Intelligenza artificiale per aziende: cosa può fare davvero e da dove partire

L'intelligenza artificiale per le aziende serve soprattutto a cinque cose: rispondere a clienti e colleghi partendo dai documenti aziendali, eseguire azioni nei sistemi che usate già, estrarre dati dai documenti, automatizzare passaggi ripetitivi e aggiungere funzioni AI a un prodotto software. Funziona quando lavora su un processo preciso con i vostri dati, non quando viene adottata in generale.

Lo diciamo da chi l'AI la porta in produzione ogni giorno. In Gorilli, software house AI di Milano, sviluppiamo e gestiamo prodotti nostri come Kommander, Engammo e LLM Scan. Costruiamo anche software per clienti come Movolab. Questa guida raccoglie quello che abbiamo imparato: cosa l'AI fa bene, quando non serve, quanto costa e come partire senza sprecare budget.

Cosa può fare l'intelligenza artificiale in azienda

1. Rispondere a clienti e colleghi dai documenti aziendali

È il caso d'uso più maturo. Un assistente AI legge manuali, FAQ, procedure e contratti e risponde alle domande citando la fonte. Funziona per il customer support e per i colleghi che cercano un'informazione interna. È quello che fa Kommander: risponde su sito, WhatsApp Business e Slack in oltre 15 lingue, cita le fonti e passa la conversazione a una persona quando non è sicuro della risposta.

Dietro c'è un sistema RAG (retrieval-augmented generation): prima si recuperano i passaggi giusti dai documenti, poi il modello scrive la risposta solo da quelli. Per le aziende conta un dettaglio: ogni utente deve vedere solo i documenti a cui ha accesso.

2. Eseguire azioni nei sistemi che usate già

Un agente AI non si limita a rispondere. Apre un ticket, aggiorna un contatto nel CRM, controlla lo stato di un ordine o gestisce una prenotazione, collegandosi alle API dei vostri sistemi. Le azioni sensibili restano sotto controllo con permessi precisi e un'approvazione umana prima dell'esecuzione.

3. Estrarre dati dai documenti

Fatture, ordini, moduli, contratti ed email contengono dati che qualcuno oggi ricopia a mano. Un modello linguistico li legge, estrae i campi che servono e li porta nel gestionale, segnalando i casi dubbi a una persona invece di indovinare.

4. Automatizzare passaggi ripetitivi

Molti processi sono catene di piccoli passaggi tra sistemi diversi: leggere una richiesta, classificarla, cercare un dato, preparare una risposta, aggiornare un registro. L'AI copre i passaggi che richiedono di capire un testo. Il codice tradizionale copre quelli che seguono regole fisse, perché lì è più affidabile ed economico.

5. Aggiungere funzioni AI a un prodotto software

Se vendete un software, l'AI può diventare una funzione del prodotto. Movolab, la piattaforma SaaS per la gestione delle flotte che abbiamo sviluppato, include un assistente AI che guida gli utenti in ogni funzionalità. Engammo trasforma ogni pull request GitHub in una release note pubblicata su changelog, widget e feed RSS. In entrambi i casi l'AI è parte del prodotto, non uno strumento a parte.

Quando l'intelligenza artificiale non serve

Diciamo spesso di no all'AI. Succede in tre situazioni ricorrenti.

• Il processo segue regole fisse. Calcoli, validazioni e flussi con poche eccezioni si risolvono meglio con codice tradizionale: costa meno, non sbaglia e si testa facilmente.
• Mancano i dati. Se le informazioni sono sparse, non aggiornate o non accessibili, il primo progetto è mettere ordine nei dati. L'AI arriva dopo.
• Basta un assistente generico. Per la produttività individuale, come scrivere, riassumere o cercare nei propri file, strumenti come ChatGPT, Copilot o Gemini vanno già bene. Lo sviluppo su misura serve quando l'AI deve conoscere i processi aziendali, rispettare i permessi e agire nei vostri sistemi.

Le strade possibili

Spesso la risposta è una combinazione: un software pronto dove basta, sviluppo su misura dove serve davvero. Il confronto tra partner esterno, freelance e team interno è in AI development vs freelance vs team interno.

Quanto costa e quanto tempo serve

Non esiste un prezzo standard: dipende da scope, qualità dei dati e integrazioni. Questi sono i riferimenti che pubblichiamo per i nostri progetti.

