Risposta rapida: come rispondere al management sulla GenAI
Quando la direzione chiede “Mettiamo GenAI?”, la risposta non è sì o no. È “sì, se abbiamo una metrica e un processo; no, se resta una dimostrazione”. Per rispondere servono: un triage in 10 domande (Valore, Dati e operazioni, Rischio), un business case credibile con il ROI in cinque righe, una governance leggera contro la shadow AI e un piano in quattro fasi dal pilota all'uso quotidiano, con criteri per decidere se proseguire. Il framework porta da una domanda vaga a una decisione motivata.
Introduzione: perché “mettiamo GenAI” è la domanda sbagliata
La scena si ripete in molte aziende italiane: un consigliere legge un articolo su ChatGPT, un concorrente annuncia un progetto di AI generativa, un fornitore promette grandi risparmi. La domanda arriva al responsabile IT o dell'innovazione: “Perché non mettiamo la GenAI anche noi?”
Chiedere “mettiamo la GenAI?” è come chiedere “mettiamo il cloud?” dieci anni fa. La risposta utile è un'altra domanda: quale processo vogliamo migliorare, quale metrica vogliamo muovere? Solo dopo si capisce se la GenAI è lo strumento giusto.
Il problema non è la GenAI. È che la domanda arriva senza tre informazioni essenziali:
- Quale processo va migliorato (non “tutto”, non “l'azienda in generale”)
- Quale metrica deve muoversi (tempo, costo, qualità, ricavi, rischio)
- Quali vincoli esistono (dati, conformità, budget, competenze, cultura)
Senza questi tre elementi ogni risposta è un azzardo: un “sì” produce progetti pilota che non arrivano mai in uso; un “no” spinge le persone a usare ChatGPT per conto proprio, creando shadow AI fuori controllo.
A chi si rivolge questa guida
- Responsabili IT, dei sistemi informativi e del digitale che devono rispondere alla direzione con dati, non con opinioni
- Responsabili dell'innovazione che devono valutare casi d'uso GenAI con criteri ripetibili
- Direzione e responsabili di funzione che vogliono capire se la GenAI porta valore reale
- Responsabili della sicurezza e della conformità che devono gestire la shadow AI e la governance dei dati
- Consulenti e system integrator che affiancano i clienti nelle decisioni di adozione
Questo articolo presenta il framework Niuexa per passare dalla domanda vaga “mettiamo la GenAI?” in un piano decisionale: un triage in 10 domande, una mappa dei casi d'uso, un modello di ROI in cinque righe, una governance contro la shadow AI e un piano in quattro fasi.
1. Il triage GenAI: 10 domande per capire se serve davvero
Prima di avviare qualsiasi progetto GenAI, ogni caso d'uso dovrebbe passare un triage. Non è un questionario teorico: serve a separare le idee con potenziale dai desideri senza fondamento.
Le 10 domande sono divise in tre categorie: Valore, Dati e operazioni, Rischio. Ogni risposta riceve un punteggio da 0 a 3 che alimenta una scorecard.
Categoria 1: Valore (domande 1-4)
Domanda 1: qual è il processo?
Un processo preciso, non “l'azienda”. Esempio corretto: “classificazione e smistamento dei ticket di supporto di primo livello”. Esempio sbagliato: “migliorare il servizio clienti”.
Domanda 2: quale metrica deve muoversi?
Una metrica numerica con un punto di partenza e un obiettivo. Esempio: “ridurre il tempo medio di prima risposta, oggi di 4 ore”. Se non c'è una metrica non c'è un progetto, c'è un'esplorazione.
Domanda 3: quanti casi gestisce il processo?
La GenAI rende sui volumi: molti ticket al giorno possono giustificare l'investimento, pochi ticket alla settimana probabilmente no. Sotto una certa soglia l'automazione costa più del lavoro manuale.
Domanda 4: chi è il responsabile con budget?
