Quale modello AI conviene a una PMI

Una PMI che valuta l'AI parte quasi sempre dalla domanda sbagliata: quale modello è il migliore. La domanda giusta è un'altra, e ha una risposta raggiungibile in mezza giornata senza competenze tecniche.

Questa guida propone il percorso, con i numeri di riferimento e gli errori che costano di più.

Le tre domande da cui partire

Che compito voglio automatizzare? Va scritto in una frase. «Vogliamo usare l'AI» non è un progetto; «classificare le email in arrivo in sei categorie» lo è. Se non riesci a scriverlo in una frase, il progetto non è ancora definito.

Quante volte al mese succede? Sotto qualche centinaio, l'automazione raramente si ripaga. Sopra il migliaio, comincia ad avere senso. Sopra le decine di migliaia, diventa la differenza fra fare e non fare.

Cosa succede se sbaglia? Un errore riconoscibile e correggibile è gestibile. Un errore che entra nei dati e non viene scoperto è un problema serio, e richiede controlli progettati fin dall'inizio.

Cosa costa davvero

I numeri sorprendono chi si aspetta cifre importanti. Prendiamo tre scenari tipici di una PMI, con circa 1.500 token di input e 300 di output per caso.

Prezzi di listino verificati il 19 agosto 2026 per Anthropic e OpenAI e il 3 settembre 2026 per Google sul piano Standard.

La spesa di consumo per una PMI è quasi sempre modesta. Il costo vero di un progetto AI sta altrove: nella progettazione, nell'integrazione con i sistemi esistenti e nel tempo delle persone che rivedono gli esiti.

Questo ha una conseguenza pratica importante: non conviene ottimizzare il listino. Conviene ottimizzare la percentuale di casi che il sistema chiude bene, perché è quella che libera tempo.

L'errore che costa di più

Di fronte a un progetto importante, la tentazione è scegliere il modello più capace per stare tranquilli. È l'errore più comune ed è costoso su tre fronti.

Confonde due cose diverse: l'importanza del progetto e la difficoltà del compito. Un sistema che smista le richieste dei clienti di un'azienda importante fa comunque smistamento — un compito semplice, che un modello economico esegue bene.

La prova, in cinque ore

• Scrivi il compito in una frase
• Raccogli dieci casi reali con l'esito corretto noto
• Includi i tre casi peggiori che hai
• Aggiungi un caso a cui manca l'informazione richiesta
• Parti dalla fascia più bassa plausibile
• Fai valutare a chi fa quel lavoro ogni giorno

Il quarto punto è il più importante e quasi nessuno lo fa. Un caso in cui l'informazione non c'è separa un modello utilizzabile da uno pericoloso: la risposta corretta è dichiarare l'assenza, non produrre un valore plausibile.

Il sesto punto è quello che rende la prova affidabile. Chi fa quel mestiere riconosce in due secondi un errore che a un tecnico sembra una risposta ragionevole.

Cosa serve oltre al modello

Il modello è la parte più visibile e la meno determinante. Quattro cose contano di più.

I documenti. Un sistema che risponde da una base documentale disordinata produrrà risposte disordinate, con qualunque modello. Riordinare quei documenti vale più di qualunque scelta tecnica.

Le istruzioni. Precise, non lunghe. Ogni parola si paga a ogni chiamata, ma un campo descritto in modo ambiguo produce errori che sembrano capricci del modello.

L'integrazione. Se il sistema richiede di aprire un altro strumento o cambiare abitudini, l'adozione crolla in poche settimane. È la causa più frequente di fallimento dei progetti AI in azienda, molto più del modello sbagliato.

I controlli. Un campione settimanale di esiti rivisti da una persona. Mezz'ora che protegge l'investimento intero.

Esempi pratici

Smistamento delle richieste in arrivo. Le email o i messaggi vengono classificati e instradati alla persona giusta. Compito semplice, criteri chiari, errori riconoscibili. È il progetto con il miglior rapporto fra risultato e rischio, ed è quello da cui conviene cominciare.

Estrazione dati da documenti ricorrenti. Fatture, bolle, ordini. Volumi alti, formati prevedibili, verifica possibile con controlli aritmetici. Fascia economica sufficiente per i documenti ordinari, con un secondo livello per quelli fatti male.

Assistente sulle procedure interne. Risponde alle domande ricorrenti dei dipendenti attingendo ai documenti aziendali. Volumi bassi, ma libera tempo a chi oggi risponde sempre alle stesse domande. La condizione è che dichiari quando la risposta non c'è.

Prima risposta ai clienti. Copre gli intenti ricorrenti e passa il resto a una persona. Richiede più attenzione degli altri tre perché produce impegni verso l'esterno, ma è anche quello con il ritorno più visibile.

Nessuno dei quattro richiede la fascia alta. È un dato che vale la pena tenere presente quando si legge di modelli di punta e di costi importanti: quei modelli servono a compiti che una PMI raramente affronta come primo progetto.

