AI in business is not a tool question. It is a question of workflows, people and margin.
Practical guides to understand where to intervene, how to build useful AI systems and how to verify their value over time.
All the guides, by pillar
Come misurare il ROI dell'AI (oltre i POC)
Il ROI dell'AI non si misura contando ore risparmiate o licenze attive: quello è un criterio di utilizzo, non di valore. Si misura definendo, prima di partire, un solo numero in euro da verificare ogni mese. McKinsey (State of AI 2025, 1.993 aziende) conferma il pattern dall'esterno: l'88% delle aziende usa l'AI regolarmente, ma solo il 5,5% dichiara un impatto finanziario reale. Il divario è quasi sempre lo stesso: nessuno ha deciso a monte cosa contare.
Read →Quanto costa (davvero) integrare l'AI in azienda
Quanto costa l'AI in azienda non è un numero solo: è il prezzo del pilot più il prezzo del sistema che resta acceso in produzione, e il secondo quasi nessuno lo mette in conto all'inizio. La spesa mondiale in AI crescerà del 44-47% nel 2026 fino a 2,5mila miliardi di dollari (Gartner), e in Italia il mercato vale 1,8 miliardi di euro con il 71% delle grandi imprese che ha già un progetto avviato contro l'8% delle PMI (Osservatorio AI, Politecnico di Milano). Il costo vero dipende dal perimetro che scegli di affrontare, non dallo strumento che compri.
Read →Agenti AI in azienda: cosa automatizzano davvero (e dove servono confini)
La differenza tra un agente AI che funziona e uno che genera un problema più grande di quello che risolve non è la potenza del modello: è quanto è chiaro il perimetro e quanto è stretta la supervisione. Su un processo ripetitivo e a regole, con confini netti, un agente moltiplica i risultati: in un caso reale il secondo contatto sui lead caldi è salito dal 50% a oltre il 90%. Senza perimetro e senza controllo su cosa risponde, lo stesso agente su scala diventa un rischio più grande di quello che doveva risolvere.
Read →AI Act e PMI: la 'alfabetizzazione AI' che sei obbligato ad avere (dal 2025)
Dal 2 febbraio 2025 è in vigore l'articolo 4 dell'AI Act europeo: chi sviluppa e chi usa sistemi di AI deve garantire un livello adeguato di 'alfabetizzazione AI' alle persone che ci lavorano. Vale anche per le PMI, anche se usate solo strumenti di terzi come ChatGPT o Copilot. Non sono previste ore minime o certificazioni obbligatorie, ma serve formare il personale in modo proporzionato e poterlo documentare. Questo articolo non è una consulenza legale, ma una guida pratica al cosa fare.
Read →L'AI toglie il lavoro? La domanda giusta è un'altra
La domanda 'l'AI toglie il lavoro' è mal posta: un mestiere è un fascio di compiti diversi, e l'AI ne assorbe alcuni, non il pacchetto intero. In un reseller di energia che abbiamo seguito, il compito sparito era tenere a mente chi richiamare: il venditore è rimasto, e il richiamo dei lead caldi è salito dal 50% a oltre il 90%. I dati 2026 (Anthropic Economic Index) confermano che l'unità che si automatizza è il compito, non l'occupazione, con effetti diversi da ruolo a ruolo. La domanda utile per un'azienda non è se tagliare, è quale compito nel mestiere va tolto perché non era il mestiere.
Read →AI per le PMI: da dove iniziare davvero (senza sprecare budget)
Nel 2025 solo il 14,2% delle piccole imprese italiane usa l'AI, contro il 53% delle grandi (Istat). Il divario non nasce dal budget: nasce dal fatto che quasi nessuna PMI parte dal processo giusto. Chi ci è riuscito non ha comprato un progetto AI, ha scelto una cosa piccola e specifica che le faceva perdere tempo o clienti ogni giorno, e l'ha sistemata. Il punto di partenza non è quale tool comprare, è quale processo misurare per primo.
