Sta cambiando il modo in cui lavoriamo. E molte aziende non se ne sono ancora accorte
Una riflessione di Gabriele Ferrari, consulente AI — aggiornata al 19 novembre 2026.
Gabriele Ferrari — AI Consultant & Digital Project Manager
Quando parlo di intelligenza artificiale con imprenditori e professionisti, incontro spesso due reazioni opposte. C’è chi pensa che basti aggiungere un chatbot al sito per essere al passo con i tempi. E c’è chi ha provato a fare qualche domanda a ChatGPT, ha ricevuto una risposta mediocre e ha concluso che l’AI sia sopravvalutata.
Capisco entrambe le reazioni. Il problema è che descrivono una tecnologia diversa da quella che possiamo usare oggi.
Nel mio lavoro passo dalla strategia digitale allo sviluppo web, dalle campagne pubblicitarie ai processi commerciali. Negli ultimi anni ho visto l’AI passare dalla generazione di testi alla capacità di lavorare su file, scrivere codice, usare strumenti e portare avanti attività composte da più passaggi. Questo cambiamento è già abbastanza concreto da incidere sul modo in cui progetto un servizio per un cliente.
Non significa che basti dare un ordine a un agente e tornare il giorno dopo a ritirare un lavoro perfetto. Significa che alcune attività che prima richiedevano una sequenza di specialisti oggi possono essere avviate, sviluppate e verificate molto più rapidamente da una persona competente che lavora con l’AI.
È una differenza enorme. E vale la pena capire che cosa comporta, senza trasformarla né in una promessa miracolosa né in un annuncio di catastrofe.
Il salto che vedo nel lavoro quotidiano
Pensiamo alla realizzazione di un’applicazione per una piccola impresa. Fino a poco tempo fa, descrivere l’idea a un modello produceva soprattutto una bozza: qualche schermata, codice da sistemare e molte decisioni ancora da prendere.
Oggi posso partire da un obiettivo più ampio: «Serve un sistema per raccogliere richieste, organizzarle, avvisare il referente e mostrare a che punto è ogni contatto». Un agente di sviluppo può proporre la struttura, creare interfaccia e backend, modificare file, eseguire controlli e correggere parte dei problemi che incontra.
Questo è il tipo di lavoro che mi interessa per progetti come PrestoWeb.net o TeamWorkBot. Il valore, però, non sta nel numero di righe di codice prodotte. Sta nel capire se il sistema risolve davvero il problema: chi riceve le notifiche, cosa succede quando un dato manca, quali errori possono bloccare il flusso, chi controlla le risposte inviate ai clienti.
La stessa cosa accade nel marketing. Un’AI può aiutare a leggere i risultati di una campagna, confrontare creatività, preparare un report e suggerire ipotesi. Ma deve sapere quale risultato conta per l’azienda. Cento contatti a basso costo possono valere meno di dieci richieste pertinenti. Questa valutazione richiede contesto commerciale, dati affidabili e confronto con il cliente.
I modelli stanno migliorando anche nel lavoro operativo: OpenAI, Anthropic e Google propongono ormai modelli pensati per attività professionali, flussi con strumenti, compiti tecnici complessi e lavoro che attraversa software, documenti e dati. Sono esempi del panorama attuale, non una classifica valida per ogni utilizzo.
Perché chi ha provato l’AI tempo fa potrebbe sottovalutarla
Se il tuo ultimo esperimento risale al 2023 o al 2024, è ragionevole che tu ricordi risposte inventate, testi generici e codice fragile. Quei problemi non sono scomparsi. Nel frattempo, però, sono cambiate sia le capacità dei modelli sia le applicazioni che li circondano.
Oggi la domanda utile non è soltanto: «Sa rispondere bene?». È: «Sa lavorare con i materiali e gli strumenti che uso, seguire un processo, mostrare ciò che ha fatto e permettermi di controllarlo?».
Un conto è chiedere: «Scrivimi un’email commerciale». Un altro è fornire il profilo del cliente, le richieste ricevute, il catalogo dei servizi e tre email che hanno funzionato, chiedendo una risposta coerente e pronta per essere revisionata. Un conto è domandare: «Come migliorare le vendite?». Un altro è far analizzare un foglio con provenienza dei lead, tempi di risposta, appuntamenti e trattative concluse.
Agenti AI: cosa sono davvero
La parola agente viene usata per tutto. Per me ha un significato pratico: un sistema che riceve un obiettivo, usa gli strumenti necessari, compie più passaggi e restituisce un risultato controllabile.
Prendiamo una campagna che genera contatti per un’azienda. Un agente potrebbe leggere i nuovi lead da un foglio, individuare dati mancanti, assegnare una priorità secondo criteri concordati, preparare un riepilogo per il commerciale e segnalare le richieste rimaste senza risposta. Se è autorizzato, potrebbe anche aggiornare il CRM o predisporre un messaggio.
Qui nasce la parte importante del progetto. Bisogna decidere quali dati può leggere, quali azioni può eseguire, quando deve fermarsi e chi approva una comunicazione esterna. Senza queste decisioni, abbiamo una demo interessante. Con queste decisioni, possiamo costruire un processo aziendale.
Anche i benchmark mostrano progressi nelle attività articolate, ma vanno letti con attenzione. METR misura, soprattutto su compiti tecnici ben definiti, la difficoltà delle attività che gli agenti riescono a completare con una certa probabilità di successo. La sua misura non indica per quante ore un agente possa lavorare da solo né dimostra che possa gestire indistintamente un’azienda.
