La risposta breve a come scegliere consulente AI aziendale è: preparare prima una richiesta essenziale, porre a ogni candidato le stesse dodici domande e decidere su prove e condizioni documentate. Il nome di una tecnologia può aiutare a capire la proposta, ma non sostituisce questi passaggi.
Prima del confronto: scrivi una richiesta di una pagina
Un consulente competente può valutare alternative solo se il problema è espresso in modo concreto. Scrivi su una pagina l’attività da migliorare, chi la svolge, il risultato desiderato, ciò che non deve accadere e chi approverà la decisione. Aggiungi i sistemi già usati, i vincoli di tempo e le categorie di informazioni che potrebbero essere coinvolte. Non serve conoscere il modello AI: serve rendere chiaro il lavoro da cambiare.
Questo modo di partire dal contesto riprende una logica utile del NIST AI Risk Management Framework: la gestione del rischio va collegata alla progettazione, all’uso e alla valutazione di prodotti e servizi AI, ed è un riferimento volontario, non una certificazione da acquistare. In pratica, chiedere prima obiettivo, persone coinvolte e conseguenze di un errore aiuta a non valutare tutti i fornitori con lo stesso metro.
Segna anche la soglia di autonomia accettabile. Un sistema che prepara materiale da rivedere ha un profilo diverso da uno che invia, classifica o decide senza conferma. Se l’iniziativa tocca selezione del personale, accesso al credito, biometria o altri ambiti sensibili, la valutazione non dovrebbe fermarsi alla proposta commerciale: la Commissione europea colloca alcuni di questi casi tra quelli ad alto rischio nel quadro dell’AI Act. È prudente coinvolgere chi segue gli aspetti legali e privacy prima di impegnarsi, perché la qualificazione dipende dal caso concreto.
Se vuoi confrontare il tuo punto di partenza con un interlocutore, la pagina di consulenza sull’intelligenza artificiale descrive un percorso che parte dall’analisi di processi e dati. Non è un criterio per preferire un fornitore: il criterio resta la qualità delle risposte che ricevi per il tuo contesto.
Le 12 domande da fare a ogni candidato
Invia le domande per iscritto insieme alla richiesta di una pagina e chiedi risposte proporzionate alla fase: per un primo confronto è più utile un piano verificabile che un progetto fittiziamente definitivo. Le linee guida britanniche sugli acquisti AI raccomandano di definire il problema e le prestazioni attese, di conoscere limiti dei dati e di valutare competenze del team, test e sicurezza in modo proporzionato. Sono indicazioni nate per il settore pubblico, ma le domande sottostanti sono riutilizzabili da una PMI.
1. Obiettivo, perimetro e persone responsabili
- Quale decisione o passaggio di lavoro affrontate, e quale resta fuori? Chiedi un problema formulato in parole semplici, utenti coinvolti, assunzioni e casi esclusi. Una risposta che promette di “ottimizzare tutto” non dà un confine né un modo di verificare il risultato.
- Chi lavorerà realmente sul progetto e con quali competenze? Fatti indicare ruoli, responsabilità e disponibilità della persona che coordina, di chi configura o integra e di chi segue dati e sicurezza. Puoi chiedere un esempio anonimo di documento di analisi o piano di test, non dati riservati di altri clienti. Le qualifiche aiutano, ma conta soprattutto chi risponderà delle scelte durante il lavoro.
- Quali deliverable riceveremo nella prima fase? Cerca un elenco concreto: analisi del flusso, mappa dei dati, prototipo limitato, piano di test, istruzioni operative o registro delle decisioni. Chiedi anche i criteri con cui un deliverable è considerato accettato. Così una “consulenza” non resta una sequenza di riunioni senza esito osservabile.
2. Tecnologia e dati senza zone grigie
- Quali componenti AI, fornitori esterni e integrazioni userete? Non occorre pretendere segreti industriali, ma devono essere chiari il ruolo di ciascun componente, le dipendenze principali e ciò che cambia se un servizio terzo varia. Chiedi anche quali limiti noti ha la soluzione e quando non va usata.
