Guide · 6 min
AI nelle PMI italiane: da dove iniziare e quando aspettare
Che cosa dice davvero l’indagine ISTAT e come scegliere un primo intervento verificabile. Prerequisiti, costi da includere e condizioni per fermare una prova.
Leggi l’articoloAI per le imprese
Porta l’intelligenza artificiale nei processi in cui può produrre risultati misurabili
Unicorn identifica i casi d’uso, prepara dati e regole, sviluppa agenti e sistemi RAG, integra modelli cloud o locali e accompagna il team dalla sperimentazione alla produzione.
Guarda un caso dall’inizio →
Dati reali, controllo umano e un responsabile identificato
Sei lavori che possono cambiare
L’applicazione viene prima.
Il modello viene dopo.
Scegliamo un’attività che accade spesso e una misura che esiste già. La prova usa un campione dei vostri dati. CRM, gestionale e posta restano al loro posto. Restano fuori i progetti senza un responsabile interno e quelli in cui il risultato non può essere controllato da una persona.
01
AI per il business development
Ricerca dei potenziali clienti, qualificazione delle richieste, trattative preparate prima della telefonata.
02
AI per il CRM
Richieste classificate, conversazioni riassunte in scheda, prossima azione proposta sulle trattative ferme.
03
AI per il knowledge management
Procedure, documenti e vent'anni di email che diventano risposte: chi cerca trova, anche quando chi sapeva non c'è più.
04
AI per i processi
Bolle e ordini letti dalla macchina, dati che passano da soli tra i programmi, eccezioni in coda a una persona.
05
AI per le decisioni
Le evidenze raccolte e messe in fila prima della scelta: numeri, scenari e il motivo scritto di ogni opzione.
06
AI per l'ecommerce
Schede prodotto coerenti a catalogo intero, assistenza che risponde di notte, carrelli fermi che tornano in vita.
Un caso dall’inizio alla fine
Un DDT richiedeva quindici minuti.
Ora ne richiede meno di quattro.
In un’azienda tessile la stessa persona leggeva il documento, batteva i campi nel gestionale e ricontrollava. Abbiamo isolato le eccezioni: il computer prepara il dato, una persona guarda soltanto ciò che non torna.
- 15 → 4
- minuti per documento sul campione di prova
- 1
- controllo umano prima del gestionale
Il tempo si recupera togliendo la battitura, non togliendo la responsabilità.
08:41
Arriva il DDT
Carta o PDF
08:42
Il sistema legge
Campi estratti
08:43
Segnala l’eccezione
Solo ciò che non torna
08:44
Una persona valida
Controlla, non riscrive
08:45
Il gestionale riceve
Dato già verificato
La sequenza mostra dove resta il controllo umano: prima che il dato entri nel gestionale.
Prima di costruire
Dove si rompe.
E chi se ne accorge.
Ogni prova include le condizioni di arresto. Se il dato manca, la confidenza scende o arriva un caso fuori regola, il lavoro passa a una persona. Il progetto comprende anche il modo in cui questa persona vede l’eccezione e decide cosa fare.
01
Dati incoerenti
Se lo stesso codice indica due cose diverse, il modello non può decidere quale sia quella giusta. Prima si mette ordine nella fonte.
02
Eccezioni senza regola
Quando nessuno sa spiegare cosa fare nei casi strani, l’automazione si ferma e passa il lavoro a una persona.
03
Nessun responsabile
Un sistema senza qualcuno che controlla gli errori invecchia in silenzio. Nome, accessi e frequenza di controllo si scrivono prima.
Chi ne risponde
Il modello può sbagliare. Il responsabile del progetto resta una persona con nome e cognome.
Ciclo AI Operativa
Prima la prova.
Poi la produzione.
Cinque passaggi separano un’idea interessante da un lavoro che regge lunedì mattina. Alla fine di ciascuno si può continuare, correggere o chiudere.
Apri una fase per vedere che cosa deve essere pronto prima di proseguire.
Leggiamo il processo
Ricostruiamo attività, persone, documenti, dati e passaggi decisionali.
Che cosa deve restare
Una descrizione del lavoro attuale, con le fonti che possiamo usare e chi conosce le eccezioni.
Individuiamo il vincolo
Cerchiamo il punto in cui si accumulano lavoro manuale, errori, attese o informazioni disperse.
Che cosa deve restare
Un’attività circoscritta, il suo responsabile e la misura su cui confrontare la prova.
Costruiamo il PoC
In due settimane realizziamo una prima soluzione su un perimetro ridotto e su dati realistici.
Che cosa deve restare
Un prototipo su un campione concordato, con errori e casi da passare alla persona.
Misuriamo
Confrontiamo tempi, errori, qualità e capacità prima e dopo l’intervento.
