Preparare un’offerta commerciale B2B richiede spesso molto più tempo di quanto sembri. Il venditore deve recuperare dati dal CRM, verificare il listino corretto, scegliere prodotti e servizi, applicare eventuali sconti, controllare margini e condizioni, aggiornare un documento e scrivere un testo adatto al cliente.
È quindi naturale pensare di affidare il lavoro all’intelligenza artificiale. Il problema è che un preventivo non è soltanto un documento da scrivere: contiene prezzi, quantità, scadenze e impegni contrattuali. Informazioni plausibili ma sbagliate possono trasformarsi rapidamente in perdita di margine, contestazioni o promesse che l’azienda non è in grado di mantenere.
L’automazione efficace non consiste nel chiedere a un modello linguistico di inventare un’offerta partendo da poche righe. Serve un sistema nel quale CRM, ERP, cataloghi e listini continuino a governare la verità commerciale, mentre l’AI aiuta a organizzare e personalizzare la parte narrativa. Il controllo umano, infine, interviene nei punti in cui è necessaria una decisione o un’assunzione di responsabilità.
Un preventivo non può dipendere soltanto da un prompt
Immaginiamo una richiesta apparentemente semplice: “Prepara un’offerta per il cliente Rossi applicando le nostre condizioni migliori”. Un modello generativo potrebbe produrre in pochi secondi un documento ordinato e convincente. Non può però sapere, se non viene collegato alle fonti corrette, quale listino sia valido, quali sconti siano autorizzati, se un prodotto sia ancora disponibile o quale margine minimo debba essere rispettato.
Anche fornendogli un vecchio PDF o copiando un listino nel prompt, rimangono problemi di aggiornamento, versionamento e tracciabilità. Il documento potrebbe essere superato e un dato potrebbe essere interpretato male. Inoltre, i modelli generativi possono produrre informazioni false ma plausibili: il profilo del NIST dedicato ai rischi dell’AI generativa definisce questo fenomeno “confabulazione” e raccomanda verifiche, controllo delle fonti e monitoraggio degli interventi correttivi umani.
Conviene quindi separare tre funzioni che, in molti progetti, vengono confuse:
- recupero dei dati: informazioni provenienti da sistemi aziendali identificati e aggiornati;
- calcolo: formule e regole deterministiche per prezzi, sconti, imposte, margini e totali;
- redazione: uso dell’AI per trasformare dati validati in un testo comprensibile e personalizzato.
Questa separazione è più importante della scelta del modello linguistico. Un testo elegante non compensa un prezzo errato.
Come può funzionare il processo, dall’opportunità all’offerta
Il punto di partenza dovrebbe essere l’opportunità commerciale registrata nel CRM, non una pagina vuota. Da lì il sistema può recuperare ragione sociale, referenti, prodotti richiesti, quantità, valuta, storico della trattativa e informazioni raccolte dal venditore.
È una logica già presente nei sistemi CPQ, cioè Configure, Price, Quote. La documentazione di Microsoft Dynamics 365, per esempio, descrive la creazione di preventivi a partire dalle opportunità e dalle relative righe prodotto. Il vantaggio non è soltanto la velocità: si riducono le trascrizioni manuali e diventa più semplice ricostruire l’origine delle informazioni.
- Il venditore completa i dati necessari. Il sistema può segnalare i campi mancanti, ma non dovrebbe inventarli. Se non sono noti tempi di consegna, quantità o requisiti tecnici, devono restare elementi da chiarire.
- Vengono interrogate le fonti autorizzate. Codici prodotto, prezzi, costi, disponibilità, valute, imposte e condizioni devono arrivare da cataloghi, ERP, CRM o altri archivi governati. I listini possono cambiare per cliente, area, valuta o accordo commerciale.
- Un motore deterministico esegue i calcoli. Prezzo di listino, sconti, imponibile, imposte, margine e totale devono essere ottenuti tramite formule verificabili. Anche un’eventuale modifica manuale dovrebbe essere registrata.
