Cosa preparare prima di far entrare un partner AI in azienda

Chi vende agenti AI ti dirà che il progetto comincia al kick-off. Non è vero: comincia quando il partner ti chiede l’accesso al CRM e scopre che nessuno in azienda sa chi può concederlo. A quel punto le prime due settimane, quelle in cui il fornitore dovrebbe capire come lavori, si consumano a rincorrere password, a ricostruire un processo che nessuno ha mai scritto e ad aspettare che il commercialista risponda su chi firma il contratto di trattamento dati. Sono due settimane che paghi tu, in denaro e in tempo.

Questo pezzo non elenca i criteri per valutare i fornitori: quelli li abbiamo già messi in fila nella guida su come scegliere il fornitore giusto per l’AI in Italia e nei sette criteri per valutare un partner di agenti AI in una PMI. Qui si guarda il problema dall’altro lato del tavolo. Perché scegliere il partner giusto per un agente AI è solo metà della domanda: l’altra metà è cosa devi avere pronto tu perché quella scelta produca qualcosa. Un partner bravo con un cliente impreparato consegna comunque un progetto lento, e la colpa finisce sempre sul fornitore.

In questo articolo scoprirai:

• Perché le prime due settimane di discovery si bruciano quasi sempre
• I documenti da mettere sul tavolo prima del kick-off
• Accessi e integrazioni: chi apre le porte ai sistemi, e con quali permessi
• I referenti interni: chi decide, chi risponde, chi userà l’agente
• Obiettivi misurabili: come si scrive la metrica primaria (una sola)

Perché le prime due settimane di discovery si bruciano quasi sempre

La discovery è la fase in cui il partner mappa il processo che l’agente dovrà toccare, cronometra il lavoro come si fa oggi e fissa la metrica su cui verrà giudicato. Un fornitore italiano che sviluppa agenti per PMI dichiara una discovery di una-due settimane con la cronometratura di 10-20 task reali, dentro un percorso di circa quattro settimane fino al primo agente in produzione, una scansione simile a quella che descriviamo nei primi 30 giorni con un agente AI e nel framework in cinque fasi dell’adozione. È una finestra stretta. Se in quelle due settimane il partner deve anche scoprire da solo come lavori, la discovery non produce una baseline: produce un’ipotesi.

E le ipotesi, in questo campo, hanno un tasso di mortalità documentato. In una previsione di febbraio 2025, che riguardava quindi l’anno che stiamo vivendo, Gartner indicava che il 60% dei progetti AI non supportati da dati pronti verrà abbandonato entro il 2026, e nella stessa ricerca Gartner il 63% delle organizzazioni dichiarava di non avere, o di non sapere se avesse, pratiche di gestione dei dati adeguate. Il report MIT NANDA sullo stato dell’AI in azienda è arrivato a un numero ancora più duro: su 300 iniziative pubbliche analizzate, 52 interviste e 153 risposte di dirigenti, il 95% dei pilot non ha prodotto un impatto misurabile a conto economico. La causa che gli autori indicano non è il modello: è l’assenza di un processo che apprenda e di un contesto in cui inserirsi.

Cosa succede quando il partner deve dedurre come lavori

Il sintomo è riconoscibile. Al terzo incontro il fornitore presenta un flusso che assomiglia al tuo processo ma non lo è: manca il caso del cliente che chiama due volte, manca la deroga che il capo officina concede a voce, manca il file Excel che una persona aggiorna a mano ogni venerdì. L’agente viene costruito su quel flusso semplificato, funziona in demo e si rompe al primo giorno di lavoro vero. Il costo non è il rifacimento: è la fiducia interna che perdi, perché il team ha visto uno strumento sbagliare e ora lo aggirerà per mesi.

I documenti da mettere sul tavolo prima del kick-off

Non servono documenti belli. Servono documenti veri. La lista minima è più corta di quanto sembri, e nessuna voce richiede un consulente per essere prodotta.

