In questi anni ho visto moltissime demo di intelligenza artificiale. Quasi tutte impressionanti. Molte meno sono diventate sistemi che un’azienda usa davvero, ogni giorno, con risultati misurabili. La distanza tra una demo e un sistema in produzione è enorme, e non la colma un modello più potente.
La colma il mestiere di sempre: l’AI resta software, e va progettata, costruita, testata, protetta e mantenuta come qualsiasi altro software. Dopo quasi trent’anni passati a costruire sistemi per le aziende, queste sono le regole che applico.
1. Si parte dal processo, non dal modello
La prima domanda non è “quale modello usiamo?”, ma “quale lavoro vogliamo migliorare, e come misuriamo se ci siamo riusciti?”. Senza un obiettivo misurabile (tempo risparmiato, errori ridotti, risposte più rapide) non si sa nemmeno quando il progetto è finito.
2. I dati valgono più dell’algoritmo
Un sistema AI è buono quanto i dati che usa. Documenti aggiornati, anagrafiche pulite, permessi chiari. In molti progetti la parte più lunga, e più utile, è proprio mettere ordine nei dati. Ed è un lavoro che resta all’azienda anche se domani si cambia tecnologia.
3. Si testa su casi reali, con numeri
Una demo funziona sugli esempi scelti da chi la presenta. In produzione arrivano i casi strani, le eccezioni, le richieste scritte male. Per questo serve un insieme di casi reali su cui misurare il sistema prima del rilascio, e su cui rimisurarlo ogni volta che si cambia qualcosa: il prompt, il modello, i dati.
4. L’errore va progettato
Un modello di AI prima o poi sbaglia. La domanda giusta non è “come facciamo a non sbagliare mai?”, ma “cosa succede quando sbaglia?”. Chi se ne accorge, come si corregge, quali decisioni restano sempre a una persona. Un buon sistema rende facile verificare e correggere.
5. La sicurezza si pensa all’inizio
Permessi, protezione dei dati, difese contro la prompt injection, registri di quello che il sistema legge e fa. Aggiunta alla fine, la sicurezza costa il doppio e funziona la metà. Un’AI collegata ai dati aziendali è anche una nuova porta d’ingresso: va progettata pensando a chi potrebbe provare ad aprirla.
6. Niente dipendenza da un solo fornitore
Il mercato dei modelli cambia ogni pochi mesi: prezzi, versioni, condizioni. Un’architettura ben fatta permette di cambiare modello senza riscrivere tutto, e di scegliere di volta in volta quello più adatto per costo, qualità e trattamento dei dati.
7. Si monitora e si mantiene
Una volta in produzione, il lavoro non è finito. Bisogna osservare come viene usato il sistema, quanto costa, dove sbaglia, cosa chiedono le persone che non era previsto. Ogni sistema AI che funziona bene, dietro, ha qualcuno che lo segue.
8. Le persone vengono prima
Un sistema che le persone non capiscono o di cui non si fidano non verrà usato. Coinvolgere chi lo userà, spiegare cosa fa e cosa non fa, formare: è la parte meno tecnica e quella che decide il successo.
In conclusione
Non c’è nessuna magia. L’intelligenza artificiale è lo strumento più potente arrivato nel mio mestiere da molti anni, ma le regole per usarlo bene sono quelle che chi costruisce software conosce da sempre. Le aziende che lo capiscono stanno già ottenendo risultati concreti. Le altre continuano a guardare demo.
Hai un progetto AI fermo alla fase di prototipo, o vuoi partire nel modo giusto? Scrivimi.