Non un comitato o un gruppo di lavoro: una persona con budget approvato, autorità per decidere e responsabilità sul risultato. Senza un responsabile, il progetto si ferma al primo ostacolo.
Categoria 2: Dati e operazioni (domande 5-7)
Domanda 5: i dati esistono e sono accessibili?
Senza dati la GenAI non ha nulla su cui lavorare. Servono dati strutturati o testi in un formato accessibile (API, database, file), una qualità sufficiente (non perfetta, ma utilizzabile) e il diritto di usarli (GDPR, contratti, proprietà intellettuale).
Domanda 6: il risultato richiede una revisione umana?
Se il risultato è legalmente vincolante (contratti, diagnosi mediche, decisioni finanziarie regolamentate), serve un passaggio umano obbligatorio. Se è un suggerimento interno (bozze, sintesi, classificazioni), il rischio è più contenuto.
Domanda 7: l'infrastruttura regge?
Tempi di risposta, volumi, disponibilità. Un assistente che risponde in 15 secondi non verrà usato. Un sistema che richiede server dedicati potrebbe non essere sostenibile. Valuti servizi in cloud o installazione interna, costi del consumo a regime e integrazione con i sistemi esistenti.
Categoria 3: Rischio (domande 8-10)
Domanda 8: cosa succede se il modello sbaglia?
Classifichi l'impatto: basso (errore che si corregge senza conseguenze), medio (costo di correzione, cliente scontento), alto (danno legale, reputazionale, finanziario). I progetti ad alto impatto richiedono controlli, alternative di riserva e tracciabilità.
Domanda 9: ci sono vincoli di conformità?
GDPR, AI Act, norme di settore (finanza, sanità, pubblica amministrazione). Se il progetto rientra tra i sistemi ad alto rischio dell'AI Act, servono documentazione, verifiche e conformità prima della messa in uso.
Domanda 10: c'è rischio di fuga di dati?
Dati sensibili inviati a servizi esterni, istruzioni malevole che estraggono informazioni riservate, registri che contengono dati personali. Se il rischio esiste servono classificazione dei dati, anonimizzazione, installazione privata e strumenti di protezione contro la perdita di dati.
Scorecard: come leggere i risultati
Ogni domanda riceve un punteggio da 0 (bloccante) a 3 (pronto). Il totale orienta la decisione:
| Punteggio totale | Valutazione | Decisione |
|---|---|---|
| 24-30 | Pronto per il pilota | GO: si passa al piano in quattro fasi |
| 16-23 | Potenziale, con lacune da colmare | ITERATE: si colmano le lacune, poi si rivaluta |
| 0-15 | Non pronto o non adatto alla GenAI | NO-GO: si documenta e si valutano alternative (automazione classica, business intelligence, regole) |
| Categoria | Domande | Punteggio massimo | Soglia minima per il GO |
|---|---|---|---|
| Valore | 1-4 | 12 | ≥ 8 |
| Dati e operazioni | 5-7 | 9 | ≥ 6 |
| Rischio | 8-10 | 9 | ≥ 5 |
Nessuno zero sui punti bloccanti
Anche con un totale pari o superiore a 24, se una domanda riceve 0 il progetto non parte. Uno zero indica un blocco che nessun punteggio alto altrove può compensare. Esempio: dati non accessibili (domanda 5 = 0) rendono irrilevante qualsiasi potenziale di valore.
2. Casi d'uso: dove la GenAI funziona e dove si ritorce contro
Non tutti i problemi aziendali richiedono la GenAI. Alcuni si risolvono meglio con automazione classica (RPA), business intelligence, regole fisse o un flusso di lavoro ben fatto. Conviene riconoscere dove la GenAI rende di più e quali segnali indicano strumenti diversi.