- Quali dati servono, da dove arrivano e per quanto tempo saranno conservati? Distingui i dati indispensabili da quelli solo comodi. Domanda se sono previsti dati reali, sintetici, pseudonimizzati o un ambiente separato per la prova; chiedi accessi, sedi di trattamento, log e cancellazione. La qualità di una proposta non si misura dalla quantità di file che chiede di ricevere.
- Quali ruoli privacy avremo e chi sono tutti i subfornitori? La risposta non può essere soltanto “siamo conformi al GDPR”. L’EDPB ricorda che il titolare stabilisce finalità e mezzi del trattamento, mentre il responsabile tratta i dati per suo conto e su istruzione; il rapporto deve essere regolato da un contratto. Chiedi quindi se il candidato agisce come responsabile, se esistono altri ruoli da valutare, quali sub-responsabili intervengono e come vengono autorizzati o sostituiti. Fai esaminare il contratto a chi ha competenza interna o professionale: la risposta del fornitore non risolve da sola la questione.
3. Prova, controllo e gestione dell’errore
- Come dimostrerete che l’output è abbastanza affidabile per questo uso? Chiedi una prova su casi rappresentativi e criteri dichiarati prima del test: ad esempio correttezza, completezza, citazione delle fonti, tasso di casi da correggere o tempo di revisione. Un numero senza definizione del campione e dell’errore misurato non è una prova confrontabile.
- Chi approva gli output e cosa succede quando il sistema non sa? Il candidato dovrebbe indicare punti di controllo umano, messaggi di incertezza, escalation e attività che restano vietate all’automazione. Se l’AI influenza persone o decisioni importanti, chiedi come viene mantenuta la supervisione; per i casi ad alto rischio, il quadro europeo richiama anche registrazione delle attività, documentazione e supervisione umana.
- Come saranno registrati test, modifiche e segnalazioni? Richiedi un registro semplice: versione dei componenti, data della modifica, motivo, esito del controllo e responsabile. Le linee guida britanniche indicano log lungo le fasi di sviluppo, test e verifica per rendere le decisioni interpretabili e controllabili. Non serve costruire un apparato burocratico: serve poter ricostruire perché una risposta o una funzione è cambiata.
4. Sicurezza, continuità e uscita
- Come proteggete accessi, dati e segreti operativi? Chiedi misure osservabili: autorizzazioni per ruolo, gestione delle credenziali, separazione degli ambienti, cifratura quando applicabile, aggiornamenti e canale per segnalare un incidente. Domanda cosa viene comunicato all’azienda, a chi e in quali tempi se emerge un problema. Nessuna risposta onesta può garantire rischio zero.
- Come gestite aggiornamenti di modello, istruzioni o integrazioni? Una soluzione AI può cambiare anche quando il flusso aziendale non è cambiato. Pretendi che le modifiche rilevanti siano comunicate, che vi sia una verifica prima di estendere un comportamento e che sia chiaro chi autorizza il rilascio. Questo è più utile di una promessa vaga di manutenzione.
- Che cosa riceveremo durante il supporto e alla fine del rapporto? Chiedi tempi e canali di assistenza, formazione per gli utenti, documentazione aggiornata, proprietà o licenze di configurazioni e contenuti creati, formato di esportazione, restituzione o cancellazione dei dati e attività di passaggio di consegne. Il GDPR prevede che il contratto disciplini anche restituzione o cancellazione dei dati al termine del servizio; l’EDPB segnala inoltre l’importanza di sub-responsabili autorizzati e audit. Un piano di uscita è una tutela operativa, non un segnale di sfiducia.
