Il progetto comincia molto prima di scegliere un fornitore.

Serie «Capire l’IA», nota 6 di 12. Le prime cinque spiegavano la tecnologia. Da qui in poi la serie parla della vostra azienda: come si integra, quanto costa, perché fallisce, che cosa esige la legge e che cosa devono sapere le persone che dirigono.

Venerdì, mezzogiorno, una clinica privata con tre sedi in Canton Ticino. A gennaio il responsabile informatico ha comprato le licenze di un assistente di IA per le sessanta persone dell’amministrazione. C’è stata una sessione di formazione di un’ora. Siamo a ottobre: lo usano quattro persone, due delle quali per scrivere e-mail in tedesco. Il direttore generale conclude in riunione di direzione che «l’IA da noi non ha funzionato» e mette nel cassetto il budget dell’anno prossimo. Nel frattempo, alla reception, un’assistente amministrativa incolla ogni giorno referti di pazienti in un account gratuito di un altro assistente, dal suo telefono, per riassumerli più in fretta.

La scena è immaginaria. Le sue due metà accadono in aziende reali, e spesso nella stessa. La prima metà è ciò che succede quando si compra lo strumento prima di scegliere il processo. La seconda è ciò che succede quando non si sceglie nulla: le persone scelgono da sole. Questa nota è l’ordine che seguo perché non succeda né l’una né l’altra. I passi sono nove. I primi tre non costano denaro, e sono quelli che quasi tutti saltano.

L’IA non si implementa. Si implementa un processo, e l’IA ne è un pezzo. Dove non c’è un processo, ci sono licenze inutilizzate.

Passo 1. Un processo, non uno strumento.

Tutto parte dalla mappa della nota 4. Fra le quarantadue proposte se ne sceglie una, e la si sceglie con tre criteri: si ripete spesso, l’errore si può rilevare e il risultato si misura in ore o in denaro. Le fatture dei fornitori li soddisfano tutti e tre. «Migliorare la comunicazione interna» non ne soddisfa nessuno. Un processo con un nome, con un responsabile che lo subisce e con un numero che oggi è brutto. Quello è un progetto. Tutto il resto è una licenza.

C’è una cifra che vale la pena avere davanti quando si sceglie. Nell’agosto 2025 un rapporto del progetto NANDA del MIT, basato su 150 interviste a dirigenti, 350 questionari a dipendenti e l’analisi di 300 implementazioni pubbliche, concludeva che il 95 % dei piloti di IA generativa nelle aziende non aveva prodotto alcun impatto misurabile sul conto economico. Lo stesso rapporto osservava due cose che spiegano parte di quel numero: i budget andavano soprattutto a vendite e marketing, mentre i ritorni più chiari comparivano nel back office, nell’amministrazione e nelle operazioni; e gli strumenti comprati da fornitori specializzati arrivavano in produzione circa il doppio delle volte rispetto a quelli costruiti internamente da zero, intorno a due su tre contro uno su tre. Sono cifre di un rapporto, non di un esperimento controllato, ma coincidono con quello che vedo: il processo noioso e ben delimitato è quello che alla fine funziona.

Passo 2. Guardate i vostri dati prima che lo faccia il modello.

Il modello leggerà i vostri documenti, e risponderà a partire da quelli. Se i documenti sono vecchi, contraddittori o in sette formati diversi, il sistema sarà veloce e sbagliato. Nel settembre 2017 la Harvard Business Review pubblicò uno studio in cui 75 manager di aziende diverse esaminarono un campione dei dati con cui lavoravano ogni giorno: solo il 3 % degli insiemi di dati raggiungeva standard di qualità di base, e quasi la metà dei nuovi record conteneva almeno un errore critico. Era prima dell’IA generativa. L’IA generativa non lo corregge: lo amplifica, perché scrive con la stessa scioltezza partendo da un dato giusto e da uno sbagliato.

Il lavoro di questo passo è modesto e decisivo. Raccogliere i documenti di cui il processo ha bisogno, decidere qual è la versione giusta di ciascuno, dare a ognuno una data e un responsabile e ritirare il resto. Per le fatture: l’elenco pulito dei fornitori, le condizioni di pagamento in vigore, gli ordini aperti. È l’archivio di cui parlavo nella nota 5. Senza, l’archivista porta in ufficio quello che trova.

Passo 3. I cinquanta casi d’oro.

