AI in azienda: da dove partire

Da dove si parte per portare l'AI in azienda?

Da un processo. Chi parte dallo strumento, un abbonamento a un assistente o una piattaforma vista a una fiera, poi gli cerca un problema da risolvere, e spesso trova quello sbagliato. Chi parte dal processo sa già che cosa misurare alla fine.

Un buon primo processo si ripete spesso, ogni giorno o ogni settimana, così il tempo risparmiato si vede. Segue regole che una persona saprebbe spiegare a un collega appena arrivato. Lavora su dati che esistono già in forma digitale, anche se sparsi fra più archivi. E un errore si può fermare prima che arrivi a un cliente, perché una persona controlla il risultato: è quello che si chiama human in the loop, una persona nel ciclo sulle decisioni che contano.

In questa guida l'AI è soprattutto quella dei modelli linguistici (LLM), che leggono e scrivono testo e oggi entrano in un processo senza bisogno di un reparto di ricerca. Ecco quattro primi processi tipici per una PMI, con quello che serve a ciascuno.

Due processi non convengono come primo passo. Una decisione che riguarda le persone, come selezionare candidati o valutare dipendenti, perché l'AI Act la tratta come uso ad alto rischio, con obblighi propri. E un processo che oggi non funziona nemmeno a mano: l'AI lo rende più veloce, non più chiaro.

Quando ci porti un'idea nata da uno strumento, la prima cosa che facciamo è tornare al processo: quanto tempo prende oggi, chi lo segue, dove sbaglia.

Quante PMI usano già l'AI, e che cosa le frena?

Poche, ma in un anno sono raddoppiate: secondo l'ISTAT, nel 2025 usa almeno una tecnologia di AI il 15,7% delle PMI con almeno 10 addetti, contro il 7,7% del 2024. Fra le grandi imprese è il 53,1%. L'Osservatorio Artificial Intelligence del Politecnico di Milano conta invece i progetti: li ha avviati il 71% delle grandi imprese. Fra le PMI le sperimentazioni arrivano al 15% delle medie e al 7% delle piccole, e il 20% delle PMI sta valutando di avviare progetti a breve.

Imprese italiane che usano l'AI nel 2025

% delle imprese

PMI con almeno 10 addetti15,7Grandi imprese53,1

Imprese italiane che usano l'AI

% delle imprese

I dati del grafico

Anno	% delle imprese
2023	5
2024	8,2
2025	16,4

Le due cifre non si contraddicono. L'ISTAT conta chi usa una tecnologia di AI, anche dentro uno strumento comprato; l'Osservatorio conta chi ha avviato un progetto. Usare uno strumento e mettere l'AI dentro un processo sono due passi diversi, e questa guida parla del secondo.

Fra le imprese che non usano l'AI ma ne hanno valutato l'uso, l'ISTAT ha chiesto che cosa le ha fermate. I primi cinque motivi hanno una risposta pratica.

Nessuno di questi freni si toglie comprando uno strumento in più. Lo studio di fattibilità con cui cominciamo serve a toglierli uno per uno sul tuo processo, prima che tu spenda per il resto.

Che cosa fai subito, prima di ogni progetto?

Quattro cose, senza fornitori e senza un progetto: una regola scritta sui dati, una regola sul controllo, uno strumento aziendale al posto degli account personali e la formazione. Le tue persone usano già l'AI, che l'azienda lo sappia o no. Secondo l'Osservatorio del Politecnico di Milano il 47% dei lavoratori usa strumenti di AI al lavoro, e solo il 19% di loro usa esclusivamente quelli dati dall'azienda. Il resto passa anche da account personali: è la shadow AI, l'uso di strumenti AI fuori dal controllo dell'azienda. Vuol dire che offerte, contratti e dati di clienti possono finire in servizi con cui non hai nessun contratto. Vietare non risolve: secondo la stessa ricerca, le aziende sanno che un divieto porterebbe l'uso fuori dal loro controllo.

Puoi farle già questa settimana.

La prima è una regola scritta sui dati: quali informazioni non entrano mai in uno strumento AI che non sia aziendale, e che cosa invece si può usare liberamente. Per esempio, non entrano i dati personali di clienti e dipendenti, i contratti, i prezzi riservati e i progetti dei clienti.

La seconda è una regola sul controllo: chi firma un documento ne risponde, anche se lo ha scritto un modello. Un testo generato si rilegge prima di uscire dall'azienda, e un dato estratto si controlla prima di entrare nel gestionale.

La terza è uno strumento aziendale al posto degli account personali: un piano business, con gli account intestati all'azienda e un contratto che escluda l'uso dei tuoi dati per addestrare i modelli. Lo leggi nel contratto, non nella pagina commerciale. Se nello strumento entrano dati personali, il fornitore li tratta per conto tuo, e il GDPR chiede un contratto che lo dica (articolo 28).