Dove la GenAI rende di più
La GenAI dà il massimo quando il compito ha queste caratteristiche:
- Input non strutturato: testo libero, email, documenti, conversazioni, immagini, non tabelle con campi predefiniti
- Risultato linguistico: sintesi, riscrittura, classificazione per significato, bozze, traduzione nel contesto
- Volumi medio-alti: abbastanza ripetizioni da giustificare l'investimento, con una variabilità che impedisce regole fisse
- Tolleranza all'errore: il risultato viene rivisto o è un suggerimento, non una decisione finale vincolante
- Contesto aziendale specifico: la ricerca nei documenti (RAG, Retrieval Augmented Generation) ancora le risposte a procedure, manuali e basi di conoscenza interne
Quando la GenAI non è la risposta
- Risultato legalmente vincolante senza revisione umana: contratti, referti medici, decisioni finanziarie regolamentate
- Dati non accessibili o di bassa qualità: se i dati non esistono, sono chiusi in archivi isolati o sono sporchi, la GenAI amplifica il problema
- Beneficio non misurabile o volumi troppo bassi: pochi documenti alla settimana non giustificano un sistema complesso
- Calcoli deterministici: somme, report strutturati, flussi rigidi; qui servono automazione classica o regole
- Rischio di fuga di dati non mitigabile: dati classificati, segreti industriali, dati personali non anonimizzabili
Confronto: GenAI, RPA, business intelligence e regole
| Criterio | GenAI (modelli linguistici, RAG) | RPA | BI e analisi | Regole e flussi |
|---|---|---|---|---|
| Input ideale | Testo libero, documenti, conversazioni | Schermate, moduli, dati strutturati | Database, data warehouse, metriche | Condizioni sì/no, alberi decisionali |
| Risultato tipico | Testo generato, classificazione, sintesi | Azione ripetitiva automatizzata | Cruscotti, report, analisi | Decisione deterministica, smistamento |
| Tolleranza all'errore | Media (richiede supervisione) | Bassa (se sbaglia, ripete l'errore) | Alta (dati, non decisioni) | Nulla (deterministico) |
| Costo di avvio | Medio-alto (ricerca nei documenti, valutazione, messa a punto) | Medio (sviluppo dei robot, manutenzione) | Medio (preparazione e modellazione dei dati) | Basso-medio (configurazione) |
| Costo ricorrente | Variabile (consumo dei modelli, valutazione) | Basso (licenze, manutenzione) | Basso (infrastruttura dati) | Basso (hosting) |
| Esempio | Sintesi di email, domande sui documenti, classificazione ticket | Inserimento dati, riconciliazioni, fatturazione | Analisi vendite, previsioni, anomalie | Approvazione ordini, smistamento ticket, controllo scadenze |
Tre modi di usare la GenAI: chatbot, copilota, agente
Chatbot
Cosa fa: risponde a domande su documenti aziendali (procedure, policy, documentazione tecnica).
Valore: rapido da mettere in uso, valore immediato sulle domande ricorrenti.
Rischio: medio; le risposte inventate si gestiscono con la ricerca nei documenti e le citazioni delle fonti.
Governance: registrazione delle conversazioni, raccolta dei pareri, passaggio a una persona.
Copilota
Cosa fa: suggerisce dentro gli strumenti di lavoro esistenti (CRM, ERP, email, ambienti di sviluppo).
Valore: alto, accelera il lavoro senza cambiare il processo.
Rischio: medio-alto, i suggerimenti sbagliati possono propagarsi.
Governance: accettazione esplicita dell'utente, tracciabilità, metriche di adozione.
Agente AI
Cosa fa: esegue azioni (invia email, crea ticket, aggiorna record, chiama API).
Valore: molto alto, automatizza compiti da un capo all'altro.
Rischio: alto, azioni difficili da annullare senza supervisione.
Governance: ambiente di prova, approvazione umana sulle azioni critiche, limiti di frequenza, possibilità di fermarlo subito.
Si parte dal chatbot, si passa al copilota
Non parta da un agente che agisce da solo. Il percorso prudente è: chatbot (valore rapido, rischio contenuto), poi copilota (valore alto, governance solida), poi agente (solo dopo aver validato il modello e i controlli). Ogni passaggio richiede che le metriche del livello precedente siano state raggiunte. Anche con gli agenti vale la regola: l'agente propone, la persona decide sulle eccezioni.
