Il titolare compra quindici licenze di un assistente AI, le distribuisce il lunedì mattina e aspetta. Tre mesi dopo le email sono più lunghe, le presentazioni hanno più slide e il conto economico è identico a prima. Non è una caricatura: è il modo più diffuso di sbagliare quando si decide di introdurre l'intelligenza artificiale in azienda. La tesi di questo articolo è semplice: in una PMI da 10-50 persone non si parte dallo strumento, si parte da un processo. Uno solo, scelto bene, misurato prima e dopo.
Perché le PMI italiane sono ferme (e non è colpa della tecnologia)
I numeri dicono che il ritardo è reale. Secondo la rilevazione Istat su imprese e ICT, l'uso dell'AI tra le imprese italiane con almeno 10 addetti è salito al 16,4%, ma nella fascia 10-49 addetti si ferma al 14,2%, contro il 27% tra 50 e 249 addetti e il 53,1% delle grandi aziende. L'Osservatorio Innovazione Digitale nelle PMI del Politecnico di Milano aggiunge che il 76% delle PMI non ha investito né prevede di investire in AI nel breve termine, e solo il 7% ha avviato una formazione strutturata.
Il dato più istruttivo, però, riguarda chi l'AI la usa già: secondo quanto riportato da AI-PMI, il 33,4% delle PMI che dichiarano di impiegarla non sa indicare l'obiettivo aziendale per cui lo fa. Un'azienda su tre ha lo strumento ma non sa a cosa le serve. È esattamente l'errore da evitare.
Licenze per tutti: il modo più costoso di non cambiare niente
Chi vende suite generaliste ha interesse a venderne tante: un assistente per ogni scrivania, attivato in un pomeriggio. Chi si occupa di organizzazione e processi risponde in un altro modo: dare ChatGPT o Copilot alle persone senza aver disegnato un flusso di lavoro produce testi scritti più in fretta, non costi operativi più bassi. Su questo punto stiamo con i secondi.
Non perché gli assistenti generalisti siano inutili: per scrivere, riassumere e tradurre sono comodi. Il punto è che la comodità individuale non si somma da sola in un risultato aziendale. Se nessuno ha deciso quale attività deve diventare più veloce, di quanto e chi ne risponde, il tempo risparmiato si disperde. E a fine anno non c'è modo di dire se l'investimento è servito.
Come introdurre l'intelligenza artificiale in azienda: scomporre il lavoro
Il secondo errore classico è ragionare per ruoli: «automatizziamo l'ufficio acquisti», «l'AI farà il lavoro del commerciale junior». Un ruolo è un fascio di decine di compiti diversi, alcuni ripetitivi, altri fatti di giudizio, relazioni e trattative. Le analisi del MIT Sloan sui casi d'uso dell'AI generativa vanno nella direzione opposta: smontare il lavoro nei singoli compiti e cercare quelli frequenti, ripetitivi e con poco margine decisionale.
In pratica: prendete una persona dell'ufficio e fatevi raccontare la sua settimana tipo, compito per compito. Ricopiare dati da un PDF al gestionale, rispondere alla stessa domanda tecnica per la decima volta, leggere un capitolato di sessanta pagine per capire se vale la pena rispondere. È lì, nei compiti, che l'AI lavora bene. Non nel «ruolo».
C'è anche una conseguenza meno comoda. In molte aziende a conduzione familiare i flussi non sono scritti da nessuna parte: stanno nella testa del titolare o di due persone chiave. L'AI non può migliorare un processo che nessuno ha mai descritto. Spesso il primo beneficio del progetto è proprio questo: costringervi a mettere nero su bianco come si lavora davvero.
I quattro filtri per scegliere il primo caso d'uso
Una volta che avete la lista dei compiti, serve un criterio per scegliere. Il primo progetto deve superare quattro filtri, tutti insieme:
- Frequenza: l'attività si ripete ogni giorno o ogni settimana. Un compito che capita due volte l'anno non ripagherà mai lo sforzo di impostarlo.