La quarta è la formazione. L'articolo 4 dell'AI Act, riscritto dal Regolamento (UE) 2026/1744, chiede a chi usa sistemi di AI di adottare misure per sviluppare l'alfabetizzazione in materia di AI del personale e di chi li usa per suo conto. Non fissa un livello da raggiungere, ma le misure devono esserci. Facciamo formazione anche senza un progetto, e a tenerla sono le persone che i sistemi AI li progettano e li mettono in produzione: i percorsi partono dai compiti reali del tuo team.

Strumento pronto o software su misura?

Dipende da quanto il processo è tuo: un'attività che tutte le aziende fanno allo stesso modo la risolve quasi sempre uno strumento pronto. Un processo che segue le tue regole, tocca i tuoi sistemi o dati riservati e deve rispondere a un controllo chiede una soluzione costruita sopra.

Prendi un caso che torna spesso: un'azienda meccanica che lavora su commessa e passa ore a leggere le richieste dei clienti e a preparare i preventivi. Se i pezzi sono a catalogo e il prezzo segue un listino, un software pronto per i preventivi può bastare. Se invece ogni richiesta arriva con disegni, materiali e lavorazioni diverse, e il prezzo segue regole che conosce solo il tuo ufficio tecnico, serve una soluzione costruita sopra. È lei a leggere la richiesta e a preparare la bozza partendo dalle commesse simili già fatte; una persona dell'ufficio tecnico la controlla e la firma. Quale delle due strade fa per te lo dice lo studio di fattibilità, che parte dalle tue richieste vere.

Su misura non vuol dire addestrare un modello da zero. Si usano i modelli che esistono, grandi e piccoli, dei fornitori o in locale. Intorno si costruisce quello che li rende affidabili nel tuo processo: i collegamenti ai tuoi sistemi, i permessi, i controlli, il registro di quello che fanno. Il modello resta sostituibile, così un cambio di prezzo o di condizioni di un fornitore non ferma il processo.

Molti processi poi non hanno bisogno di un agente ma di un modulo fatto bene e di un database pulito, e in quel caso te lo diciamo, anche se vuol dire un progetto più piccolo. Se il problema lo risolve uno strumento che paghi già, lo studio di fattibilità lo scrive.

I tuoi dati sono pronti?

Non serve che lo siano tutti: devono essere in ordine quelli del processo scelto. E conta la coerenza più della quantità. L'incompletezza si gestisce, la contraddizione no: un dato che manca il sistema lo segnala e lo chiede. Due archivi che dicono cose diverse, due listini o due anagrafiche dello stesso cliente, producono invece risposte sicure e sbagliate.

Per questo i dati si guardano prima del pilota, con tre domande: dove stanno, chi li aggiorna, quanto si contraddicono. Il perché lo racconta per esteso l'articolo sulla qualità dei dati.

Dati sparsi non sono un ostacolo, se si sa quale fonte vale. In un'azienda industriale abbiamo riunito 4 archivi, 225 GB di documenti fra normative, documenti HSE, sicurezza e operations, in un archivio unico che si interroga in linguaggio naturale. Ognuno vede solo i documenti che il suo ruolo gli permette di vedere, e ogni ricerca fa risparmiare 23 minuti. È un RAG: il modello risponde partendo dai tuoi documenti, che recupera a ogni domanda, invece che da quello che ha imparato in addestramento.

Nel tuo caso, lo stato dei dati lo mettiamo per iscritto nello studio di fattibilità, prima di qualsiasi sviluppo.

Come si fa un pilota che serve a decidere?

Un pilota è la prima versione in uso reale: un processo solo, dati e utenti veri, un obiettivo dichiarato prima. Si distingue da una demo perché la demo mostra che cosa l'AI sa fare, il pilota misura che cosa fa sul tuo lavoro. Molti progetti si fermano proprio in mezzo, fra una demo che convince e un sistema che nessuno usa: è il tema dell'articolo sull'AI in produzione.

Prima di cominciare si misura il punto di partenza: quanto tempo prende oggi una pratica, quanti errori produce, quanto costa. Senza quel numero, alla fine del pilota hai un'impressione e non una misura. Poi si scrivono l'obiettivo, per esempio il tempo per pratica dimezzato con la stessa qualità, e il criterio per fermarsi. Se il pilota non raggiunge l'obiettivo, ti diciamo di fermarti: un percorso che conclude che l'AI non conviene è un percorso riuscito, perché ti ha fatto spendere poco per saperlo.

Lo studio ti dice anche come si costruirebbe la soluzione, quanto costerebbe usarla e quando fermarsi. Con l'integrazione l'AI lavora con gli stessi ruoli delle persone, e ogni sua azione resta tracciata.

