Negli ultimi mesi ho dedicato molto tempo a studiare e, soprattutto, a sperimentare l’intelligenza artificiale. Non mi interessava soltanto capire come formulare prompt migliori o usare più velocemente ChatGPT. Volevo vedere che cosa si potesse costruire collegando l’AI ai processi quotidiani di un’azienda.
Ho lavorato su strumenti e agenti AI personalizzati di diversa complessità: dalla gestione delle riunioni all’analisi dei documenti, dalla produzione editoriale ai controlli SEO, fino alla generazione di immagini e video e all’esecuzione di modelli linguistici su computer e server locali.
Più sperimento, più mi convinco di un punto: per una PMI il vero valore non consiste nell’avere una chat più intelligente. Arriva quando si costruisce un sistema intorno all’AI, capace di conoscere una procedura, consultare dati, utilizzare strumenti e preparare o svolgere attività precise.
ChatGPT può essere un’interfaccia. Il progetto aziendale comincia dopo.
Che cosa significa costruire un sistema intorno all’AI
Un modello linguistico, utilizzato da solo, riceve una richiesta e genera una risposta. Può essere molto utile per scrivere, riassumere, tradurre o ragionare su un problema, ma normalmente non conosce il processo specifico dell’azienda, non sa dove recuperare i dati aggiornati e non può decidere in autonomia quali operazioni siano autorizzate.
Un agente AI personalizzato viene invece progettato per lavorare all’interno di un flusso. In una forma semplificata, il sistema può seguire questa sequenza:
input → recupero dei dati → analisi AI → applicazione di regole → preparazione dell’azione → approvazione umana → registrazione del risultato
Il modello rimane importante, ma è soltanto uno dei componenti. Servono istruzioni, fonti informative, collegamenti con applicazioni esterne, permessi, controlli sugli output e una gestione chiara delle eccezioni.
Questo significa anche che un agente AI per una PMI non deve necessariamente sostituire il gestionale, il CRM o gli strumenti di project management già utilizzati. Spesso il suo compito più utile è mettere in comunicazione sistemi che oggi richiedono passaggi manuali: recuperare informazioni, interpretarle, preparare un aggiornamento e chiedere conferma prima di registrarlo.
La differenza non è solo tecnica. Usare una chat è un’attività individuale. Progettare un’automazione AI per un’azienda significa intervenire su un processo condiviso, con responsabilità, dati e conseguenze operative.
Dal verbale della riunione alla memoria operativa del progetto
La gestione dei meeting è un esempio molto concreto. Registrare una riunione, trascriverla e produrre un riepilogo è ormai relativamente semplice. Il limite è che una buona sintesi, se rimane in un documento che nessuno consulta, cambia poco il lavoro quotidiano.
La parte interessante viene dopo la trascrizione. Un sistema personalizzato può associare la riunione al cliente o al progetto corretto, distinguere le decisioni dalle ipotesi, estrarre le attività concordate e individuare responsabili e scadenze. Può poi predisporre l’aggiornamento dello strumento di project management o del CRM, lasciando alle persone la verifica finale.
Con il tempo, le singole riunioni possono diventare una memoria consultabile del progetto. Non soltanto “che cosa ci siamo detti”, ma anche:
- quali decisioni sono state prese e quando;
- quali attività sono ancora aperte;
- quali dubbi sono ricorrenti;
- come è cambiata una richiesta del cliente;
- quali impegni non risultano ancora completati.
In questo caso l’AI non sostituisce il project manager. Riduce la dispersione delle informazioni e il lavoro necessario per trasformare una conversazione in attività organizzate. La responsabilità sulle priorità, sulle assegnazioni e sulle decisioni rimane alle persone.
È inoltre necessario prevedere controlli: una trascrizione può contenere errori, i nomi possono essere attribuiti allo speaker sbagliato e una frase interlocutoria può essere interpretata come una decisione definitiva. Per questo un sistema aziendale non dovrebbe limitarsi a produrre un risultato plausibile, ma rendere possibile verificarne l’origine.
Dai documenti sparsi a una base di conoscenza interrogabile
Manuali, procedure, offerte, contratti, presentazioni e documenti di progetto contengono una parte importante della conoscenza aziendale. Il problema è che spesso queste informazioni sono distribuite in cartelle diverse, hanno versioni non allineate o sono conosciute soltanto da alcune persone.
Caricare occasionalmente un documento in una chat può aiutare a ottenere una sintesi. Costruire un sistema documentale è un’altra cosa.