- L’AI prepara la parte narrativa. Riceve soltanto i dati necessari e già validati. Può redigere l’introduzione, riepilogare le esigenze, descrivere la soluzione, spiegare benefici e attività incluse e preparare l’email di accompagnamento.
- Le regole automatiche cercano anomalie. Il controllo può riguardare prodotti inattivi, listini scaduti, valuta, quantità, coerenza dei totali, campi obbligatori, soglie di sconto e versione delle condizioni contrattuali.
- La persona responsabile approva o corregge. L’intervento può essere leggero per un’offerta standard e più articolato quando sono presenti eccezioni economiche o contrattuali.
- La versione approvata viene registrata. Il documento finale può essere esportato in PDF, reso non modificabile e associato all’opportunità insieme a data, autore, fonti e approvazioni. Le revisioni successive devono essere distinguibili dalla versione precedente.
Non tutte le PMI hanno bisogno di acquistare immediatamente una piattaforma CPQ completa. Lo stesso principio può essere applicato collegando gli strumenti già presenti, purché siano chiare le responsabilità di ciascun componente. Prima di costruire integrazioni complesse è utile verificare se il processo sia davvero un buon candidato all’automazione, come approfondito nell’articolo dedicato all’automazione AI dei processi nelle PMI.
Che cosa affidare all’AI e che cosa lasciare alle regole aziendali
Una distinzione pratica aiuta a evitare aspettative sbagliate.
| Attività | Componente principale | Motivo |
|---|---|---|
| Recuperare anagrafica e storico della trattativa | CRM | Servono dati identificati e aggiornati |
| Selezionare codici e configurazioni ammesse | Catalogo, ERP o CPQ | Prodotti e compatibilità devono seguire regole controllate |
| Calcolare prezzi, sconti, imposte e margini | Motore di pricing | I risultati devono essere ripetibili e verificabili |
| Personalizzare introduzione e descrizione della soluzione | AI generativa | È un compito linguistico basato su dati già validati |
| Segnalare campi mancanti o incoerenze | Regole automatiche, con eventuale supporto AI | Le anomalie devono essere ricondotte a controlli espliciti |
| Autorizzare eccezioni commerciali o contrattuali | Responsabile umano | È richiesta una decisione con conseguenze economiche o legali |
L’AI può anche adattare il livello di dettaglio al destinatario, produrre un riepilogo esecutivo o tradurre una versione approvata. Non dovrebbe invece scegliere liberamente il prodotto più conveniente per l’azienda, stabilire uno sconto o generare da zero clausole contrattuali.
Se descrizioni tecniche, casi d’uso e documentazione sono distribuiti tra molti file, un sistema RAG può aiutare a recuperare passaggi pertinenti senza inserire ogni documento nel prompt. Anche in questo caso, però, la qualità dipende da fonti ordinate, permessi e versioni. Ho approfondito questi aspetti nella guida sulla RAG aziendale per PMI.
Il controllo umano deve essere sostanziale
Inserire un pulsante “Approva” alla fine del flusso non basta. Chi approva deve vedere gli elementi che contano e avere il tempo e le competenze per valutarli. Un controllo limitato a grammatica e impaginazione lascia intatti i rischi principali.
La verifica dovrebbe includere almeno prodotti e quantità, prezzi, sconti, margine, valuta, durata dell’offerta, tempi di consegna, condizioni di pagamento e clausole applicate. È utile anche evidenziare ciò che è cambiato rispetto alla versione precedente: chiedere a una persona di rileggere ogni volta l’intero documento aumenta la probabilità che una differenza importante passi inosservata.