Prima di vedere una sola demo, si raccolgono cinquanta casi reali del processo, con la risposta corretta accanto a ciascuno: cinquanta fatture con il modo in cui sono state registrate, cinquanta e-mail con la loro classificazione e la risposta data, cinquanta chiamate con il loro riassunto approvato. Li scelgono le persone che fanno il lavoro, e ci mettono apposta i casi strani: la fattura in francese, l’e-mail che mescola due ordini, il cliente che scrive senza punteggiatura.

Questo insieme è il pezzo più prezioso del progetto, e lo resterà quando il progetto sarà finito. Serve a confrontare due fornitori con lo stesso metro, a decidere se il sistema è pronto, a verificare che non sia peggiorato quando cambia la versione del modello e a discutere con numeri invece che con impressioni. Se un’azienda dovesse fare una sola cosa di questa nota, dovrebbe essere questa. Costa soltanto un pomeriggio delle persone giuste.

Passo 4. La cosa più semplice che risolve il caso.

Scelto il processo, puliti i documenti e con i cinquanta casi in mano, si decide che cosa costruire o comprare, e vale la regola della nota 5: un modello aumentato, con recupero e uno o due permessi, in un flusso di lavoro di pochi passi. Niente agenti finché un flusso di lavoro non ha dimostrato di non bastare. Si costruisce in settimane, non in mesi, e si prova contro i cinquanta casi prima di mostrarlo a chiunque. Il primo numero che la direzione dovrebbe vedere non è una demo: è «ne azzecca 46 su 50, e questi sono i quattro che sbaglia».

Passo 5. La modalità ombra.

Ecco il passo che salva più progetti. Per due o quattro settimane il sistema lavora accanto alle persone ma non agisce: classifica, estrae, propone, e tutto viene registrato accanto a ciò che le persone hanno davvero fatto. Niente esce, niente viene registrato in contabilità, nessun cliente riceve nulla. Alla fine si confrontano le due colonne, caso per caso.

La modalità ombra insegna tre cose che nessuna demo insegna: come fallisce il sistema con il flusso reale, quanti casi su cento hanno bisogno di una persona e se la squadra si fida delle proposte o le corregge per abitudine. E risolve, strada facendo, l’obiezione della responsabile qualità della nota 4: «e chi controlla quello che fa?». Durante l’ombra, tutti.

Passo 6. Accendere con un controllo proporzionato al rischio.

Al passaggio in produzione non si accende tutto. Si accende a scaglioni, secondo il rischio di errore. Per le fatture: quelle che coincidono con l’ordine e restano sotto un certo importo si registrano con un controllo a campione; quelle che non coincidono vanno a una persona con la proposta del sistema davanti; quelle di un fornitore nuovo vanno sempre a una persona. La regola è quella della nota 2: la verifica è proporzionale a quanto costa un errore, e dove costa, firma qualcuno con un nome.

Passo 7. Misurare ogni settimana ciò che si è misurato il primo giorno.

Il numero che era brutto al passo 1 ora si misura ogni settimana: ore, giorni di incasso, errori, casi passati a persone. E i cinquanta casi d’oro si fanno girare di nuovo ogni volta che qualcosa cambia: il fornitore del modello pubblica una nuova versione, si aggiunge un documento, si tocca un passo. I fornitori ritirano con una certa regolarità versioni dei loro modelli; Anthropic, per esempio, documenta un ciclo di vita per i suoi modelli e si impegna a dare almeno sessanta giorni di preavviso prima di ritirarne uno. Sessanta giorni sono tempo più che sufficiente per far girare di nuovo i cinquanta casi. Se nessuno li fa girare, il sistema cambia comportamento una notte e nessuno lo sa finché non lo dice un cliente.

Passo 8. Formare le persone che lo usano, perché è anche obbligatorio.

La sessione di un’ora della clinica non era formazione: era una presentazione. Formare significa insegnare a ogni persona che cosa fa il sistema, che cosa non fa, come fallisce e che cosa deve verificare prima di accettare una proposta. Sono il centauro e il cyborg della nota 4, portati al posto di lavoro concreto. E nell’Unione europea, dal 2 febbraio 2025, è anche un obbligo di legge: l’articolo 4 del regolamento sull’intelligenza artificiale esige da chi usa sistemi di IA nella propria attività che garantisca al personale un livello sufficiente di alfabetizzazione in materia di IA, tenendo conto della sua formazione e del contesto in cui i sistemi saranno usati. Non fissa un numero di ore né un certificato. Fissa una responsabilità. Lo approfondisco nella nota su legge e dati.