Che cosa deve restare
Un confronto con il punto di partenza. Se il vantaggio non emerge, si corregge o si chiude.
Portiamo in produzione
Se il risultato regge, integriamo la soluzione negli strumenti e nei processi aziendali.
Che cosa deve restare
Collegamenti, controlli e persone incaricate. Le regole per fermare il sistema restano documentate.
Modi per iniziare
Un primo lavoro.
Con un confine chiaro.
Si può iniziare da un assistente, da un documento ripetitivo, dalle regole interne o da una responsabilità di direzione. Ogni voce porta alla pagina che ne chiarisce il funzionamento.
Agenti AI
Sistemi che rispondono ai contatti, li qualificano e passano la mano a una persona.
Automazione dei processi
Workflow che collegano documenti, dati, persone e software.
Assistenti AI
Interfacce in chat per clienti, team e conoscenza aziendale.
Integrazione AI
AI inserita nei CRM, gestionali e strumenti già in uso.
Formazione AI
Competenze, regole e casi d’uso costruiti sui processi dell’azienda.
Fractional Head of AI
Una guida senior per decidere priorità, rischi e investimenti.
Per preparare la decisione
Tutti gli Insights →
Guide · 9 min
Agenti AI in azienda: compiti, permessi e controllo del lavoro
Prima di affidare un’attività a un agente servono un risultato atteso e confini espliciti. Una guida per scegliere i compiti, provare gli errori e valutare il costo complessivo.
Leggi l’articolo
Quaderni · 6 min
AI nelle aziende tessili: partire dai documenti e dalle eccezioni
Un percorso operativo per provare la lettura dei DDT, controllare gli abbinamenti e arrivare al gestionale senza scambiare una dimostrazione per un sistema pronto.
Leggi l’articoloLe domande della direzione
Dati, tempi, rischi e responsabilità
Si parte da un processo concreto, non dalla scelta del modello. Mappiamo attività, regole, dati, eccezioni e responsabile; poi proviamo il flusso su un campione reale per due o tre settimane. La produzione arriva solo se il confronto prima-dopo mostra un vantaggio misurabile e se una persona può controllare gli errori. CRM, gestionale e posta restano al loro posto: l’AI viene collegata agli strumenti che il team usa già.
Il primo processo giusto accade spesso, segue regole ripetibili e produce un numero misurabile prima e dopo. Nella pratica può essere un lavoro su documenti — bolle, ordini, email da smistare — oppure un passaggio di dati fra due programmi. Non iniziamo dal processo più delicato dell’azienda: scegliamo un perimetro in cui un errore è reversibile, le eccezioni sono visibili e il risultato può emergere in poche settimane.
Il costo si definisce dopo aver visto processo, documenti, sistemi ed eccezioni; prima sarebbe una cifra inventata. Il primo perimetro è invece chiaro: una prova di due o tre settimane su dati reali, con una misura scritta prima e una dopo. Se i numeri tengono, il collegamento agli strumenti aziendali richiede in genere altre due-quattro settimane. Se non tengono, il progetto si chiude senza costruire software da mantenere.
Sì, ma non copiando documenti riservati dentro account personali senza regole. Prima si stabilisce quali dati possono essere inviati a un modello, quali devono essere rimossi o mascherati e chi autorizza il flusso. Le prove usano account dedicati e un elenco approvato dei dati. Per contratti, buste paga, dati sanitari o altri contenuti sensibili, l’architettura va progettata affinché le informazioni protette restino nel perimetro concordato.
Nella maggior parte dei casi il gestionale resta dov’è. L’AI utile lavora ai bordi dei sistemi esistenti: legge documenti e prepara dati verificati, recupera informazioni dal CRM, classifica richieste o collega passaggi che oggi vengono eseguiti a mano. Prima di costruire verifichiamo API, esportazioni e vincoli del software in uso. Sostituire un sistema che contiene anni di dati è una decisione separata, non un prerequisito del progetto AI.
L’errore previsto viene intercettato e passato a una persona prima che produca un effetto irreversibile. Se invece la prova non raggiunge la misura concordata, si chiude: è un esito previsto dal metodo, non un fallimento da nascondere. Restano la mappa del processo, il dato di partenza e il motivo documentato — per esempio dati incoerenti o troppe eccezioni. Fermarsi in prova evita di mettere in produzione un sistema che nessuno riesce a governare.
Un’ora con voi e con chi dovrà usarla
Portate chi conosce il lavoro. Guardiamo quali dati esistono, dove nasce l’eccezione e quale misura può decidere se vale la pena continuare.
Un’ora · In videochiamata o da voi · Il primo caso d’uso resta scritto
Preferisci scrivere? Siamo su WhatsApp, rispondiamo in giornata.