AI nelle PMI: dall’interesse al primo progetto concreto
I dati Confapi e una domanda pratica: da dove partire con l’AI? Processi, applicazioni e un esempio economico per scegliere il primo progetto da verificare.
A cura di Gabriele Pecchioli
Pubblicato il
Le PMI vedono il valore dell’AI, ma un’intenzione non è ancora un progetto
Un imprenditore può essere convinto che l’intelligenza artificiale conti e, allo stesso tempo, non sapere quale intervento approvare. Una dimostrazione impressionante non chiarisce chi userà il sistema, quali dati potrà leggere e che cosa accadrà quando sbaglierà. La distanza fra interesse e lavoro quotidiano si affronta rendendo queste decisioni esplicite.
Il 28 agosto 2026 ANSA ha riportato l’indagine Confapi su 2.000 PMI industriali italiane. Oltre il 60% considera l’AI imprescindibile per aumentare la produttività; il 23,28% prevede investimenti in AI. L’8,3% dichiara invece investimenti digitali e ambientali nell’ambito di Transizione 5.0 nel primo semestre 2026.
Le percentuali rispondono a domande diverse. L’8,3% non misura quante imprese usano l’AI e il 23,28% descrive intenzioni, non progetti completati. Non sono tappe di un imbuto, né valori da sottrarre per quantificare un divario. La fonte qui utilizzata è la sintesi giornalistica: non disponiamo del questionario integrale e non estendiamo automaticamente i risultati a tutte le PMI italiane.
La nostra lettura è un’ipotesi operativa: per una parte delle aziende il passaggio difficile potrebbe essere tradurre una possibilità tecnologica in una priorità misurabile. I dati citati non dimostrano questa causa. Offrono però un buon motivo per porre una domanda più utile di “vogliamo introdurre l’AI?”: quale problema vale la pena risolvere per primo?
Confapi / PMI industriali / 2026
Tre segnali, tre domande diverse
Oltre60%
AI considerata imprescindibilePer aumentare la produttività
23,28%
Investimenti in AI previstiIntenzioni di investimento
8,3%
Investimenti in Transizione 5.0Digitale e ambiente, primo semestre 2026
Tre indicatori distinti, non le fasi di un imbuto
Il punto di partenza è dove il lavoro si ferma
Partiamo da una situazione esemplificativa. Le richieste commerciali arrivano dal sito e dalla posta. Una persona deve leggerle, cercare il cliente nel CRM e chiedere le informazioni mancanti. I preventivi aspettano. Il problema non è l’assenza di un chatbot: è il tempo che trascorre fra una richiesta e il momento in cui qualcuno può lavorarla.
Prima di scegliere il software, seguiamo alcune richieste dall’ingresso alla risposta. Dove si accumulano? Quanto tempo richiedono davvero? Quali informazioni vengono riscritte? Chi decide quando il caso è ambiguo? Distinguere attesa, lavoro e rilavorazione evita di automatizzare un’attività veloce mentre il collo di bottiglia rimane intatto.
Questo è il contributo del pensiero sistemico. Se prepariamo il doppio dei preventivi ma nessuno ha capacità per verificarli, abbiamo spostato la coda. Se aumentiamo i contatti senza chiarire chi li prende in carico, una campagna migliore può rendere più evidente un problema commerciale. Il risultato va misurato sull’intero percorso, non sul numero di operazioni eseguite dal modello.
Un primo intervento sensato ha quindi un confine: un tipo di richiesta, un responsabile e un risultato osservabile. Per confrontare più candidati puoi usare la scheda per scegliere quale processo automatizzare. La frequenza conta, ma contano anche errori, rischio e disponibilità dei dati.
Dal problema alla prova: cinque decisioni prima di estendere il sistema
Il primo risultato di una diagnosi non dovrebbe essere un elenco di strumenti. Dovrebbe essere una scheda che permetta di decidere: processo interessato, costo attuale, vincoli, alternativa proposta, costo della prova e criteri per continuare oppure fermarsi. Anche la decisione di non costruire nulla può essere corretta.
Le linee guida sull’AI del Ministero del Lavoro descrivono un percorso che include valutazione, sperimentazione, integrazione, formazione e monitoraggio. La mappa seguente è la nostra traduzione operativa: per ogni passaggio chiediamo un documento o un’evidenza, non soltanto una riunione.
