Prima scelta: cercare un compito, non una tecnologia
La domanda utile non è «dove possiamo usare l’AI?», ma «quale passaggio si ripete, ha un risultato atteso e crea attese o rilavorazioni?». Un processo è una sequenza che trasforma un input in un risultato: per esempio una richiesta interna che viene letta, classificata, assegnata e chiusa. L’AI può aiutare a leggere testo libero, estrarre campi, ordinare priorità o preparare una bozza; l’automazione tradizionale resta spesso più adatta quando le regole sono già complete e stabili.
Evita di partire da attività che comportano giudizi su persone, decisioni irreversibili, eccezioni frequenti o informazioni che non sai ancora gestire. Il framework AI RMF del NIST è volontario, ma offre una logica pratica: governare, comprendere il contesto, misurare e gestire i rischi. Tradotta per una piccola impresa, significa assegnare un responsabile, circoscrivere l’uso, verificare i risultati e intervenire quando qualcosa non funziona.
Una griglia per scegliere il primo candidato
Prendi tre attività reali e assegna da 0 a 2 punti alle prime quattro domande. Non sommare i rischi come se fossero vantaggi: usali come condizioni di esclusione o di progettazione.
| Domanda | 0 punti | 1 punto | 2 punti |
|---|---|---|---|
| Frequenza | Rara | Settimanale | Quotidiana o molte volte al giorno |
| Regole e risultato atteso | Molto variabili | Parzialmente descritti | Descritti e verificabili |
| Input disponibile | Sparso o incompleto | Da ripulire | Accessibile e con formato ricorrente |
| Recuperabilità dell’errore | Difficile o costosa | Possibile con ritardo | Rapida prima dell’effetto esterno |
| Rischio per persone, denaro o diritti | Se alto, non usare questa griglia per autorizzare l’automazione: richiedi una valutazione specifica, controlli più forti e, se necessario, un parere professionale. | ||
Un punteggio alto non dimostra il ritorno economico e non sostituisce il test. Serve a scegliere un candidato con una base osservabile. Se l’attività più frequente è anche piena di eccezioni, può essere più sensato automatizzare solo la preparazione dei dati e mantenere manuale la decisione.
I 6 passaggi per costruire un workflow AI controllabile
1. Descrivi il confine del processo
Scrivi una frase operativa: «Quando arriva X, il sistema prepara Y entro Z; la persona W approva o corregge». Indica dove il processo inizia e dove finisce, chi riceve il risultato e quale effetto non deve mai produrre. Per esempio, «una richiesta interna di manutenzione viene classificata per area e urgenza proposta; il responsabile della struttura conferma l’assegnazione». Non scrivere «gestire le richieste»: è troppo ampio per progettare e verificare.
Raccogli poi dieci o venti casi recenti, comprese le eccezioni. Per ciascuno annota input, passaggi eseguiti oggi, tempo indicativo, output atteso, errore possibile e chi può correggerlo. Questa mini-mappa rivela spesso regole non dichiarate, come la necessità di chiedere chiarimenti se manca una sede o di non trattare richieste urgenti fuori da un canale presidiato.
2. Decidi cosa resta umano
Stabilisci prima dell’avvio se l’AI deve suggerire, eseguire con conferma oppure eseguire automaticamente entro confini molto stretti. Per il primo pilot, la modalità più prudente è «proposta + approvazione»: la persona vede input, proposta, livello di confidenza se disponibile e motivazione o fonte utile, poi accetta, modifica o rifiuta. Definisci anche una procedura di stop: chi può disattivare il flusso, con quale canale e dove vengono trattati i casi rimasti in sospeso.
La supervisione non è una casella da spuntare. Per i sistemi di IA ad alto rischio, l’articolo 14 dell’AI Act richiede misure efficaci di sorveglianza umana, comprese la possibilità di comprendere limiti pertinenti, ignorare o ribaltare l’output e interrompere il sistema. La classificazione giuridica dipende dal caso d’uso; anche quando quel requisito non si applica, le stesse domande rendono il pilot meno fragile.
3. Prepara dati minimi e istruzioni verificabili
Elenca i campi indispensabili per svolgere quel singolo passaggio. Se per classificare una richiesta bastano sede, categoria, descrizione e data, non inviare intere cartelle o cronologie non necessarie. Quando sono coinvolti dati personali, il GDPR, articolo 5 richiede che siano adeguati, pertinenti e limitati a quanto necessario rispetto alla finalità. Verifica inoltre ruoli, basi giuridiche, tempi di conservazione, accessi e istruzioni del fornitore con chi segue privacy e sicurezza nella tua organizzazione.
Trasforma le conoscenze operative in istruzioni controllabili. Una buona istruzione specifica il compito, le categorie ammesse, l’output atteso, cosa fare se un dato manca e cosa non fare. Non basta chiedere «assegna la priorità». Meglio: «restituisci una delle tre categorie definite; se non trovi sede o descrizione sufficiente, restituisci “richiede chiarimento”; non inviare comunicazioni né aprire ordini». Versiona queste istruzioni e annota quale versione è stata usata nel test.