Passo 9. Dare un canale a ciò che succede già.

Torniamo all’assistente della reception. Il suo non è un abuso isolato; è la norma. L’indagine di Microsoft e LinkedIn del maggio 2024 che citavo nella nota 4 ha rilevato che il 78 % delle persone che usavano l’IA al lavoro lo faceva con strumenti propri, e che il 52 % era restio ad ammetterlo per paura di sembrare sostituibile. La risposta non è vietare, che nasconde soltanto l’uso. È fornire uno strumento aziendale, con i dati protetti, una regola di due righe su ciò che non si incolla mai e un posto dove proporre nuovi usi. Le proposte migliori per il secondo processo di solito arrivano da lì.

Comprare o costruire.

La domanda compare al passo 4 e merita un paragrafo a sé. Comprare uno strumento fatto per un uso preciso, fatture, servizio clienti, trascrizione, è di solito più rapido e, secondo il rapporto del MIT che citavo, arriva in produzione più spesso. Costruire su misura ha senso quando il processo è il cuore di ciò che vi distingue, quando non esiste uno strumento per il vostro caso o quando i dati non possono uscire. In pratica quasi tutto è un misto: il modello si compra da un grande fornitore, uno strumento pronto serve per la parte standard e il collegamento con i vostri sistemi e le vostre regole si costruisce su misura. Ciò che non paga è costruire ciò che esiste già o comprare ciò che non calza. E in entrambi i casi, i cinquanta casi d’oro sono vostri.

Uno studio finanziato da Microsoft e condotto da IDC nel novembre 2024 fra più di 4000 dirigenti dava cifre gentili: le aziende impiegavano meno di otto mesi a implementare e circa tredici a vedere valore, con un ritorno dichiarato di 3,70 dollari per ogni dollaro. Lo cito perché viene citato molto, e con un avvertimento: lo ha commissionato un fornitore e misura ciò che dicono i dirigenti, non ciò che mostrano i conti. Mettetelo accanto al 95 % del MIT e traete la vostra conclusione: il ritorno esiste, e non viene dal comprare, ma dal fare i nove passi.

1. Questa settimana

   Scegliere un processo con i tre criteri

   Ripetuto, con un errore rilevabile e con un numero che oggi è brutto. Scrivete il numero.

2. Questa settimana

   Raccogliere i documenti e decidere quale versione è quella giusta

   Data e responsabile su ciascuno. Ritirare il resto.

3. Un pomeriggio

   Mettere insieme i cinquanta casi d’oro

   Con le persone che fanno il lavoro, casi strani compresi. Conservateli come il patrimonio che sono.

4. Prima di qualsiasi demo

   Pretendere di vedere il sistema contro i vostri cinquanta casi

   Il numero di risposte giuste e gli errori uno per uno. È l’unica demo che conta.

5. Da due a quattro settimane

   Modalità ombra

   Il sistema propone, le persone fanno, si confrontano le due colonne. Niente esce.

6. All’accensione

   Scaglioni per rischio e un numero settimanale

   Il sicuro a campione, il dubbio con una persona, il nuovo sempre con una persona. E i cinquanta casi a ogni cambiamento.

Come la imposto io.

La mia Analisi di automazione è, in sostanza, i passi da 1 a 3 fatti con il cliente in una settimana: il processo scelto con i suoi numeri, l’inventario dei documenti e i cinquanta casi. Con quello, il rapporto dice che cosa costruire, che cosa comprare e quanto costa, a prezzi chiusi. Poi, modalità ombra sempre, e niente si accende senza controllo a scaglioni. Non è prudenza eccessiva. È la differenza fra il 95 % e il restante 5 %.

Una domanda per la prossima riunione di direzione, prima di parlare di fornitori: chi nella Sua azienda potrebbe scrivere oggi i cinquanta casi d’oro del processo che volete automatizzare? Non chi dovrebbe. Chi potrebbe, con ciò che sa e il tempo che ha.

Se il nome non Le viene, il progetto non è ancora cominciato, anche se ha già un budget. E se Le viene, si chieda se quella persona sa che il progetto dipende da lei.

Prossima nota: quanto costa davvero l’IA, voce per voce, e da dove viene il ritorno. Con i prezzi pubblici dei modelli, il prezzo che nessuno mette nell’offerta e il conto che dovreste fare prima di firmare.