3. Un business case credibile: ROI, costi totali e metriche
Un progetto GenAI senza business case è un esperimento. La direzione non ha bisogno di dimostrazioni spettacolari: ha bisogno di numeri. Ecco come costruire un business case che regge davanti al direttore finanziario.
Il ROI in cinque righe
Il ROI di un progetto GenAI si calcola con cinque voci. Nessuna stima a sensazione: ogni riga deve partire da dati reali del processo attuale. L'esempio usa numeri tondi senza unità, solo per mostrare il calcolo.
| # | Voce | Come calcolarla | Esempio (numeri tondi) |
|---|---|---|---|
| 1 | Costo attuale del processo (A) | Volume × tempo medio × costo orario delle persone | 14 al mese |
| 2 | Risparmio atteso (B) | A × quota di casi automatizzati × quota di casi corretti | 7 al mese |
| 3 | Costo del progetto (C) | Sviluppo + integrazione + formazione + riserva per imprevisti | 96 |
| 4 | Costo ricorrente annuo (D) | Consumo dei modelli + monitoraggio + manutenzione + valutazione | 22 all'anno |
| 5 | ROI del primo anno | (B × 12 − C − D) ÷ C | (84 − 96 − 22) ÷ 96, cioè circa −0,35 |
Leggere il ROI con onestà
Nell'esempio il ROI del primo anno è negativo: è normale per progetti con un costo di avvio importante. Il tempo di rientro è di circa un anno e mezzo (96 ÷ (7 − 22 ÷ 12), cioè 96 ÷ 5,2). Dal secondo anno, senza il costo di avvio, il beneficio netto annuo è 84 − 22 = 62. Un business case che promette un ROI positivo già al primo anno su un progetto con costi di avvio importanti merita una verifica in più.
Costo totale: le voci che si dimenticano
Il costo totale di un progetto GenAI in uso va ben oltre il consumo dei modelli. Queste sono le voci da mettere nel conto:
| Categoria | Voci di costo | Una tantum o ricorrente |
|---|---|---|
| Modelli | Consumo dei servizi (token in ingresso e in uscita), server se installati in casa, cache | Ricorrente |
| Dati e ricerca nei documenti | Database vettoriali, indicizzazione, flussi di caricamento, qualità dei dati | Avvio e ricorrente |
| Integrazione | Collegamenti a ERP e CRM, accesso unico, middleware | Soprattutto avvio |
| Sicurezza | Protezione dei dati, cifratura, tracciabilità, test di sicurezza, conformità | Avvio e ricorrente |
| Gestione operativa | Monitoraggio, valutazione della qualità, aggiornamento delle istruzioni, prove comparative, gestione dei modelli | Ricorrente |
| Persone e cambiamento | Formazione degli utenti, comunicazione, supporto, documentazione | Avvio e ricorrente |
| Riserva | Imprevisti tecnici, perimetro che si allarga, cambi di fornitore | Avvio |
Una parte importante del costo totale di un progetto GenAI in uso è ricorrente: gestione operativa, verifiche, aggiornamento delle istruzioni, gestione degli accessi, monitoraggio. Chi presenta solo il costo del consumo dei modelli sta sottostimando il progetto.
