Come portare l'AI in azienda: da dove partire

Perché tante aziende non partono

Quasi tutte le aziende hanno provato un assistente AI. Poche l’hanno portato dentro un processo. In mezzo ci sono sempre gli stessi tre ostacoli: non si sa da dove cominciare, si teme per la riservatezza dei dati, e le prime prove “generiche” non hanno prodotto nulla di misurabile.

La buona notizia è che il metodo per partire bene è semplice, e non richiede né grandi investimenti né un reparto dedicato.

Questa guida descrive il percorso, un passo dopo l’altro. Chi deve decidere come organizzare l’adozione, cioè che cosa spetta alla direzione e che cosa ai reparti, trova il confronto nella guida Adozione dell’AI in azienda: top-down o bottom-up.

Primo passo: scegliere il processo giusto

Il primo progetto deve essere piccolo, frequente e misurabile. Un buon candidato ha queste caratteristiche:

• si ripete molte volte alla settimana;
• oggi richiede di cercare, copiare, controllare o ricompilare informazioni;
• lo svolgono persone competenti che potrebbero fare altro di più utile;
• un errore non è irreparabile, perché c’è comunque un controllo umano;
• si può misurare: minuti per pratica, errori al mese, giorni di attesa.

Esempi tipici: compilare anagrafiche a partire da una partita IVA, leggere ordini e conferme in PDF, preparare la prima bozza di un’offerta, rispondere alle domande ricorrenti su procedure e listini, controllare la coerenza di contratti e documenti, tradurre contenuti, riassumere lo storico di un cliente prima di una telefonata.

Da evitare come primo progetto: decisioni ad alto rischio, processi che nessuno ha mai descritto, obiettivi vaghi (“usiamo l’AI per il commerciale”).

Secondo passo: guardare i dati

Un modello ragiona su ciò che gli si dà. Prima di costruire qualsiasi cosa conviene chiedersi:

1. Dove sono le informazioni che servono a quel processo? Gestionale, cartelle, posta, fogli Excel, teste delle persone?
2. Sono accessibili? Esistono API, un database leggibile, o almeno esportazioni regolari?
3. Sono affidabili? Chi le aggiorna, e quando?
4. Chi può vederle? I permessi esistenti devono valere anche per l’AI.

Spesso questo inventario è il risultato più utile delle prime settimane: mette in luce duplicazioni e buchi che costavano tempo a prescindere dall’intelligenza artificiale (IA). Ne parliamo nella pagina dati e integrazioni.

Terzo passo: un pilota a perimetro chiuso

Il pilota è una versione ridotta ma vera: lavora su dati reali, con utenti reali, su un solo processo. Le regole che lo fanno funzionare:

• Perimetro scritto. Cosa fa e cosa non fa. Ciò che resta fuori va in lista per dopo.
• Una persona di riferimento in azienda, che conosce il processo e ha qualche ora alla settimana.
• Un numero di partenza e un numero obiettivo. Senza misura non c’è progetto, c’è una demo.
• Persone nel ciclo. L’AI propone, prepara, segnala. Chi è responsabile conferma.
• Durata breve. Alcune settimane: abbastanza per vedere casi veri, non abbastanza per perdersi.

Alla fine del pilota la domanda è una sola: il numero è migliorato? Se sì, si passa in produzione. Se no, si è speso poco e si è imparato dove sta il problema vero.

Quarto passo: mettere in produzione e far crescere

Passare dal pilota alla produzione significa aggiungere ciò che in prova si può trascurare: accessi per ruolo, registro delle azioni, gestione degli errori, monitoraggio dei costi, istruzioni per gli utenti, manutenzione.

Da lì si cresce un processo alla volta, riusando ciò che è già stato costruito: i collegamenti ai dati, i permessi, le regole. Il secondo progetto costa sempre meno del primo.

Riservatezza: le tre domande da fare a qualunque fornitore

1. I miei dati vengono usati per addestrare modelli? Con le API aziendali dei principali fornitori la risposta contrattuale è no: va verificato e scritto.
2. Dove passano e dove restano i dati? Archivi e documenti possono rimanere sui server dell’azienda; al modello arriva solo ciò che serve per rispondere a quella domanda. Quando nemmeno questo è accettabile, il modello si può far girare in azienda: il confronto è nella guida AI in cloud o in locale.
3. Chi vede cosa? L’AI deve rispettare gli stessi permessi degli utenti, e ogni azione deve lasciare traccia.

Le persone: formazione e AI Act

Un progetto AI fallisce più spesso per le persone che per la tecnologia. Due cose aiutano:

• Coinvolgere chi fa il lavoro. Chi usa lo strumento ogni giorno sa dove si perde tempo e riconosce subito una risposta sbagliata.
• Formare. Oltre a essere buon senso, lo chiede la legge: l’articolo 4 dell’AI Act, che si applica dal 2 febbraio 2025 ed è stato riscritto nel luglio 2026, chiede alle organizzazioni che usano sistemi di intelligenza artificiale di adottare misure per sostenere l’alfabetizzazione del personale coinvolto. Non impone di certificare il livello di ogni persona: chiede di fare, e di poterlo dimostrare. Una giornata di formazione ben fatta, con esempi del proprio settore, è spesso il miglior inizio. I dettagli sono nella guida AI Act: cosa deve fare un’azienda manifatturiera.

Gli errori più comuni

• Partire dalla tecnologia (“ci serve un chatbot”) invece che dal processo.
• Voler fare tutto insieme.
• Non misurare: senza un numero prima e dopo, nessuno saprà dire se ha funzionato.
• Togliere le persone dal ciclo troppo presto.
• Trascurare i dati, e poi dare la colpa al modello.
• Comprare uno strumento generico sperando che si adatti da solo al proprio modo di lavorare.

Come lavoriamo noi

In FT Support seguiamo esattamente questo percorso, che abbiamo descritto nel nostro metodo: un primo confronto senza impegno, la formazione e la mappa dei processi, un pilota a perimetro chiuso, la messa in produzione. I primi due passi sono la nostra consulenza AI per aziende. Lo applichiamo prima di tutto a noi stessi: il CRM con agenti AI che usiamo ogni giorno è nato così.