Intelligenza artificiale per aziende: integrarla nei sistemi che la Sua impresa già usa

Quando si parla di intelligenza artificiale per aziende si intende un insieme di tecnologie che consentono a sistemi informatici di svolgere compiti come la percezione visiva, il riconoscimento vocale, il processo decisionale e la traduzione tra lingue. È la definizione adottata dalla Camera di commercio di Bolzano, che descrive l'IA come una tecnologia volta a imitare l'intelligenza umana in compiti specifici. Per chi dirige un'impresa conta soprattutto una conseguenza: l'IA non è un prodotto unico da acquistare, ma una famiglia di strumenti con usi molto diversi.

All'interno di questa famiglia esistono livelli distinti. Il machine learning è un sottoinsieme dell'IA che si evolve man mano che arrivano nuovi dati, affinando l'accuratezza dei risultati. Il deep learning è a sua volta un sottoinsieme del machine learning, basato su reti neurali artificiali "profonde". Esistono poi sistemi che si possono chiamare IA senza essere machine learning, come gli algoritmi basati su regole, i sistemi esperti e i grafi di conoscenza.

La distinzione ha un effetto pratico sulle decisioni di investimento. Un sistema a regole è prevedibile ma rigido; un modello che apprende dai dati migliora nel tempo ma richiede dati di qualità e controllo. Secondo la stessa Camera di commercio, nel mondo del lavoro l'IA avrà probabilmente nei prossimi anni un impatto maggiore di qualsiasi altra innovazione tecnologica. Proprio per questo conviene scegliere con metodo dove applicarla, invece di adottarla per inerzia.

Molte imprese iniziano con strumenti di IA separati dal resto dell'organizzazione: una chat generica, un'applicazione isolata, una licenza aperta a pochi dipendenti. Il limite è evidente. Il valore di un sistema di IA dipende dai dati e dai processi a cui ha accesso, e se questi restano altrove il risultato è un esperimento che non cambia il modo di lavorare.

La strada più solida è inserire l'IA nei punti in cui il lavoro già accade: lo strumento di chat interno, il software di assistenza come Zoho Desk, il gestionale commerciale come Zoho CRM. In questo modo i dipendenti non devono imparare un nuovo ambiente, i dati restano nei sistemi governati dall'azienda e ogni risultato si può misurare con gli indicatori che il reparto usa già.

Lo stesso principio si ritrova anche in ambito pubblico. Il decreto-legge 7 giugno 2024, n. 73 prevede che la Piattaforma nazionale delle liste di attesa, istituita presso l'AGENAS, monitori l'appropriatezza nell'accesso alle prestazioni "anche utilizzando piattaforme di intelligenza artificiale", all'interno di una piattaforma nata per l'interoperabilità con i sistemi regionali. L'IA, in altre parole, viene collocata dentro un'infrastruttura esistente, non accanto a essa.

Per un'impresa privata la logica è identica: prima si individua il processo e il sistema che lo gestisce, poi si decide quale componente di IA inserire e con quali permessi sui dati.

Non tutti i processi traggono lo stesso beneficio dall'IA. I candidati migliori hanno tre caratteristiche: volumi elevati, decisioni ripetitive e un risultato che si può verificare con un numero. Se manca uno di questi elementi, il ritorno diventa difficile da dimostrare.

Assistenza e service desk

Le richieste di assistenza arrivano come testo libero: e-mail, messaggi in chat, moduli compilati in fretta. Le reti neurali, osserva la Camera di commercio di Bolzano, sono in grado di processare dati non strutturati come testi, immagini, suoni e video. Questo rende la classificazione e lo smistamento delle richieste uno degli ambiti in cui l'IA si misura con maggiore chiarezza.

Produzione

Nel manifatturiero, una delle applicazioni classiche è il controllo della qualità basato sul riconoscimento di immagini. Un'altra è la manutenzione predittiva, che secondo la stessa fonte riduce i tempi di inattività e consente di ottimizzare gli interventi di manutenzione preventiva. Se opera in questo settore, trova esempi specifici nella pagina dedicata all'intelligenza artificiale per aziende di produzione.

Processi amministrativi e operativi

Approvazioni, instradamento di documenti e aggiornamento di dati tra sistemi diversi sono attività ripetitive in cui l'IA può affiancare regole già definite. Per una panoramica su questi casi può consultare la pagina sull'automazione dei processi con l'AI per le PMI.

Lo smistamento, o routing, consiste nell'assegnare ogni richiesta al gruppo o alla persona in grado di risolverla. In molte aziende lo fa ancora un operatore di primo livello che legge il messaggio, interpreta il problema e sceglie la coda. Quando la scelta è sbagliata, la richiesta rimbalza tra reparti, i tempi si allungano e l'utente perde fiducia nel servizio.

È un problema ideale per l'IA per tre motivi. Il testo in ingresso è non strutturato, quindi le regole fisse faticano a coprire tutte le formulazioni possibili. Il volume è costante, quindi anche un piccolo miglioramento percentuale si traduce in molte ore recuperate. Infine l'esito è verificabile: una richiesta o arriva al gruppo giusto al primo tentativo, oppure no.

