Intelligenza artificiale per aziende, dal primo processo al software in produzione
Di Alessandro Nigro, Senior Software Engineer, consulente informatico dal 2009 · Aggiornato il
L'intelligenza artificiale per aziende serve quando risolve un processo preciso: leggere documenti, smistare richieste, preparare pratiche, rispondere sui dati interni. Io la porto in azienda da ingegnere del software. Scelgo con te il primo processo, costruisco un prototipo misurabile e, se funziona, lo porto in produzione con sicurezza, monitoraggio e costi sotto controllo. Sono un Senior Software Engineer freelance a Milano, consulente informatico dal 2009.
Raccontami il tuo processo →Intelligenza artificiale per aziende: la risposta in breve
Per un'azienda l'intelligenza artificiale è utile soprattutto in tre forme:
- agenti AI che svolgono compiti con i tuoi strumenti e passano la mano a una persona quando serve;
- RAG sui documenti aziendali, cioè un assistente che risponde partendo da manuali, procedure e contratti e cita la fonte;
- funzioni AI dentro il software che usi già: estrazione di dati da PDF ed email, classificazione delle richieste, bozze di testi.
Il punto di partenza è sempre un processo che oggi costa tempo, misurato con i tuoi numeri. Gli strumenti vengono dopo.
Cosa faccio in concreto
Progetto, sviluppo e gestisco software basato sull'intelligenza artificiale. Non vendo licenze né corsi, e il codice resta tuo.
Agenti AI
Un agente legge una richiesta, usa i tuoi sistemi e decide il passo successivo entro limiti precisi. È la parte del mio lavoro più richiesta: processo, prezzi e tempi sono nella pagina sullo sviluppo di agenti AI.
RAG sui documenti aziendali
Con il RAG (retrieval-augmented generation) il modello risponde partendo dai tuoi documenti invece che dalla sua memoria. Il lavoro vero sta attorno al modello. Bisogna tenere aggiornato l'indice, rispettare chi può vedere cosa, mostrare la fonte di ogni risposta e misurare quante risposte sono giuste su un set di domande reali.
Software AI in produzione
Molte aziende hanno già un prototipo, spesso scritto in fretta o generato con l'AI. Lo porto in produzione: revisione del codice, test, gestione dei segreti, permessi minimi, costi dei modelli misurati, rilascio automatico. È lo stesso lavoro della mia consulenza DevSecOps, applicato a un'applicazione AI.
Un esempio: TreZeroUno
Il mio progetto più completo è mio: TreZeroUno, una piattaforma SEO che espone più di 150 strumenti attraverso un server MCP. Così un assistente come Claude può analizzare siti, cercare parole chiave, studiare mercati locali e pianificare contenuti. Ogni strumento a pagamento dichiara il prezzo prima di partire. I lavori lunghi passano da una coda con annullamento e rimborsi. I contenuti presi dal web sono trattati come dati non affidabili, mai come istruzioni.
Quando ha senso e quando no
Ha senso quando:
- il processo si ripete spesso e oggi richiede ore di lettura, copia e controllo;
- le regole sono chiare, ma i testi in ingresso cambiano ogni volta;
- un errore si può intercettare con una revisione prima che faccia danni;
- i dati necessari sono accessibili, anche se sparsi in più sistemi.
Non ha senso, o non ancora, quando il processo cambia ogni settimana o quando nessuno in azienda può dedicare qualche ora a rivedere i risultati. Lo stesso vale quando una regola scritta in codice normale risolve il problema. In quel caso te lo dico, e la soluzione può essere un'automazione senza AI.
Come si svolge un progetto
Il percorso è lo stesso per un agente, un RAG o una funzione AI in un software esistente.
Scegliere il primo processo
Partiamo da una lista breve di processi candidati. Per ognuno stimo frequenza, tempo speso, costo di un errore e disponibilità dei dati. Scegliamo quello con il miglior rapporto fra valore e rischio. Poi scriviamo le consegne: cosa deve fare il sistema, cosa non deve fare, come misuriamo se funziona.
Prototipo e misura
Prima del codice preparo un set di valutazione: casi reali con il risultato atteso. Il prototipo si misura su quei casi, non su una demo. Se i risultati non bastano, ci fermiamo qui, con una spesa contenuta.
Integrazione con i sistemi esistenti
Il sistema si collega a gestionale, CRM, posta o archivio documentale con permessi propri: sola lettura dove possibile, scritture solo attraverso azioni controllate. Quando un assistente come Claude deve usare i tuoi strumenti, uso il Model Context Protocol, «an open-source standard for connecting AI applications to external systems».
Produzione e gestione
Il sistema parte su una piccola parte del lavoro, poi cresce. Registro ogni esecuzione con costo ed esito. Aggiorno i modelli quando conviene e uso le correzioni delle persone per migliorare il set di valutazione.
Dati, sicurezza e AI Act
Tre temi vanno chiariti all'inizio del progetto.