Le metriche che contano in produzione
In produzione le metriche cambiano rispetto al pilota. Non basta l'accuratezza del modello: servono metriche operative che la direzione capisce. Gli obiettivi si fissano sulla misura di partenza del processo, prima di cominciare.
| Metrica | Cosa misura | Come fissare l'obiettivo | Come misurarla |
|---|---|---|---|
| Compiti riusciti | Quota di compiti completati correttamente senza intervento umano | Più alta per un copilota che per un chatbot aperto; si fissa sul campione del pilota | Analisi dei registri e campione controllato a mano ogni settimana |
| Risposte ancorate | Quota di risposte basate su fonti verificabili | Molto alta per risposte a clienti o su procedure | Verifica automatica delle citazioni e controlli a campione |
| Passaggi a una persona | Quota di casi che richiedono intervento umano | Da far scendere nel tempo, senza forzarla: i casi dubbi devono arrivare a una persona | Casi passati a una persona sul totale |
| Tempo risparmiato | Tempo per compito rispetto al processo manuale | Rispetto alla misura di partenza, con lo stesso metodo | Confronto del tempo medio prima e dopo |
| Qualità (griglia 0-3) | Utilità, completezza e tono dei risultati | Una media concordata con i responsabili del processo | Campione settimanale valutato da persone |
| Adozione | Quota di utenti previsti che usano lo strumento con regolarità | La maggioranza degli utenti previsti entro una data concordata | Accessi e sessioni per utente |
La metrica più importante
La metrica più importante non è tecnica: è l'adozione. Un sistema GenAI molto preciso che nessuno usa non rende nulla. Misuri l'adozione dalla prima settimana e intervenga subito se cala. Le cause più comuni: interfaccia scomoda, risposte lente, risposte poco pertinenti, formazione insufficiente.
4. Governance e sicurezza: come evitare la shadow AI
Il rischio più grande non è adottare la GenAI male. È non adottarla affatto e scoprire che le persone la usano già, con ChatGPT, Copilot o Claude, caricando dati aziendali senza alcun controllo. Questa è la shadow AI, e in molte organizzazioni è già una realtà.
La governance della GenAI non serve a bloccare l'innovazione. Serve a rendere l'alternativa ufficiale più semplice, più veloce e più sicura di quella non autorizzata. Se l'alternativa ufficiale è più complicata, la shadow AI vince sempre.
I quattro pilastri della governance GenAI
1. Catalogo degli strumenti autorizzati
Un elenco pubblico degli strumenti GenAI approvati, con cosa si può fare, quali dati si possono inserire e chi li può usare. Aggiornato ogni trimestre.
2. Procedura per proporre casi d'uso
Un modulo semplice, non burocratico, per proporre un nuovo caso d'uso: processo, metrica attesa, dati coinvolti, rischio stimato. Risposta in pochi giorni lavorativi, non in mesi.
3. Controlli tecnici
Protezione contro la perdita di dati sui dispositivi, blocco del caricamento di file classificati verso servizi esterni, registrazione delle interazioni con gli strumenti AI, anonimizzazione automatica dei dati sensibili.
4. Monitoraggio continuo
Un cruscotto sull'uso degli strumenti AI, autorizzati e non, avvisi sulle anomalie (volumi di caricamento, nuovi strumenti non autorizzati), report trimestrale alla sicurezza e alla direzione.
