In breve. L'intelligenza artificiale conviene dove un lavoro ripetitivo, con grandi volumi, oggi si fa a mano e porta via ore ogni settimana. Si parte da un caso piccolo e misurabile, si guarda quante ore libera davvero e solo se il numero c'è si allarga. Dove il volume è basso o il processo cambia ogni volta, spesso non serve.
Da dove si parte?
Dal numero, non dalla tecnologia. La domanda giusta non è "che modello usiamo", ma quanto tempo, o quanti errori, ci togliamo di dosso. Se oggi qualcuno passa ore a smistare richieste uguali, a leggere documenti o a ricopiare dati da un sistema all'altro, lì l'automazione si ripaga in fretta.
Cosa si può automatizzare con l'AI?
Le richieste che vediamo più spesso sono quattro:
- Assistenti e agenti che rispondono sui documenti e sui dati dell'azienda, non su una ricerca generica in internet.
- Processi ripetitivi, dallo smistamento delle richieste alle operazioni di ogni giorno.
- Estrazione di dati dai documenti: contratti, fatture, richieste, mail. L'AI legge, capisce e ordina, con classificazione automatica.
- Copiloti interni che tolgono al team il lavoro noioso, senza sostituire nessuno.
Come si lavora in pratica?
Il metodo è sempre lo stesso, in tre passi:
- Si sceglie un processo e si misura quante ore costa oggi.
- Lo si automatizza in piccolo, dentro il flusso che l'azienda usa già.
- Si guarda quante ore libera davvero. Se il numero c'è, si allarga. Se non c'è, non si insiste per far tornare i conti.
Per rispondere sui dati aziendali si usa il RAG: il modello risponde sui documenti dell'azienda e non su quelli del mondo, e i documenti non finiscono ad addestrare modelli altrui.
Quando l'AI non serve?
Spesso. Un buon if batte un modello da migliaia di euro al mese se il problema è semplice, e un foglio di calcolo fatto bene risolve più di un agente se i dati sono pochi. L'AI è uno strumento tra gli altri: si usa quando è quello giusto, e se non lo è lo si dice prima di scrivere una riga di codice.
Servono molti dati per partire?
Per un assistente sui documenti bastano i documenti che ci sono già. Per un modello su misura servono più dati. Se non ci sono, meglio saperlo prima che dopo.
Due esempi reali
Per Vernice Italia abbiamo costruito una rete neurale che, dato un colore RGB, dice come mescolarlo. Per la Fondazione Fashion Research Italy uno strumento AI che rimette in circolo gli archivi tessili storici senza svenderli: lo racconta questo articolo sul progetto FFRI.
Vuoi capire se nel tuo caso conviene?
Raccontaci il lavoro ripetitivo che ti porta via più ore: vediamo se si può automatizzare, e se non conviene te lo diciamo. Trovi come lavoriamo nella pagina AI e automazioni.
