Dati aziendali e intelligenza artificiale: perché l’AI rende quanto i dati che le dai

C’è una verità scomoda che i fornitori di tecnologia raccontano malvolentieri: il fattore che più determina il successo di un progetto di intelligenza artificiale non è il modello, non è lo strumento e non è nemmeno il budget. Sono i dati aziendali. L’AI è un motore straordinario, ma pur sempre un motore: la qualità del carburante decide le prestazioni. Un’azienda con dati ordinati ottiene risultati eccellenti anche con strumenti economici; una con dati sparsi, incompleti e contraddittori otterrà risposte sparse, incomplete e contraddittorie anche dallo strumento più costoso. L’ho verificato sul campo più volte di quante possa contare.

Per le PMI italiane questo è il vero tema nascosto dietro la parola “AI”. In questo articolo vediamo perché i dati contano così tanto, come capire in che stato sono i vostri (c’è un test di dieci domande, preparatevi) e come prepararli senza trasformare il riordino in un progetto infinito.

Perché i dati decidono il risultato

Gli strumenti di AI lavorano su due basi: quello che sanno del mondo, cioè l’addestramento generale, e quello che sanno di voi, cioè i dati che gli fornite. La prima base è uguale per tutti, vostra e dei vostri concorrenti; la seconda è l’unica fonte di vantaggio competitivo. L’assistente che risponde ai clienti è brillante quanto la base di conoscenza da cui attinge; la previsione di cassa è affidabile quanto lo storico contabile su cui si fonda; l’automazione documentale è precisa quanto sono coerenti le anagrafiche con cui incrocia i dati.

È il motivo per cui due aziende simili che comprano lo stesso strumento ottengono risultati opposti. E spiega un paradosso che osservo spesso: le aziende che per anni hanno investito in ordine digitale (gestionale usato bene, CRM aggiornato, documenti organizzati) oggi adottano l’AI in poche settimane e con risultati immediati, mentre chi ha rimandato si trova a pagare due progetti al prezzo di uno. Prima i dati, poi l’AI.

Lo stato reale dei dati nelle PMI: i cinque mali ricorrenti

Più di vent’anni di trasformazioni digitali mi hanno insegnato che i problemi di dati delle PMI sono sorprendentemente simili tra loro. Eccoli, in ordine di frequenza.

La frammentazione: il cliente esiste nel gestionale, nel CRM, in tre fogli di calcolo e nella rubrica del commerciale, con quattro indirizzi diversi. Nessuna fonte è completa, nessuna del tutto sbagliata, nessuno sa quale sia quella “vera”. La conoscenza nella testa delle persone: il listino ufficiale dice una cosa, ma “per quel cliente si applica sempre l’accordo del 2019”, che non è scritto da nessuna parte. L’AI non può attingere a ciò che non è documentato. I documenti dispersi: offerte in cartelle personali, contratti scansionati senza logica, manuali in versioni multiple di cui nessuna è quella definitiva; il materiale c’è, ma trovarlo costa più che rifarlo.

E poi le convenzioni incoerenti (lo stesso prodotto con tre codici, le date in formati diversi, i campi note usati come contenitore di tutto: per una persona sono fastidi, per un sistema automatico sono ambiguità che generano errori) e il male radice, l’assenza di responsabilità: nessuno è incaricato della qualità dei dati, quindi la qualità è il risultato casuale delle abitudini individuali. Dove non c’è un responsabile c’è entropia.

Se vi siete riconosciuti in tre o più punti, benvenuti nel club: è la condizione normale di una PMI cresciuta negli anni, non un’accusa. La buona notizia è che non serve risolverli tutti per partire con l’AI. Serve un metodo.

Vi faccio un esempio concreto di come si presenta il problema. Un’azienda mi chiede un assistente AI per il servizio clienti; chiedo dove sono le risposte alle domande frequenti e la risposta è “le sa la Signora Franca, che è qui da vent’anni”. Nessuna ironia: la Signora Franca è un patrimonio aziendale, ma è anche un rischio operativo enorme, perché quel patrimonio non è replicabile, non è consultabile e prima o poi andrà in pensione. Il progetto AI, in quel caso, è iniziato con tre settimane di interviste alla Signora Franca; ed è stato l’investimento migliore di tutto il percorso.

Il metodo: preparare i dati quanto basta, non alla perfezione

L’errore uguale e contrario al partire con dati disastrati è il perfezionismo: “prima sistemiamo tutti i dati, poi facciamo l’AI”. Ho visto progetti di riordino totale durare anni e morire di sfinimento prima di produrre un solo beneficio. L’approccio giusto è chirurgico e guidato dall’uso: si preparano i dati che servono al primo caso d’uso, si parte, e si estende il riordino insieme all’AI.

