Intelligenza artificiale per le aziende: dalla fase pilota alla produzione

Un chatbot interno, due o tre PoC (proof of concept), qualche licenza. Molte aziende italiane hanno iniziato così: secondo l'Osservatorio Artificial Intelligence del Politecnico di Milano, nel 2025 il 71% delle grandi imprese ha avviato almeno un progetto di AI. Portarli in produzione è un'altra storia. McKinsey stima che solo un'organizzazione su tre abbia iniziato a scalare l'AI a livello aziendale.

Nei progetti che seguiamo la differenza la fa il processo. L'AI scala quando il processo viene ripensato prima di introdurla. Se invece la si appoggia su quello che c'è, eredita gli stessi limiti. Qui trovi perché i progetti si fermano, come si reingegnerizza un processo e il caso di una banca italiana che ha ridotto l'effort dell'89% su un processo da 7.000 atti al mese.

Perché i progetti di AI si fermano alla fase pilota

Quasi sempre per ragioni che hanno poco a che fare con il modello di AI scelto. Le cause che incontriamo più spesso sono quattro:

• Automazioni costruite una alla volta: ogni progetto risolve un problema locale, senza KPI di business condivisi. Funziona, ma non si somma agli altri.
• AI appoggiata su processi vecchi: se il flusso prevede estrazioni manuali, file condivisi e passaggi tra uffici, l'AI eredita gli stessi colli di bottiglia.
• Piattaforme che non reggono la crescita: strumenti diversi per ogni reparto e nessuna governance comune.
• Risultati mai misurati: senza una baseline, a fine pilota nessuno sa dire se ha funzionato.

Con gli agenti AI il rischio si ripete. Gartner prevede che oltre il 40% dei progetti di Agentic AI verrà cancellato entro la fine del 2027, per costi in crescita, benefici di business poco chiari e controlli sui rischi inadeguati.

Prima il processo, poi l'AI: cosa significa reingegnerizzare

Reingegnerizzare un processo significa ridisegnarlo partendo da come funziona davvero il lavoro, e solo dopo decidere dove entra la tecnologia. Lo facciamo con chi gestisce il processo ogni giorno, perché la procedura scritta raramente coincide con quella reale.

Per ogni processo ci facciamo tre domande:

1. Quali passaggi esistono solo perché i sistemi non si parlano? Questi si eliminano, non si automatizzano.
2. Quali attività richiedono di leggere e interpretare documenti? Qui lavorano gli agenti AI.
3. Quali decisioni devono restare a una persona? Valutazioni legali, eccezioni, responsabilità verso il cliente.

Per questo la discovery dei processi viene prima della scelta della piattaforma. Anche McKinsey, nel report The State of AI, indica la riprogettazione dei flussi di lavoro tra i fattori che distinguono le aziende che ottengono risultati economici dall'AI.

Il caso: i pignoramenti presso terzi in una banca italiana

In una banca italiana con cui lavoriamo, il primo processo ripensato è stato quello dei pignoramenti presso terzi: circa 7.000 atti al mese, con scadenze non negoziabili.

Il processo era già automatizzato con robot software (RPA, Robotic Process Automation), ma l'automazione era cresciuta un pezzo alla volta. Restavano estrazioni manuali, file condivisi tra uffici, ricicli e una forte dipendenza dalle singole persone che conoscevano il processo.

La banca non ha aggiunto un altro robot. Ha scelto di cambiare piattaforma e di ridisegnare il processo con l'ufficio che lo gestisce.

I risultati: effort ridotto dell'89%, SLA rispettati al 100%, affidabilità del 100%, ricicli eliminati e meno ridondanza. Il pignoramento è stato il punto di partenza di un programma che comprende circa 30 processi.

Hai progetti di AI fermi alla fase pilota?

Dall'automazione all'Agentic AI: si parte da quello che c'è

Chi ha già automatizzato bene parte avvantaggiato, perché l'Agentic AI si costruisce sopra l'automazione esistente. I ruoli si dividono così:

• Robot software: eseguono le attività a regole fisse, sempre uguali.
• Agenti AI: leggono documenti non strutturati, gestiscono le varianti e preparano le pratiche.
• Persone: ricevono solo le decisioni che spettano a loro.

Nel caso della banca i robot c'erano già. Il cambio di piattaforma ha messo robot, agenti e persone nello stesso flusso, con una governance unica. Se vuoi capire come si combinano le due tecnologie, trovi i dettagli nelle pagine su RPA e Agentic AI.

Chi decide le priorità: un centro di eccellenza guidato dal business

Per scalare serve anche un modello organizzativo: un centro di eccellenza (CoE) in cui è il business a decidere le priorità. L'IT garantisce piattaforma, sicurezza e governance. Le funzioni di business scelgono i processi in base all'impatto e ai KPI.

Due accorgimenti fanno la differenza:

• Partire dalla produttività individuale: quando l'AI aiuta le persone nel lavoro di tutti i giorni, cresce la familiarità e arrivano nuovi casi d'uso dal basso.
• Tenere la persona nelle decisioni che contano: validazione umana sugli output critici e regole coerenti con l'AI Act, il regolamento europeo sull'intelligenza artificiale.

La banca del caso ha seguito tre fasi. Prima ha costruito una base pronta a crescere: processi ridisegnati, una piattaforma unica, una governance condivisa. Oggi ha agenti sui processi core, che leggono i documenti, preparano le pratiche e portano alla persona solo le decisioni. Il passo successivo è un'organizzazione in cui l'AI parte dai processi e dalla conoscenza aziendale.

Da dove iniziare: quattro passi

1. Scegli un processo che crea problemi: volumi alti, scadenze, documenti da leggere. Il beneficio si vede presto e si misura.
2. Fai la discovery con chi ci lavora: mappa i passaggi reali, non quelli del manuale.
3. Fissa i KPI prima della tecnologia: effort, tempi, SLA, errori. Ti servono come baseline per giudicare il pilota.
4. Progetta la crescita dal primo giorno: piattaforma, governance e centro di eccellenza vanno decisi prima del secondo progetto, non dopo il decimo.
   

Come ti aiutiamo

Con l'AI Transformation Journey ti affianchiamo in cinque fasi: discovery dei processi ad alto potenziale, roadmap con i KPI, proof of value, scale-up con un centro di eccellenza interno e governance con monitoraggio continuo. Partiamo da un pilota a basso investimento e scaliamo quando i risultati sono misurabili. Scopri tutti i nostri servizi di intelligenza artificiale per le aziende.

Raccontaci quale processo vuoi ripensare per primo.

Fonti

• Osservatorio Artificial Intelligence, Politecnico di Milano, convegno "Artificial intelligence: adozione, trasformazione, equilibrio", 5 febbraio 2026, ripreso da LaPresse

• McKinsey, The State of AI in 2025: Agents, innovation, and transformation, novembre 2025

• Gartner, Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027, 25 giugno 2025

• Regolamento (UE) 2024/1689 sull'intelligenza artificiale (AI Act)