Intelligenza artificiale in azienda: da dove iniziare
Per introdurre l'intelligenza artificiale in azienda conviene partire da un solo processo, frequente e misurabile, non dalla scelta di uno strumento. Il percorso che funziona è semplice da descrivere: si individua un lavoro ripetitivo che oggi costa tempo, si verifica di avere i dati necessari, si prova l'AI su quel caso reale con una persona che controlla il risultato, e si estende solo se i numeri lo giustificano. Chi fa il contrario, cioè compra licenze e poi cerca come usarle, spesso si ritrova con uno strumento in più e nessun cambiamento nel lavoro quotidiano. Questa guida è scritta per titolari e responsabili di piccole e medie imprese: spiega da dove iniziare, quali casi d'uso convengono e quali no, quali voci di costo considerare, quali dati si possono usare e quando ha senso chiedere un aiuto esterno. E ti aiuta a capire quando l'AI non è la soluzione giusta.
A che punto sono le imprese italiane con l'intelligenza artificiale?
La quota di imprese italiane con almeno 10 addetti che usano l'AI è raddoppiata in un anno, ma il divario tra grandi aziende e PMI si sta allargando. Secondo Istat, nel 2025 usa almeno una tecnologia di intelligenza artificiale il 16,4% delle imprese con almeno 10 addetti, contro l'8,2% del 2024 e il 5,0% del 2023. Tra le grandi imprese la quota è del 53,1%, tra le PMI del 15,7%: una distanza di 37 punti percentuali, contro i 25 dell'anno prima. Il dato più utile per chi deve decidere è un altro. Un terzo delle imprese che usano l'AI, il 33,4%, non indica alcuna finalità specifica, e l'83,3% di queste ha tra 10 e 49 addetti. Il dato non ne spiega il motivo, ma resta un segnale utile: senza un obiettivo definito è difficile dire se l'AI abbia prodotto risultati. Anche i freni sono chiari. Tra le imprese che hanno valutato l'AI senza adottarla, Istat indica come ostacoli principali la mancanza di competenze (58,6%), l'incertezza normativa (47,3%), i dati assenti o di scarsa qualità (45,2%), la privacy (43,2%) e i costi elevati (43,0%). Sono gli stessi temi affrontati nelle sezioni che seguono. L'Osservatorio Innovazione Digitale nelle PMI del Politecnico di Milano aggiunge che il 76% delle PMI non ha investito né prevede di investire nell'AI, e solo il 7% ha avviato una formazione strutturata.
Da dove conviene iniziare in azienda con l'AI?
Conviene iniziare da un processo che ha quattro caratteristiche: si ripete spesso, oggi richiede lavoro manuale, usa dati che l'azienda possiede già e produce un risultato che si può controllare. Se manca una di queste condizioni, il progetto parte in salita. Un modo pratico per scegliere è elencare i lavori che il team ripete ogni settimana e valutarli con quattro domande: - Quanto spesso succede? Un'attività di pochi minuti ripetuta cento volte al mese pesa più di una complessa che capita due volte l'anno. - Dove sono i dati? Se le informazioni stanno in email, documenti o gestionale, si possono usare. Se stanno nella testa di una persona, va prima risolto questo. - Quanto costa un errore? Una bozza di risposta sbagliata si corregge. Un pagamento sbagliato no. Meglio partire dove l'errore costa poco. - Come misuro il risultato? Se oggi non sai quanto tempo richiede quel lavoro, misuralo prima di iniziare: senza un punto di partenza nessuno potrà dire se l'AI ha aiutato. Spesso l'analisi fa emergere che il problema non è la mancanza di AI, ma un processo confuso. In quel caso il primo passo è la mappatura dei processi, cioè descrivere chi fa cosa e dove si perde tempo. Poi viene l'ottimizzazione dei processi aziendali: togliere i passaggi inutili prima di automatizzare quelli che restano. Automatizzare un processo disordinato significa solo sbagliare più in fretta.
Quali casi d'uso funzionano in una PMI, e quali no?
Funzionano bene i casi in cui l'AI lavora su testi e documenti ripetitivi e una persona verifica il risultato. Funzionano male quelli in cui serve un giudizio caso per caso o in cui i dati non esistono. Secondo Istat, tra le imprese che usano l'AI le finalità più diffuse sono marketing e vendite (33,1%) e organizzazione dei processi amministrativi (25,7%). Sono gli usi più diffusi, il che non dimostra che siano i più convenienti. | Caso d'uso | Quando conviene | Quando non conviene | |---|---|---| | Lettura di fatture e documenti | Molti documenti simili ogni mese | Pochi documenti, ogni volta diversi | | Assistenza clienti | Domande frequenti e ricorrenti | Richieste delicate o sempre nuove | | Ricerca nei documenti interni | Documenti ordinati e aggiornati | Archivio disordinato o con versioni vecchie | | Report e sintesi dei dati | Dati già strutturati in un sistema | Dati sparsi, da ricostruire a mano | | Decisioni su persone o crediti | Quasi mai come primo progetto | Rischio alto e obblighi normativi specifici | Due di questi casi hanno guide dedicate: il chatbot per l'assistenza clienti e l'automazione documentale. Il nostro consiglio è sistemare bene un solo flusso, misurare il tempo risparmiato e solo dopo passare al successivo. Provare ad automatizzare tutto insieme fa salire i costi e rende più difficile capire cosa non funziona.