4. Disegna il flusso con cancelli e tracce
Un workflow robusto separa ciò che entra, ciò che l’AI propone e ciò che può avere effetto. Il diagramma seguente non presuppone un software specifico: i cancelli possono essere regole del gestionale, una coda di revisione o un passaggio manuale.
| Input | Controllo iniziale | Proposta AI | Revisione umana | Azione e traccia |
|---|---|---|---|---|
| Richiesta con campi minimi | Completo? autorizzato? | Categoria, priorità proposta, motivazione | Accetta, modifica, rifiuta o ferma | Assegna il lavoro e registra esito, versione e correzione |
Il controllo iniziale blocca input incompleti o non autorizzati. La revisione è un cancello, non un semplice avviso. La traccia deve consentire di ricostruire, in modo proporzionato, cosa è entrato, quale output è stato proposto, chi ha approvato o corretto e quale azione ne è seguita. Non conservare più informazioni del necessario solo perché è tecnicamente possibile.
5. Fai un pilot su casi separati
Non misurare la qualità sui soli esempi usati per definire istruzioni e regole. Prepara un piccolo insieme di casi successivi o separati, includendo formulazioni brevi, errori di battitura, richieste ambigue e casi che devono essere fermati. Per ogni caso, confronta l’output con il risultato atteso deciso da chi conosce il processo. Se manca un risultato condiviso, prima rendi più chiara la regola: non chiedere all’AI di risolvere un disaccordo interno.
Definisci soglie prima di vedere i risultati. Una soglia può riguardare la quota di proposte corrette, le correzioni necessarie, i casi bloccati correttamente e il tempo complessivo, inclusa la revisione. Osserva anche gli errori: una categoria sbagliata ma subito visibile non pesa quanto un’assegnazione che ritarda un intervento urgente. Se trovi un errore grave, sospendi il flusso, conserva l’esempio in forma appropriata e correggi istruzioni, regole o confini prima di riprovare.
6. Estendi solo ciò che hai misurato
Un esito positivo del pilot non autorizza a collegare subito il workflow a tutte le aree aziendali. Aumenta prima il numero di casi nella stessa situazione, poi valuta una sola variazione alla volta: una nuova categoria, un nuovo canale o un’azione con effetto maggiore. Nomina un responsabile operativo, un sostituto e un momento di riesame. Aggiorna la documentazione quando cambiano il processo, i dati, il modello, le istruzioni o le integrazioni.
Gli indicatori devono rispondere alla promessa iniziale. Per un flusso di smistamento, registra almeno volume, tempo dal ricevimento alla presa in carico, percentuale di proposte corrette dopo revisione, percentuale di eccezioni e interventi manuali. Per decisioni che incidono su persone, diritti o importi rilevanti, il perimetro e le garanzie richiedono un’analisi più rigorosa: non ridurre la valutazione a un solo KPI di velocità.
Esempio ipotetico: smistare richieste interne senza automatizzare la decisione
Immagina una PMI che riceve richieste interne per piccole manutenzioni. Oggi un addetto legge circa 120 richieste al mese e impiega in media 7 minuti per individuare area, categoria e destinatario. L’ipotesi del pilot non è «lasciare decidere al sistema»: l’AI prepara quei tre campi e segnala «richiede chiarimento» se la descrizione non basta; l’addetto controlla ogni proposta prima dell’assegnazione.
La baseline ipotetica è 120 × 7 = 840 minuti al mese, cioè 14 ore. Se nel pilot la revisione completa richiedesse in media 2 minuti per richiesta, il tempo sarebbe 120 × 2 = 240 minuti, cioè 4 ore. La differenza ipotetica da verificare sarebbe quindi 600 minuti, o 10 ore al mese. Non è una stima di mercato né un risultato garantito: il tempo di impostazione, i casi ambigui, le correzioni e la manutenzione del flusso possono cambiare completamente il risultato.
La scheda di test potrebbe contenere: data, testo ridotto al minimo necessario, categoria attesa, proposta, esito della revisione, motivo della correzione, tempo e gravità dell’errore. Dopo un campione concordato, l’impresa può vedere se gli errori si concentrano su una categoria, se il campo sede manca spesso o se conviene invece migliorare il modulo di richiesta. In quest’ultimo caso, la soluzione migliore potrebbe essere una regola o un campo obbligatorio, non altra AI.
Checklist prima di mettere il flusso in uso
- Il processo ha un inizio, una fine, un proprietario e un risultato osservabile.
- È scritto cosa l’AI può proporre, cosa non può fare e quando deve fermarsi.
- I dati inviati sono limitati al necessario e accessi, conservazione e responsabilità sono stati esaminati per il contesto reale.
- Ogni azione con effetto esterno ha un controllo coerente con il rischio oppure una regola di autorizzazione esplicita e verificata.
- Esistono casi di test separati, soglie di accettazione, una procedura di stop e una gestione delle eccezioni.
- Si registrano le informazioni necessarie per capire correzioni, errori e cambiamenti del flusso.
- Il team sa riconoscere limiti, output inattesi e casi da inoltrare invece di forzare una risposta.
Quando serve fermarsi e ridisegnare
Fermati se non riesci a spiegare la finalità, il risultato corretto o chi può annullare un’azione. Fermati anche se i dati sono troppo eterogenei, se il processo cambia ogni giorno o se il risparmio di tempo nasconde nuove verifiche più lente. Un’automazione che produce più eccezioni non è un fallimento del team: può indicare che il processo va semplificato prima della tecnologia.
Se stai valutando dati, integrazioni e confini di un processo concreto, la pagina Soluzioni AI per Aziende presenta l’ambito generale di documenti, assistenza e automazioni. Per un confronto iniziale puoi anche descrivere volontariamente il caso all’assistente in basso, indicando attività, eccezioni e controllo desiderato: non occorre scegliere una soluzione prima di aver chiarito il processo.