Read →Automatizzare preventivi e documenti con l'AI: il problema vero non è la velocità
Il problema con preventivi e documenti quasi mai è la velocità di scrittura: è il buio totale su cosa succede dopo l'invio. L'AI automatizza bene la raccolta dati, la prima stesura e il controllo di coerenza, ma il salto vero si vede quando sai chi ha aperto il documento e quando: il follow-up si aggancia al momento in cui il cliente sta decidendo, non al calendario di chi deve ricordarsi di richiamare. La revisione e il prezzo restano decisioni umane, sempre.
Read →Come integrare l'AI nei processi aziendali: la guida operativa (in 4 fasi)
Integrare l'AI non vuol dire scegliere lo strumento giusto: vuol dire trovare il processo che sta davvero perdendo valore, spesso un problema che sembra tecnologico e non lo è. La sequenza che funziona è in quattro fasi: diagnosi (mappare il processo e quantificare la perdita in euro), sistema (costruire e mandare in produzione su un perimetro delimitato), valore (misurare ogni mese quanto è cambiato) e autonomia (formare qualcuno in azienda perché il sistema regga da solo). Saltare la diagnosi per correre allo strumento è il motivo per cui la maggior parte dei progetti AI non lascia traccia.
Read →Come scegliere una consulenza (o agenzia) di AI in Italia: la guida onesta
'Qual è la migliore agenzia AI in Italia' è la domanda sbagliata: chiunque ti dia una risposta sta quasi sempre vendendo sé stesso o uno sponsor. La domanda che conta è un'altra: chi si assume la responsabilità del numero che questo progetto dovrebbe migliorare? Da lì si scelgono il tipo di fornitore giusto (freelance, agenzia, system integrator, software house, operating partner) e i criteri reali. In coda, le 7 domande da fare prima di firmare, utili con qualsiasi fornitore, non solo con noi.
Read →Le competenze AI che servono davvero in azienda (e il ruolo dell'AI Champion)
Le imprese italiane indicano le competenze come freno numero uno all'AI, più del costo e della tecnologia (Istat 2025). Ma un corso una tantum per tutto il team ha lo stesso difetto di un onboarding clienti senza tracciamento: nessuno sa davvero chi ha imparato qualcosa che usa ogni giorno e chi ha solo assistito. Funziona meglio un presidio interno per reparto, l'AI Champion, che pratica sui processi reali e diffonde quello che ha imparato. Le competenze che contano non sono tecniche ma pratiche: delegare i task giusti, scrivere istruzioni chiare, riconoscere quando non fidarsi dell'output.
Read →Perché il 95% dei progetti di AI fallisce (e come essere nel 5% che funziona)
Il MIT NANDA ha misurato che il 95% dei progetti di AI generativa in azienda non genera alcun impatto misurabile sul conto economico (The GenAI Divide, 2025). Non è un problema di modelli: è un problema di integrazione nei processi, di monitoraggio quotidiano e di chi risponde dei risultati. I progetti costruiti con partner specializzati riescono circa il 67% delle volte, contro un terzo per gli sviluppi puramente interni. Il 5% che funziona parte da un perimetro delimitato, un problema misurato in euro, e una persona che lo segue ogni giorno.
Read →SaaS o sistema AI su misura: cosa scegliere (e quando conviene cosa)
Un dashboard SaaS può mostrare numeri verdi anche mentre un problema reale sta bruciando cassa, perché legge un solo canale e non parla con gli altri sistemi dell'azienda. Un sistema su misura, embedded nei tuoi dati, costa di più all'inizio e richiede un partner, ma vede quello che il SaaS non può vedere per costruzione: dove i dati si incrociano. Regola pratica: SaaS per i processi standard, sistema su misura per il processo dove serve leggere più sistemi insieme o dove ti giochi la differenza competitiva.
Read →Before you choose AI, let's get the words right.
Five terms that come back on every page. If they are not clear, every discussion about AI becomes a discussion about what we mean.
You know where to start. Now let's find where to intervene.
If you have recognised a problem in your workflows, the next step is not another article. It is finding out whether that problem is already leaving margin on the table.