Quanta AI serve davvero al tuo progetto? I quattro livelli di autonomia

Il problema: "mettiamoci l'AI"

Negli ultimi mesi ci è capitato spesso di sentire la stessa domanda, formulata più o meno sempre allo stesso modo: "possiamo metterci l'AI?".

È una domanda legittima, perché arriva dalla stessa intuizione: oggi, con gli avanzamenti dell'AI e i costi che si abbassano, automatizzare processi aziendali che prima richiedevano giorni e ora ore è diventato accessibile per tutti, e rappresenta un vantaggio competitivo enorme.

La prima domanda che è più utile farsi però è: quanta AI serve davvero qui (ovvero: quanto è "grande" il lavoro che devo fare o commissionare)? A volte basta un software tradizionale, a volte è sufficiente un assistente AI ben istruito, a volte serve un sistema che ragiona, sceglie e agisce in autonomia (gli agenti AI).

La risposta onesta si può dare solo caso per caso, e incide su costi di implementazione, metodologie, facilità di utilizzo. Quindi conviene sempre farsela.

Scegliere l'approccio sbagliato all'inizio significa spesso costruire qualcosa di troppo complesso, troppo costoso o troppo poco affidabile. Infatti ci sono due errori opposti che vediamo fare spesso: da una parte c'è chi affida all'AI un compito che una regola scritta una volta avrebbe risolto per sempre, e si ritrova con uno strumento che costa a ogni utilizzo e che ogni tanto sbaglia proprio dove non può permetterselo. Dall'altra c'è chi commissiona mesi di sviluppo per un software che si poteva ottenere in una settimana, istruendo bene un assistente AI.

In mezzo ci sono le soluzioni che funzionano. Sono quattro, e vale la pena sapere quali sono prima di firmare un preventivo.

Prima di scegliere: regole e probabilità

Per scegliere bene serve tenere a mente una distinzione, e ti promettiamo che è l'unica cosa un po' tecnica di questo articolo, ma ti farà capire meglio quello che segue.

Ci sono strumenti che eseguono automazioni semplicemente seguendo regole precise pre impostate. Pensa per semplicità allo strumento "trova e sostituisci" di Word: cerchi il vecchio nome di un prodotto, metti quello nuovo, e te lo cambia in ogni riga del documento. Mai uno di meno, mai uno di troppo. Se lo lanci cento volte ottieni cento volte lo stesso documento. Esempi che usi tutti i giorni: il tuo gestionale, il foglio di calcolo con le formule, il software che emette le fatture.

Poi ci sono strumenti che lavorano sulle probabilità (sono sempre più precisi, ma sempre di "previsioni" parliamo). Un esempio facilissimo è il suggeritore del testo del telefono: scrivi "come stai" e ti propone "oggi", perché statisticamente è la parola che viene dopo più spesso. Di solito ci prende, ogni tanto può sbagliare.

Ecco, detta in modo molto semplificato, gli LLM come ChatGPT e gli altri modelli funzionano secondo questo principio: non seguono una lista di regole scritte da qualcuno, ma generano il risultato più probabile sulla base di ciò che hanno imparato. Sono molto bravi a interpretare linguaggio, immagini e informazioni non strutturate, ma restano sistemi probabilistici. Più un compito richiede interpretazione, più diventano utili. Più richiede precisione assoluta, più bisogna affiancarli a regole e controlli.

Tutto quello che vedremo da qui in avanti nasce proprio da questa distinzione: capire quali parti di un processo devono essere prevedibili al 100% e quali, invece, richiedono capacità di interpretazione.

Possiamo anche metterla così: chi deve prendere le decisioni? Perché fondamentalmente è questo che distingue i modi principali di costruire un sistema con AI. Vediamoli.

I quattro livelli di autonomia

1. Il software classico: quando decidono le regole

È quello che conosci già: il gestionale, il portale, l'applicazione che usi ogni giorno. Gli dai un input, sai con certezza cosa ti restituisce.

Non vuoi un software che ogni tanto sbaglia un totale in fattura o calcola male una scadenza. Per queste attività serve prevedibilità assoluta. Il vantaggio delle regole è proprio questo: costano tempo e denaro per essere costruite, ma una volta create funzionano in modo stabile e il costo di utilizzo è molto basso.

Il punto interessante è che oggi l'AI è diventata molto brava proprio a creare questo tipo di software. Quando il problema è chiaro e il risultato può essere verificato, l'AI può aiutare a sviluppare, testare e correggere il codice molto più velocemente rispetto al passato. Questo significa che alcuni software che prima non erano economicamente sostenibili oggi possono diventare realtà.

Quando ha senso?

Quando il processo è prevedibile, ripetitivo e richiede precisione.

Alcuni esempi:

• gestione ordini;
• fatturazione;
• calcoli finanziari;
• aggiornamento database;
• processi amministrativi.

Qui l'AI può aiutare a costruire il sistema, ma non necessariamente deve essere dentro il sistema.

2. L'assistente AI: quando decide l'essere umano

Questo è il modo più semplice di usare l'intelligenza artificiale. Non costruisci un software nuovo, dai a un modello AI un ruolo, delle istruzioni e del contesto in chat.

Per esempio:

• un assistente che scrive le prime bozze delle email;
• un sistema che riassume documenti;
• uno strumento che analizza una ricerca di mercato;
• un supporto alla creazione di contenuti;
• un assistente che prepara una proposta commerciale.