Nella prova includiamo i casi scomodi: messaggi incompleti, documenti poco leggibili, clienti con nomi simili, richieste duplicate. Prima del test fissiamo che cosa il sistema può fare da solo e quando deve restituire il lavoro a una persona. I criteri dipendono dal rischio: suggerire una categoria non equivale ad autorizzare un pagamento.
L’eventuale incentivo viene valutato sul progetto già descritto, verificando requisiti e condizioni applicabili con chi se ne occupa. Non assumiamo che ogni intervento AI sia agevolabile e non facciamo dipendere il senso economico di una soluzione da un contributo ancora incerto.
Dall’intenzione all’implementazione
Ogni passaggio deve lasciare una risposta
- Problema
Dove si ferma il lavoro?
Da ottenereUn risultato da migliorare - Processo
Che cosa succede oggi?
Da ottenerePassaggi, dati e responsabilità - Conto economico
Vale il costo complessivo?
Da ottenereIpotesi, costi e soglia di convenienza - Prova
Funziona anche nei casi difficili?
Da ottenereTest e criteri per continuare o fermarsi - Uso quotidiano
Chi ne risponde nel tempo?
Da ottenereConsegna, formazione e misurazione
Quanto vale il tempo liberato? Un conto da rifare sui tuoi numeri
Esempio interamente ipotetico, non risultato di un cliente. Immaginiamo 600 documenti al mese, ciascuno con quattro minuti di inserimento manuale: 40 ore. Dopo una prova, ipotizziamo un minuto di controllo per documento, quindi 10 ore, più quattro ore mensili per eccezioni e gestione. Il lavoro residuo sarebbe di 14 ore: 26 ore di capacità potenzialmente liberata.
Attribuendo a quelle ore un valore convenzionale di 30 euro, otteniamo 780 euro al mese. Sottraiamo 180 euro di costi ricorrenti ipotetici, comprensivi di licenze, consumi e assistenza: rimangono 600 euro di beneficio mensile modellato. Con un costo iniziale complessivo di 3.600 euro, il recupero teorico sarebbe di sei mesi.
Capacità liberata non significa automaticamente denaro risparmiato. Il costo del personale può restare identico. Il beneficio si realizza se quelle ore riducono straordinari, evitano costi oppure permettono lavoro utile che prima non si riusciva a svolgere. Senza un impiego concreto, il ritorno economico resta una supposizione.
Nel preventivo reale vanno inclusi integrazione, pulizia dei dati, formazione, manutenzione e tempo delle persone coinvolte. Occorre inoltre verificare il costo delle eccezioni: se il documento difficile richiede più tempo di prima, una media calcolata solo sui casi facili nasconde il problema. La prova deve misurare il processo completo.
Simulazione / non è un caso cliente
Le ore liberate sono solo l’inizio del conto
600 documenti al mese, prima e dopo una prova ipotetica
26ore / mese
di capacità potenzialmente liberataDa 40 a 14 ore di lavoro
Prima40 ore di inserimento
Dopo14 ore di lavoro residuo
- 10 hControllo
- 4 hEccezioni e gestione
- 26 hCapacità liberata
Tempo disponibile ≠ risparmio di cassa
| Capacità valorizzata | Beneficio netto mensile | Recupero di 3.600 € |
|---|---|---|
| 100% delle 26 ore | 600 € | 6 mesi |
| 75% delle 26 ore | 405 € | Circa 8,9 mesi |
| 50% delle 26 ore | 210 € | Circa 17,1 mesi |
| Nessun impiego utile | −180 € | Nessun recupero |
Costruire con l’AI non significa mettere l’AI ovunque
Qui entra il lavoro dell’AI app builder: progettare e realizzare l’applicazione che manca fra il processo e gli strumenti esistenti. Non limitarsi a consigliare un abbonamento, ma arrivare a un sistema utilizzabile. Ci sono però due significati diversi da non confondere.
Sviluppo assistito dall’AI: strumenti come Codex e Claude Code partecipano al lavoro di costruzione del software. L’applicazione finale può funzionare con regole tradizionali, senza chiamare un modello durante l’uso. Se dobbiamo controllare un campo obbligatorio o assegnare una richiesta secondo una regola precisa, potrebbe bastare questo.