In questo secondo caso i documenti vengono organizzati e indicizzati, così che l’applicazione possa recuperare i passaggi pertinenti rispetto a una domanda e utilizzarli per formulare la risposta. Non è corretto dire che l’AI “impara automaticamente tutto l’archivio”: il sistema cerca di volta in volta le informazioni rilevanti e le fornisce al modello insieme alla richiesta.
Un assistente di questo tipo può aiutare a confrontare documenti, preparare report, trovare clausole, individuare riferimenti a un prodotto o rispondere a domande interne citando le fonti utilizzate. Per diventare realmente aziendale, però, deve gestire anche aggiornamenti, versioni, ruoli e permessi. Non tutte le persone devono poter consultare ogni documento e non tutte le risposte hanno lo stesso livello di affidabilità.
Prima ancora di scegliere il modello, occorre quindi chiedersi quali documenti siano validi, chi possa utilizzarli e quale controllo sia necessario prima di impiegare la risposta in una comunicazione, in un’offerta o in una decisione.
Dalla scrittura automatica a un processo editoriale
Anche nella produzione di contenuti il passaggio decisivo non è generare un testo. È costruire una pipeline che parta dalle fonti e arrivi a un contenuto verificato, coerente con il posizionamento aziendale e realmente utile al lettore.
Ho sperimentato sistemi che intervengono su diverse fasi: ricerca delle fonti, estrazione dei fatti, preparazione del brief, stesura, metadati, collegamenti interni e controlli SEO. In alcuni casi ho fatto lavorare modelli differenti sullo stesso processo, assegnando a ciascuno un compito specifico. Ho raccontato un esempio concreto nell’articolo dedicato all’app editoriale che utilizza diversi modelli AI.
Automatizzare queste attività non significa eliminare il contributo originale. Al contrario, se il sistema produce soltanto una sintesi intercambiabile di ciò che è già disponibile online, il risultato rischia di avere poco valore. Esperienza diretta, esempi, dubbi, competenza e punto di vista dell’azienda devono entrare nel processo.
L’AI può preparare una bozza o controllare la coerenza del testo. Non può inventare l’esperienza che l’impresa non ha fornito, né dovrebbe aggiungere clienti, risultati o dichiarazioni non verificabili per rendere il contenuto più convincente.
SEO con intelligenza artificiale: controllare prima di produrre
Un altro ambito su cui sto lavorando è l’automazione SEO. Anche qui il valore più interessante non consiste nel pubblicare grandi quantità di pagine generate automaticamente.
Un sistema AI può analizzare periodicamente il sito e i dati disponibili, rilevare anomalie, confrontare periodi diversi, individuare contenuti che stanno perdendo visibilità e segnalare pagine da aggiornare. Può controllare elementi tecnici, sitemap, indicizzazione e dati strutturati, oppure proporre nuovi argomenti sulla base di lacune effettive.
Può inoltre preparare un’analisi SEO del sito più ordinata, mettendo insieme struttura, contenuti e dati di performance. La valutazione finale richiede comunque un esperto SEO: una variazione di clic o impressioni non ha sempre una sola spiegazione e una raccomandazione automatica non deve essere applicata senza considerare il contesto commerciale.
Con l’evoluzione dei motori di ricerca, il monitoraggio riguarda anche il modo in cui i contenuti possono essere recuperati, sintetizzati e citati nelle esperienze generative. È un cambiamento che ho approfondito parlando di SEO, AI Overviews e traffico organico.
L’obiettivo dell’automazione SEO dovrebbe essere aiutare a vedere prima i problemi e organizzare meglio le opportunità. Non produrre indiscriminatamente contenuti per occupare ogni possibile ricerca.
Immagini e video: generare è facile, governare il processo lo è meno
Ho confrontato diversi modelli per la generazione di immagini, perché non esiste un unico strumento adatto a ogni risultato. Lo stesso vale per i video: si può partire da immagini animate oppure generare sequenze più articolate, ma la qualità dipende dal modello, dai materiali di partenza, dalla direzione creativa e dal lavoro di selezione.
Per un’azienda, tuttavia, il problema non termina quando viene generato un contenuto visivamente efficace. Bisogna verificare la coerenza con l’identità del marchio, i diritti dei materiali utilizzati, il consenso quando vengono riprodotti volto o voce di persone reali e l’eventuale necessità di rendere riconoscibile il contenuto artificiale.
Un processo serio può conservare traccia del modello, delle versioni e delle approvazioni, prevedendo sempre una revisione prima della pubblicazione. La generazione è una funzione. Il sistema di produzione, controllo e utilizzo è il vero progetto.
Modelli locali e soluzioni ibride
Un ulteriore campo di sperimentazione riguarda l’intelligenza artificiale locale: modelli linguistici installati su computer o server controllati direttamente dall’azienda.