Come non farsi vendere il progetto sbagliato

Qualche domanda utile da fare a chiunque proponga una soluzione AI, indipendentemente da chi sia.

• Quale fascia di modello useremo, e perché quella?
• Avete provato una fascia più bassa? Con che risultato?
• Cosa succede quando il modello non sa rispondere?
• Come faccio a verificare un esito senza rifare il lavoro?
• Quanto tempo di revisione umana resta dopo l'automazione?
• Il sistema vive dentro gli strumenti che usiamo già?

La terza e la quarta sono le più rivelatrici. Una proposta che non ha una risposta precisa su cosa succede quando il modello non sa, e su come si verifica un esito, descrive un sistema di cui non ci si potrà fidare — a prescindere da quanto sia buona la dimostrazione.

Errori da evitare

• Partire dal progetto più ambizioso invece che da quello più semplice.
• Scegliere la fascia alta per prudenza, pagando fino a cinquanta volte.
• Far valutare gli esiti a chi non fa quel lavoro.
• Testare solo su casi facili e scoprire i problemi in produzione.
• Non prevedere controlli a campione dopo l'avvio.
• Costruire fuori dagli strumenti che le persone usano già.

Il primo errore è quello che affossa più progetti pilota. Un primo progetto ambizioso ha molte probabilità di deludere, e una delusione iniziale chiude la porta a tutto il resto per anni. Un progetto semplice che funziona bene, invece, crea la fiducia e l'esperienza per affrontarne uno più difficile.

L'ultimo errore è quello che si scopre più tardi, quando il sistema funziona tecnicamente e nessuno lo usa. Vale la pena decidere dove vivrà la funzionalità prima ancora di scegliere il modello.

Come rivedere la scelta nel tempo

Un sistema AI non è un progetto che si chiude: è una configurazione che invecchia. Una revisione ogni sei mesi richiede poche ore e produce quasi sempre un risparmio.

La seconda riga porta più valore di tutte: capita regolarmente che una fascia inferiore raggiunga in pochi mesi la qualità che prima richiedeva quella superiore. Il criterio per decidere quando cambiare — e quando invece conviene fermarsi — è in quando conviene cambiare modello AI.

Come applicarlo in azienda

Per una PMI il percorso concreto sta in cinque ore e non richiede competenze tecniche.

Comincia scegliendo il progetto giusto, che non è il più ambizioso: un processo ripetitivo, con criteri chiari, volumi sufficienti a giustificare l'automazione e errori riconoscibili. Un primo progetto ambizioso ha molte probabilità di deludere, e una delusione iniziale chiude la porta a tutto il resto per anni.

Poi scrivi il compito in una frase, raccogli dieci casi reali con l'esito noto — di cui tre difficili e uno a cui manca l'informazione richiesta — e parti dalla fascia più bassa plausibile. Fai valutare gli esiti a chi fa quel lavoro ogni giorno.

Quattro elementi contano più del modello. I documenti: un sistema che risponde da una base disordinata produrrà risposte disordinate. Le istruzioni: precise, non lunghe. L'integrazione: se richiede di aprire un altro strumento, l'adozione crolla in poche settimane, ed è la causa più frequente di fallimento. I controlli: un campione settimanale rivisto da una persona.

Sul piano economico, il calcolo che serve è il costo per compito completato, non il prezzo di listino, secondo il metodo di costo per task o prezzo per token. E il criterio per capire se basta una fascia economica — che nella maggior parte dei casi PMI basta — è in quando basta un modello economico.

Metti infine in calendario una revisione ogni sei mesi: il modello è ancora in catalogo? Una fascia inferiore basterebbe? Il prompt contiene istruzioni ormai inutili? Sono tre ore che spesso producono un risparmio ricorrente, con il criterio di quando conviene cambiare modello AI.

Se vuoi passare dai test a un sistema AI davvero integrato nei processi della tua azienda, Giallo Studio può aiutarti a trasformare il problema in un workflow reale.

Per completare il ragionamento. Il metodo per costruire il banco di prova è in strategia a modello misto: leggero e potente. Il calcolo del costo per compito completato, che è il numero su cui si decide davvero, è in come si leggono i benchmark AI. Per capire quando conviene rimettere in discussione la configurazione, il criterio è in perché i benchmark dei vendor non sono comparabili.

Conclusione

Per una PMI il modello giusto è il più economico che risolve bene il compito, e nella maggior parte dei casi è più in basso di quanto ci si aspetti. La spesa di consumo è modesta; il costo vero sta nella progettazione e nell'integrazione.

Il percorso richiede cinque ore: definire il compito in una frase, raccogliere dieci casi reali, provare partendo dal basso e far valutare gli esiti a chi conosce il lavoro.

Se vuoi passare dai test a un sistema AI davvero integrato nei processi della tua azienda, Giallo Studio progetta agenti e automazioni su misura per le PMI.

Schema consigliato: Article + FAQPage + BreadcrumbList