Serve uno strumento pronto o una soluzione su misura?
Nella maggior parte dei casi si parte da uno strumento pronto, e si passa a una soluzione su misura solo quando lo strumento non arriva dove serve. Il confine di solito è l'integrazione: finché l'AI lavora su testi che una persona le fornisce, un assistente in abbonamento può bastare. Quando deve leggere e scrivere nel gestionale, seguire regole aziendali o gestire volumi elevati, serve sviluppo. Per un primo uso individuale e di gruppo la scelta è tra assistenti come ChatGPT, Claude e Copilot. Le differenze riguardano soprattutto i dati, le integrazioni e gli strumenti che l'azienda usa già: le trovi nel confronto tra ChatGPT, Claude o Copilot per aziende. La soluzione su misura ha senso in tre situazioni: - Il processo tocca più sistemi, per esempio documenti in ingresso, gestionale e invio di email. - L'AI deve rispondere usando documenti e dati aziendali aggiornati, con controlli su chi può vedere cosa. - Il volume è tale che un lavoro automatizzato si ripaga, mentre un abbonamento per persona non risolve il problema. In questi casi si parla di automazione dei processi, che non sostituisce necessariamente il gestionale esistente: spesso si collega ai sistemi che ci sono già. Ne parla nel dettaglio la guida su come integrare l'AI nel gestionale esistente. Per capire come si costruisce un progetto di questo tipo, c'è anche la guida all'automazione con l'AI.
Quanto costa introdurre l'AI in azienda?
Il costo dipende dalla strada scelta e non si esaurisce nella licenza: va sommato il tempo interno, che è la voce più spesso dimenticata. Le voci da mettere in conto sono cinque. | Voce di costo | Di cosa si tratta | Come si paga | |---|---|---| | Licenze | Abbonamenti agli assistenti AI | A persona, di solito al mese | | Consumo delle API | Uso dei modelli da parte del software | In base al volume di utilizzo | | Sviluppo e integrazione | Collegare l'AI ai sistemi aziendali | Una tantum, a progetto | | Manutenzione | Aggiornamenti, controlli, correzioni | Ricorrente | | Tempo interno | Persone che definiscono, provano e controllano | Ore sottratte ad altro lavoro | I listini dei modelli cambiano spesso, quindi una stima fatta oggi va rivista: l'abbiamo visto con il taglio dei prezzi delle API di OpenAI. Per valutare un'offerta conviene ragionare sul costo totale nel tempo e confrontarlo con il valore del lavoro risparmiato, come abbiamo spiegato a proposito del ROI dell'AI in azienda. Se hai bisogno di orientarti prima di investire, puoi leggere quanto costa una consulenza AI e come funzionano i diversi modelli di prezzo. Se invece un'offerta ce l'hai già in mano, ti servono le domande da fare su un preventivo AI.
Quali dati si possono usare, e con quali regole?
Si possono usare i dati che l'azienda è autorizzata a trattare per quello scopo, su strumenti con condizioni contrattuali adatte e seguendo regole che il team conosce. Per i dati personali serve una base giuridica, da verificare con il consulente. Uno dei rischi più concreti non è l'AI in sé, ma un collaboratore che incolla un contratto o un elenco clienti in un account personale. La distinzione da capire è quella tra piani personali e piani aziendali. OpenAI dichiara di non usare per impostazione predefinita i dati dei piani aziendali per addestrare i modelli, mentre nei piani personali la condivisione è attiva finché l'utente non la disattiva. Una distinzione simile vale per Claude. I dettagli sono nella guida su ChatGPT e dati aziendali, che include uno schema di regole interne. C'è poi un tema normativo da conoscere. L'articolo 4 dell'AI Act riguarda le competenze di chi usa l'AI in azienda: dopo le modifiche entrate in vigore a luglio 2026, chiede a fornitori e utilizzatori di adottare misure che sostengano queste competenze, senza richiedere un livello garantito per ogni singola persona. Il quadro completo è nell'approfondimento sulla normativa AI Act per le PMI. Su questi temi la valutazione finale spetta al tuo consulente legale: ciò che puoi fare da subito è capire quali dati sono coinvolti e dove vengono elaborati.
Come si prova l'AI senza rischiare?
