Come scegliere un consulente AI: 10 domande prima di affidargli l’azienda

Scegliere un consulente AI non significa trovare qualcuno che conosca meglio di altri ChatGPT, Claude o Grok.

Quella è la parte più visibile, ma anche la più facile da imparare. La vera consulenza comincia quando occorre capire dove l’intelligenza artificiale può produrre un risultato concreto, come inserirla nei processi esistenti e quanto sia ragionevole investire prima di averne misurato l’utilità.

Per una piccola o media impresa il rischio principale non è arrivare tardi. È spendere troppo presto, acquistare strumenti che nessuno utilizzerà o costruire soluzioni sofisticate attorno a problemi che potevano essere risolti in modo molto più semplice.

Un buon consulente dovrebbe aiutare l’azienda a procedere per gradi. Prima osservare il lavoro reale, poi individuare un processo circoscritto, sperimentare con le persone che lo conoscono, misurare il risultato e soltanto dopo decidere se integrare la soluzione nei sistemi aziendali. Non serve partire da una trasformazione generale. Spesso basta recuperare alcune ore di lavoro alla settimana, ridurre gli errori in un’attività ripetitiva o rendere più accessibile una conoscenza già presente in azienda.

La consulenza AI deve partire dall’azienda, non dalla tecnologia

Molte proposte di consulenza iniziano con una presentazione degli strumenti disponibili. Vengono mostrati chatbot, agenti autonomi, piattaforme di automazione, generatori di contenuti e modelli capaci di analizzare migliaia di documenti. Tutto può sembrare utile, soprattutto durante una demo. Il problema è che una dimostrazione efficace non equivale a un processo aziendale affidabile.

La consulenza dovrebbe iniziare in modo meno spettacolare. Bisogna osservare come circolano le informazioni, quali attività vengono ripetute ogni giorno, dove si accumulano ritardi, quali dati vengono copiati manualmente e quali decisioni dipendono ancora dalla memoria di una sola persona. È da questi punti che emergono le applicazioni più sensate dell’AI.

Per una PMI può essere particolarmente utile lavorare direttamente con il consulente che conduce l’analisi e sviluppa i primi prototipi. La persona che ascolta il problema dovrebbe essere, almeno nelle fasi iniziali, la stessa che valuta la tecnologia e verifica i risultati. In questo modo si riduce la perdita di informazioni tra commerciale, project manager, analisti e sviluppatori.

Una società strutturata può diventare necessaria quando il progetto coinvolge numerosi reparti, sistemi critici, sedi internazionali o requisiti di compliance complessi. Ma nelle prime fasi la dimensione del fornitore non è necessariamente un vantaggio. Una piccola impresa ha spesso più bisogno di accesso diretto a una competenza senior, velocità nelle prove e capacità di cambiare direzione senza trasformare ogni modifica in un nuovo progetto.

Il consulente, però, non dovrebbe limitarsi a raccogliere richieste e trasformarle in automazioni. Deve anche saper dire quando l’AI non è la soluzione corretta. Alcuni problemi richiedono dati più ordinati, procedure più chiare, software tradizionale o semplicemente una migliore distribuzione delle responsabilità. Aggiungere un modello linguistico sopra un processo confuso può renderlo più veloce, ma non necessariamente migliore.

Strumenti a pagamento e API: due livelli diversi di adozione

Per iniziare, molte aziende non hanno bisogno di sviluppare software. Gli abbonamenti professionali a strumenti come ChatGPT di OpenAI, Claude di Anthropic o Grok di xAI permettono alle persone di lavorare direttamente con l’AI attraverso un’interfaccia pronta all’uso. Possono essere utilizzati per analizzare documenti, preparare bozze, sintetizzare riunioni, confrontare informazioni, assistere nella programmazione, organizzare ricerche o costruire piccoli flussi di lavoro.

In ambito aziendale è importante distinguere gli account personali dagli spazi di lavoro pensati per team e imprese. I piani business aggiungono generalmente amministrazione centralizzata, gestione degli utenti, controlli sui dati, strumenti condivisi e possibilità di collegare fonti aziendali. OpenAI mantiene inoltre separati gli abbonamenti ChatGPT e il consumo delle sue API: pagare un piano ChatGPT non significa avere incluso l’utilizzo programmabile dei modelli. Anthropic propone allo stesso modo prodotti Claude per persone e team, affiancati da una piattaforma API per lo sviluppo.

