La distinzione che evita quasi tutti i guai
Un modello linguistico produce la risposta più probabile, non quella certa. Questa singola frase basta a decidere dove usarlo.
- Dove conviene: quando l'input è disordinato (testo libero, documenti eterogenei, email), l'esito è verificabile con una regola, e un errore occasionale è recuperabile.
- Dove non conviene: quando il risultato deve quadrare al centesimo, quando la regola è già scritta in una norma o in un contratto, quando un errore ha conseguenze non reversibili.
Il calcolo dell'IVA non si chiede a un modello: si calcola. La classificazione di una email di reclamo, invece, è esattamente il tipo di lavoro in cui un modello batte una lista di parole chiave.
I quattro impieghi che ripagano più spesso
1. Estrazione di dati da documenti non strutturati
Documenti di trasporto fotografati, preventivi dei fornitori in PDF, ordini via email scritti in forma libera. Il modello propone i campi (fornitore, data, numero, importi, righe); le regole verificano; l'operatore conferma quando serve. È l'impiego con il ritorno più immediato.
2. Classificazione e smistamento
Assegnare a ogni messaggio in arrivo una categoria e una priorità. Le regole a parole chiave falliscono sulle sfumature («non funziona più niente» è urgente, «quando potete» no); un modello tiene conto del contesto. Il costo di un errore è basso: al massimo un messaggio finisce nella coda sbagliata e viene spostato.
3. Bozze di risposta, mai risposte automatiche
Preparare la bozza per l'operatore fa risparmiare minuti a ogni messaggio e mantiene una persona in mezzo. Le risposte automatiche al cliente senza supervisione sono, in una piccola azienda, un rischio di immagine sproporzionato rispetto al vantaggio.
4. Ricerca dentro i documenti aziendali
«Che condizioni avevamo con questo fornitore nel 2024?» — la risposta è nei documenti, ma trovarla richiede minuti. Un sistema di ricerca semantica che cita sempre il documento di origine rende quei minuti secondi. La citazione non è un dettaglio estetico: è ciò che rende la risposta verificabile.
Lo schema di controllo: propone, verifica, approva
Ogni impiego serio dell'AI in azienda ha tre stadi distinti, e vanno tenuti separati anche nel codice.
- Il modello propone. Produce dati strutturati con un livello di confidenza, non testo libero da interpretare.
- Le regole verificano. Controlli deterministici, scritti una volta: imponibile + imposta = totale; la data non è nel futuro; il fornitore esiste in anagrafica; il numero documento non è già presente; l'importo rientra nell'intervallo storico di quel fornitore.
- La persona approva ciò che non supera i controlli o che supera una soglia di importo. Sotto quella soglia e con tutti i controlli verdi, il documento passa da solo.
La regola che teniamo in tutti i progetti
Il modello non scrive mai direttamente sul sistema definitivo. Scrive su un'area di transito, dove ogni riga porta con sé da dove viene, con quale confidenza e chi l'ha approvata. Il registro vale quanto la funzione: senza, il giorno che un dato risulta sbagliato non si può ricostruire nulla.
Come si misura l'accuratezza, per davvero
«Funziona bene» non è una misura. Servono un campione e due numeri.
- Prendete 100-200 casi reali, rappresentativi (non solo quelli facili).
- Fate compilare a mano la risposta corretta: è il vostro riferimento.
- Confrontate: quante volte il sistema dà il valore giusto, quante volte sbaglia, e — il numero più importante — quante volte sbaglia senza segnalarlo.
Un sistema che si accorge di non sapere e chiede aiuto è utilizzabile anche con un'accuratezza dell'85%. Un sistema sicuro di sé che sbaglia il 5% delle volte in silenzio non è utilizzabile in contabilità. È per questo che la soglia di confidenza va tarata sul costo dell'errore, non su un'idea generica di qualità.
Quanto costa far girare un modello
Due voci: il costo per elaborazione e il costo di tenere in piedi il contorno. Il primo, per l'estrazione da documenti con i modelli via servizio, si misura in centesimi per pagina — su 400 documenti al mese è una spesa piccola rispetto alle ore che sostituisce. Il secondo comprende sviluppo dei controlli, interfaccia di revisione, registro e monitoraggio: è lì che sta il grosso del lavoro, ed è la parte che rende il sistema affidabile.
Un modello più piccolo eseguito su una macchina vostra ha senso quando i documenti non possono uscire dall'azienda o quando i volumi sono alti e costanti. Costa di più all'inizio e meno a regime, e richiede qualcuno che se ne occupi.
Privacy e conformità: le domande da fare prima, non dopo
- Dove finiscono i dati? Se si usa un servizio esterno, va sottoscritto un accordo sul trattamento dei dati (art. 28 GDPR) e va verificato dove sono i server.
- Servono davvero i dati personali? Spesso no: si può oscurare il nome e lavorare su importi e codici. La minimizzazione non è un adempimento, è una riduzione di rischio.
- I dati vengono usati per addestrare? Va escluso contrattualmente, e va scritto.
- Chi ha risposto al cliente? Se una risposta è stata generata con l'AI e approvata da una persona, il registro deve dirlo.
Il regolamento europeo sull'intelligenza artificiale entra in applicazione per fasi successive: per gli usi di ufficio di cui parliamo qui — estrazione, classificazione, supporto alla scrittura — gli obblighi principali riguardano trasparenza e supervisione umana. Le due cose che consigliamo di fare comunque, a prescindere dagli obblighi, sono dire che c'è un sistema automatico e tenere una persona responsabile della decisione finale.
Come partire senza rischiare
Il modo più economico di scoprire se l'AI vi serve: prendete due settimane di documenti già lavorati a mano, fateli passare dal sistema in parallelo e confrontate i risultati con quelli veri. Nessun rischio operativo, nessun cambiamento per le persone, e alla fine avete un numero al posto di un'opinione.