Il problema dell'AI nelle PMI italiane non è l'AI. È il modo in cui ci arriviamo.
Negli ultimi diciotto mesi abbiamo fatto audit a una settantina di aziende — manifatturiere, patronati, retail, studi professionali. Una costante: arrivano cercando la magia. Vogliono "implementare l'AI" come si implementa un gestionale. Si aspettano un fornitore che porti uno strumento, lo accenda, e li renda all'improvviso più produttivi del 40%.
Non funziona così. Non funzionerà mai così.
La verità che nessuno vende
L'AI generativa è uno strumento orizzontale. Funziona benissimo, ma non risolve nulla da sola. Risolve cose precise — leggere documenti, generare testi, classificare richieste — quando la inserisci dentro un flusso operativo specifico, con dati specifici, con guardrail specifici.
Il valore non sta nel modello. Sta nell'orchestrazione attorno al modello.
Tre errori che vediamo ogni settimana
1. Comprare prima di capire. "Abbiamo preso ChatGPT Enterprise per tutti, adesso usatelo." Risultato: due settimane di entusiasmo, poi silenzio. Senza un caso d'uso definito, l'adozione muore.
2. Inseguire il modello migliore. "Abbiamo sentito che Claude è meglio di GPT, possiamo cambiare?" Quasi mai è il problema giusto. Il problema giusto è: come sto facendo prompting? Quali dati passo? Come misuro la qualità? Cambiare modello senza aver risposto a queste domande è muovere mobili in una stanza con il tetto rotto.
3. Voler scalare prima di funzionare. "Quando lo deployamo a tutto il gruppo?" Mai. Prima fallo funzionare bene su tre persone, su un caso reale, per due mesi. Poi ne parliamo.
Cosa fanno quelli che funzionano
I nostri progetti che hanno raggiunto break-even in meno di sei mesi hanno tre cose in comune:
- Un problema misurabile. Non "vogliamo essere data-driven". Ma: "il tempo medio di gestione di una pratica INPS è 38 minuti, vogliamo portarlo sotto i 15".
- Un proprietario del progetto. Una persona con autorità, non un comitato. Decide cosa entra in prototipo e cosa no.
- Un POC sul tavolo in 4 settimane. Non slide, non roadmap. Codice che gira su dati veri di tre clienti veri.
Il framework che usiamo
Quando entriamo in un progetto AI partiamo sempre da queste quattro domande:
- Qual è il task che oggi mangia più tempo, sui processi del cliente?
- Che dati servono per automatizzarlo, e ce li abbiamo?
- Qual è la qualità minima accettabile per andare in produzione?
- Chi sarà responsabile del risultato dopo il deploy?
Se c'è una sola domanda senza risposta, ci fermiamo. Se ci sono tutte, in due settimane abbiamo un prototipo.
Conclusione molto pratica
Non comprate piattaforme prima di sapere cosa volete farci. Non ascoltate fornitori che vendono "AI" come categoria. Non aspettatevi miracoli da tre giorni di workshop.
Aspettatevi invece di capire meglio i vostri processi che mai prima d'ora. È quello il vero valore della consulenza AI fatta bene: l'AI vi costringe a guardare in faccia il modo in cui la vostra azienda funziona davvero. E quello, da solo, vale il progetto.