Si prova su un caso reale ma limitato, con un obiettivo misurabile fissato prima di iniziare e una persona che controlla ogni risultato. Il metodo è lo stesso che si usa per qualsiasi cambiamento operativo, con qualche attenzione in più perché l'AI può sbagliare in modo convincente. - Scegli un solo processo tra quelli individuati prima, e misura quanto tempo richiede oggi. - Definisci cosa significa funzionare, per esempio il tempo risparmiato o il numero di errori accettabile. - Prova su dati reali ma non critici, in parallelo al lavoro normale, senza sostituirlo. - Tieni una persona nel controllo. All'inizio ogni risultato viene verificato. Il controllo si riduce solo quando i numeri lo permettono. - Decidi con i dati in mano: estendere, correggere o fermarsi. Fermarsi è un esito utile, se costa poco. Il rischio principale di questa fase è l'entusiasmo per una dimostrazione riuscita: una demo su pochi esempi scelti bene dice poco su cosa succede con i documenti veri, che sono più disordinati. Per questo la prova va fatta sui tuoi dati, non su quelli del fornitore.
Come si prepara il team all'uso dell'AI?
Si prepara con poche regole chiare e con la pratica su attività reali, non con un corso generico da seguire una volta. La mancanza di competenze è il primo ostacolo indicato dalle imprese nei dati Istat, ma nella maggior parte dei casi non servono specialisti: servono persone che sappiano cosa chiedere allo strumento, come controllare la risposta e quali dati non inserire. Tre cose fanno più differenza di tutte le altre: - Una persona di riferimento, che sappia quali strumenti sono in uso e raccolga i dubbi. - Esempi presi dal lavoro vero. Mostrare come preparare una risposta a un cliente o riassumere un documento insegna più di una presentazione sulle potenzialità dell'AI. - Il principio che la responsabilità resta di chi usa il risultato. L'AI può sbagliare con grande sicurezza: chi firma un documento o invia un'email ne risponde come sempre. Coinvolgere chi fa il lavoro serve anche per un'altra ragione: l'AI può preoccupare chi teme di essere sostituito. Spiegare fin dall'inizio cosa cambia e perché evita che le persone aggirino lo strumento, oppure che lo usino di nascosto con il proprio account.
Quali errori evitare quando si introduce l'AI?
Gli errori più comuni non sono tecnici: riguardano l'ordine in cui si fanno le cose. Quasi tutti nascono dalla fretta di adottare uno strumento prima di aver chiarito a cosa serve. | Errore | Perché è un problema | Cosa fare invece | |---|---|---| | Comprare licenze senza uno scopo | Le persone provano e smettono | Partire da un'attività precisa | | Automatizzare un processo confuso | Si moltiplicano gli errori | Riordinare il processo prima | | Non misurare il punto di partenza | Nessuno sa se è servito | Rilevare tempi ed errori attuali | | Togliere subito il controllo umano | Un errore raggiunge il cliente | Ridurre il controllo solo con i numeri | | Giudicare da una demo | Gli esempi sono scelti per funzionare | Provare sui propri documenti | C'è anche l'errore opposto, cioè non fare nulla in attesa che la tecnologia si stabilizzi. I modelli continueranno a cambiare, ma ciò che impari sui tuoi processi e sui tuoi dati resta valido anche quando cambia lo strumento. Per questo un primo progetto piccolo ha valore anche solo come apprendimento, purché costi poco e abbia un obiettivo chiaro.
Quando serve un aiuto esterno, e quando no?
Un aiuto esterno serve quando devi prendere una decisione che non sai valutare da solo, o quando l'AI deve entrare nei sistemi aziendali. Non serve per iniziare a usare un assistente nel lavoro quotidiano: per quello bastano un piano aziendale, qualche regola chiara e un po' di pratica. Diventa utile in situazioni precise: non sai quale processo affrontare per primo, hai ricevuto proposte che non riesci a confrontare, devi spiegare in azienda costi e rischi, oppure hai già capito cosa automatizzare e non hai chi lo sviluppa. Per i primi tre casi ha senso una consulenza AI a ore, circoscritta alle domande che hai. Per l'ultimo serve un progetto di sviluppo. Se decidi di cercare qualcuno, abbiamo preparato una checklist su come scegliere un consulente AI. Il criterio più semplice resta questo: diffida di chi propone una tecnologia prima di aver chiesto come lavori. Chi ha esperienza di intelligenza artificiale per aziende comincia dalle domande sul processo, e sa dirti anche quando l'AI non ti serve.
Introdurre l'AI in azienda non richiede un grande progetto iniziale. Richiede di scegliere bene il primo processo, misurare il punto di partenza, provare su un caso reale con un controllo umano e decidere in base ai risultati. Chi procede con ordine sa, alla fine, che cosa ha funzionato e quanto vale, anche quando la decisione è fermarsi. Se vuoi capire da dove partire nella tua azienda, i primi 30 minuti di consulenza AI sono gratuiti e senza impegno: ci racconti il problema e capiamo insieme se l'AI è la risposta giusta. Se hai già chiaro il processo, parti dall'automazione dei processi.