- Input strutturabile: il materiale di partenza è digitale e accessibile, cioè email, PDF, fogli di calcolo, documenti. Se le informazioni stanno su fogli scritti a mano o nella memoria di qualcuno, prima va risolto quello.
- Supervisione umana: il risultato viene controllato da una persona prima di uscire dall'azienda. Gli addetti ai lavori lo chiamano human-in-the-loop, l'umano nel circuito: l'AI prepara, qualcuno valida. Per un primo progetto è una rete di sicurezza indispensabile.
- Metrica misurabile: minuti risparmiati per pratica, tempo di risposta al cliente, errori evitati, offerte chiuse. Se non riuscite a dire con un numero cosa significa «funziona», scegliete un altro processo.
Il primo caso d'uso deve essere noioso e misurabile, non quello che fa più scena alla fiera di settore. L'entusiasmo arriva dopo, quando i numeri lo giustificano.
Tre candidati realistici per un'azienda da 10-50 persone
Ecco tre esempi che in molte PMI superano i quattro filtri e si possono avviare senza sviluppo software su misura. I numeri servono a mostrare come ragionare, non sono promesse.
Acquisti e logistica: dai PDF dei fornitori al gestionale
Conferme d'ordine e documenti di trasporto arrivano in formati tutti diversi, e qualcuno li ricopia a mano nel gestionale. Uno strumento di automazione collegato a un modello capace di leggere documenti estrae i dati e prepara la riga da caricare; l'addetto controlla e conferma. Se oggi servono otto minuti a documento e si scende sotto il minuto, con qualche centinaio di documenti al mese il conto si fa da solo. In più spariscono gli errori di battitura sui codici articolo, che altrimenti costano resi e telefonate.
Assistenza tecnica: un assistente interno sui vostri manuali
Manuali, cataloghi e FAQ vengono messi a disposizione di un assistente consultabile solo dai tecnici. La tecnica si chiama RAG (retrieval-augmented generation): in parole povere, l'AI risponde cercando prima nei vostri documenti invece di andare a memoria. Le metriche sono il tempo di chiusura dei ticket e quante volte i tecnici esperti vengono interrotti per domande a cui la documentazione risponde già.
Commerciale: la prima lettura dei capitolati
Una richiesta di offerta da cinquanta pagine richiede ore solo per individuare requisiti vincolanti, scadenze e penali. L'AI può estrarli e preparare una bozza preliminare, che il commerciale corregge e completa. La metrica è il tempo tra l'arrivo della richiesta e la decisione «rispondiamo o no»: se passa da mezza giornata a mezz'ora, avete liberato tempo per le trattative che contano.
In nessuno dei tre casi qualcuno perde il posto. L'obiettivo realistico in una PMI non è tagliare persone, ma reggere più ordini, più ticket e più preventivi con lo stesso organico, invece di assumere in anticipo per compiti a basso valore.
Misurare prima, non dopo
Il terzo errore è il più banale e il più frequente: nessuno misura quanto tempo serve oggi. Senza questo punto di partenza, la cosiddetta baseline, tra sei mesi potrete solo dire che «ci sembra vada meglio». Prima di toccare qualsiasi strumento, cronometrate il processo per due settimane: quanti documenti, quanti minuti ciascuno, quanti errori, quante rilavorazioni.
McKinsey propone di misurare il valore dell'AI su cinque livelli: impatto finanziario, risultati strategici, indicatori operativi del singolo processo (tempo ciclo, rilavorazioni), adozione da parte degli utenti e prestazioni tecniche. Secondo l'analisi, saltare il livello degli indicatori operativi è la causa del fallimento della maggior parte dei progetti pilota. Per una PMI la traduzione è diretta: il processo è diventato più veloce? E le persone usano davvero lo strumento?
La seconda domanda non è un dettaglio. Molti progetti pilota funzionano in prova e muoiono quando dovrebbero diventare la norma, perché nessuno ha cambiato abitudini e nessuno è responsabile del processo. Nominate un referente con nome e cognome, che risponda dei numeri.