Una griglia per confrontare risposte diverse
Non sommare solo funzioni o preventivi. Usa una griglia con quattro aree: aderenza al problema e deliverable (30 punti), dati e governance (25), prova e controlli (25), supporto e uscita (20). Assegna da 0 a 4 a ogni area: 0 è assenza di risposta; 1 è promessa generica; 2 contiene un metodo ma poche evidenze; 3 è specifica e documentabile; 4 è specifica, proporzionata e già pronta per essere verificata. Il punteggio dell’area è voto/4 moltiplicato per il suo peso.
| Area | Peso | Cosa osservare |
|---|---|---|
| Problema e deliverable | 30 | Perimetro, persone, confini, risultati verificabili |
| Dati e governance | 25 | Flussi, ruoli, subfornitori, accessi, uso e rientro dati |
| Prova e controlli | 25 | Test, metriche, revisione umana, log, gestione errori |
| Supporto e uscita | 20 | Formazione, manutenzione, modifiche, trasferimento e fine rapporto |
Tratta la griglia come una conversazione disciplinata, non come un algoritmo che sceglie al posto tuo. Alcune condizioni sono bloccanti anche con un totale alto: nessun elenco della filiera dati, impossibilità di testare i casi rappresentativi, nessuna persona responsabile, oppure mancata restituzione o cancellazione dei dati. Segnale da approfondire è anche chi chiede dati personali in quantità prima di aver definito scopo, base organizzativa e protezioni.
Esempio ipotetico: tre proposte, una decisione motivata
Esempio puramente ipotetico, non è un benchmark di mercato né un’offerta. Una PMI mette a confronto tre candidati sulla stessa richiesta di una pagina. Il candidato A ottiene 3 su 4 per problema, 4 per dati, 2 per prova e 3 per supporto. Applicando la formula, il risultato è 22,5 + 25 + 12,5 + 15 = 75 punti su 100. Il candidato B ha una presentazione molto ricca ma non indica i subfornitori e non accetta un test con criteri condivisi: anche se il punteggio apparente fosse competitivo, il gruppo lo mette in pausa per una condizione bloccante. Il candidato C riceve 68, ma consegna prima della firma una bozza di piano di test e un elenco di responsabilità più aderenti al processo.
La PMI non sceglie automaticamente C o A. Torna su due domande: il test misura un rischio reale del processo? Le condizioni di dati, supporto e uscita sono scritte in modo verificabile? Se A chiarisce il piano di test, può restare il candidato preferito. Se non lo chiarisce, un punteggio numerico non compensa l’incertezza. La decisione finale può essere accompagnata da una nota di una pagina che riporta valutatori, evidenze viste, riserve e motivo della scelta: sarà utile anche quando il progetto cambia.
Dalla selezione al primo incarico senza promettere troppo
Il primo incarico dovrebbe rendere meno incerto il passo successivo, non impegnare subito tutta l’azienda. Concorda una fase limitata con obiettivo, dati ammessi, casi di test, revisore umano, data di verifica e condizioni di stop. Se è necessario usare informazioni realistiche, valuta con le persone competenti se bastano dati fittizi o pseudonimizzati e limita accessi e durata al necessario. Un risultato modesto ma spiegabile è più utile di una dimostrazione non ripetibile.
Alla verifica, chiedi al consulente di mostrare non solo cosa funziona, ma anche un caso che non ha funzionato, come è stato intercettato e quale decisione ne segue. Confronta il materiale con le dodici domande iniziali. Se alcune risposte restano aperte, registrale come condizioni per proseguire invece di trasformarle in assunzioni.
Un consulente AI affidabile non è chi dichiara che ogni soluzione sarà semplice o senza rischio. È chi rende leggibili limiti, dipendenze, responsabilità e criteri di prova, e accetta di metterli per iscritto. Se vuoi esporre volontariamente il tuo contesto prima di decidere, puoi usare l’assistente in basso per descrivere attività, vincoli e domande: non è necessario condividere dati personali o documenti riservati per ottenere un primo orientamento.