Il punto chiave è dove collocare l'IA. Se il sistema di smistamento vive in un'applicazione separata, gli operatori devono copiare i dati da un ambiente all'altro e la misurazione diventa incerta. Se invece l'assistente opera nel canale in cui i dipendenti già scrivono le loro richieste e crea il ticket direttamente nel software di assistenza, ogni passaggio viene registrato e confrontabile con lo storico.

Per questo, prima di scegliere un modello, conviene mappare il percorso attuale di una richiesta: da dove parte, chi la legge, quali code esistono, quante volte viene riassegnata. Quella mappa diventa la base per progettare l'integrazione e per misurarne l'effetto.

Un caso concreto aiuta a capire che cosa significa integrare l'IA invece di affiancarla. Asset Services Group (Message Direct) aveva un service desk IT che riceveva richieste dai dipendenti e le gestiva in Zoho Desk. La scelta progettuale è stata collocare un assistente basato su Claude all'interno di Teams, lo strumento che il personale usava già ogni giorno, con il compito di raccogliere la richiesta, comprenderla e aprire il ticket nella coda corretta.

Svennis ha costruito questo assistente, e il caso di studio pubblicato con l'approvazione scritta del cliente riporta uno smistamento corretto al primo tentativo nel 99,7% dei casi e un guadagno di efficienza del 40%, dati citati dal loro Head of Technology. Sono due indicatori che un responsabile di servizio può leggere senza interpretazioni: quante richieste arrivano subito a destinazione e quanto lavoro si recupera.

L'aspetto rilevante per la Sua valutazione non è la tecnologia in sé, ma l'architettura. I dipendenti non hanno cambiato abitudini, il software di assistenza è rimasto il sistema di riferimento e i risultati si sono potuti misurare con le metriche che il reparto già conosceva. È questo schema che conviene replicare: canale esistente in ingresso, sistema esistente come destinazione, IA nel mezzo con un compito preciso e verificabile.

Un progetto di IA senza una misurazione iniziale non si può valutare. Prima di qualsiasi intervento serve una fotografia dello stato attuale, ottenuta dai dati che i sistemi registrano già. Nel caso di un service desk, lo storico dei ticket contiene quasi tutto ciò che serve.

Questi valori vanno raccolti per un periodo sufficiente a coprire le oscillazioni stagionali, poi confrontati con lo stesso periodo dopo l'introduzione dell'IA. Per consolidare i dati da più fonti in un unico cruscotto è possibile usare Zoho Analytics o lo strumento di reportistica già in uso.

Una regola utile: se un indicatore non si può ricavare dai sistemi esistenti, probabilmente il processo non è ancora abbastanza strutturato per un progetto di IA. In quel caso conviene prima ordinare il processo, poi automatizzarlo.

Chi introduce l'IA in azienda opera oggi dentro un quadro regolatorio definito, che in Italia comprende anche la legge 23 settembre 2025, n. 132, in vigore dal 10 ottobre 2025 e applicata in conformità al Regolamento (UE) 2024/1689; diversi decreti attuativi sono ancora in corso di adozione. Il Regolamento (UE) 2024/1689 del 13 giugno 2024 stabilisce regole armonizzate sull'intelligenza artificiale. Nel febbraio 2025 la Commissione europea ha pubblicato linee guida sulle pratiche di IA vietate da quel regolamento, come riporta la pagina tematica del Garante per la protezione dei dati personali.

Accanto all'AI Act resta pienamente applicabile il GDPR. Due articoli sono particolarmente rilevanti per un progetto aziendale:

• Art. 22: sancisce il diritto dell'interessato a non essere soggetto a una decisione basata unicamente su un trattamento automatizzato, compresa la profilazione, che produca effetti giuridici o parimenti significativi.
• Art. 25: la privacy by design, che nel caso dell'IA significa proteggere i dati personali fin dal momento in cui il sistema viene progettato.

Le autorità europee hanno prodotto anche indicazioni operative. Nel dicembre 2024 l'EDPB ha pubblicato un parere secondo cui i principi del GDPR supportano l'IA responsabile; nell'aprile 2025, nell'ambito del programma di supporto dell'EDPB, è stato pubblicato un rapporto di esperti sui rischi privacy e sulle mitigazioni per i modelli linguistici di grandi dimensioni; nell'ottobre 2025 l'EDPS, autorità di controllo delle istituzioni dell'UE, ha diffuso orientamenti sull'IA generativa.

Per un caso come lo smistamento dei ticket, dove l'IA assegna una coda e una persona risolve il problema, il rischio è contenuto. Diverso è il caso in cui l'IA decide su turni, retribuzioni o accesso a servizi: l'art. 22 del GDPR esclude in linea di principio le decisioni basate unicamente su un trattamento automatizzato, salvo eccezioni precise e con garanzie come l'intervento umano; inoltre, in ambito lavorativo, questi sistemi possono rientrare tra quelli ad alto rischio secondo l'Allegato III dell'AI Act e comportano obblighi di informazione verso i lavoratori.