Un abbonamento serve principalmente a mettere l’AI nelle mani di una persona. Un’API serve invece a mettere l’AI dentro un processo.

API significa Application Programming Interface. È un collegamento attraverso il quale un software può inviare una richiesta a un modello e ricevere una risposta utilizzabile automaticamente. Al posto di aprire una chat, copiare un testo e riportare manualmente il risultato nel gestionale, è il sistema aziendale a chiamare il modello quando serve.

Attraverso le API l’AI può essere integrata in un CRM, in un e-commerce, in un sistema documentale, nel servizio clienti, in un portale interno o in un’applicazione utilizzata dalla rete commerciale. Può classificare richieste, estrarre dati da documenti, aggiornare schede prodotto, produrre riepiloghi, preparare risposte, confrontare contratti, organizzare note vocali o cercare informazioni all’interno della documentazione aziendale.

L’API viene normalmente pagata a consumo. Il costo può dipendere dalla quantità di testo elaborato, dal testo prodotto e dagli strumenti utilizzati, come ricerca, immagini, audio o codice. Questo permette di iniziare con volumi ridotti e di misurare il costo effettivo di ogni operazione, ma richiede un progetto più attento rispetto all’acquisto di un semplice abbonamento.

Non tutte le attività devono essere affidate al modello più potente disponibile. I modelli di frontiera sono utili quando il compito richiede ragionamento, comprensione di documenti complessi, programmazione avanzata, valutazioni articolate o una qualità particolarmente elevata. Usarli per classificare migliaia di righe, estrarre campi standard o riscrivere brevi descrizioni può però risultare inutilmente costoso.

Per le attività ripetitive e ben definite si possono utilizzare modelli più piccoli ed economici, compresi modelli open-weight, spesso indicati genericamente come open source. Per i passaggi più delicati il sistema può inoltrare la richiesta a un modello più capace. L’architettura migliore non sceglie necessariamente un solo modello: assegna a ogni modello il lavoro per cui offre il rapporto più sensato tra costo, velocità e qualità.

Piattaforme come OpenRouter permettono di accedere, attraverso un’unica API, a modelli di produttori differenti. Possono gestire selezione dei provider, instradamento, fallback in caso di indisponibilità e, in alcuni casi, scelta automatica del modello in base alla richiesta. Questo rende più semplice confrontare le prestazioni, evitare una dipendenza eccessiva da un unico fornitore e spostare alcune attività verso alternative meno costose. OpenRouter dichiara attualmente l’accesso a centinaia di modelli e a numerosi provider attraverso un’interfaccia comune.

Questa flessibilità non elimina la necessità di progettare. Cambiare modello non è sempre trasparente: possono variare qualità, struttura delle risposte, gestione dei file, capacità di utilizzare strumenti, limiti di contesto, tempi e politiche sui dati. Il compito del consulente è costruire un sistema che sappia evolvere senza essere riscritto ogni volta che arriva un modello migliore.

Le 10 domande da fare prima di scegliere un consulente AI

1. Da quale problema aziendale partiresti e perché?

Una risposta credibile non dovrebbe arrivare prima di aver compreso l’azienda. Il consulente può formulare alcune ipotesi, ma dovrebbe chiedere di vedere il processo, parlare con chi lo svolge e capire quali conseguenze produce oggi.

Diffidare da chi propone immediatamente un chatbot, un agente o una piattaforma senza aver analizzato dati, persone e strumenti già presenti. La prima iniziativa dovrebbe avere un perimetro chiaro, un beneficio osservabile e un livello di rischio contenuto.

Un buon progetto iniziale non è necessariamente quello più ambizioso. È quello che permette all’azienda di imparare qualcosa di utile con un investimento proporzionato.

2. Chi lavorerà realmente con noi durante il progetto?

L’esperienza dichiarata durante la vendita deve corrispondere alle persone che seguiranno il lavoro. È importante sapere chi condurrà l’analisi, chi costruirà il prototipo, chi valuterà l’architettura e chi risponderà quando qualcosa non funziona.

Per una PMI il rapporto diretto con il consulente senior può valere più di una grande struttura. Riduce i passaggi, conserva il contesto e permette di adattare rapidamente il progetto. Questo non significa che una sola persona debba fare tutto. Significa che deve esserci una responsabilità riconoscibile e accessibile.