Il vantaggio è che si adatta: capisce anche le richieste che non avevi previsto, collega concetti, migliora nel tempo. Lo svantaggio è l'altra faccia della stessa medaglia: la risposta non è mai identica a se stessa, a volte fraintende il contesto, a volte si inventa qualcosa. Per un testo da rileggere va benissimo. Per un numero che finisce in un preventivo, molto meno.

È anche la strada più economica da imboccare: spesso basta un abbonamento a uno dei modelli come ChatGPT e Claude, e il tempo per istruire bene l'assistente.

Quando ha senso?

Quando il compito richiede interpretazione, creatività o linguaggio, ma una persona deve comunque controllare il risultato.

3. Il copilota AI: quando le regole guidano e l'AI interpreta

Qui le cose si fanno interessanti, perché unisci l'affidabilità del primo metodo alla capacità di interpretare del secondo.

Il principio è semplice: le regole decidono il processo, l'AI interviene dove serve comprensione.

Pensa a un software di contabilità che legge gli scontrini fotografati (ci vuole interpretazione, quindi AI) e poi li registra a database e produce i report (ci vuole precisione, quindi regole). Oppure a uno strumento che genera le immagini per i tuoi profili social, mentre un automatismo ci sovrappone il logo, i prezzi e le scritte, prendendoli da un elenco che hai scritto tu.

Il dettaglio che conta è chi comanda: il processo a regole guida, e chiama l'AI solo in punti prestabiliti, per fare una cosa precisa. L'AI non decide mai cosa succede dopo.

Altri esempi:

• un customer service che classifica le richieste e le assegna al team corretto;
• uno strumento HR che analizza CV ma applica criteri di selezione definiti dall'azienda.

Quando ha senso?

Quando hai bisogno di automazione, ma alcune parti del processo richiedono capacità tipicamente umane.

4. L'agente AI: quando l'AI decide cosa fare

L'ultimo livello è quello di cui oggi si parla di più: l'AI agentica.

La differenza rispetto ai casi precedenti è una, ma cambia tutto. Non dici all'AI esattamente cosa fare, ma le assegni un obiettivo. Poi è lei a decidere quali strumenti e regole usare per raggiungerlo.

Pensa a un agente che gestisce una richiesta di preventivo: riceve una mail da un potenziale cliente. L'agente:

• legge la richiesta;
• capisce il tipo di esigenza;
• recupera informazioni dal CRM;
• consulta il listino;
• prepara una proposta;
• verifica se manca qualche informazione;
• genera il documento;
• lo prepara per l'invio.

Nessuno gli ha scritto una sequenza rigida di istruzioni. Gli è stato dato un obiettivo (e tutto il contesto), e decide quali passi compiere. Concettualmente assomiglia molto a una piccola squadra di persone che usa il proprio giudizio e i propri strumenti per arrivare a un risultato. È esattamente il modo in cui abbiamo costruito il sistema che gestisce le campagne Meta Ads di cui ti abbiamo raccontato: un assistente che analizza, propone, produce le creatività, e poi carica tutto in pausa aspettando il tuo ok.

Quando ha senso?

Quando il processo è complesso, coinvolge più strumenti e richiede continui adattamenti.

Come si sceglie

Le combinazioni possibili sono tante e hanno tutte pregi e difetti. La regola generale è che il software a regole costa di più a costruirsi ma poco a mantenersi acceso, mentre le soluzioni più spinte sull'AI si costruiscono in fretta e con meno soldi, ma hanno un costo di esercizio che torna ogni mese.

Detto questo, ecco come ragioniamo noi quando dobbiamo decidere:

• Solo regole, quando ti serve un sistema prevedibile, stabile negli anni e con costi di gestione bassi. Metti in conto che svilupparlo, modificarlo e mantenerlo costa.
• Solo AI, per compiti ripetitivi che richiedono un minimo di interpretazione o di creatività. Il costo è più o meno quello di un abbonamento, e lo si migliora parlandoci.
• Regole con l'AI a chiamata, quando ti serve un sistema prevedibile che però deve sbrigare anche qualche compito "da essere umano", tipo scrivere un testo o tirare fuori un dato da una foto. Costa svilupparlo e costa tenerlo acceso, in proporzione a quanta AI ci passa dentro.
• AI al comando, quando ti serve un sistema che si muove tra strumenti diversi e sa fare più cose. Si costruisce in meno tempo del software classico, ma richiede sia competenze tecniche sia qualcuno che conosca davvero il mestiere che il sistema deve svolgere.

Un'ultima cosa, molto importante

Se dovessimo riassumere tutto in una riga sola: nella maggior parte dei progetti la soluzione che vince è quella in cui l'AI fa solo ciò che le regole non sanno fare, e niente di più.

Non vogliamo tenere una posizione prudente per scelta, ma è quello che abbiamo visto funzionare più volte. Ogni pezzo di processo che affidi all'AI senza motivo è un pezzo che costa a ogni esecuzione, che può darti una risposta diversa domani, e che dovrai controllare a mano. Ogni pezzo che invece affidi alle regole lo scrivi una volta e smetti di pensarci.

La parte più difficile è capire dove passa il confine nel tuo caso specifico. E quello dipende da come lavori tu, non da quale modello va di moda questo mese.

👉​ Hai in mente qualcosa e non sai in quale dei quattro modi andrebbe costruito? Scrivici qui e prenota la tua chiamata di consulenza gratuita direttamente con noi. Sceglierlo bene all'inizio costa una conversazione, scoprirlo a metà strada costa rifare il lavoro.

A presto, Alice & Cesare, Akme