Primo: scegliete il caso d’uso, poi guardate i dati che gli servono. Volete l’assistente per il servizio clienti? Servono le risposte approvate, le procedure, le informazioni prodotto; non le anagrafiche perfette di tutta l’azienda. Il perimetro del riordino lo detta il progetto, non l’ideale. Secondo: identificate la fonte di verità. Per ogni tipo di dato decidete qual è il posto ufficiale in cui vive (il gestionale per i clienti, una cartella strutturata per i documenti commerciali, un repository unico per le procedure); le altre copie diventano ufficiosamente vietate. È una decisione organizzativa, non tecnologica, ed è per questo che spesso non viene mai presa.

Terzo: scrivete la conoscenza tacita. È la parte più preziosa del lavoro: trasformare in documenti ciò che vive nella testa delle persone chiave. Le domande frequenti dei clienti con le risposte giuste, le regole commerciali non scritte, i criteri delle eccezioni. Due ore a settimana di scrittura assistita (l’AI generativa è ottima per trasformare un’intervista in una procedura) producono in tre mesi una base di conoscenza che vale più di qualsiasi software. Quarto: assegnate la responsabilità. Non serve un data manager a tempo pieno, serve che per ogni fonte di verità ci sia un nome. La qualità dei dati è una manutenzione, non un progetto: come ho scritto parlando di automazione dei processi, l’AI amplifica ciò che trova, l’ordine come il disordine.

L’audit rapido: dieci domande

Prima di qualsiasi piano serve una diagnosi onesta. Queste dieci domande si affrontano in una riunione di un’ora con i responsabili di funzione; ogni “no” indica un cantiere. Se un cliente chiama, esiste un posto unico dove vedere tutto ciò che lo riguarda? Se il vostro commerciale più esperto si dimettesse domani, le sue conoscenze resterebbero in azienda? Le offerte degli ultimi tre anni sono ritrovabili in meno di un minuto? Esiste una versione ufficiale e aggiornata di listino, procedure e documenti tipo? Codici articolo e anagrafiche seguono una convenzione scritta? Sapete dire senza indagini quali fogli di calcolo “vitali” circolano in azienda e chi li mantiene? Le risposte ricorrenti ai clienti sono documentate? C’è un nome responsabile per ogni archivio principale? I dati che servirebbero al vostro primo progetto AI sono già digitali? Se domani doveste esportare tutto da un fornitore software, sapreste farlo?

Fatto il test? Nella mia esperienza una PMI media risponde sì a tre o quattro domande su dieci. Non è un dramma: è la fotografia da cui partire, ed è molto meglio averla prima di firmare il contratto per uno strumento AI che dopo. Il punteggio conta meno della tendenza: rifate l’esercizio ogni sei mesi e pretendete che i sì aumentino.

Dati e regole: privacy e AI Act

Preparare i dati per l’AI significa anche sapere quali dati possono andare dove. Il GDPR resta la base: i dati personali di clienti e dipendenti possono transitare in strumenti AI solo con basi giuridiche adeguate e fornitori con garanzie contrattuali; ragione in più per usare i piani business e per consultare le indicazioni del Garante per la protezione dei dati personali, che sull’AI è intervenuto più volte. L’AI Act aggiunge la logica della consapevolezza: sapere quali sistemi usate e con quali dati. Il censimento è lo stesso esercizio che serve per la privacy: fatelo una volta, servirà a entrambi. E la regola operativa da dare a tutti, intanto, è una sola: mai dati personali o riservati in strumenti non approvati dall’azienda.

Il lato positivo: l’AI aiuta a sistemare i dati

Chiudo con la notizia migliore: la stessa tecnologia che pretende dati ordinati è anche il miglior strumento mai esistito per metterli in ordine. L’AI deduplica anagrafiche, standardizza formati, estrae dati strutturati da archivi disomogenei, classifica cartelle caotiche, trasforma interviste in procedure scritte. Lavori che un tempo richiedevano mesi di data entry oggi si fanno in settimane, con le persone nel ruolo di supervisori invece che di trascrittori. Il debito di dati accumulato in anni non è mai stato così economico da saldare; e una volta saldato restituisce valore su ogni progetto successivo, dall’assistente clienti fino alle applicazioni più avanzate che oggi vi sembrano fuori portata.

Un’ultima considerazione, perché il punto è strategico. Strumenti, modelli e perfino competenze col tempo si livellano: tutti possono comprarli o svilupparle. I dati della vostra azienda no. Lo storico dei clienti, le offerte vincenti, le soluzioni ai problemi già risolti sono l’unico ingrediente dell’AI che i concorrenti non potranno mai acquistare. Trattateli di conseguenza: come un asset, non come un sottoprodotto dell’attività quotidiana. Quando avete controllato l’ultima volta in che stato sono i vostri?

Volete una valutazione onesta dello stato dei dati della vostra azienda e un piano di riordino guidato dai casi d’uso? Contattatemi.