Intelligenza Artificiale nelle PMI: da Dove Conviene Iniziare

Il tema dell'intelligenza artificiale è arrivato in azienda prima delle risposte pratiche su cosa farne. La domanda che si sente più spesso non è se serva, ma da dove cominciare senza spendere in qualcosa che poi resta inutilizzato.

La risposta utile parte da un cambio di prospettiva: non si sceglie una tecnologia e poi le si cerca un impiego. Si parte da un'attività che oggi consuma tempo senza produrre valore e si verifica se l'automazione la può ridurre.

Le applicazioni realmente alla portata di una PMI

Al netto del dibattito generale, le applicazioni che producono un beneficio misurabile in un'impresa medio-piccola sono poche e abbastanza definite.

I tre criteri per capire se conviene

Un'attività è un buon candidato all'automazione quando soddisfa tutte e tre queste condizioni. Se ne manca una, il costo di progettazione e verifica tende a superare il tempo risparmiato.

• È frequente: si ripete molte volte, non poche volte l'anno
• Ha regole stabili: il modo di svolgerla non cambia di continuo
• Riceve input prevedibili: i documenti o i dati in ingresso hanno una forma ricorrente

Il terzo criterio è quello che viene sottovalutato più spesso. Un processo che riceve documenti sempre diversi, da fornitori diversi, con formati che cambiano, richiede una manutenzione continua delle regole che erode rapidamente il beneficio.

Quando l'AI non conviene

È la parte dell'analisi che produce più valore e di cui si parla meno. Ci sono situazioni in cui l'automazione è tecnicamente possibile ed economicamente sbagliata.

• Attività svolte poche volte l'anno: il lavoro di progettazione non si ripaga
• Processi le cui regole cambiano di continuo: la manutenzione annulla il vantaggio
• Decisioni in cui un errore ha conseguenze rilevanti: serve comunque verifica umana completa
• Attività che nessuno ha mai descritto con precisione: prima va definito il processo, poi semmai automatizzato

In questi casi l'intervento corretto è spesso un altro: riorganizzare il processo, sistemare i dati, o semplicemente non fare nulla.

Il problema dei dati aziendali

Qualunque applicazione utile lavora su informazioni dell'azienda, e questo apre una scelta che va fatta consapevolmente all'inizio: dove vengono elaborati quei dati e con quali garanzie.

Esistono configurazioni in cui le informazioni restano nell'infrastruttura aziendale e altre in cui vengono trattate da servizi esterni, con tutele contrattuali differenti. Non è una questione tecnica secondaria: riguarda dati di clienti, contratti e know-how, e va definita prima di avviare qualunque prova, non dopo.

Fa parte di una impostazione corretta anche stabilire quali informazioni non vanno immesse in strumenti esterni, e formare chi li userà su quel confine.

L'errore più comune: partire troppo in grande

I progetti che si arenano hanno quasi sempre la stessa origine: un perimetro iniziale troppo ampio. Cresce il costo, si allungano i tempi, e il primo risultato tangibile arriva quando l'attenzione dell'azienda si è già spostata.

L'approccio che funziona è opposto: un ambito circoscritto, misurabile e non critico, da cui verificare il beneficio reale e far emergere i casi non previsti — che ci sono sempre, e che nessuna analisi teorica anticipa del tutto.

La fiducia va calibrata

Uno strumento automatico sbaglia, e il rischio maggiore non è l'errore in sé: è la fiducia mal calibrata. Un sistema di cui non si conosce il margine di errore viene usato male, per eccesso o per difetto.

Per questo ogni automazione dovrebbe stabilire esplicitamente dove serve una verifica umana e con quale criterio: alcune attività si possono controllare a campione, altre richiedono la conferma di una persona su ogni singolo caso. È una decisione di processo, non una impostazione tecnica.