AI dentro l’applicazione: un modello interpreta testo libero, estrae informazioni da documenti o prepara una bozza. In questo caso servono anche regole per dati accessibili, verifica delle risposte, costi delle chiamate e gestione dell’incertezza. La scelta va fatta sul compito, non sull’effetto della demo.
Riprendiamo i documenti dell’esempio. Un modello può proporre i dati letti da un DDT; controlli deterministici possono confrontare codici e quantità; una persona può autorizzare i casi non coerenti. Il collegamento al gestionale registra solo ciò che è ammesso. È un sistema composto da parti diverse, non un agente a cui consegnare qualsiasi permesso.
La velocità di sviluppo non elimina la responsabilità tecnica. Servono prove, gestione degli accessi, registrazione degli errori e un modo per tornare indietro. Anche la documentazione Anthropic sulle revisioni di sicurezza chiarisce che i controlli automatici affiancano la revisione umana, non la sostituiscono. Approfondiamo questo approccio nella pagina sulle piattaforme e app web su misura e nella guida a dati e regole per integrare l’AI con il gestionale.
Il sistema è il prodotto
Un’applicazione funziona davvero quando si sa chi la usa, con quali informazioni e con quale responsabilità sul risultato. Il prodotto comprende anche ciò che accade prima e dopo lo schermo: come entra una richiesta, chi risolve un errore, come si aggiorna una procedura e chi controlla che il vantaggio atteso rimanga.
Lo stesso criterio vale per l’acquisizione clienti. Sito, campagne e tracciamento non sono tre progetti indipendenti se il loro scopo è generare lavoro sostenibile. Una richiesta deve arrivare alla persona giusta, diventare una trattativa riconoscibile e restituire informazioni sulle vendite. L’AI può aiutare alcuni passaggi; non corregge da sola un’offerta poco chiara o una responsabilità mancante.
Per questo una consegna dovrebbe comprendere applicazione o integrazione, istruzioni, accessi, formazione e misure di controllo. Vanno chiariti anche proprietà del codice, dipendenze dai fornitori, costi successivi e possibilità di esportare i dati. Il progetto deve restare comprensibile anche a chi arriva dopo.
La direzione pratica è questa: problema → processo → conto economico → prova → uso quotidiano. Se uno di questi passaggi manca, stiamo probabilmente anticipando la tecnologia rispetto alla decisione aziendale. La guida per iniziare con l’AI nelle PMI aiuta anche a riconoscere quando è meglio aspettare.
Quando una prova non è pronta per andare in produzione
Una demo corretta su dieci documenti scelti non basta. Separiamo i materiali usati per configurare il sistema da quelli usati per valutarlo. Il secondo gruppo deve contenere le difficoltà del lavoro reale, non soltanto esempi leggibili. Per ogni caso registriamo dati attesi, risposta ottenuta, correzione necessaria e tempo totale impiegato dalla persona.
Guardiamo soprattutto gli errori che sembrano risultati corretti. Un campo mancante è visibile; un codice cliente plausibile ma sbagliato può attraversare il processo senza essere notato. Se non esiste un controllo affidabile prima della scrittura nel gestionale, quel passaggio deve restare in approvazione manuale. La soglia accettabile dipende dalle conseguenze dell’errore, non da una percentuale universale.
Non estendiamo la prova quando il vantaggio scompare includendo revisioni ed eccezioni, quando manca un responsabile operativo oppure quando non sappiamo ripristinare il percorso precedente. Fermarsi in questi casi non significa rinunciare all’AI: significa usare la sperimentazione per prendere una decisione, invece di trasformare una dimostrazione in un impegno irreversibile.
Che cosa portare al primo confronto
Non serve arrivare con il nome di un software. Sono più utili alcuni esempi del lavoro attuale, privati dei dati non necessari, una stima dei volumi e la persona che conosce le eccezioni. Da questi elementi si può capire se intervenire sull’organizzazione, collegare strumenti già presenti o costruire una piccola applicazione.
La scheda scaricabile qui sotto serve a preparare questo confronto. Non è un test che assegna un punteggio di maturità e non promette un risparmio. Aiuta a mettere sullo stesso foglio il problema, il risultato atteso e ciò che manca ancora per decidere. È il primo passo verso un progetto che si possa discutere, costruire e verificare.
Porta la scheda nel tuo lavoro
Scheda per preparare il primo progetto AIFile Markdown modificabile, senza iscrizione. Da completare con i referenti e le condizioni della tua azienda.
