende di non limitarsi a osservare i propri dati storici, ma anche di prevedere il comportamento o i risultati nel futuro: per esempio, aiutando i Credit Risk Officer presso gli istituti di credito a valutare quali clienti hanno maggiori probabilità di risultare inadempienti. La prescrizione rappresenta una fase più avanzata del Machine Learning, perché solo comprendendo i motivi che influenzano determinati comportamenti degli utenti consente alle aziende di incoraggiare o impedire quei comportamenti in futuro.

Recommendation – I sistemi di recommendation rappresentano una particolare forma di filtraggio intelligente delle informazioni, che mira a estrarre valore tramite la scoperta di similarità tra utenti e/o elementi e a generare una lista ordinata di proposte realizzate su misura per le preferenze di un utente finale. Dal punto di vista delle organizzazioni, un sistema di recommendation può essere costruito su una piccola quantità di dati, che possono essere differenziati a seconda degli specifici settori di business in cui sono contenuti.

Recognition – Il riconoscimento di immagini e video è un eccellente ambito per sviluppare e testare approcci Machine Learning. Il campo dell’elaborazione del linguaggio naturale sta passando dai metodi statistici a quelli delle reti neurali. Queste tecniche consentono l’uso di reti pre-addestrate su dataset generici, o la creazione di reti personalizzate su dataset specifici. È dunque possibile realizzare motori di riconoscimento che consentano l’identificazione di oggetti e/o funzionalità specifiche per video e immagini, oltre che l’individuazione del sentimento a partire dalle espressioni facciali.


https://vods.dm.ux.sap.com/it-executive-summit-italy/vod/09-filippo-rizzante-syskoplan-reply.mp4


9 / 11

Grazie a questi sistemi è possibile acquisire capacità produttive iper personalizzate, sfruttando quella particolare integrazione di processi e sistemi che permette di collegare il bisogno del cliente, rilevato per esempio su una piattaforma di e-commerce, a tutto quello che accade nel back-end aziendale. In questo modo è possibile produrre a parità di costo un prodotto che sappia dare l’illusione della personalizzazione, in cui al cliente sono lasciati alcuni gradi di libertà che può selezionare secondo i propri gusti. Ciò presuppone in primo luogo la capacità di integrare i dati provenienti dall’e-commerce con quelli di produzione. Dal punto di vista tecnologico, Pelizzo individua tre grandi temi.

All’interno di Techedge l’iniziativa Industry 4.0, guidata da Gianni Pelizzo, Industry 4.0 Corporate Director, si articola nel quadro di due grandi tematiche: l’IoT, che serve a raccogliere i dati e a renderli disponibili per le piattaforme, e l’ambito degli Analytics e Machine Learning. La maggiore quantità di dati oggi disponibile fa emergere una maggiore esigenza di visibilità rispetto a questi dati. Una delle applicazioni possibili è creare delle logiche di miglioramento della visibilità di dati eterogenei provenienti da fonti diverse attraverso il Machine Learning.

Il tema su cui oggi si investe di più è la convergenza tra il mondo IT e quello dell’IoT: oggi sempre di più si tratta di mettere assieme questi due mondi, i cui linguaggi e metodologie sono molto diversi tra loro. Integrare IT e OT (Operation Technology) fa nascere un nuovo mondo che permette di far girare algoritmi di Machine Learning o AI molto a ridosso della linea produttiva. Questo approccio è obbligato considerando la mole di dati che si genera dalle linee produttive: è necessario quindi sviluppare logiche di elaborazione di tipo edge per eseguire data streaming in real-time vicino alla linea produttiva.

Sviluppare un’applicazione di una di queste tipologie richiede oggi tempo e risorse e sono ancora pochissimi i componenti disponibili “a scaffale”. Rizzante sottolinea quindi l’importanza

di essere first mover in questo campo se si vogliono costruire oggi le premesse di un vantaggio competitivo domani.

Le applicazioni industriali


https://vods.dm.ux.sap.com/it-executive-summit-italy/vod/10-gianni-pelizzo-techedge.mp4


10 / 11

Replatforming. Oggi i sistemi enterprise non sono composti da un unico layer, ma da tanti livelli collegati tra di loro e molti progetti dipendono da sistemi di edge computing, dove l’elaborazione dei dati avviene vicino alle linee produttive o agli impianti da cui i dati sono generati. Il layer applicativo intermedio può essere on-premise, perché il cloud oggi non consente ancora di avere dei tempi di risposta entro i termini richiesti dai macchinari. Nei sistemi di fabbrica l’approccio on-premise è ancora preferito, anche se nel cloud si possono collocare piattaforme con cui dialogare via API.

