Un’impresa può avere già diversi strumenti AI e continuare a copiare informazioni a mano tra email, fogli e gestionale. In quel caso il problema riguarda il processo: dove nasce il dato, chi lo usa e dove deve arrivare. Il compito della consulenza è capire quel passaggio e scegliere un intervento che si possa valutare.
Nel mio lavoro collego sviluppo software, integrazioni AI e formazione. I casi di questo portfolio permettono di vedere contributi e stati diversi: un plugin consegnato, un bridge tecnico in alpha, un’app commerciale in beta. Questa distinzione è utile anche quando confronti più fornitori: una demo, un rilascio e un utilizzo esteso sono evidenze differenti.
Che cosa fa un consulente AI in azienda
Un consulente AI, spesso indicato anche come AI consultant, aiuta a individuare un’applicazione sensata dell’intelligenza artificiale e a definirne condizioni, limiti e verifiche. L’incarico può fermarsi all’analisi oppure comprendere sviluppo, integrazione e formazione. È importante che il preventivo lo chiarisca.
Un esempio: il team riceve richieste commerciali e le ricopia nel CRM. Prima di proporre un agente, serve capire quali campi si ripetono, quali richiedono interpretazione e quali possono essere trasferiti con una regola. L’AI può aiutare a leggere un testo libero; l’assegnazione di un responsabile può seguire una logica deterministica. La soluzione deve rendere riconoscibili entrambi i passaggi.
Un buon primo incontro produce quindi una descrizione condivisa del lavoro: input, passaggi, eccezioni, persone coinvolte e risultato atteso. Se manca questa descrizione, anche una dimostrazione ben riuscita rimane difficile da confrontare con il lavoro quotidiano.
Le domande da fare prima del preventivo
Puoi usare queste domande durante il colloquio. Chiedi esempi e documenti che aiutino a rispondere, rispettando gli eventuali accordi di riservatezza del fornitore.
| Domanda | Che cosa dovrebbe rendere chiaro la risposta |
|---|---|
| Quale attività prendiamo in esame? | Un processo circoscritto, con un inizio e un risultato riconoscibili |
| Quali dati e accessi servono? | Fonti, permessi, campione iniziale e modalità di condivisione |
| Che cosa ricevo alla fine? | Software, configurazioni, documentazione, formazione o sola analisi |
| Come accettiamo il risultato? | Casi di prova, errori da intercettare e persona che approva |
| Che cosa resta da gestire? | Costi dei servizi, manutenzione, aggiornamenti e responsabilità |
È utile chiedere anche una prova che non riesce. Per un assistente sui documenti, per esempio, il materiale potrebbe non contenere la risposta. Il sistema deve rendere visibile questa mancanza. La spiegazione di quel limite dice molto sulla qualità del progetto.
Come leggere i casi di un consulente
Nel caso Starpool ho sviluppato un plugin C#/.NET che lavora in AutoCAD e gestisce percorsi, ostacoli e distanze. Il problema era geometrico e operativo. È un esempio di sviluppo su misura che aiuta a capire quando serva una logica esplicita, anche all’interno di un’offerta più ampia di consulenza AI.
Con FaTA Next Bridge il collegamento riguarda invece un agente e gli oggetti nativi di un software tecnico. La scheda documenta un’alpha e distingue le operazioni verificate. La domanda utile per un potenziale cliente è quali operazioni siano disponibili nella propria versione, con quali prove.
Quando leggi un caso, cerca il contributo personale del professionista, il contesto della consegna e il risultato osservabile. Un elenco di tecnologie o loghi non risponde da solo a queste domande. Anche un dato numerico va letto con il suo perimetro: test eseguiti, operazioni supportate e risparmio di tempo misurano cose diverse.
Definire un progetto pilota che serva a decidere
Propongo di partire da una prova con quattro elementi: un campione rappresentativo, un risultato atteso, alcuni casi difficili e un criterio per decidere il passo successivo. Per esempio, estrarre da un piccolo insieme di richieste i campi necessari al CRM e farli confermare a un operatore prima del salvataggio.
Il campione deve includere anche una richiesta incompleta, un’informazione ambigua e un duplicato. Il risultato della prova sarà una base per decidere se estendere il sistema, correggerlo o scegliere un approccio diverso. Conservare gli esempi e le valutazioni consente di ripetere il confronto quando cambia il modello o l’integrazione.
La gestione dei rischi va collegata all’uso concreto e alle persone coinvolte. Il framework volontario NIST AI RMF offre un riferimento per organizzare questa valutazione lungo il ciclo di vita del sistema. Non è un certificato di conformità rilasciato automaticamente a un progetto.
Automazione, assistente o agente: che cosa serve davvero?
Un trasferimento fra due campi con regole stabili può essere un’automazione tradizionale. Leggere richieste scritte liberamente e proporre una classificazione può richiedere un modello. Scegliere fra più strumenti, osservare l’esito e decidere il passo successivo introduce invece un comportamento da agente, con più stati da governare.