Questa possibilità può essere interessante quando si vuole mantenere un maggiore controllo dell’infrastruttura, lavorare senza una dipendenza continua da servizi esterni o realizzare applicazioni collegate a dati interni. Non significa però che una soluzione locale sia automaticamente sicura, privata o conforme.
Rimangono da gestire accessi, autorizzazioni, aggiornamenti, cifratura, backup, log e protezione delle interfacce. Bisogna inoltre valutare la capacità dell’hardware e la qualità del modello rispetto al compito.
In molti casi la scelta più sensata può essere ibrida: utilizzare modelli locali per alcune attività e servizi cloud per quelle che richiedono capacità differenti. La decisione dovrebbe dipendere dai dati, dai volumi, dai rischi e dal processo, non dalla moda del momento.
Un prototipo convincente non è ancora uno strumento aziendale
Durante una dimostrazione è sufficiente che il sistema produca una risposta sorprendente. Nel lavoro quotidiano servono requisiti diversi.
Uno strumento aziendale deve essere testato su casi normali e casi anomali, rispettare i permessi, gestire gli errori e lasciare una traccia delle attività svolte. È necessario sapere quali dati ha consultato, quali strumenti ha usato e quali operazioni ha soltanto proposto o eseguito.
Le azioni sensibili dovrebbero prevedere un’approvazione umana. Inviare un messaggio, modificare un record nel CRM, pubblicare una pagina o generare un documento destinato a un cliente non equivale a preparare una bozza interna.
Anche la gestione dei dati va valutata in modo concreto. Non basta affidarsi a una rassicurazione generica sul fornitore: occorre verificare il prodotto utilizzato, il contratto, le impostazioni, i tempi di conservazione, i ruoli e la tipologia di informazioni inviate. Allo stesso modo, adottare l’AI in azienda richiede formazione e regole d’uso proporzionate ai rischi.
È qui che emerge la distanza tra un esperimento e una soluzione AI personalizzata.
Il ruolo di chi sviluppa agenti AI personalizzati per le PMI
La consulenza AI per un’azienda non dovrebbe ridursi alla scelta di un abbonamento o alla consegna di una raccolta di prompt. Il lavoro più importante consiste nel comprendere il processo prima di automatizzarlo.
Occorre individuare dove nascono gli input, quali informazioni sono affidabili, chi prende la decisione e dove deve essere registrato il risultato. Solo dopo si possono scegliere il modello, gli strumenti da collegare e il livello di autonomia da concedere all’agente.
Lo sviluppo comprende anche permessi, verifiche, gestione degli errori e misurazione di qualità, tempi e costi. Infine serve accompagnare le persone nell’utilizzo: un sistema tecnicamente valido ma estraneo alle abitudini operative rischia di essere abbandonato.
Per questo preferisco parlare di progettazione di sistemi e automazione dei processi aziendali con AI. Il modello conta, ma contano altrettanto l’analisi, l’integrazione e la capacità di trasformare una possibilità tecnica in uno strumento gestibile.
Da dove può partire una PMI
Non è necessario iniziare da un agente autonomo che intervenga su tutta l’azienda. Di solito è più utile scegliere un’attività circoscritta, ripetitiva e verificabile, nella quale il costo dell’errore sia controllabile.
Può essere la preparazione del riepilogo di un meeting, la classificazione di documenti, un controllo periodico del sito o la produzione di una bozza basata su fonti approvate. L’obiettivo iniziale è capire se il sistema riduce davvero un lavoro, migliora la qualità o rende disponibili informazioni che prima restavano disperse.
Ho approfondito i criteri di scelta nella guida su quali processi automatizzare con l’AI e come partire senza sprecare risorse. Qui il punto è un altro: una volta individuato il processo, bisogna progettare ciò che sta intorno al modello.
È questo il campo su cui sto lavorando maggiormente: sviluppo di agenti AI personalizzati per le PMI, automazioni e sistemi collegati a dati, documenti e applicazioni aziendali. Non per aggiungere AI dove non serve, ma per capire dove possa semplificare concretamente il lavoro.
Se un’azienda vuole valutare un processo, un archivio documentale, un flusso editoriale o un sistema di analisi SEO, il primo passo può essere descrivere come viene gestito oggi. Da lì si può capire che cosa affidare all’AI, che cosa lasciare alle persone e se esistono le condizioni per costruire una soluzione personalizzata.
Probabilmente siamo ancora all’inizio. Ma è già abbastanza chiaro che il valore non sarà soltanto saper usare ChatGPT: sarà saper costruire sistemi affidabili intorno all’intelligenza artificiale.