Software di intelligenza artificiale per aziende: le quattro famiglie e chi paga l'errore
Un software di intelligenza artificiale per aziende è un programma che deduce il risultato dagli input che riceve, invece di calcolarlo seguendo regole scritte da qualcuno. La definizione non è una mia opinione: l'articolo 3 del regolamento europeo sull'intelligenza artificiale descrive un sistema di IA come un sistema automatizzato progettato per funzionare con livelli di autonomia variabili, che dagli input che riceve deduce come generare output quali previsioni, contenuti, raccomandazioni o decisioni. Il pezzo che conta, in quella frase, è "livelli di autonomia variabili".
Conta perché è l'unica cosa che distingue davvero due prodotti che in una tabella di funzionalità sembrano gemelli, e non compare in nessuna delle classifiche che escono cercando quale software comprare. Il risultato è che un'azienda confronta il prezzo di un assistente da venti euro al mese con quello di un sistema che firma documenti al posto di una persona, e crede di stare scegliendo fra due prodotti della stessa categoria.
Perché l'elenco dei migliori software AI non aiuta a scegliere
L'elenco dei migliori software AI non aiuta perché mette sulla stessa riga prodotti che risolvono problemi diversi e che falliscono in modi diversi. È una lista ordinata per popolarità dove la colonna che conta, cioè quanto il sistema può fare senza chiedere, non esiste proprio.
Le classifiche di software AI invecchiano anche molto in fretta. Un elenco compilato oggi contiene nomi che fra sei mesi avranno funzioni diverse e prezzi diversi, mentre la domanda di chi cerca resta identica: quale pezzo del mio lavoro posso dare a un programma, e cosa succede quando sbaglia.
La domanda giusta prima di aprire qualsiasi listino è dove si ferma il sistema. Un programma che propone e aspetta una firma vive in un mondo completamente diverso da un programma che manda la mail da solo, anche quando sotto girano lo stesso identico modello e lo stesso identico abbonamento.
Le quattro famiglie di software di intelligenza artificiale per aziende
I software di intelligenza artificiale per aziende si dividono in quattro famiglie, e la differenza fra una famiglia e l'altra è quanto lontano arriva il sistema prima che una persona guardi il risultato.
| Famiglia | Cosa fa | Chi controlla il risultato | Dove si vede l'errore |
|---|---|---|---|
| Assistenti generalisti | rispondono, scrivono, riassumono su richiesta | chi lo sta usando, subito | sullo schermo, prima di usarlo |
| Funzioni dentro software già in uso | suggeriscono dentro il CRM, il gestionale, la posta | chi salva il record | dentro il dato aziendale, dopo |
| Strumenti verticali su un compito | leggono documenti, trascrivono, estraggono campi | chi valida la bozza | a campione, se qualcuno controlla |
| Sistemi che eseguono | compiono azioni: inviano, ordinano, scrivono su altri sistemi | nessuno, in tempo reale | quando l'azione è già partita |
Le prime due famiglie sono le meno rischiose, perché chi usa lo strumento è la stessa persona che ne vede il risultato. La terza è quella dove i conti tornano più in fretta, visto che il compito è stretto e misurabile, ed è la famiglia a cui appartiene l'OCR intelligente che legge fatture e documenti.
La famiglia dove si fanno i danni
La quarta famiglia, quella dei sistemi che eseguono, è l'unica in cui l'errore diventa un fatto compiuto invece di una proposta da cestinare. Un ordine sbagliato non si annulla chiudendo la finestra, e questa è la ragione per cui i criteri per scegliere un sistema che agisce sono diversi da tutti gli altri: li ho raccolti nel pezzo su come si scelgono i migliori agenti di intelligenza artificiale. Il confine fra un sistema che propone e uno che agisce è un confine di permessi, non di qualità del modello, e si sposta cambiando una riga di configurazione.
Chi paga l'errore, la domanda che separa le quattro famiglie
Chi paga l'errore è la domanda che separa le quattro famiglie meglio di qualsiasi caratteristica tecnica, perché sposta il ragionamento dal prodotto al processo. Un sistema che deduce sbaglierà, e la cosa che cambia fra una famiglia e l'altra non è quanto spesso sbaglia, è quanto costa l'errore quando succede.
Su un assistente generalista l'errore costa il tempo di rileggere. Su una funzione dentro il gestionale costa la correzione di un dato che nel frattempo è stato letto da altri, e per questo integrare l'AI nel gestionale aziendale è una decisione più seria di quanto sembri quando il fornitore la presenta come una spunta da attivare.
Il costo dell'errore si scrive prima, non dopo
Il costo dell'errore si stabilisce prima di comprare, e si scrive in una riga per ogni processo: cosa succede se il sistema sbaglia qui, chi se ne accorge, entro quanto. Un processo in cui nessuno si accorge dell'errore entro una settimana non è pronto per un sistema che esegue da solo, qualunque software si compri. Prima di quel passaggio conviene sistemare il processo, e su quel lavoro c'è la pagina dedicata all'automazione dei processi aziendali con l'AI.