• La descrizione del processo scritta da chi lo esegue, non da chi lo dirige. Due pagine, in italiano corrente, con i passaggi nell’ordine in cui avvengono davvero. Se le due versioni, quella del titolare e quella dell’operatore, divergono, quella divergenza è l’informazione più utile che consegnerai.
• Venti casi reali degli ultimi sei mesi, scelti male di proposito: i tre più semplici, i tre più complicati, e il resto a caso. Sono il materiale su cui si misura se l’agente funziona.
• I volumi: quante richieste al mese, con la stagionalità. Un agente dimensionato sul mese medio è un agente che cede a dicembre.
• I tempi attuali, anche stimati a occhio ma dichiarati come stime. Servono a costruire la baseline di cui parliamo più sotto.
• Le regole scritte da qualche parte: procedure, listini, condizioni contrattuali, tabelle di sconto, criteri di escalation. È il contenuto che l’agente dovrà rispettare, e se resta nella testa delle persone non ci arriva.
• Le informative privacy e il registro dei trattamenti. Se l’agente tocca dati personali, questi documenti vanno aggiornati comunque: farlo prima costa una settimana, farlo dopo blocca il rilascio.

Questo è anche il momento in cui conviene guardare in faccia lo stato dei dati, che è la variabile che più spesso decide l’esito. Una ricerca McKinsey citata in una rassegna sui criteri di valutazione dei partner indica che otto aziende su dieci segnalano i limiti dei propri dati come ostacolo principale. Se vuoi arrivare al kick-off con il fianco coperto, la sequenza operativa è quella dell’audit dei dati prima del pilot, mentre cosa valuta un partner nell’assessment iniziale ti dice quali di queste voci ti verranno chieste per prime.

L’inventario dei sistemi AI già in uso, shadow AI compresa

C’è una voce che quasi nessuno prepara e che oggi è obbligatoria. La legge 132/2025, in vigore dal 10 ottobre 2025, chiede alle imprese un censimento sistematico dei sistemi di intelligenza artificiale impiegati, inclusa la shadow AI adottata dai singoli reparti senza governance centrale. Il censimento deve documentare finalità, contesto d’uso, classificazione del rischio, flussi di dati e misure di sicurezza. Vale la pena farlo prima del kick-off per due motivi: perché è un adempimento che ti tocca a prescindere, e perché quasi sempre rivela che qualcuno in azienda sta già risolvendo a mano, con un abbonamento personale, il problema che stai per commissionare.

Accessi e integrazioni: chi apre le porte ai sistemi, e con quali permessi

Un agente che non scrive nei tuoi sistemi è una demo. Per scriverci serve accesso autorizzato a CRM, ERP, gestionale, casella di posta, magazzino, ATS, e l’accesso non è un dettaglio tecnico, è una decisione aziendale con una firma sotto. La rassegna citata sopra lo dice senza giri di parole: il partner ha bisogno di accesso autorizzato ad API interne, data warehouse e sistemi gestionali, e le tempistiche di un progetto dipendono più dalle approvazioni di sicurezza che dallo sviluppo.

Quattro cose da chiarire prima, non durante:

• Chi è il proprietario di ogni sistema e chi ha l’autorità di concedere un’utenza tecnica. Se il gestionale è in mano a un fornitore esterno, la trattativa con quel fornitore comincia oggi: nella nostra esperienza è la singola causa di ritardo più frequente, e non dipende né da te né dal partner AI.
• Il livello di permesso. Sola lettura per la discovery, scrittura circoscritta al pilot, mai un’utenza amministrativa “per comodità”. Il principio del privilegio minimo qui non è pedanteria: è ciò che ti permette di spegnere l’agente senza spegnere l’azienda.
• Il canale di integrazione. API documentate, un connettore standard, un protocollo come MCP per collegare i sistemi al modello, oppure, caso peggiore ma frequente, un export manuale. La differenza tra la prima e l’ultima opzione sono settimane di lavoro.
• L’audit log. Ogni azione dell’agente deve restare tracciata in un registro non modificabile. Serve per il debug oggi e per dimostrare la supervisione umana domani.