Sommando le fasi, dal primo incontro a un processo in produzione passano fra 11 e 15 settimane. Sono le durate tipiche del nostro percorso; quelle del tuo progetto le scrive lo studio. Nella piattaforma di audit con agenti AI un primo MVP funzionante è arrivato fra sei e otto settimane, e ogni audit fa risparmiare 4 ore.

Quanto costa cominciare?

Le voci sono tre: lo studio di fattibilità fino a 2.500 €, il pilota da 10.000 € e l'uso dei modelli, che si paga a consumo.

Lo studio di fattibilità costa fino a 2.500 € e dura da una a due settimane di calendario, non di presenza da te. Comprende un incontro con chi decide, gli incontri con chi segue il processo per misurarne il punto di partenza, la lettura dei dati e un documento finale. Il documento riporta il processo scelto, lo stato dei dati e come si costruirebbe la soluzione (modelli, fornitori, dove stanno i dati, collegamenti ai tuoi sistemi). Riporta anche la stima dei costi d'uso, l'obiettivo del pilota con il criterio per fermarsi e il preventivo con forchetta e massimo. Lo studio resta tuo anche se non firmi, e se firmi il suo costo si scala dal pilota.

Il pilota parte da 10.000 €, la stessa soglia d'ingresso di un MVP. Come si forma il prezzo di un progetto su misura, e chi paga se il lavoro cresce, lo trovi nella guida quanto costa un software su misura.

L'uso dei modelli è un costo ricorrente, tuo, a consumo: i fornitori lo fatturano in token, le unità di testo che il modello legge e scrive. Non si stima a occhio, perché dipende da quante pratiche passano, da quanto sono lunghi i documenti e da quale modello serve. Per compiti ripetitivi e circoscritti, come classificare o estrarre dati, spesso basta un modello piccolo, più veloce ed economico. Per questo lo studio lo stima e il pilota lo misura come costo per pratica, non come costo del progetto, e in esercizio resta visibile, con limiti di spesa per modello e per periodo.

Fra le aziende che hanno già progetti di AI, secondo l'Osservatorio del Politecnico di Milano, circa una su tre fatica a stimare in anticipo il rapporto fra costi e benefici. Il pilota serve a questo: una spesa piccola e con un massimo, che ti dà il numero per decidere sul resto.

Che cosa chiede la legge a chi usa l'AI?

Pochi obblighi, e quasi tutti riguardano le persone più che la tecnologia: formazione di chi usa l'AI, trasparenza sui contenuti generati, regole per i sistemi ad alto rischio e protezione dei dati personali. Per l'AI Act chi usa un sistema di AI sotto la propria autorità, in un'attività professionale, è un deployer. Una PMI che mette l'AI in un processo lo è, anche se il sistema lo ha costruito un fornitore.

Fra i sistemi ad alto rischio dell'Allegato III ci sono quelli usati per selezionare il personale o per decidere promozioni e cessazioni: per questo una decisione sulle persone non è un buon primo processo. In Italia vale anche la Legge 132/2025, in vigore dal 10 ottobre 2025. Le scadenze e che cosa comportano sono nella pagina sull'AI Act, che come questa guida è un contributo tecnico, non un parere legale.

Nei sistemi che costruiamo la conformità è un requisito dell'architettura, dalla prima riga di codice: controllo umano dove serve, registro di quello che l'AI fa, dati nel perimetro che scegli tu.

Che cosa chiedere a un fornitore di AI?

Dove stanno i dati e se addestrano modelli di terzi, quali modelli usa e quanto costa usarli. Poi chi approva prima che l'AI agisca, che cosa resta registrato, che cosa deve dimostrare il pilota, quando il codice passa a te e che cosa ricevi se cambi fornitore. Fai queste domande prima di firmare e fatti rispondere per iscritto. Una risposta vaga è un costo che scopri dopo.

Per il resto del preventivo valgono le voci della guida sui costi. Che cosa garantiamo su dati, codice e uscita è scritto negli impegni del Trust Center.

Fonti e approfondimenti

• ISTAT, «Imprese e ICT, anno 2025», 15 dicembre 2025istat.it, consultato il 22 ottobre 2026
• Osservatorio Artificial Intelligence del Politecnico di Milano, «Il mercato dell'AI in Italia cresce del 50% nel 2025, 1,8 mld di euro», 5 febbraio 2026osservatori.net, consultato il 22 ottobre 2026
• Regolamento (UE) 2024/1689 sull'intelligenza artificiale (AI Act), articoli 3, 26 e 50eur-lex.europa.eu, consultato il 22 ottobre 2026
• Regolamento (UE) 2026/1744 (Omnibus digitale sull'IA), che riscrive l'articolo 4 dell'AI Acteur-lex.europa.eu, consultato il 22 ottobre 2026
• Regolamento (UE) 2016/679 sulla protezione dei dati (GDPR), articolo 28eur-lex.europa.eu, consultato il 22 ottobre 2026