Intelligenza artificiale per attività e professionisti: casi d'uso che reggono e progetti da evitare

I modelli linguistici sono strumenti potenti con un profilo preciso: eccellono nel leggere, classificare, estrarre e riformulare testo, e sono inaffidabili quando devono ricordare fatti, fare conti o prendere decisioni senza contesto. I progetti che funzionano partono da questo profilo. Quelli che falliscono partono dalla tecnologia e cercano un problema da risolvere.

I casi d'uso che reggono

Assistenti ancorati a una base di conoscenza

Rispondono a domande ripetitive di clienti o colleghi usando solo contenuti verificati: condizioni, procedure, manuali. Funzionano quando la base è curata e l'assistente sa dire «non lo so». Ne parlo in Chatbot AI per il sito e in Assistente AI sui documenti interni.

Estrazione di dati da documenti

Fatture passive, ordini via email, moduli compilati a mano, contratti: il modello estrae i campi in un formato strutturato e vincolato, il sistema li valida, una persona controlla solo i casi dubbi. È spesso il progetto con il ritorno più rapido.

Smistamento e priorità

Richieste in arrivo classificate per tipo, urgenza e destinatario, con i dati principali già estratti. L'operatore non legge tutto: lavora su una coda già ordinata.

Bozze da rivedere

Risposte a richieste frequenti, descrizioni di prodotto, riassunti di riunioni, prime stesure di documenti a partire da dati strutturati. La persona resta l'autore; il modello toglie la pagina bianca.

Ricerca semantica

Trovare documenti, casi o prodotti simili per significato e non solo per parola chiave, in archivi interni o nel catalogo del sito.

I progetti da evitare

• Partire dal modello: «usiamo l'AI per qualcosa» produce prototipi che nessuno usa.
• Automatizzare decisioni senza controllo: preventivi, rimborsi, comunicazioni delicate inviati senza revisione umana.
• Usare il modello come database: chiedergli prezzi, scadenze o dati che dovrebbe leggere da un sistema.
• Chatbot generalisti sul sito, senza base di conoscenza né limiti.
• Progetti senza misurazione, in cui il successo è un'impressione.

Come si progetta

1. Un processo, una metrica: tempo per pratica, errori, volumi lavorati.
2. Un insieme di esempi reali con la risposta corretta, raccolto prima di scrivere codice.
3. Output strutturati e validati: il modello restituisce dati in uno schema, il codice li controlla prima di usarli.
4. Soglie e passaggio a una persona quando la confidenza è bassa.
5. Modello proporzionato: spesso un modello più piccolo, veloce ed economico basta.
6. Rilascio affiancato al processo esistente, confrontando i risultati.

Costi e dati

Il costo d'uso dipende dai volumi e dalla lunghezza dei testi; con risposte brevi, caching e il modello giusto resta contenuto, ma va stimato in anticipo e monitorato. Sui dati: fornitori con condizioni che escludono l'addestramento, minimizzazione dei dati personali, registri limitati, valutazione GDPR. Il Regolamento europeo sull'AI aggiunge obblighi di trasparenza quando un sistema interagisce con le persone.

Le persone

I progetti che funzionano coinvolgono chi fa il lavoro oggi: conosce le eccezioni, sa dove il modello sbaglierà, e sarà lui a usarlo. L'obiettivo non è sostituirlo, ma togliergli la parte meccanica.

Un esempio tipico, dall'inizio alla fine

Uno studio riceve ogni giorno decine di documenti dai clienti (fatture, ricevute, moduli) e qualcuno ne trascrive i dati nel gestionale.

1. Misura di partenza: quanti documenti al giorno, quanto tempo per ciascuno, quanti errori di trascrizione.
2. Insieme di prova: un centinaio di documenti reali, con i dati corretti compilati a mano.
3. Estrazione: il modello restituisce i campi in uno schema definito; il codice controlla formati, somme e coerenza delle date.
4. Soglia: sotto un certo livello di confidenza, o se un controllo fallisce, il documento va in una coda di verifica con i campi già precompilati.
5. Affiancamento: per alcune settimane il flusso gira in parallelo al lavoro manuale, e si confrontano i risultati.
6. Rilascio: la persona non trascrive più, verifica solo i casi dubbi.

Il risultato si misura con gli stessi indicatori di partenza. Se non migliora, il progetto si ferma: anche questo è un esito utile.

Come la vedo io

Uso l'intelligenza artificiale ogni giorno e la integro nei progetti, ma con un'idea precisa: è un componente, non il prodotto. Nel gestionale di Altura Vela ci sono funzioni AI che tolgono lavoro ripetitivo a chi organizza corsi e uscite, dentro un'applicazione con un suo modello dei dati e i suoi controlli. Nel Capitano di Fix and Sail l'assistente risponde sulla base dei manuali degli accessori di quella barca. La chat di questo sito risponde solo da un file di conoscenza e rifiuta il resto.

In tutti e tre i casi il valore non sta nel modello, che si può cambiare, ma in ciò che gli sta intorno: i dati giusti, i limiti, il codice che controlla le risposte.

C'è poi un aspetto che considero decisivo: la reversibilità. I modelli migliorano e cambiano prezzo ogni pochi mesi, e un progetto costruito attorno alle particolarità di un singolo fornitore invecchia in fretta. Per questo separo sempre la logica dell'applicazione dal modello: istruzioni, schemi di output, insieme di prova e controlli vivono nel codice del progetto, e il modello è un componente sostituibile. Quando esce un modello più adatto, si riesegue l'insieme di prova e si decide sui numeri, non sulle promesse. È lo stesso principio con cui scelgo le altre dipendenze: poche, sostituibili, sotto controllo.

Perché affidarlo a me

Programmo dal 1999, ho consegnato più di 300 progetti e lavoro come sviluppatore esterno con circa 30 agenzie, da Roma e da remoto. Integro modelli linguistici in siti, gestionali e flussi di lavoro con output validati, misurazione e attenzione ai dati.

Se vuoi capire dove l'intelligenza artificiale può servire davvero alla tua attività, scrivimi: in una chiacchierata di circa 20 minuti scegliamo un processo e una metrica. Il servizio è in Intelligenza artificiale e automazioni.