Le regole europee. Secondo la Commissione europea, «La legge sull'IA è entrata in vigore il 1o agosto 2024 ed è diventata applicabile il 2 agosto 2026, con alcune eccezioni». Gli obblighi di alfabetizzazione in materia di IA valgono già dal 2 febbraio 2025. Le norme per i sistemi ad alto rischio in settori come «la biometria, le infrastrutture critiche, l'istruzione, l'occupazione» si applicano dal 2 dicembre 2027. Se il tuo progetto tocca uno di questi ambiti, per esempio la selezione del personale, va valutato con il tuo consulente legale prima di partire. Io porto i requisiti tecnici: registri, controllo umano, documentazione.
La sicurezza. La OWASP Top 10 for LLM Applications 2025 mette al primo posto la prompt injection e al secondo la divulgazione di informazioni sensibili. Per questo un sistema AI deve trattare email, documenti e pagine web come dati e mai come istruzioni. E deve avere solo i permessi che il suo compito richiede.
I dati. Decido con te quali dati possono uscire dai tuoi sistemi verso un fornitore di modelli e quali no. Dove serve, scelgo modelli e servizi che rispettano questi vincoli.
Quanto costa
Per agenti e RAG ho fasce indicative, aggiornate a novembre 2026. Per il resto, per esempio portare in produzione un prototipo esistente o aggiungere funzioni AI a un software, faccio un preventivo dopo una prima analisi: dipende dal codice e dai sistemi che trovo.
| Progetto | Cosa comprende | Prezzo indicativo | Tempi tipici |
|---|---|---|---|
| Prototipo | Un processo, dati di prova, una demo misurata sul set di valutazione | da 5.000 a 10.000 € | 2 o 3 settimane |
| Agente in produzione, anche con RAG | Documenti aziendali, da 2 a 4 integrazioni, permessi, monitoraggio | da 15.000 a 40.000 € | da 4 a 8 settimane |
| Sistema multi-agente o enterprise | Più agenti e ruoli, molte integrazioni, requisiti di conformità | da 50.000 € | 3 mesi o più |
| Gestione e miglioramento | Monitoraggio, correzioni, valutazione, aggiornamento dei modelli | da 500 a 2.000 € al mese, più l'uso dei modelli al costo | continuativo |
| Altri progetti AI | Prototipo esistente da portare in produzione, funzioni AI in un software | preventivo dopo una prima analisi | dipende dal perimetro |
Come scegliere un consulente AI: gli errori da evitare
- Partire dallo strumento. «Ci serve un chatbot» descrive una soluzione, non un problema. Chiedi a chi ti segue quale processo migliora e come lo misurerà.
- Valutare solo la demo. Una demo mostra il caso migliore. Chiedi il set di valutazione e i risultati sui casi difficili.
- Ignorare i costi di esercizio. Ogni chiamata a un modello ha un prezzo. Chiedi una stima del costo per esecuzione e dei limiti di spesa.
- Lasciare fuori la sicurezza. Permessi, segreti e registri vanno progettati dall'inizio. Aggiungerli dopo costa di più.
- Non possedere il risultato. Codice, prompt, dati e configurazioni devono restare tuoi, così puoi cambiare fornitore senza ripartire da zero.
Domande frequenti
Cosa fa in concreto un consulente AI?
Dipende dal profilo. Io analizzo i processi e scelgo con te dove l'AI conviene. Poi sviluppo il software, lo integro con i tuoi sistemi e lo tengo in funzione. Altri consulenti si fermano alla strategia o alla formazione: chiedi sempre chi scriverà e gestirà il codice.
Quando ha senso affidarsi a un consulente AI?
Quando hai un processo ripetitivo che costa tempo e non hai in casa chi sappia portare un sistema AI in produzione in modo sicuro. Se hai già un team di sviluppo, posso affiancarlo su architettura, sicurezza e valutazione.
L'intelligenza artificiale è solo per aziende tech?
No. I processi più adatti sono spesso i più comuni: richieste dei clienti, documenti tecnici, pratiche amministrative, offerte. Servono un processo chiaro e una persona che conosca il lavoro. Un grande reparto IT non è un requisito.
Quale modello di intelligenza artificiale è il migliore per un'azienda?
Un modello migliore in assoluto non esiste. Scelgo il modello per ogni compito in base ai risultati sul set di valutazione, al costo e ai vincoli sui dati. Spesso un modello più piccolo basta per classificare, e uno più capace serve solo per i passaggi difficili.
Note correlate
- RAG aziendale: dove si rompe davvero
I quattro punti in cui un RAG sui documenti aziendali dà risposte sbagliate, e come lo misuro prima di metterlo in produzione.
- AI per lo sviluppo software: cosa uso davvero
Come lavoro ogni giorno con un agente di coding, cosa dicono gli studi sulla produttività e dove serve ancora una persona.
- Agenti AI in produzione: cosa serve oltre al prototipo
Cosa aggiungo a un agente AI fra la demo e la produzione: valutazione, strumenti stretti, limiti di costo, registro dei passaggi e rientro manuale.
Parliamo del tuo processo
Raccontami quale processo ti costa più tempo oggi e quali sistemi tocca. Ti rispondo con un primo parere: se l'intelligenza artificiale è lo strumento giusto e da dove partirei.
Prenota una chiamataPreferisci scrivere? Usa il modulo.