Ai & Cloud Solutions Architect - Maccaferri
Pubblicato il 17-10-2026 - Maccaferri in Zola Predosa
L'AI & Cloud Solutions Architect porta l'intelligenza artificiale dentro i processi aziendali e ne governa l'infrastruttura applicativa in ambiente cloud. Il focus non è puramente infrastrutturale: riguarda la governance a livello applicativo — pubblicazione, attivazione e integrazione dei servizi cloud — e, soprattutto, la progettazione e diffusione di soluzioni AI che aumentino produttività e qualità del lavoro. La persona opera hands-on su entrambi i fronti e funge da punto di riferimento interno per l'adozione dell'AI.
Responsabilità principali
AI — progettazione, delivery e adoption
- Identificare e proporre casi d'uso di AI applicati ai processi aziendali, valutandone fattibilità e impatto.
- Progettare e implementare in prima persona soluzioni AI (automazione di workflow, agenti, integrazioni con Microsoft 365 e piattaforme aziendali).
- Coordinare progetti di soluzioni AI con risorse interne e terze parti.
- Definire linee guida, permessi e controlli per un uso protetto dell'AI, in coordinamento con IT Security (accessi, dati, GDPR).
- Fare da riferimento interno per il Gruppo: formare e supportare gli utenti tramite workshop, guide e affiancamento, misurando l'adozione reale.
- Monitorare l'evoluzione del mercato AI e valutarne la rilevanza per l'organizzazione.
Cloud — governance applicativa
- Gestire pubblicazione, attivazione e configurazione di applicazioni e servizi cloud, con approccio hands-on.
- Curare l'integrazione tra servizi cloud (Single Sign-On, provisioning utenti, connettori tra piattaforme SaaS e sistemi aziendali).
- Presidiare le policy di governance applicativa: gestione identità, permessi, ciclo di vita delle applicazioni.
- Collaborare con IT Security per garantire sicurezza e compliance di nuove integrazioni e servizi.
Competenze richieste
- Uso e integrazione di API di modelli LLM (es. OpenAI, Anthropic/Claude, Google Gemini, Azure OpenAI): system prompt, function calling/tool use.
- Progettazione di pipeline RAG: chunking, embedding