Le 10 regole minime della policy
Una policy GenAI efficace non è un documento di 50 pagine. È breve, chiara e applicabile. Queste sono le 10 regole minime:
- Non caricare dati classificati (riservati, personali) su strumenti GenAI esterni senza l'approvazione del responsabile della sicurezza
- Non usare il risultato della GenAI come decisione finale per atti legalmente vincolanti senza una revisione umana
- Dichiarare l'uso dell'AI quando si usano contenuti generati in comunicazioni esterne, secondo le regole aziendali
- Non creare account personali con l'email aziendale su piattaforme AI non autorizzate
- Segnalare risultati problematici (pregiudizi, errori, informazioni inventate) nel canale dedicato
- Non aggirare i controlli usando dispositivi personali per caricare dati aziendali
- Documentare le istruzioni importanti usate nei processi aziendali in un archivio condiviso
- Non far addestrare modelli con dati aziendali senza approvazione (attenzione alle impostazioni “migliora i nostri modelli”)
- Verificare i contratti dei fornitori AI su conservazione dei dati, addestramento e subfornitori
- Partecipare alla formazione sull'uso responsabile della GenAI
Controlli per livello di rischio
| Livello di rischio | Tipo di caso d'uso | Controlli richiesti |
|---|---|---|
| Basso | Sintesi interne, brainstorming, ricerca | Registrazione di base, conoscenza della policy, niente dati sensibili |
| Medio | Assistente per i clienti, classificazione ticket, copilota nel CRM | Risposte con citazioni delle fonti, passaggio a una persona, tracciabilità, valutazione settimanale |
| Alto | Agenti che agiscono, risultati inviati ai clienti, decisioni finanziarie | Ambiente di prova, approvazione umana, protezione dei dati, test di sicurezza, verifica di conformità, arresto immediato |
AI Act e conformità: cosa sapere
Con l'AI Act europeo i sistemi di AI vanno classificati per livello di rischio. I punti essenziali per la direzione:
- Rischio inaccettabile: manipolazione subliminale, punteggio sociale, alcune forme di sorveglianza biometrica; vietati
- Rischio alto: selezione del personale, credito, sanità, giustizia; richiedono documentazione, verifiche e conformità
- Rischio limitato: chatbot e contenuti generati; obblighi di trasparenza (la persona deve sapere che parla con un'AI)
- Rischio minimo: filtri antispam, assistenti interni; nessun obbligo specifico
Le scadenze di applicazione sono scaglionate nel tempo: le verifichi sulla fonte ufficiale o con il Suo consulente legale.
La regola della governance
Se seguire la governance è più complicato dell'alternativa non autorizzata, la governance ha già perso. Ogni procedura deve essere più veloce di “apro ChatGPT e incollo i dati”. Se non lo è, semplifichi la procedura invece di aggiungere controlli.
5. Dal pilota alla produzione: un piano in quattro fasi
Superato il triage e costruito il business case, serve un piano operativo. Non un diagramma da 200 righe: quattro fasi con risultati chiari e criteri per decidere se passare alla successiva. La durata di ogni fase dipende dal caso d'uso e si fissa all'inizio, insieme ai criteri.
Fase 1: analisi e progetto
Obiettivo: validare il caso d'uso, definire metriche e architettura.
| Attività | Risultato | Responsabile |
|---|---|---|
| Completare il triage (10 domande) | Scorecard con punteggio e decisione GO, ITERATE o NO-GO | Responsabile del processo e IT |
| Definire le metriche con punto di partenza e obiettivo | Da tre a cinque metriche numeriche con il metodo di misura | Responsabile del processo |
| Mappare i dati disponibili e le lacune | Inventario dei dati con qualità e accessibilità | Team dati e sicurezza |
| Progettare l'architettura | Schema con tecnologie e integrazioni | Responsabile IT o architetto |
| Costruire il business case (ROI in cinque righe) | Documento per la direzione con ROI, costo totale e tempo di rientro | Responsabile del processo e direzione finanziaria |
| Definire la governance (policy e controlli) | Policy GenAI e catalogo degli strumenti autorizzati | Sicurezza e ufficio legale |
Quando passare dalla Fase 1 alla Fase 2
Scorecard pari o superiore a 24 senza zeri, metriche definite con il punto di partenza, dati accessibili, business case approvato, responsabile confermato con budget. Se manca uno di questi elementi, non si passa alla Fase 2.
Fase 2: pilota controllato
Obiettivo: verificare il sistema su un perimetro ristretto, con dati e utenti reali.
| Attività | Risultato | Responsabile |
|---|---|---|
| Sviluppare il pilota (ricerca nei documenti, istruzioni, integrazione di base) | Sistema funzionante su un perimetro ristretto (un team, un processo) | Team tecnico |
| Provarlo con un piccolo gruppo di utenti | Pareri degli utenti e metriche (compiti riusciti, tempo risparmiato) | Responsabile di prodotto |
| Valutare la qualità con la griglia 0-3 | Report sulla qualità di un campione ampio di risultati | Qualità ed esperti del processo |
| Verificare sicurezza e conformità | Checklist di sicurezza superata, valutazione d'impatto se necessaria, protezione dei dati configurata | Sicurezza |
| Aggiornare il business case con i dati del pilota | ROI ricalcolato con dati reali, non stime | Responsabile del processo |
Quando passare dalla Fase 2 alla Fase 3
Metriche del pilota sopra le soglie concordate in Fase 1, pareri positivi degli utenti, nessun incidente di sicurezza, ROI confermato con dati reali, adozione nel gruppo pilota. Se i compiti riusciti sono molto sotto la soglia, si torna alla Fase 1 per ridefinire il caso d'uso.
