Nel 2025 la quota di imprese italiane con almeno 10 addetti che usano l'intelligenza artificiale è raddoppiata, dall'8,2% al 16,4%, secondo il rapporto Istat Imprese e Ict 2025. Il divario per dimensione resta ampio: l'AI è entrata nel 53,1% delle aziende con almeno 250 dipendenti e nel 15,7% delle PMI. Il dato più eloquente però è un altro. Un terzo delle imprese che la adottano (il 33,4%) non indica alcuna finalità aziendale, e l'83,3% di queste è una piccola realtà tra 10 e 49 persone, come riassume Key4biz.
Molte aziende stanno quindi provando strumenti prima di aver deciso dove usarli. Intanto il mercato corre: secondo l'Osservatorio Artificial Intelligence del Politecnico di Milano nel 2025 è cresciuto del 50%, fino a 1,8 miliardi di euro. Le otto domande qui sotto servono a chi guida operations, amministrazione o IT e deve scegliere il primo processo da automatizzare senza bruciare il budget in un pilota che poi nessuno usa.
Si parte dal problema
Gli autori dell'analisi pubblicata da Key4biz, Gambaro e Lo Turco, suggeriscono di partire da un problema aziendale preciso e di lasciar perdere l'obiettivo generico di "adottare l'AI". I loro esempi sono molto concreti: preparare un preventivo più in fretta, prevedere un guasto, ridurre gli scarti, pianificare meglio gli ordini, eliminare attività manuali ripetitive.
Raccontano anche dove hanno faticato di più. La scelta dello strumento ha pesato poco; il lavoro vero è stato mappare i processi, migliorare la qualità dei dati, assegnare le responsabilità e far collaborare competenze diverse. Ci ritroviamo in questa descrizione, perché quando valutiamo un workflow AI con un'azienda buona parte del tempo va a capire come funziona oggi il processo, eccezioni comprese.
Per usare la checklist prendi tre processi candidati. Possono essere lo smistamento delle email che arrivano all'indirizzo generico, l'inserimento delle fatture passive nel gestionale e la preparazione dei preventivi. Poi per ciascuno di essi poniti le stesse domande.
Le 8 domande per valutare un processo candidato
1. Volume e ripetitività
L'automazione dei processi aziendali con l'AI rende quando un'attività si ripete spesso e segue regole simili. Una casella info@ che riceve centinaia di messaggi a settimana, da leggere e girare all'ufficio giusto, è un ottimo candidato: un LLM classifica la richiesta, estrae i dati utili (cliente, numero d'ordine, urgenza) e la assegna. Il report trimestrale che richiede due giorni di ragionamento del controller lo è molto meno. Conta quante volte l'attività si presenta in un mese e moltiplica per i minuti che richiede: ottieni le ore in gioco.
2. Qualità e accesso ai dati
Qui tornano utili le domande di partenza proposte da Gambaro e Lo Turco: quali dati abbiamo, dove si trovano, chi li produce, quanto sono affidabili, se possiamo collegarli tra loro. Dati scarsi o di bassa qualità compaiono anche tra gli ostacoli segnalati a Istat dalle imprese che hanno valutato l'AI senza adottarla.
Sui documenti la partenza è di solito facile, perché i modelli attuali leggono fatture, DDT e ordini anche da scansione. Il preventivo è un caso diverso. Servono listini aggiornati, regole di sconto e uno storico delle offerte, che spesso vive in fogli Excel sparsi o nella memoria del commerciale più esperto. Gli stessi autori osservano che tante informazioni utili stanno nell'esperienza delle persone e in nessun database.
3. Integrazione con ERP e gestionali
Un agente AI che legge una fattura e lascia a una persona il compito di ricopiarla nel gestionale fa risparmiare poco. Il guadagno arriva quando il dato entra da solo nell'ERP, nel CRM o nel sistema di ticketing. Controlla se il tuo gestionale espone API documentate, accetta importazioni da file o ha almeno un database raggiungibile. Con un sistema chiuso e datato l'integrazione può costare più della parte AI, e a quel punto conviene guardare anche i segnali che indicano quando è ora di cambiare gestionale.
4. Costo dell'errore
Ogni modello sbaglia una parte delle volte, quindi la domanda utile riguarda le conseguenze. Un'email finita all'ufficio sbagliato si sistema con un inoltro. Un importo errato in un preventivo già inviato, o un'aliquota IVA sbagliata in contabilità, costa molto di più. Per i primi progetti scegli processi in cui l'errore è recuperabile, oppure prevedi una passaggio umano di approvazione: l'agente prepara la bozza, l'operatore controlla e conferma.
5. KPI misurabili
Se oggi nessuno sa quanto dura un'attività, domani sarà impossibile dire se l'AI l'ha accorciata. Prima di partire fissa due o tre indicatori e misurali sulla situazione attuale: tempo medio di risposta a una richiesta, minuti per registrare un documento, preventivi evasi a settimana, quota di correzioni manuali. Quel 33,4% di imprese senza una finalità dichiarata, che Istat legge come segno di un'adozione ancora sperimentale, è proprio la situazione da evitare.