Ambiente di test e dati veri: una sandbox vuota non serve a niente

Chiedere un ambiente di test è la prassi. Il punto che si sottovaluta è che un ambiente di test popolato con dati finti valida il codice ma non valida l’agente: il comportamento di un sistema linguistico dipende dai dati che incontra, e i dati veri sono sporchi in modi che nessuno inventerebbe. La via praticabile è un ambiente separato con un estratto reale e anonimizzato, preparato dal tuo IT nella settimana precedente al kick-off. Se non è tecnicamente possibile, si decide insieme una finestra di test in produzione con perimetro ristretto e rollback pronto, ma si decide prima, non il giorno in cui serve.

I referenti interni: chi decide, chi risponde, chi userà l’agente

Qui si gioca la parte che nessun fornitore può risolvere al posto tuo. Un progetto di agenti AI ha bisogno di quattro ruoli nominati con nome e cognome, e il ruolo più spesso mancante non è quello tecnico: è il proprietario del processo, la persona che ha l’autorità di dire “questa deroga si può eliminare” e “questo passaggio lo teniamo”.

• Lo sponsor: chi ha il budget e assorbe l’attrito politico. Nelle PMI è quasi sempre il titolare, e va bene, purché sia disponibile, non solo favorevole.
• Il proprietario del processo: chi conosce il lavoro e può cambiarlo. È la persona che il partner intervisterà di più.
• L’esperto operativo: chi svolge il compito ogni giorno. Va coinvolto dalla prima settimana, non messo davanti al risultato finito. Su come si gestisce questo passaggio senza rompere il clima interno abbiamo scritto una guida dedicata al change management per gli agenti AI.
• Il referente IT e sicurezza, interno o esterno: chi firma gli accessi e valuta i rischi.

A questi, se tratti dati personali, si aggiunge il DPO. E c’è un adempimento che in Italia va calendarizzato per tempo: l’articolo 11 della legge 132/2025 impone di informare preventivamente i lavoratori e consultare le rappresentanze sindacali quando un sistema AI incide su gestione, valutazione o selezione del personale. Farlo dopo aver comprato l’agente è una posizione debole, per te e per il progetto.

Quante ore di tempo interno mettere a budget

La domanda che nessuno fa in fase di preventivo. Il budget di un progetto non è solo la fattura del fornitore: è anche il tempo delle tue persone. Come ordine di grandezza, per un primo agente su un processo circoscritto si ragiona su una decina di ore complessive del proprietario di processo e dell’esperto operativo nelle prime due settimane, concentrate in poche sessioni lunghe invece che spalmate in riunioni brevi. Non è una regola universale: è la cifra da negoziare con il partner al primo incontro, perché un fornitore che dice “non ti serve tempo, ci pensiamo noi” ti sta dicendo che costruirà su ipotesi. Chi entra nel dettaglio di questa negoziazione lo trova nelle dieci domande da fare al partner prima di firmare.

Obiettivi misurabili: come si scrive la metrica primaria (una sola)

«Vogliamo essere più efficienti» non è un obiettivo: è un desiderio, e un desiderio non si può falsificare. Il MIT lo indica come uno dei tratti che separano il 5% che funziona dal resto, e i fornitori seri lo mettono per iscritto: la definizione di successo va concordata prima, non ricostruita alla fine per giustificare la spesa. Una rassegna sui criteri di valutazione dei partner AI segnala esplicitamente la definizione di successo tra le cose che il cliente deve portare al tavolo, insieme a processo attuale, sistemi e casi limite.

Una metrica primaria ben scritta ha quattro elementi: il numero di partenza, il numero di arrivo, la data e il metodo di misura. Per esempio: «il tempo medio dalla richiesta al preventivo passa da 26 ore lavorative a meno di 8, misurato sui timestamp del CRM, entro dodici settimane dal rilascio». È verificabile da entrambe le parti e, soprattutto, può risultare falsa, che è esattamente il punto.

Una sola metrica primaria, però. Tre obiettivi paritari significano nessuna priorità e, al primo compromesso tecnico, una discussione senza criterio per risolverla. Accanto alla primaria si mettono due o tre metriche di guardia, tasso di errore, quota di casi che passano a un umano, soddisfazione di chi la usa, con soglie sotto le quali il progetto si ferma anche se la primaria migliora. Se la metrica devi presentarla a un consiglio o a un socio, la struttura è quella del business case da portare in direzione.