Fase 3: messa in sicurezza ed estensione
Obiettivo: rendere il sistema pronto per l'uso quotidiano, con sicurezza, monitoraggio e capacità adeguate.
| Attività | Risultato | Responsabile |
|---|---|---|
| Rilascio automatizzato, registrazione strutturata, monitoraggio | Flusso di rilascio con test, messa in uso e ritorno alla versione precedente | Team operativo IT |
| Completare le integrazioni (ERP, CRM, accesso unico, API) | Sistema integrato con gli strumenti aziendali | Team tecnico |
| Test di sicurezza e verifica | Report con le vulnerabilità risolte | Sicurezza |
| Test di carico e messa a punto delle prestazioni | Sistema verificato sui volumi reali previsti, con margine | Team tecnico |
| Documentazione operativa e procedure | Documenti per gestione, risoluzione dei problemi, passaggi di responsabilità | Team tecnico e operativo |
| Piano di formazione per gli utenti | Materiali, sessioni, domande frequenti interne | Responsabile del cambiamento |
Quando passare dalla Fase 3 alla Fase 4
Tutte le integrazioni funzionanti, test di sicurezza superato, test di carico superato con margine sui volumi previsti, documentazione completa, team di supporto formato, piano di comunicazione pronto.
Fase 4: uso quotidiano e miglioramento
Obiettivo: messa in uso controllata, monitoraggio, miglioramento continuo.
| Attività | Risultato | Responsabile |
|---|---|---|
| Estensione graduale agli utenti | Prima un gruppo, poi tutti gli utenti previsti | Team operativo IT e responsabile di prodotto |
| Monitoraggio delle metriche in uso | Cruscotto con avvisi sulle soglie | Team operativo IT e responsabile del processo |
| Formazione degli utenti | Sessioni completate per tutti gli utenti previsti | Responsabile del cambiamento |
| Raccolta dei pareri e aggiornamento delle istruzioni | Ciclo regolare di miglioramento basato su casi reali | Team tecnico e qualità |
| Rimisura e report alla direzione | Confronto con la misura di partenza, ROI reale contro previsto, lezioni apprese | Responsabile del processo e direzione finanziaria |
| Decidere il caso d'uso successivo | Elenco di casi d'uso in ordine di priorità, con triage completato | Responsabile del processo e IT |
Riepilogo
| Fase | Risultati chiave | Criterio per proseguire |
|---|---|---|
| 1. Analisi | Triage, metriche, business case, governance | Scorecard pari o superiore a 24, budget approvato |
| 2. Pilota | Sistema funzionante, valutazione della qualità, pareri degli utenti | Metriche sopra le soglie concordate, ROI confermato |
| 3. Messa in sicurezza | Sicurezza, integrazioni, test di carico, formazione | Test superati, documentazione completa |
| 4. Uso quotidiano | Messa in uso, monitoraggio, rimisura, caso successivo | Metriche in linea con gli obiettivi, adozione |
Domande frequenti: framework GenAI per il management
Cosa rispondere se il management chiede “mettiamo GenAI” ma non c'è un obiettivo chiaro?
Con un criterio ripetibile: “Sì, se abbiamo una metrica e un processo; no, se resta una dimostrazione.” Chieda tre dati minimi: processo da migliorare, metrica da muovere, vincoli. Poi passi il caso d'uso nel triage in 10 domande, che porta da una domanda vaga a una valutazione con punteggio e criteri per decidere.
