Prima della tecnologia
La domanda diventa concreta quando incontra un’attività.
Un modello può riassumere, classificare, scrivere, confrontare, cercare relazioni, produrre codice o usare strumenti. Queste capacità restano generiche finché non entrano in una situazione precisa.
Per trovare una possibilità, scegli un’attività e chiediti quale risultato deve lasciare, quali informazioni usa, chi lo controlla, che cosa accade se l’AI sbaglia e quale parte può essere provata senza cambiare subito l’intero processo.
«Usare l’AI nel marketing» è ancora un tema. «Preparare una prima bozza di scheda prodotto usando catalogo, specifiche e tono del marchio, poi farla approvare al responsabile» contiene già attività, fonti, risultato e controllo.
Possibilità operative
Cinque modi in cui l’AI può entrare in un progetto.
Capire e preparare informazioni
Organizza documenti, mette in relazione contenuti, fa emergere domande e prepara una sintesi per una persona.
Trasformare documenti e dati
Estrae campi, classifica richieste, confronta versioni o adatta un contenuto a una forma verificabile.
Affiancare una decisione
Raccoglie elementi, evidenzia differenze e propone opzioni, mentre responsabilità e scelta restano assegnate.
Coordinare un flusso
Riconosce il tipo di richiesta, prepara i passaggi e mantiene lo stato entro effetti e condizioni di arresto definiti.
Costruire un prodotto digitale
Aiuta a progettare, scrivere codice, analizzare difetti, aggiornare documentazione e preparare test.
Scegliere la forma
Assistente, automazione o sistema agentico?
Una persona conduce il lavoro.
L’AI analizza, propone o prepara oggetti. È adatta quando il giudizio umano è frequente o l’attività cambia molto.
Il percorso è stabilito.
Il modello classifica o genera una parte del risultato, mentre input, controlli e destinazioni sono definiti in anticipo.
Il percorso si adatta.
Il sistema mantiene obiettivo e stato, sceglie fra passaggi o strumenti e richiede fonti, competenze, autorizzazioni e recupero.
La forma più complessa non è automaticamente la migliore. La scelta dipende da quanto cambia il lavoro, quali effetti può produrre e quanta interpretazione serve tra un passaggio e l’altro.
Oggetto pratico
Mappa del primo progetto AI.
Compila questi otto campi su un’attività che conosci. Le risposte possono essere provvisorie: i vuoti mostrano ciò che bisogna capire prima di costruire.
- 01
Attività
Quale lavoro, problema o passaggio vuoi migliorare?
- 02
Risultato
Che cosa deve esistere, cambiare o diventare più facile?
- 03
Persone
Chi usa il risultato, chi lo controlla e chi ne risponde?
- 04
Fonti
Quali documenti, dati, applicazioni o persone contengono le informazioni necessarie?
- 05
Forma
Serve un assistente, un’automazione o un sistema che scelga fra più passaggi?
- 06
Effetti
Che cosa può leggere o preparare? Che cosa può modificare, inviare o pubblicare?
- 07
Prova
Come riconosci un risultato utile e come intercetti un errore?
- 08
Primo test
Qual è la prova più piccola che rappresenta davvero il lavoro?
Vogliamo migliorare [attività] per ottenere [risultato]. Il sistema usa [fonti] e prepara [oggetto] per [persone]. Può eseguire [effetti consentiti]; [responsabile] controlla [decisioni o rischi]. Il primo test riesce quando [prova osservabile].
Esempi illustrativi
Tre scenari per riconoscere la struttura.
Uno studio confronta documenti ricorrenti
Un assistente prepara differenze, dati mancanti e domande. Il professionista verifica il risultato prima che entri nel lavoro del cliente.
Un team riceve richieste da più canali
Un’automazione classifica le richieste e prepara una scheda comune. I casi incerti restano visibili a un responsabile.
Uno sviluppatore vuole continuità
Un assistente rilegge architettura, decisioni, stato e test. Scrittura del codice, commit e pubblicazione restano azioni distinte.
Gli scenari mostrano una struttura possibile; non sono casi reali né promesse di risultato.
Prima prova
Un primo test deve poter fallire in modo utile.
Il test iniziale non dimostra che l’AI funzioni in generale. Mostra se il progetto possiede informazioni, criteri e controlli sufficienti.
Usa un campione piccolo ma rappresentativo, nomina una persona responsabile, conserva input e output e stabilisci quando fermarti. Se il risultato è debole, devi poter distinguere informazioni mancanti, istruzioni ambigue, capacità non adatta o verifica insufficiente.
Domande frequenti
Domande per iniziare con l’AI.
Devo saper programmare per iniziare?
No. Puoi iniziare con un assistente e un’attività supervisionata. Il codice diventa necessario quando vuoi integrare sistemi, controllare dati o costruire un comportamento ripetibile che gli strumenti disponibili non offrono già.
Devo avere molti dati?
Dipende dal caso. Alcuni progetti usano pochi documenti ben scelti; altri richiedono dati strutturati, permessi e controlli di qualità. La prima domanda è quali fonti servano al risultato.
Quando serve un sistema agentico?
Quando il lavoro mantiene uno stato, cambia percorso in base a ciò che incontra e usa strumenti diversi. Se il percorso è stabile, un’automazione più semplice può essere più leggibile.
Come valuto se il progetto ha successo?
Confronta il risultato con criteri osservabili: tempo realmente risparmiato, errori intercettati, completezza, qualità accettata o capacità di riprendere il lavoro.