La baseline: se non misuri prima, non saprai dopo

È l’errore più costoso e il più facile da evitare. Senza baseline, qualunque risultato è opinabile: il fornitore dirà che l’agente ha ridotto i tempi del 40%, tu avrai la sensazione che sia cambiato poco, e nessuno dei due potrà dimostrarlo. La baseline si costruisce nelle due settimane precedenti al kick-off, con un metodo grezzo che funziona: cronometrare venti casi reali, annotare inizio e fine di ogni passaggio, contare gli errori e le rilavorazioni. Sono un paio d’ore di lavoro di una persona. È il singolo investimento con il rapporto valore-fatica più alto di tutta la lista, ed è anche il documento che rende negoziabile il prezzo, perché su un numero certo si può legare un compenso a un risultato.

Quanto costa un agente AI e cosa deve essere chiaro prima di firmare

La domanda arriva sempre, e la risposta onesta è che dipende dal processo. Come riferimento pubblico, il fornitore italiano citato in apertura dichiara un intervallo di 10.000-50.000 euro per il primo agente, e va letto per quello che è: il prezzo dichiarato da un operatore, non una media di mercato. Non esiste un listino di settore, e chiunque te ne mostri uno sta vendendo un prodotto standard travestito da progetto.

Quello che invece deve essere chiaro nero su bianco prima della firma sono quattro voci, e sono tutte voci in cui i preventivi tacciono per abitudine. La prima: il costo di costruzione va separato dal costo di esercizio. Una checklist di valutazione dei partner mette la prevedibilità dei costi tra gli otto criteri, distinguendo esplicitamente cost-to-build e cost-to-run: hosting, inferenza dei modelli, monitoraggio, manutenzione delle integrazioni, supporto. Un agente che costa 20.000 euro e ne consuma 1.500 al mese è un’altra decisione rispetto a uno che ne consuma 200.

La seconda: la proprietà del codice e delle configurazioni, dalla prima settimana. La terza: la portabilità dei dati, a chi restano flussi, log, configurazioni e registri di audit se il rapporto finisce. La quarta: chi risponde a un guasto di venerdì pomeriggio, e con quali tempi. Le implicazioni contrattuali di queste quattro voci le abbiamo sviscerate parlando di cosa aspettarsi da un partner di consulenza sugli agenti AI.

Costruirlo da soli con ChatGPT, Gemini o Copilot: quando conviene

Per alcune cose sì, ed è giusto dirlo. Se il compito è riassumere documenti, preparare bozze o rispondere a domande su un manuale, gli abbonamenti generalisti bastano e il progetto non serve: parti da lì, spendi trecento euro e misura. La soglia si supera quando l’agente deve scrivere nei tuoi sistemi, rispettare regole aziendali e rendere conto di ogni azione: lì servono integrazioni, permessi, soglie di confidenza, percorsi di escalation e log, le cose che la rassegna di Ema sulla scelta di un partner per lo sviluppo di agenti AI indica come la differenza fra un agente e una demo. La stessa rassegna di Ema aggiunge un avvertimento controintuitivo per chi vende sviluppo: molti flussi aziendali standard non richiedono un progetto su misura, e una piattaforma configurabile arriva prima. Dove si trova il confine è il tema di quando conviene costruire agenti AI su misura, e la meccanica di fondo è spiegata nella nostra guida a cosa sono e come funzionano gli agenti AI.

Conformità: cosa avere pronto per l’AI Act e la legge italiana

Nel 2026 questa parte non è più rinviabile, ma va capita bene perché il quadro si è mosso in estate. Il Digital Omnibus, regolamento (UE) 2026/1744 pubblicato il 24 luglio 2026, ha spostato al 2 dicembre 2027 gli obblighi sui sistemi ad alto rischio dell’Allegato III e al 2 agosto 2028 quelli sui sistemi integrati nei prodotti regolamentati. Chi ne ha dedotto che si può aspettare ha letto male: dal 2 agosto 2026 sono comunque applicabili gli obblighi di trasparenza dell’articolo 50 e il regime sanzionatorio, con sanzioni fino a 15 milioni di euro o il 3% del fatturato mondiale. Per i sistemi già sul mercato che generano contenuti sintetici, il termine per la marcatura tecnica è il 2 dicembre 2026.