C'è anche il caso opposto, e capita più spesso di quanto si creda: il processo è ripetitivo, le regole stanno in una frase e non serve niente che deduca. È la situazione che ho descritto nella differenza tra RPA e intelligenza artificiale, dove la scelta più economica è quella che non usa un modello.
Come ho scelto sul repository di questo blog
Sul repository di questo blog ho fatto convivere tre famiglie su quattro, e il criterio non è stato la qualità del testo prodotto ma quanto costava l'errore in ogni punto. È una scelta che si può andare a leggere, perché sta scritta nei file.
La parte che misura le parole chiave vive dentro data/seo/, ed è fatta di file con una data sopra, il 1 agosto 2026, che si leggono e non si rilanciano a ogni articolo. Sono misurazioni ferme per scelta: una misura che si rifà ogni giorno costa e cambia poco. I controlli che ogni articolo deve passare stanno sotto .claude/skills/articolo/, e sono la parte che fa davvero il lavoro.
Dove ho messo il limite alla famiglia che esegue
La famiglia che esegue è quella su cui ho messo più limiti. Il file automazione-blog/README.md descrive un agente che gira in cloud, non entra mai nella macchina dove stanno i dati e chiama un solo endpoint HTTP protetto da token. La bozza che produce nasce con published: false dentro una Pull Request, quindi l'errore massimo che quel sistema può fare è una revisione buttata.
Quel limite non è nato da un principio di prudenza, è nato da un conto. Un agente che pubblica da solo può sbagliare a nome mio davanti a chi mi legge. Un agente che apre una Pull Request sbagliata mi costa cinque minuti.
Una cosa concreta da fare oggi, se state guardando dei listini: prendete venti pratiche già lavorate a mano di cui conoscete il risultato, fatele girare sul candidato e contate quante volte ci arriva da solo. Il metodo per misurarlo sta nel confronto fra strumenti di intelligenza artificiale, e vale più di qualsiasi classifica.
La famiglia giusta si sceglie guardando il processo, non il prodotto. Poi il prodotto dentro quella famiglia si trova in un pomeriggio, e se non si trova la risposta è che il pezzo va costruito, il che è un'altra decisione ancora.
Domande frequenti
Come si capisce se un fornitore vende intelligenza artificiale vera o solo un'etichetta?
Si capisce chiedendo cosa succede davanti a un caso che il fornitore non ha previsto. Un programma a regole davanti a un input fuori formato si ferma e segnala un errore, sempre allo stesso modo. Un sistema che deduce produce comunque una risposta, e quella risposta può essere plausibile e sbagliata. La domanda da fare in demo è quindi una sola: mi fate vedere cosa esce con un documento rovinato? Un fornitore che ha in mano un prodotto vero ha già la risposta pronta, perché è il problema su cui ha lavorato di più.
Un software di intelligenza artificiale costa più di un gestionale tradizionale?
Costa in modo diverso, ed è la differenza che spiazza chi compra per la prima volta. Un gestionale tradizionale si paga a postazione o a licenza annuale, quindi la spesa è nota a inizio anno. Molti sistemi che deducono si pagano invece a consumo, e il consumo cresce con l'uso reale, non con il numero di persone. Il conto da chiedere al fornitore non è il prezzo di listino ma la spesa di un mese tipo, calcolata sui volumi veri dell'azienda.
Serve una persona tecnica interna per usare un software AI in azienda?
Dipende da quanta autonomia ha il sistema, non da quanto è complicato installarlo. Un assistente generalista e una funzione dentro un software già in uso non richiedono nessuno di tecnico, perché chi li usa vede il risultato prima che diventi un atto. Un sistema che esegue da solo richiede invece qualcuno che sappia leggere un registro di quello che ha fatto e fermarlo, e quella persona può essere interna o del fornitore, ma deve esistere ed essere reperibile.
Conviene un solo software AI per tutta l'azienda o più strumenti separati?
Conviene partire separati e accorpare dopo, perché il reparto che ha un problema stretto è anche quello che sa riconoscere un risultato sbagliato. Una piattaforma unica scelta a tavolino obbliga tutti a un compromesso e sposta la decisione su chi non fa quel lavoro. L'accorpamento ha senso quando due reparti scoprono di comprare la stessa cosa due volte, e a quel punto la trattativa parte da numeri reali invece che da un'ipotesi.
Quanto tempo passa prima che un software di intelligenza artificiale renda?
Dipende dalla famiglia, e le distanze sono grandi. Un assistente generalista rende dal primo giorno perché non richiede di cambiare niente intorno. Uno strumento verticale rende quando qualcuno ha finito di correggere i primi lotti e il tasso di correzione si è stabilizzato, quindi si ragiona in settimane. Un sistema che esegue da solo non rende finché non esiste un registro di quello che ha fatto e una persona che lo legge, e costruire quel pezzo è quasi sempre più lungo dell'installazione.