I provvedimenti del Garante mostrano dove i progetti di IA incontrano problemi concreti. Il caso più vicino alla gestione aziendale riguarda Deliveroo Italia, a cui il Garante ha irrogato una sanzione di 2,5 milioni di euro per il trattamento illecito dei dati di circa 8000 rider, nell'uso di un sistema per l'assegnazione dei turni, come ricostruito in un approfondimento pubblicato dall'Autorità.

Nello stesso documento si ricordano la sanzione all'INPS per un software di data mining che attribuiva uno score di credibilità ai certificati medici e la bocciatura di un sistema di rating reputazionale basato su data scraping. Il filo comune è l'uso di punteggi automatici su persone, senza garanzie adeguate.

Anche i fornitori di modelli sono sotto osservazione. Il Garante ha bloccato in Italia un servizio di IA, come spiega Agostino Ghiglia, componente del Garante, in un'intervista ripresa sul sito dell'Autorità. Una precedente sanzione di 15 milioni di euro a uno sviluppatore di chatbot è stata invece annullata dal Tribunale di Roma con sentenza pubblicata il 18 marzo 2026, come indica lo stesso Garante sul proprio sito. Le criticità indicate per il servizio bloccato riguardano la mancanza di trasparenza sui dati raccolti, sulle finalità, sulle fonti e sulla base giuridica, oltre alla possibile conservazione dei dati in Cina, paese per il quale non esiste una decisione di adeguatezza della Commissione europea.

La conseguenza per la Sua impresa è pratica: la scelta del modello e del fornitore è anche una scelta di conformità. Occorre sapere dove vengono trattati i dati, su quale base giuridica e con quali meccanismi per correggere gli errori.

Il vincolo più frequente non è tecnologico. Secondo la Camera di commercio di Bolzano, una delle maggiori sfide nell'introduzione dell'IA in azienda è la mancanza di competenze specifiche e di personale qualificato. Per le PMI il problema è accentuato, perché il reclutamento di queste figure è reso difficile dalla presenza delle grandi aziende internazionali.

La stessa fonte aggiunge due osservazioni utili per pianificare. Le applicazioni di IA sono di rado disponibili immediatamente e richiedono un cospicuo impegno del personale aziendale: qualcuno deve conoscere il processo, validare i risultati e segnalare le eccezioni. Inoltre, nonostante l'aumento dei fornitori di servizi di IA, la competenza dei partner esterni resta spesso un fattore limitante per la riuscita dei progetti.

Da qui derivano alcuni criteri di scelta di un eventuale fornitore:

• conoscenza dei sistemi che l'azienda già usa, non solo dei modelli di IA;
• casi documentati con metriche verificabili, non dimostrazioni generiche;
• chiarezza su dove risiedono i dati e su chi ne è responsabile;
• un piano per trasferire competenze al personale interno, così che il sistema non dipenda da una sola persona esterna.

Internamente conviene nominare un referente di processo, anche a tempo parziale, che abbia l'autorità per decidere sulle eccezioni e il tempo per seguire la fase di avvio.

Se sta valutando l'intelligenza artificiale per la Sua azienda, un percorso ordinato riduce il rischio e rende il risultato misurabile. Le fasi seguenti si possono avviare con le risorse interne già disponibili.

1. Scegliere un processo. Privilegi un'attività ad alto volume, ripetitiva e con un esito verificabile, come lo smistamento delle richieste di assistenza o la classificazione dei documenti in ingresso.
2. Misurare lo stato attuale. Estragga dai sistemi esistenti gli indicatori di partenza: tasso di assegnazione corretta, tempi di presa in carico, ore di lavoro manuale.
3. Individuare i sistemi coinvolti. Definisca il canale da cui arrivano le richieste e il software in cui devono finire, in modo che l'IA lavori tra i due senza creare un nuovo ambiente.
4. Verificare i dati e la conformità. Chiarisca quali dati personali vengono trattati, dove, su quale base giuridica, e se qualche decisione ricade nell'ambito dell'art. 22 del GDPR. Verifichi inoltre di aver adottato misure per l'alfabetizzazione in materia di IA del personale che usa il sistema, come richiesto dall'art. 4 del Regolamento (UE) 2024/1689, e, se il sistema incide sull'organizzazione del lavoro dei dipendenti, di averli informati come previsto dall'art. 1-bis del d.lgs. 152/1997.
5. Avviare un perimetro limitato. Parta da una coda o da un reparto, con supervisione umana sulle assegnazioni, e confronti i risultati con la fotografia iniziale dopo un periodo definito.
6. Decidere sull'estensione. Estenda il sistema ad altri reparti solo se gli indicatori mostrano un miglioramento stabile e il personale ha acquisito le competenze per gestirlo.

Questo approccio mantiene l'investimento proporzionato ai risultati e lascia all'azienda il controllo sui propri dati e processi.