L’AI dentro l’azienda, non accanto

L’AI si può mettere in due posti diversi: dentro l’azienda, per chi ci lavora, oppure davanti, verso chi ci compra. Sono due mestieri diversi, e sbagliano in modo diverso.

Verso l’interno: far parlare i dati

Chi decide non scrive query. Prima doveva chiedere a qualcuno che le sapesse scrivere, oppure usare un sistema di supporto alle decisioni classico — e in tutti e due i casi la domanda passava da un intermediario.

Domanda in italiano, poi SQL, poi i dati in tabella e in grafico. Il motore è in uso come sistema di supporto alle decisioni a livello di direzione, l’ho costruito in due-tre mesi e poi rifatto una seconda volta in un settore diverso.

Verso l’interno: cercare dentro i documenti che avete già

Contratti, capitolati, procedure, verbali, manuali. Un modello generico non li conosce, e se glielo chiedi risponde lo stesso — inventando. La strada seria è un’altra: gli si dà da leggere solo i vostri documenti, e gli si chiede di rispondere citando da dove ha preso la risposta.

Così una risposta si può controllare. Se non si può risalire alla fonte, non è una risposta: è un’opinione.

Verso l’interno: trascrivere e riassumere

Riunioni, colloqui, visite. La trascrizione avviene su infrastruttura controllata e i dati restano in UE — che è la prima domanda che fa chiunque abbia registrazioni con dentro nomi di persone.

Verso i clienti: assistenti che sanno qualcosa

Un assistente su WhatsApp o sul sito che risponde con frasi generiche fa più danni che utile: il cliente capisce in due battute che dall’altra parte non c’è niente, e la prossima volta telefona arrabbiato.

Quello che lo rende utile è la parte noiosa: collegarlo ai sistemi veri — appuntamenti, disponibilità, stato di una pratica, anagrafiche. Un assistente che sa davvero quando c’è posto giovedì vale cento risposte cortesi. È un lavoro di integrazione prima che di AI, ed è per questo che lo faccio io.

Il vincolo, che è sempre lo stesso

Non si sceglie «un’AI». Si sceglie dove gira, cosa vede e cosa può fare. Sono tre decisioni separate, e vanno prese prima di scrivere il codice, non dopo.

• Cosa vede — solo le tabelle e i documenti autorizzati, mai tutto.
• Cosa può fare — connessione in sola lettura, e ogni query validata prima di essere eseguita.
• Dove gira — infrastruttura controllata quando i dati sono sensibili, e dati in UE.

La sicurezza sta nel database, non nella buona fede del modello.

Le prove

• Il motore conversazionale sui dati, costruito due volte in due settori diversi. In uso da 7-8 persone a livello di direzione, costruito in due-tre mesi.
• Modelli in produzione dal 2024: OpenAI su quattro progetti, Amazon Bedrock dal 2025, riconoscimento del parlato dal 2026.
• Trascrizione su infrastruttura controllata, con i dati in UE.

Una nota che vale più di un elenco di modelli: la calibrazione iniziale conta molto. Un sistema così non si accende e funziona — si accende, si guarda dove sbaglia, e si stringe. Chi non ve lo dice non ne ha ancora messo uno in produzione.

Da dove si comincia

Non da un progetto di AI. Da un processo che costa tempo tutte le settimane e che nessuno ha voglia di fare: si guarda quello, si vede se l’AI lo accorcia davvero, e si misura. Se non lo accorcia, si dice.