Ne vale la pena? Uno studio della Banca d'Italia riportato da Key4biz indica che le imprese sopra i 50 addetti che hanno integrato l'AI in processi definiti registrano in media un valore aggiunto per addetto più alto del 5,2% e un margine operativo lordo per addetto più alto dell'11,9%. Le parole che contano sono «processi definiti».
Comprare, collegare o costruire?
Per un'azienda sotto i 50 dipendenti l'ordine di preferenza ragionevole è questo: prima un software verticale già esistente che risolve il vostro problema; poi un'automazione che collega strumenti esistenti tramite API (le interfacce con cui i programmi si parlano) o piattaforme no-code; solo alla fine lo sviluppo su misura. Costruire un sistema proprietario per una realtà da 20 persone significa caricarsi di manutenzione e del rischio che i modelli diventino obsoleti in pochi mesi. Ha senso solo se tocca il cuore di ciò che vi distingue dai concorrenti.
Gli ordini di grandezza ridimensionano la paura dei costi. ChatGPT nella versione per team aziendali costa tra 20 e 25 dollari per utente al mese con fatturazione annuale, con l'impegno a non usare i vostri dati per addestrare i modelli (fonte). Microsoft 365 Copilot ha un listino intorno ai 28-30 euro per utente al mese, IVA esclusa, con impegno annuale e in aggiunta alla licenza Microsoft 365. Un'automazione con strumenti come Make o Zapier collegati ai modelli via API costa indicativamente tra 50 e 200 euro al mese per i carichi di una PMI da 20-30 persone. Il primo caso d'uso non richiede decine di migliaia di euro: richiede tempo dedicato e qualcuno che ne risponda.
Dati e regole: due cose da sistemare comunque
Che lo decidiate o no, l'AI in azienda c'è già. Secondo i dati citati da Key4biz, circa l'80% dei lavoratori usa strumenti di AI di propria iniziativa, senza approvazione aziendale: è la cosiddetta shadow AI, l'AI ombra. Significa che dati di clienti, offerte e contratti stanno già finendo in servizi di cui non controllate le condizioni. Dare uno strumento aziendale con regole chiare è anche un modo per riportare quei dati dentro casa.
Poi c'è la normativa. L'AI Act europeo prevede dal febbraio 2025 l'obbligo di alfabetizzazione: chi usa sistemi di AI deve assicurarsi che il personale abbia competenze adeguate (articolo 4). Dall'agosto 2026 si applicano gli obblighi di trasparenza (articolo 50): se un cliente parla con un chatbot, deve saperlo. Per un primo progetto interno, con un umano che controlla ogni risultato, non è un ostacolo: è un motivo in più per fare formazione seria invece di distribuire account e sperare.
Infine, i dati. Secondo l'Istat il 48,8% delle PMI ha un gestionale ERP e il 68,1% usa servizi cloud di livello intermedio o avanzato. Se i vostri documenti sono sparsi tra caselle email e cartelle personali, qualunque AI darà risposte incoerenti: l'assistente sui manuali tecnici presuppone che esista una versione unica e aggiornata di quei manuali.
Il primo passo, in pratica
Scegliete un processo, non uno strumento. Questa settimana fate tre cose: chiedete a tre persone di uffici diversi di elencare i compiti che ripetono più spesso; passate la lista attraverso i quattro filtri (frequenza, input digitale, controllo umano, metrica); prendete il primo compito che li supera tutti e cronometratelo per due settimane.
Alla fine avrete in mano un numero di partenza e un obiettivo. A quel punto la domanda «quale AI compriamo?» diventa facile, perché saprete esattamente cosa deve fare e quanto vale. Se vi serve una mano a mappare il processo e a scegliere tra software pronto, automazione o sviluppo su misura, è il lavoro che SMP Digital Solutions fa ogni giorno, partendo sempre dai numeri.