Sul tema dei permessi e della sicurezza ho scritto di più in Agenti AI in azienda: il vero problema non è cosa sanno fare, ma cosa possono fare.
Che cosa cambia per professionisti e imprese
Non credo sia serio dire che una certa percentuale di posti di lavoro sparirà entro una data precisa. Le capacità tecniche cambiano rapidamente; assunzioni, organizzazione aziendale, responsabilità e risultati economici seguono tempi diversi.
L’Organizzazione Internazionale del Lavoro rileva che molte occupazioni sono esposte all’AI, ma considera più probabile la trasformazione di numerosi lavori rispetto alla loro completa eliminazione. Una sua analisi del 2026 osserva inoltre che, finora, lo spostamento del lavoro su larga scala resta limitato e i guadagni di produttività sono disomogenei. Sono dati che invitano ad agire, senza fingere che l’esito sia già scritto.
Per una PMI, gli effetti più immediati possono essere questi:
Per chi offre servizi digitali, questo tocca anche il modello di business. Se una parte della produzione diventa più veloce, il cliente continuerà ad aver bisogno di qualcuno che capisca il problema, scelga la soluzione, integri gli strumenti e risponda del risultato. È su questo che voglio concentrare il mio lavoro come consulente AI.
Il modello migliore non è sempre il più potente
Una delle decisioni più concrete riguarda la scelta degli strumenti. Per sviluppare un’applicazione complessa potrei valutare Codex, Claude Code o gli strumenti di Google. Per un flusso ripetitivo che classifica richieste e prepara riepiloghi, il costo e la velocità possono contare più della capacità massima del modello.
Esistono anche opzioni da considerare quando il budget o il controllo dell’infrastruttura sono decisivi, tra cui DeepSeek e i modelli aperti della famiglia Qwen. La scelta richiede prove sul caso d’uso: qualità delle risposte in italiano, affidabilità nell’uso degli strumenti, latenza e costo per pratica completata. Il prezzo per token, da solo, dice poco sul costo del processo.
Questo è particolarmente importante per un prodotto come TeamWorkBot. Un modello avanzato può essere adatto alla progettazione e alla gestione delle eccezioni; un modello più economico può svolgere bene attività ripetitive. La soluzione si trova misurando risultati ed errori su richieste vere.
Da dove comincerei in un’azienda
Non partirei dalla domanda «Dove possiamo mettere l’AI?». Partirei da un processo che oggi crea ritardi, costi o occasioni perse.
Osservare il lavoro
Da dove arriva una richiesta? Chi la legge? Quali dati servono? Dove si interrompe il flusso? Quanto tempo passa prima della risposta?
Scegliere un caso circoscritto
Per esempio: riassumere le richieste quotidiane, preparare le risposte iniziali per revisione, aggiornare le schede prodotto o confrontare i risultati delle campagne.
Definire una misura prima del test
Tempo di risposta, ore impiegate, errori, qualità dei contatti gestiti o percentuale di pratiche completate. Se non sappiamo quale miglioramento cerchiamo, sarà difficile distinguere un risultato utile da una dimostrazione impressionante.
Provare il sistema su casi reali
Includerei dati incompleti, richieste ambigue ed eccezioni. È lì che emerge se il flusso è utilizzabile.
Assegnare controllo e responsabilità
L’AI può preparare, suggerire o eseguire azioni delimitate. L’azienda deve sapere chi verifica i risultati e quali decisioni richiedono approvazione.
Non serve necessariamente iniziare con una piattaforma nuova. Spesso il primo progetto utile collega strumenti che l’azienda usa già: sito, email, fogli, CRM, campagne e canali di messaggistica.
Cosa fare, come professionista
Il consiglio più semplice che darei è questo: prendi un’attività che svolgi ogni settimana e prova a rifarla con uno strumento AI attuale. Usa i materiali necessari, spiega il risultato atteso e valuta l’output con lo stesso rigore che useresti per il lavoro di un collaboratore.
Se sei uno sviluppatore, chiedi all’agente di esplorare una base di codice, proporre una modifica, implementarla e mostrarti come l’ha verificata. Se gestisci campagne, fagli analizzare dati e ipotesi, poi controlla se le conclusioni reggono. Se coordini un team, prova a trasformare note e aggiornamenti sparsi in decisioni, responsabilità e scadenze.
Ripeti l’esperimento su compiti più difficili. Tieni traccia di ciò che funziona e di ciò che fallisce. In poco tempo avrai una conoscenza molto più utile di quella che si ottiene inseguendo ogni nuovo annuncio.
La domanda che conta
L’intelligenza artificiale continuerà a migliorare, ma non sappiamo con precisione a quale ritmo né come si distribuiranno i benefici. Sappiamo già, invece, che può cambiare il modo in cui progettiamo software, gestiamo informazioni e organizziamo parte del lavoro.
Per questo non chiederei a un imprenditore se «crede nell’AI». Gli chiederei:
È da una risposta concreta a queste domande che può nascere un progetto utile. Il momento di iniziare a cercarla è adesso.
Vedi anche: automazioni e agenti AI per le aziende e le mie competenze AI.
Il primo passo è individuare un processo che oggi fa perdere tempo o occasioni. È un’analisi che faccio volentieri in una prima call, senza impegno: attività coinvolte, strumenti che usate già, misura del risultato e controlli necessari.
Gabriele Ferrari — AI Consultant | Digital Project Manager | Web Developer · gabrieleferrari.net