Non un chatbot sul sito. Un agente che legge i vostri dati, risponde citando la fonte e passa la mano a una persona quando non sa — con i numeri per capire se conviene.
di Nadia Maar ·
In due anni l'intelligenza artificiale è passata da curiosità a voce di budget. E col budget sono arrivate le proposte: chi vende un chatbot da mettere sul sito, chi promette che «l'AI legge i vostri documenti», chi mostra una demo che funziona benissimo finché le domande le sceglie lui. La maggior parte di questi progetti muore fra il pilota e la produzione, e muore sempre nello stesso punto: quando qualcuno chiede all'assistente una cosa vera e riceve una risposta inventata con perfetta sicurezza.
Questo articolo non parla di modelli. Parla di dove un agente sta dentro un processo aziendale senza rompere niente: che cosa può leggere, che cosa deve rifiutarsi di fare, come si accorge di non sapere, e quanto costa davvero — comprese le voci che nessuno mette in preventivo. In fondo ci sono i tre casi in cui, davanti a un cliente, ho detto che l'AI era la risposta sbagliata.
La demo funziona perché è una conversazione controllata: domande scelte, dati puliti, nessuno che chiede l'eccezione. La produzione è il contrario — ed è lì che emergono tre problemi che nessuna quantità di lavoro sul prompt risolve.
Quando la conversazione si sposta su quale modello usare — GPT, Claude, un modello aperto — prima che sia chiaro su quali documenti risponde e chi può vederli. La scelta del modello è la decisione meno importante e la più facile da cambiare dopo: si sostituisce in un pomeriggio. L'architettura delle fonti e dei permessi no.
L'idea che regge tutto è semplice: il modello non risponde a memoria, risponde su documenti recuperati nel momento della domanda. La differenza pratica è che può citare da dove viene ogni frase — quindi si può verificare — e quando non trova niente può dirlo invece di improvvisare.
La console qui sopra è la parte che si vede: la coda che scorre, le eccezioni che si aprono, l'agente che risponde in fondo. Nella demo pubblica le sue risposte seguono un copione — i vostri dati sotto non ce li ha, e un agente vero senza dati veri non dimostrerebbe niente. Quello che la demo mostra onestamente è la forma dell'interazione: dove sta l'agente nel flusso di lavoro e che cosa succede intorno a lui.
Non tutti i casi valgono uguale. Questi quattro hanno in comune tre proprietà: volume alto, errore poco costoso, e una persona che controlla prima che qualcosa esca verso l'esterno.
Questa sezione costa dei progetti e ne fa arrivare di migliori. Sono situazioni vere in cui l'AI era la risposta sbagliata, e dirlo prima è valso più di qualunque preventivo.
Processo non scritto — Quello che fa Marco non era documentato da nessuna parte: era giudizio accumulato in undici anni. Automatizzare un processo che nessuno sa descrivere significa congelarne una versione inventata dal fornitore — e scoprirlo sei mesi dopo, quando Marco corregge a mano ogni uscita del sistema.
Cosa abbiamo fatto invece: Tre settimane a scrivere il processo con Marco, e il documento è servito subito per formare due persone. L'automazione si è rivelata utile solo su due passaggi dei nove, e quelli li abbiamo fatti.
Volume insufficiente — Quaranta richieste gestite in cinque minuti l'una fanno poco più di tre ore al mese. Nessun sistema si ripaga su tre ore, e il tempo di manutenzione — la serie di verifiche, gli aggiornamenti quando cambia un documento — le supera da solo.
Cosa abbiamo fatto invece: Un modulo strutturato al posto della casella email libera e due regole di instradamento. Stesso problema risolto per un decimo del costo, e senza niente da mantenere.
Errore troppo costoso — La domanda giusta non era se il modello sbaglia una volta su cento: era che cosa succede quella volta. Su parametri tecnici che finiscono in produzione, una risposta sbagliata non produce un reclamo — produce un danno che si scopre a valle.
Cosa abbiamo fatto invece: Ricerca semantica sui documenti, con le fonti mostrate a una persona che decide. Metà del risparmio, nessuna delle conseguenze — e il tecnico ci ha messo dieci secondi invece di venti minuti a trovare la scheda giusta.
Partite da dove l'AI fa risparmiare tempo a chi lavora, non da dove parla al posto vostro. Il primo caso si misura in ore e si corregge in un pomeriggio; il secondo si misura in reclami e si corregge con una telefonata di scuse.
Un caso d'uso singolo e ben circoscritto sta fra le poche migliaia e i venti-trenta mila euro di costruzione. È la cifra facile. Le altre tre voci sono quelle che decidono se il progetto vive:
| Chi se ne dimentica: | ||
|---|---|---|
| Costruzione del caso d'uso | 5.000 – 30.000 € | nessuno — è l'unica voce che sta in preventivo |
| Preparazione dei dati | 20–40% del progetto | tutti, ed è lavoro vostro e non del fornitore |
| Verifiche e manutenzione | 1–2 giorni al mese | tutti — ed è la voce che fa morire i piloti |
| Modello a consumo | 50 – 400 €/mese | quasi tutti, fino alla prima fattura |
La preparazione dei dati è quasi sempre la sorpresa: decidere quale copia di un documento è quella buona, togliere le versioni scadute, stabilire chi può vedere cosa. Nessun fornitore può farlo al posto vostro, perché richiede di sapere come lavora l'azienda. Chi non la mette in conto scopre a metà progetto che il sistema risponde benissimo su documenti sbagliati.
La domanda giusta non è «possiamo usare l'AI». È: quale processo, con quanti passaggi al mese, con quale costo se sbaglia, e su quali dati possiamo davvero far leggere a un sistema. Quattro risposte che si trovano in mezz'ora guardando come lavorate.
L'audit è gratuito e non è una presentazione. Se alla fine risulta che il volume non giustifica il progetto ve lo dico — è la sezione quattro di questo articolo, ed è successo tre volte. Se invece il caso c'è, ne esce una stima di costo, di rientro e di rischio, col primo passo abbastanza piccolo da poter essere fermato.
Sviluppo agenti AI per aziende
Fra i 5.000 e i 30.000 euro per la costruzione, più due voci che quasi nessuno mette in preventivo: l'integrazione con i sistemi che già avete, in genere il 20–40% del progetto, e il consumo del modello, dai 50 ai 400 euro al mese secondo il volume. La cifra che conta è la somma, perché è quella che si confronta col tempo che l'agente restituisce davvero.
Perché la demo funziona su casi scelti e la produzione arriva con quelli veri: il documento scansionato storto, la domanda ambigua, il dato che manca. Un agente che si può mettere in produzione dichiara la fonte di ogni risposta, ammette di non sapere, e passa la mano a una persona col contesto già pronto. Senza quelle tre cose il pilota resta impressionante e inutilizzabile.
Quelli dove l'errore costa poco e il volume è alto: smistamento delle richieste, estrazione di dati da documenti, ricerca dentro materiale interno che nessuno riesce più a scorrere, prima bozza di una risposta che una persona rivede. Il tratto comune è che l'AI fa risparmiare tempo a chi lavora, non parla al posto vostro — quello viene dopo, quando esiste uno storico misurato.
Quando la regola è deterministica e una riga di codice la esegue meglio; quando i dati su cui dovrebbe ragionare non sono in ordine, perché l'agente restituirà la stessa confusione con più sicurezza; e quando la risposta arriva al cliente senza filtro umano e un errore costa più di quanto l'automazione faccia risparmiare. Sono i tre casi in cui la risposta onesta è no.