Machine Learning versus Analytics. Pelizzo muove dalla constatazione secondo la quale l’Intelligenza Artificiale è la nuova BI: ai dati da analizzare, a cui siamo abituati, si sostituiscono

Una prospettiva sul Medio Oriente

Dopo l’intervento di Techedge è la volta di Manos Raptopoulos, COO South Europe, Middle East and Africa, SAP, che offre il proprio punto di vista e la sua esperienza rispetto alla reattività e rapidità con cui le aziende in altri paesi dell’area EMEA stanno adottando velocemente le nuove tecnologie. Raptopoulos evidenzia come i due paesi leader oggi nel mondo dell’AI siano gli Stati Uniti, che hanno un approccio relativamente aperto, e la Cina, dove invece si registra una maggiore chiusura rispetto ai risultati raggiunti e alle tecnologie in fase di sviluppo. Altre aree relativamente avanzate sono Israele e Korea. Per quanto riguarda il Medio Oriente, invece, parliamo di un’area che ha poca vocazione manifatturiera, ma in cui esistono impianti

petroliferi che hanno bisogno di molta manutenzione e che sono al centro di diversi progetti di sviluppo ad alto contenuto tecnologico.

È un’area, quella del Medio Oriente, in cui l’adozione del cloud è molto più sviluppata che nel resto

i suggerimenti elaborati dagli algoritmi, da valutare. Si tratta di passare dal mondo degli Analytics a quello degli Insight. L’interazione di queste nuove tecnologie con la componente umana sul lavoro è illustrata da un progetto in un call center che ha l’obiettivo di analizzare tutti i dati sugli operatori del call center per identificare in anticipo quelli che vivono una condizione di disagio e che potrebbero lasciare l’azienda. Il sistema impara a riconoscere i comportamenti che evidenziano un disagio da parte degli operatorie li presenta ai manager, che possono agire in anticipo con azioni volte a migliorare l’ambiente di lavoro. Lungi dal sostituire le persone, in questo caso le tecnologie vengono utilizzate per ridurre tensioni sul lavoro.



11 / 11

Giancarlo Capitani, Presidente di NetConsulting3 si chiede come riuscire a portare gli strumenti del Machine Learning anche nel mondo dei servizi, che rappresenta il 70% del PIL italiano.

In secondo luogo, Capitani evidenzia come l’introduzione dell’Intelligenza Artificiale in azienda richieda all’intelligenza umana un salto di qualità. Occorre una Enterprise Strategy, una visione strategica aziendale che metta al centro il dato e la customer centricity ma che sicuramente deve mettere in campo le figure apicali all’interno dell’azienda. E l’Italia è afflitta da un grande analfabetismo manageriale: manca cioè la capacità di comprendere il potenziale delle nuove tecnologie e di introdurle con successo all’interno delle organizzazioni.

Dario Pagani, Executive Vice President & CIO di Eni, pur confermando il proprio interesse per le tecnologie e i progetti presentati, rileva come sia ancora complesso oggi passare dallo stadio dei Proof of Concept alla produzione vera e propria, soprattutto considerando la necessità di valorizzare i sistemi legacy e coinvolgere l’azienda a livello globale.

del mondo, con tassi di crescita superiori a quelli cinesi. In Europa c’è ancora molto da fare e se c’è un suggerimento che si può dare a un’organizzazione che desideri intraprendere un percorso di trasformazione nella direzione delle tecnologie di AI e Machine Learning, uno dei primi passi necessari è quello di sviluppare una data strategy, decidendo come gestire le diverse fonti dati che giungono alle organizzazioni.

Carla Masperi conclude registrando una maggiore consapevolezza da parte dei dirigenti delle aziende da lei incontrate, non solo nel settore manifatturiero, rispetto alle potenzialità delle nuove tecnologie legate all’Intelligenza Artificiale. Una seconda considerazione riguarda l’urgenza di puntare sull’adozione delle nuove tecnologie: si tratta

di passare dai prototipi dimostrativi alle strategie aziendali. Avere una data strategy conta in questo senso soprattutto perché quando i dati aumentano è fondamentale che siano ben gestiti, altrimenti sarà impossibile costruire su quella base informativa una nuova generazione di applicazioni per il business.


© 2018 SAP SE. Tutti i diritti riservati. Tutti gli altri nomi di prodotti e servizi qui menzionati sono marchi che appartengono alle rispettive società. Quanto riportato nel presente documento ha finalità esclusivamente informative. Le specifiche nazionali dei prodotti possono variare. SAP si riserva il diritto di modificare tutti i materiali senza preavviso. I materiali sono forniti da SAP AG e dalle sue affiliate (“Gruppo SAP”) solo a scopo informativo, senza alcun fine illustrativo o di garanzia di qualsiasi natura; il Gruppo SAP non si assume alcuna responsabilità per eventuali errori od omissioni presenti nei materiali. Le uniche garanzie applicabili ai prodotti e ai servizi del Gruppo SAP sono quelle espressamente menzionate nelle apposite clausole contrattuali eventualmente previste per i singoli prodotti o servizi. Nessuna parte del presente documento è da interpretarsi come garanzia accessoria.

www.sapexecutivesummit.com

Segui SAP su

http://www.sapexecutivesummit.com

https://twitter.com/SAPitalia

https://www.facebook.com/sapitalia

https://www.linkedin.com/company/sap

https://www.youtube.com/user/SAPITALIACHANNEL

build products humachine enterprise

Documents