Se il consulente si avvale di collaboratori specialistici, dovrebbe spiegare quali competenze verranno coinvolte e in quali momenti.

3. Quali soluzioni hai già portato in uso reale?

Una demo mostra che qualcosa può funzionare. Un sistema in produzione dimostra che può continuare a funzionare quando incontra dati incompleti, richieste impreviste, errori degli utenti, aggiornamenti dei modelli e limiti di budget.

Chiedere esempi concreti, anche anonimizzati. Non serve soltanto conoscere il risultato finale. È utile capire quale problema è stato affrontato, quanto è durata la sperimentazione, quali difficoltà sono emerse, cosa è stato modificato e come è stata misurata l’utilità.

Un consulente serio dovrebbe saper raccontare anche i progetti ridimensionati, interrotti o trasformati. Nell’AI riconoscere presto una strada sbagliata è parte del valore della consulenza.

4. Come coinvolgerai le persone che utilizzano il processo?

L’AI non entra in azienda soltanto attraverso un’integrazione tecnica. Entra nelle abitudini delle persone. Una soluzione può essere precisa e ben costruita, ma fallire perché interrompe il lavoro, richiede passaggi poco naturali o viene percepita come un sistema di controllo.

Chi svolge ogni giorno un’attività conosce eccezioni e dettagli che raramente compaiono nei manuali. Il consulente deve coinvolgere queste persone nella progettazione e nella prova, senza limitarsi a presentare una soluzione già decisa.

La formazione non dovrebbe ridursi a un corso sui prompt. Deve spiegare cosa può fare il sistema, quando non bisogna fidarsi, come verificare i risultati, come segnalare un errore e quali responsabilità rimangono umane.

5. Come scegli tra OpenAI, Anthropic, Grok e gli altri modelli?

Non esiste un modello migliore per ogni situazione. Alcuni sono particolarmente efficaci nel ragionamento, altri nella programmazione, nella gestione di documenti estesi, nella velocità, nella ricerca aggiornata, nella generazione visiva o nel rapporto tra prestazioni e costo.

La risposta corretta non dovrebbe essere il nome del modello preferito dal consulente. Dovrebbe essere un metodo di valutazione. Bisogna definire un insieme di casi reali dell’azienda, provarli su più modelli, stabilire criteri di qualità e confrontare risultati, tempi e costi.

Un consulente legato a un unico fornitore può essere adatto a progetti specifici, ma deve dichiararlo. Negli altri casi l’architettura dovrebbe mantenere un margine di sostituzione, soprattutto per i componenti che cambiano rapidamente.

6. Quando basta un abbonamento e quando serve un’API?

Questa domanda permette di capire se il consulente sa evitare sviluppo inutile.

Per supportare una persona nella scrittura, nell’analisi o nella ricerca può bastare un account professionale configurato correttamente. Se invece l’attività deve partire automaticamente, coinvolgere molti utenti, elaborare grandi volumi, accedere ai dati aziendali o aggiornare altri software, diventa più probabile la necessità di un’API.

Tra questi due estremi esistono molte soluzioni intermedie. Si può iniziare con un flusso manuale, trasformarlo in un piccolo prototipo e automatizzare solo i passaggi che hanno dimostrato di produrre valore.

Il consulente dovrebbe saper spiegare questa progressione senza spingere immediatamente verso la soluzione più costosa.

7. Come collegherai l’AI ai nostri dati e ai software esistenti?

L’AI diventa realmente utile quando può lavorare con il contesto dell’impresa: documenti, procedure, listini, informazioni sui clienti, storico dei progetti e regole interne. Questo non significa necessariamente addestrare un modello personalizzato.

In molti casi è sufficiente costruire un sistema che recuperi, al momento della richiesta, le informazioni rilevanti dalle fonti autorizzate e le fornisca al modello. In altri casi servono integrazioni con CRM, ERP, e-commerce, archivi cloud o database interni.

Il consulente dovrebbe indicare quali dati sono necessari, dove si trovano, quanto sono affidabili e chi può accedervi. Dovrebbe inoltre distinguere chiaramente ciò che il modello può leggere da ciò che può modificare. Dare a un agente il permesso di consultare un ordine è molto diverso dal permettergli di cambiarlo o inviarlo.

