Come si svolge una consulenza in intelligenza artificiale a Padova?
Una consulenza AI utile parte da un processo osservabile, non dalla scelta anticipata di uno strumento o di un modello.
A Padova e provincia possiamo lavorare direttamente in azienda, parlare con le persone che svolgono l’attività e osservare i passaggi tra email, documenti, gestionali e altri strumenti. Da remoto utilizziamo esempi, condivisioni dello schermo e interviste operative per ricostruire lo stesso flusso.
Cerchiamo attività ripetitive, ricopiature, attese, errori e informazioni difficili da recuperare. Poi verifichiamo dati disponibili, accessi ai sistemi, eccezioni e decisioni che devono restare alle persone.
Processo
Chi svolge l’attività, quali passaggi segue e dove incontra difficoltà.
Dati
Formati, quantità, qualità, autorizzazioni ed esempi rappresentativi.
Sistemi
Gestionale, CRM, email, documenti, database e API da coinvolgere.
Risultato
Tempo, errori, qualità dell’output e controllo umano con cui valutare la prova.
Cosa può automatizzare l'AI in un processo aziendale?
Molti processi non richiedono un nuovo software isolato. Occorre collegare informazioni già presenti: una richiesta ricevuta via email può alimentare il CRM, un documento può aggiornare una pratica e lo stato di una commessa può essere sincronizzato tra più strumenti.
In un progetto Manalisk per un’azienda della mobilità elettrica con oltre 20 milioni di euro di fatturato, informazioni, documenti e attività erano distribuiti tra gestionale, Microsoft 365, Teams e sistemi documentali. Abbiamo automatizzato i workflow e collegato i sistemi, mantenendo controlli e responsabilità nei passaggi necessari.
- Ordini e richieste: estrazione e preparazione dei dati per il gestionale.
- Backoffice: aggiornamento di pratiche, documenti e scadenze.
- CRM e gestionali: sincronizzazione di schede, attività e stati.
- Commesse: informazioni e documentazione mantenute coerenti tra più strumenti.
Come usare OCR e AI nella gestione documentale?
Fatture, ordini, contratti, email, report e scansioni possono essere trasformati in dati strutturati attraverso OCR, NLP e modelli di estrazione. Il dato deve poi essere controllato e passato al sistema che lo utilizza.
In una precedente esperienza professionale abbiamo sviluppato una soluzione per immagini specialistiche elaborate nell’ordine delle migliaia per commessa. Nel flusso verificato, l’estrazione è passata da circa un minuto per immagine a un’elaborazione quasi immediata, mantenendo la revisione dell’operatore.
- Classificazione automatica dei documenti e assegnazione dei metadati.
- Estrazione di date, importi, riferimenti e informazioni di dominio.
- Ricerca per contenuto all’interno di PDF, scansioni e archivi.
- Collegamento dei dati estratti a gestionali, database e workflow.
Come usare Claude, ChatGPT e RAG nel lavoro aziendale?
Strumenti come Claude e ChatGPT possono supportare email, documentazione, analisi e consultazione di archivi, ma funzionano meglio quando sono inseriti in un processo definito e ricevono istruzioni, esempi e fonti coerenti.
Per un professionista legale abbiamo prima analizzato le sue attività e svolto formazione sugli strumenti. Abbiamo quindi creato prompt, skill e progetti Claude dedicati ai singoli casi d’uso. Per una delle attività affrontate, il tempo è stato stimato da intere giornate a circa due ore.
Non sempre è necessario sviluppare software su misura: quando gli strumenti esistenti sono adeguati, li configuriamo sul processo e concentriamo l’investimento sulle attività che producono valore.
- Prompt e procedure riutilizzabili per attività ricorrenti.
- Skill e progetti dedicati a specifici flussi professionali.
- Sistemi RAG per consultare documenti mostrando le fonti utilizzate.
- Bozze e risposte sottoposte al controllo della persona competente.
Come trasformare email e messaggi in dati per il gestionale?
Nei processi logistici molte informazioni arrivano come testo libero e devono essere interpretate prima dell’inserimento nei sistemi. In una precedente esperienza professionale, un operatore elaborava manualmente ogni sera almeno 50 messaggi destinati alla gestione dei corrieri.
È stata sviluppata e verificata una soluzione che interpretava i messaggi, organizzava le informazioni in JSON e le preparava per l’inserimento automatico nel gestionale, lasciando all’operatore un controllo rapido.
Quando servono data analysis e modelli di machine learning?
Dati provenienti da Excel, CRM, ERP e database possono essere riuniti per analizzare costi, tempi, vendite, carichi di lavoro e scostamenti. Spesso una dashboard o un report ben costruito è più utile di un modello complesso.
Clustering, sistemi di raccomandazione, visione artificiale e modelli previsionali diventano sensati quando esistono dati rappresentativi e un criterio con cui confrontare il risultato. Prima dello sviluppo valutiamo qualità, quantità, variabilità e costo di manutenzione del modello.
- Analisi e visualizzazione dei dati aziendali.
- Segmentazione e clustering quando le variabili sono significative.
- Previsioni di domanda o volumi con margini d’errore espliciti.
- Classificazione di immagini e supporto ai controlli tramite visione artificiale.
Quanto tempo e investimento richiede un primo progetto AI?
Il primo progetto dovrebbe essere abbastanza importante da produrre un beneficio osservabile, ma sufficientemente circoscritto da poter essere verificato senza trasformare subito l’intera organizzazione.
Se il caso è chiaro, dopo la call possiamo preparare una proposta. Quando restano dubbi, approfondiamo processo ed esempi prima di stimare il lavoro. Per un caso ben delimitato, una prima versione verificabile può spesso essere realizzata entro circa due mesi.
- Un referente interno e un processo chiaramente identificati.
- Dati ed esempi che includano anche eccezioni e casi problematici.
- Un criterio concreto per valutare la prova.
- Un investimento proporzionato al beneficio e alle risorse disponibili.