Erik S. e Barry Zhang, nella guida Anthropic Building effective agents del 2024, distinguono i percorsi definiti dal codice da quelli in cui il modello dirige dinamicamente strumenti e passaggi. È un riferimento utile per discutere l’architettura, non una ragione per scegliere sempre il sistema più autonomo. La distinzione fra workflow e agenti
Nel preventivo chiederei quindi quali decisioni sono affidate a regole, quali al modello e quali a una persona. Se il fornitore propone un agente, dovrebbe spiegare quali alternative deve scegliere e come viene riconosciuto un errore. Il caso Starpool mostra anche il valore di un algoritmo specializzato: l’AI non è necessaria in ogni passaggio per rendere utile un progetto.
Una scheda per decidere se il pilota merita un’estensione
Per un’azienda che gestisce richieste commerciali, propongo di preparare un piccolo insieme di casi con risultato atteso. Le quantità si concordano in base alla varietà del processo, senza presentare una manciata di esempi come prova statistica generale. Il campione deve contenere situazioni facili, incomplete, ambigue e duplicati.
| Decisione | Evidenza da chiedere |
|---|---|
| Il risultato è utilizzabile? | Campi corretti confrontati con gli originali e correzioni registrate |
| Il team impiega meno lavoro? | Tempo totale, inclusi controllo e recupero degli errori |
| Possiamo gestire le eccezioni? | Un operatore sa riconoscere e riprendere una richiesta bloccata |
| Che cosa succede dopo un aggiornamento? | Stessi casi ripetibili con versione del modello e configurazione annotate |
| Conviene estendere il progetto? | Beneficio osservato nel campione, costi residui e condizioni ancora escluse |
Un esempio di calcolo inventato chiarisce perché misurare tutto: un’attività manuale richiede 8 minuti; la proposta AI ne richiede 3, la verifica 4 e la gestione delle eccezioni altri 2 in media. Il totale è 9 minuti, quindi il pilota non ha ancora dimostrato un vantaggio sul tempo. Potrebbe migliorare la qualità, ma servirebbe una misura separata per dirlo. Nessuno di questi numeri è un risultato dei clienti del portfolio.
Il criterio di arresto va definito prima: quali errori impediscono il rilascio, chi decide sulle eccezioni e quale attività rimane manuale. La consulenza diventa così un modo per prendere una decisione informata sul lavoro, oltre che per scegliere una tecnologia.
Quanto costa una consulenza AI?
Un importo attendibile richiede almeno la descrizione del processo e dei sistemi coinvolti. Nell’offerta distinguerei analisi, sviluppo, integrazione, collaudo e formazione. Separerei inoltre i costi una tantum dai consumi dei servizi, dall’hosting e dalla manutenzione.
È utile chiedere che cosa può far cambiare il perimetro: API non disponibili, dati poco leggibili, autorizzazioni da rivedere o nuove eccezioni emerse nella prova. Un prezzo iniziale ha significato se è associato a un risultato e a ipotesi esplicite. Non pubblico una tariffa standard per lavori che possono richiedere interventi molto diversi.
Scegliere un consulente AI ad Avellino o in Campania
Per un’azienda del territorio, la vicinanza può aiutare a discutere il processo con chi lo svolge. Le attività di analisi, sviluppo e revisione possono però avvenire anche da remoto. Modalità, eventuali incontri in presenza e persone coinvolte vanno concordati in base al progetto.
Lavoro tra Avellino e Napoli e propongo consulenza AI per aziende in Campania, oltre a collaborazioni da remoto. Nel primo confronto possiamo partire dagli strumenti che usi oggi: non occorre avere già un capitolato né caricare documenti riservati nel modulo.
Se vuoi prepararti, annota un’attività ripetitiva, il software coinvolto e un esempio del risultato che vorresti ottenere. È una base più utile di una richiesta generica di “mettere l’AI in azienda”.
Una lettura per approfondire
Andrew Ng
“Have a clearly defined and measurable objective that creates business value.”
Nel playbook del 2018, Ng collega il progetto pilota a un obiettivo definito e misurabile. Qui applico quel criterio alla scelta della prima attività e delle prove di accettazione; i casi del portfolio restano evidenze separate.
Citazione breve in lingua originale. Fonte consultata il 24 settembre 2026.Fonti e contesto
Le letture sostengono i passaggi tecnici indicati. I fatti sul mio lavoro rimandano al caso del portfolio; i campioni inventati sono segnalati nel testo.
- AI Transformation PlaybookAndrew Ng
La citazione e la sua applicazione sono commentate nel riquadro precedente.
- Building effective agentsAnthropic · 2024
La distinzione fra percorsi definiti dal codice e decisioni affidate al modello. Il testo riflette la data di pubblicazione, non un confronto fra i prodotti attuali.
- AI Risk Management FrameworkNIST
Riferimento volontario per organizzare la gestione dei rischi nel ciclo di vita di un sistema AI.
Fonti ricontrollate il 24 settembre 2026. Per segnalare un errore o proporre un aggiornamento, scrivimi indicando il passaggio.