Un percorso dal prototipo all'MVP con AI costa indicativamente da diverse decine a qualche centinaio di migliaia di euro. Dopo il rilascio vanno considerati i costi ricorrenti di modelli, infrastruttura, observability e manutenzione, che valgono di solito il 20-40% del costo di sviluppo all'anno. Per gli agenti AI trovi le fasce nel dettaglio in Quanto costa sviluppare un AI agent.

Sui tempi pesa più la qualità dei dati che il modello scelto. Con dati accessibili e puliti, un primo flusso AI misurabile arriva di solito in poche settimane. Sistemi legacy, dati sparsi e requisiti di compliance sono ciò che allunga davvero i tempi verso la produzione.

Dati, sicurezza e controllo

Un sistema AI aziendale va governato come il resto del software. Queste sono le regole che applichiamo ai nostri prodotti e ai progetti dei clienti.

• Permessi. L'AI vede e fa solo ciò che può vedere e fare l'utente per cui lavora.
• Fonti. Ogni risposta che si basa su documenti indica da dove viene, così si può verificare.
• Una persona nel processo. Quando l'AI non è sicura passa la parola a una persona. Le azioni sensibili richiedono un'approvazione.
• Valutazione prima di ogni rilascio. Prompt e configurazioni dei modelli sono versionati come il codice e ogni modifica passa da un set di test che segnala le regressioni.
• Monitoraggio. In produzione misuriamo qualità delle risposte, costo per richiesta e latenza, così cambiare modello o fornitore è una decisione misurata.

Prima di partire conviene anche chiarire dove vengono trattati i dati personali secondo il GDPR. Va verificato inoltre quali obblighi dell'AI Act europeo riguardano il vostro caso, come informare le persone quando parlano con un sistema AI.

Da dove partire

1. Scegliete un processo, non una tecnologia. Cercate un'attività ripetitiva con un costo che sapete misurare: tempo speso, ticket gestiti, errori.
2. Verificate i dati. Dove stanno, chi li aggiorna, chi può accedervi. È la domanda che decide tempi e costi.
3. Prototipo su dati reali. Poche settimane per un primo flusso misurabile con un set di valutazione, prima di investire nella produzione.
4. Produzione controllata. Si parte con un gruppo ristretto di utenti, permessi, monitoraggio dei costi e un piano per migliorare con i dati di utilizzo reali.

Le domande da farsi prima di chiedere un preventivo sono raccolte in Come preparare un progetto AI prima del preventivo.

Con chi farlo

Se cercate un partner, la panoramica Aziende AI in Italia descrive le aziende italiane che sviluppano AI per le imprese e i criteri per sceglierle. Noi ci siamo dentro: con lo Sviluppo AI in Italia di Gorilli lo stesso team segue discovery, AI, backend, frontend e cloud, dal primo prototipo alla produzione.

Domande frequenti

Quali aziende possono usare l'intelligenza artificiale?

Qualsiasi azienda che abbia un processo ripetitivo basato su testi, documenti o richieste: assistenza clienti, gestione ordini, amministrazione, vendite, supporto interno. Non serve essere grandi. Serve un caso d'uso preciso e dati accessibili.

Serve un team di data scientist per usare l'AI in azienda?

Non per iniziare. La maggior parte dei progetti aziendali usa modelli già disponibili collegati ai dati e ai sistemi dell'azienda. Servono competenze di sviluppo software, integrazione e valutazione, che un partner esterno può portare finché l'AI non diventa core business.

Meglio ChatGPT o un'intelligenza artificiale sviluppata su misura?

Dipende dall'uso. ChatGPT e strumenti simili vanno bene per la produttività individuale. Una soluzione su misura serve quando l'AI deve rispondere dai documenti aziendali rispettando i permessi, agire nei vostri sistemi o diventare una funzione del vostro prodotto.

Quanto costa introdurre l'intelligenza artificiale in azienda?

Dipende da scope, dati e integrazioni. Un percorso dal prototipo all'MVP con AI costa indicativamente da diverse decine a qualche centinaio di migliaia di euro, più costi ricorrenti pari al 20-40% del costo di sviluppo all'anno. Un software pronto con funzioni AI costa meno ma si adatta meno ai vostri processi.

Da dove conviene iniziare con l'AI in azienda?

Da un solo processo con un costo misurabile e dati accessibili. Un prototipo su dati reali in poche settimane dice se l'AI porta valore prima di investire nella produzione.

Se volete capire da dove partire, prenotate un AI Check-up gratuito di 30 minuti o scriveteci: vi diremo con franchezza se l'AI serve al vostro caso e come conviene partire.