Quali segnali indicano un NO-GO per un progetto GenAI?
Risultato legalmente vincolante senza revisione umana, dati non accessibili o di bassa qualità, beneficio non misurabile o volumi troppo bassi, rischio di fuga di dati non mitigabile. Nella scorecard, un punteggio 0 su una qualsiasi domanda è un blocco, indipendentemente dal totale.
Quanto costa davvero un progetto GenAI in produzione?
Non esiste un prezzo di listino. Oltre ai modelli e alla ricerca nei documenti ci sono integrazioni, registrazione delle attività, monitoraggio, sicurezza, valutazione della qualità e formazione. Una parte importante del costo è ricorrente: consumo dei modelli, manutenzione, aggiornamento delle istruzioni, gestione degli accessi. Conviene stimare il costo totale del primo e del secondo anno e confrontarlo con il costo attuale del processo.
Come si misura l'accuratezza di un sistema GenAI?
Con metriche operative: compiti completati correttamente, risposte ancorate a fonti verificabili, casi passati a una persona, tempo risparmiato, e un campione valutato a mano con una griglia da 0 a 3 su utilità, completezza e tono. La metrica più importante però è l'adozione: un sistema preciso che nessuno usa non rende nulla.
Chatbot, copilota o agenti AI: quale scegliere?
Il chatbot risponde a domande su documenti e procedure, con valore rapido e rischio medio. Il copilota suggerisce dentro gli strumenti di lavoro (CRM, ERP, email), con valore alto e bisogno di governance. L'agente esegue azioni, con il rischio più alto: servono controlli, ambiente di prova e approvazione umana sulle azioni critiche. Conviene partire dal chatbot, passare al copilota dopo aver validato le metriche e arrivare agli agenti solo con una governance solida.
Che governance serve per evitare la shadow AI?
Una governance leggera ma obbligatoria con quattro pilastri: catalogo degli strumenti autorizzati, procedura semplice per proporre nuovi casi d'uso, controlli tecnici (protezione dei dati, registrazione, anonimizzazione) e monitoraggio continuo. La regola: l'alternativa ufficiale deve essere più semplice di quella non autorizzata. Se seguire le regole è più complicato che aprire ChatGPT e incollare i dati, la governance ha già perso.
Conclusione: cinque decisioni per rispondere al management sulla GenAI
Quando la direzione chiede “mettiamo la GenAI?”, la risposta professionale non è entusiasmo né scetticismo: è un metodo per decidere. Ecco le cinque decisioni, in ordine:
- Triage: compilare le 10 domande per ottenere una scorecard; non partire senza almeno 24 punti e senza zeri
- Business case: costruire il ROI in cinque righe con dati reali del processo, includendo il costo totale e la parte ricorrente
- Governance: adottare la policy e il catalogo degli strumenti prima del pilota, perché la shadow AI è probabilmente già in azienda
- Pilota: provare su un perimetro ristretto con utenti reali e metriche operative, non solo con l'accuratezza del modello
- Estensione: seguire le quattro fasi con criteri per proseguire; se i numeri non reggono, è meglio fermarsi al pilota che mettere in uso un sistema che nessuno userà
La risposta giusta non è mai solo “sì” o “no”. È: ecco il metodo, ecco i numeri, ecco il piano, e la decisione resta alla direzione. È il lavoro di chi guida la tecnologia in azienda: trasformare l'entusiasmo in decisioni basate sui dati.
Ci mostri un processo
In 30 minuti, gratuiti e senza impegno, guardiamo insieme un caso d'uso che la direzione Le ha chiesto di valutare e Le diciamo se la GenAI può servire o se basta una soluzione più semplice. Se ha senso proseguire, prima misuriamo il processo com'è, poi automatizziamo, rimisuriamo e decidiamo insieme. Il costo viene definito in un preventivo scritto dopo l'analisi.
Prenoti la prima chiamata