8. Come gestirai riservatezza, permessi e controllo dei dati?

La sicurezza non può essere aggiunta alla fine del progetto. Prima di inviare documenti a un modello bisogna conoscere il tipo di account utilizzato, le condizioni del servizio, la conservazione dei dati, le aree geografiche coinvolte e le impostazioni disponibili.

OpenAI dichiara che, per i propri prodotti business e per la piattaforma API, i dati dell’organizzazione non vengono utilizzati per addestrare i modelli per impostazione predefinita. Anthropic dichiara una politica analoga per i prodotti commerciali, compresi Claude for Work e l’API. Queste condizioni devono comunque essere verificate nel contesto dello specifico contratto e della configurazione adottata.

Quando si utilizza un intermediario come OpenRouter, le politiche possono variare in base al provider finale scelto. La piattaforma consente di limitare l’instradamento a provider con determinate politiche e di richiedere endpoint con zero data retention, ma queste impostazioni devono essere configurate e controllate.

Il consulente dovrebbe produrre una mappa dei dati utilizzati, dei fornitori coinvolti, dei permessi concessi e dei log conservati. Dovrebbe anche saper collaborare con il referente privacy, il responsabile IT o il consulente legale dell’azienda, senza presentare la conformità come una semplice casella da selezionare.

9. Come misurerai qualità, costi e ritorno del progetto?

Dire che una soluzione “fa risparmiare tempo” non è sufficiente. Bisogna stabilire quanto tempo richiede oggi il processo, con quale frequenza si verificano errori, quante persone sono coinvolte e quale risultato ci si aspetta.

Il costo non comprende soltanto il consumo dei modelli. Bisogna considerare progettazione, integrazioni, manutenzione, controllo umano, gestione degli errori e aggiornamenti. Allo stesso tempo, il beneficio non è soltanto una riduzione delle ore lavorate. Può consistere in tempi di risposta inferiori, maggiore capacità produttiva, qualità più uniforme, recupero di opportunità commerciali o accesso più rapido alla conoscenza aziendale.

Per i sistemi basati su API devono esistere budget, soglie di consumo, log e report. Il consulente dovrebbe poter mostrare quanto costa una singola operazione e come cambierebbe quel costo utilizzando un modello differente.

10. Come renderai autonoma l’azienda?

Una buona consulenza non costruisce una dipendenza permanente. Al termine del primo percorso l’azienda dovrebbe possedere documentazione, accessi, configurazioni, criteri di valutazione e una comprensione sufficiente per prendere le decisioni successive.

Il consulente deve spiegare chi sarà proprietario del codice, dei prompt, degli account, delle basi di conoscenza e dei dati generati. Deve documentare le integrazioni e prevedere cosa accade se il rapporto si interrompe o se un fornitore cambia prezzi e condizioni.

L’autonomia non significa che l’azienda debba sviluppare internamente ogni soluzione. Significa poter cambiare partner, modificare un processo o sostituire un modello senza perdere tutto il lavoro svolto.

Il consulente giusto rende l’AI progressivamente normale

Una PMI non ha bisogno di sentirsi promettere una trasformazione totale. Ha bisogno di capire dove iniziare, quali rischi evitare e quale primo risultato può essere ottenuto senza destabilizzare l’organizzazione.

Nelle prime settimane può essere sufficiente introdurre alcuni strumenti professionali, definire regole d’uso e osservare come le persone li utilizzano. In seguito si può scegliere un’attività ripetitiva, costruire un prototipo e verificare se il vantaggio è reale. Solo a quel punto ha senso valutare API, integrazioni e agenti capaci di operare all’interno dei sistemi aziendali.

La competenza del consulente non si misura dalla quantità di tecnologie che riesce a inserire. Si misura dalla capacità di scegliere quelle necessarie, escludere quelle premature e costruire un percorso che l’azienda possa comprendere e sostenere.

L’intelligenza artificiale cambia rapidamente. I modelli migliorano, i costi si riducono, alcuni servizi scompaiono e nuove possibilità diventano disponibili. Per questo non conviene costruire l’intera strategia attorno al prodotto del momento. Conviene sviluppare un metodo: individuare i problemi, sperimentare in piccolo, misurare, integrare ciò che funziona e mantenere la libertà di cambiare tecnologia.

Il consulente giusto non porta semplicemente l’AI in azienda. Aiuta l’azienda a imparare come scegliere, governare e utilizzare l’AI anche quando lui non sarà più necessario.