Non tutte le offerte richiedono lo stesso livello di approvazione. Il flusso può essere gestito per eccezione. L’intervento di un responsabile commerciale o amministrativo può diventare obbligatorio quando:
- lo sconto supera una soglia definita;
- il margine scende sotto il minimo previsto;
- viene modificato manualmente un prezzo;
- si propone un prodotto o un servizio non standard;
- il valore complessivo supera il limite assegnato al venditore;
- sono presenti condizioni di pagamento o clausole personalizzate.
Sistemi come SAP CPQ prevedono regole condizionali, approvazioni multilivello, deleghe e storico degli approvatori. Il principio è valido anche in un’implementazione più piccola: l’automazione dovrebbe ridurre i controlli ripetitivi, non cancellare quelli necessari.
Dati commerciali, privacy e permessi
Un’offerta può contenere nomi e recapiti dei referenti, storico delle conversazioni, condizioni riservate e informazioni sul rapporto con il cliente. Collegare un modello generativo all’intero CRM senza limitazioni è quindi una scelta difficile da giustificare.
I principi richiamati dal Garante per la protezione dei dati personali comprendono minimizzazione, esattezza, limitazione della conservazione, integrità e riservatezza. In pratica, al modello dovrebbero essere trasmessi soltanto i campi necessari per preparare quella specifica offerta.
Prima dell’avvio vanno definite almeno queste questioni: chi può generare un documento, quali dati può consultare, dove vengono conservati prompt e output, per quanto tempo, quali operazioni vengono registrate e chi può scaricare o modificare il file finale. La scelta tra servizi cloud, API dedicate o modelli locali dipende poi dalla sensibilità dei dati, dall’infrastruttura e dai requisiti aziendali.
Serve anche una regola organizzativa comprensibile alle persone. Dal 2 febbraio 2025 l’AI Act prevede misure a sostegno dell’alfabetizzazione in materia di AI del personale coinvolto. Al di là dell’adempimento, chi usa il sistema deve conoscere limiti, fonti autorizzate e casi in cui fermare il flusso. Una policy AI aziendale può trasformare questi principi in indicazioni operative.
Come partire senza automatizzare subito tutto
Il primo progetto non dovrebbe riguardare l’offerta più complessa gestita dall’azienda. È più prudente scegliere una famiglia di prodotti o servizi con listini chiari, condizioni abbastanza standard e un volume di richieste sufficiente per valutare il beneficio.
Prima dell’AI, conviene mappare il processo reale. Dove vengono cercati i prezzi? Chi autorizza gli sconti? Quali dati mancano più spesso? Quante versioni del modello di offerta circolano? Se queste domande non hanno una risposta condivisa, il rischio è automatizzare una situazione già disordinata.
Un primo prototipo può limitarsi a recuperare i dati dell’opportunità, compilare un modello standard e generare introduzione, descrizione ed email. Prezzi e condizioni continuano a essere calcolati con gli strumenti esistenti. Solo dopo aver osservato errori e correzioni ha senso ampliare il perimetro.
La valutazione non dovrebbe fermarsi ai minuti risparmiati. Sono altrettanto importanti il numero di correzioni, le offerte ritirate, le eccezioni autorizzate, gli errori di prezzo, l’erosione del margine e la possibilità di ricostruire chi abbia deciso cosa. Anche il tasso di accettazione può essere osservato, ma con cautela: dipende da molti fattori e non soltanto dalla qualità del documento.
L’obiettivo non è togliere il venditore dal processo
Una buona automazione elimina ricerche ripetitive, copia e incolla e aggiornamenti manuali. Restituisce al venditore tempo per comprendere la richiesta, chiarire i dubbi e discutere la soluzione con il cliente. Non dovrebbe invece delegare a un modello la responsabilità economica e contrattuale dell’offerta.
La sintesi, in fondo, è semplice: l’AI può comporre e personalizzare il documento; CRM, ERP e CPQ devono fornire dati e regole; le persone devono approvare le decisioni che espongono l’azienda. È questa combinazione, più che la generazione automatica di un PDF, a rendere l’automazione dei preventivi realmente utile per una PMI B2B.