Sui risultati attesi c'è qualche numero. Uno studio di Banca d'Italia del marzo 2026 (Ropele e Tagliabracci), ripreso da Key4biz, associa l'adozione dell'AI a un aumento del 5,2% della ricchezza prodotta per addetto e dell'11,9% del margine operativo lordo per lavoratore. Il campione comprende imprese con almeno 50 dipendenti, l'adozione è dichiarata dalle aziende. Sono dati da leggere quindi come tendenza, che possono essere molto diversi ad esempio per una azienda di 15 persone.
6. Persone coinvolte
La mancanza di competenze è il primo ostacolo indicato da chi ha valutato l'AI e poi ha rinunciato, con il 58,6% delle risposte. Per un progetto servono almeno tre figure: chi conosce il processo nei dettagli, chi ha l'autorità per decidere e chi userà lo strumento ogni giorno. Coinvolgi fin dall'analisi chi oggi fa il lavoro a mano, perché conosce le eccezioni e le scorciatoie che nessuna procedura scritta riporta.
7. Vincoli normativi
Incertezza normativa e privacy sono altri due ostacoli presenti nella rilevazione Istat. Dati personali di clienti o dipendenti, decisioni che incidono sulle persone e settori regolati allungano i tempi e richiedono verifiche con il DPO o con i legali. L'AI Act tratta alcuni di questi usi come ad alto rischio, con obblighi più pesanti; per gli obblighi informativi verso gli utenti trovi esempi pratici nel nostro articolo su AI Act e obblighi di trasparenza per tech e marketing. Come primo progetto è più semplice un processo interno, su dati aziendali non sensibili, dove l'AI prepara il lavoro e la decisione resta a una persona.
8. Tempo per arrivare a un prototipo
L'ultima domanda riguarda la velocità: in quante settimane puoi vedere il sistema lavorare sui tuoi dati reali. Un buon primo candidato produce un prototipo utilizzabile in 2-4 settimane, lo stesso orizzonte che diamo ai prototipi nei nostri progetti di consulenza AI. Se prima di ottenere qualcosa servono sei mesi di pulizia dei dati e tre integrazioni, quel processo va affrontato più avanti, quando il team avrà già un'esperienza riuscita alle spalle.
Una scheda punteggio per mettere in ordine i processi
Dai a ogni processo candidato un voto da 1 a 5 per ciascuna domanda, dove 5 indica sempre la situazione più favorevole all'automazione. Un foglio di calcolo con una riga per processo e una colonna per criterio basta e avanza.
- Volume e ripetitività: 1 se l'attività capita poche volte al mese, 5 se si ripete ogni giorno con regole stabili.
- Dati: 1 se le informazioni sono sparse o nella testa delle persone, 5 se sono digitali, ordinate e accessibili.
- Integrazione: 1 se il gestionale è chiuso, 5 se ha API o importazioni pronte.
- Costo dell'errore: 1 se uno sbaglio arriva al cliente o in contabilità, 5 se si corregge in pochi secondi.
- KPI: 1 se oggi non misuri nulla, 5 se hai già tempi e volumi di partenza.
- Persone: 1 se manca un responsabile, 5 se hai un referente di processo e utenti disposti a provare.
- Vincoli normativi: 1 per dati sensibili o decisioni sulle persone, 5 per dati interni non personali.
- Tempo al prototipo: 1 se servono mesi di preparazione, 5 se puoi testare entro un mese.
Il punteggio massimo è 40. Come regola pratica, sopra i 30 hai un candidato forte, tra 20 e 30 un processo che chiede lavoro preparatorio (di solito su dati o integrazione), sotto i 20 un progetto da rimandare. Se due processi finiscono vicini, guarda i voti su dati e conseguenze degli errori, che su un primo progetto pesano più degli altri.
Nel nostro esempio lo smistamento delle email prende voti alti su volume, gravità degli errori e tempo al prototipo. Il preventivo può valere di più in termini economici, ma perde punti proprio su dati ed errori. Ha senso partire dal primo e arrivare al secondo con qualche mese di esperienza e uno storico più pulito.
Dal punteggio al primo prototipo
Scelto il processo, scrivi una scheda di una pagina prima di parlare di modelli o fornitori.
- Descrivi il processo com'è oggi, con passaggi, sistemi coinvolti ed eccezioni ricorrenti.
- Annota i KPI di partenza misurati su almeno tre settimane.
- Elenca le fonti dati e chi ne è responsabile.
- Indica chi approva l'output dell'agente e in quali casi interviene una persona.
- Fissa la data entro cui valutare il prototipo e il risultato minimo per proseguire.
Con questa scheda in mano la conversazione con un fornitore o con il team interno si sposta sul tuo processo e sui tuoi numeri. Se in azienda manca una figura tecnica che possa guidare il progetto, un Fractional CTO può coprire quel ruolo a tempo parziale.
Chi preferisce fare questo lavoro insieme a noi può partire dall'analisi AI gratuita di DevInterface. Prendiamo i processi che hai individuato, li valutiamo sui tuoi dati e sui tuoi sistemi e indichiamo quello da cui conviene costruire il primo prototipo.