C’è poi un obbligo attivo da più tempo e ancora largamente ignorato: l’alfabetizzazione AI dell’articolo 4, che si applica dal 2 febbraio 2025. Riguarda anche te come utilizzatore, non solo chi sviluppa: le persone che useranno l’agente devono essere formate a un livello adeguato. È una voce da mettere nel piano di kick-off, non un corso da comprare a posteriori.

Due diligence sul partner AI: cosa chiede la legge 132/2025

Sul fronte italiano, la legge 132/2025 aggiunge tre cose che ti riguardano direttamente in questa fase: l’aggiornamento del Modello 231 con i nuovi reati presupposto legati all’uso illecito dell’AI, una procedura documentata di due diligence sui fornitori di tecnologia, verifica documentale della conformità, analisi delle clausole su responsabilità, accesso ai dati e diritti di audit, e la DPIA per i sistemi ad alto rischio. I decreti attuativi sono attesi entro dodici mesi dall’entrata in vigore. Se il quadro complessivo ti serve prima di scendere nel dettaglio, parti dalla nostra guida su cosa prevede l’AI Act e chi deve adeguarsi. Come struttura di governance, il framework NIST per la gestione del rischio AI resta il riferimento volontario più usato: le sue quattro funzioni, governare, mappare, misurare, gestire, sono un ordine di lavoro utile anche a un’azienda di venti persone.

Come Mimir usa questa checklist come primo deliverable

Abbiamo scelto di trattare tutto questo come lavoro nostro, non come compito assegnato al cliente. Il primo documento che consegniamo non è un’architettura: è questa checklist compilata, prodotta insieme al cliente e firmata da entrambi prima che venga scritta una riga di codice. Dentro ci sono il processo come lo descrive chi lo esegue, i venti casi reali, la baseline cronometrata, l’elenco degli accessi con il nome di chi li concede, i quattro ruoli interni e la metrica primaria con la sua data.

Il motivo è che l’alternativa la conosciamo. Un cliente a cui mandi una lista di richieste per email arriva al kick-off con metà delle voci coperte e l’altra metà interpretata; e la parte interpretata è sempre quella che si rompe in produzione. Compilare la checklist assieme costa qualche ora di riunione e restituisce le due settimane di discovery per il lavoro che dovrebbero fare: capire il tuo mestiere, non ricostruirlo. È anche il motivo per cui, quando parliamo di servizio oltre al prodotto, non intendiamo l’assistenza dopo il rilascio, quella è il minimo. Intendiamo che il servizio comincia prima che il prodotto esista.

Prima della checklist: capire se l’azienda è pronta per un partner AI

Un’ultima cosa sull’ordine delle operazioni. Se non sai ancora se il processo che hai in mente è candidabile, la checklist viene dopo: il punto di ingresso è la verifica di readiness sugli agenti AI, che si chiude in mezza giornata e a volte si chiude con un «non adesso». È una risposta legittima, e costa incomparabilmente meno di un pilot abbandonato a metà.

Una nota finale che vale più di tutta la checklist: il 95% dei pilot che non produce impatto misurabile non fallisce per la tecnologia. Fallisce perché nessuno aveva definito cosa volesse dire riuscire, un tema su cui abbiamo scritto senza sconti quando l’AI generativa non genera ROI. Prepararsi prima del kick-off è il modo più economico che conosciamo per non finire in quella statistica.

Se stai valutando un agente AI per un processo della tua azienda e vuoi capire cosa serve prima di impegnarti, in Mimir facciamo esattamente questo lavoro: mettiamo in fila documenti, accessi, referenti e metriche, e ti diciamo anche quando il progetto non vale la pena. Scrivici e ne parliamo partendo dal tuo processo, non dalla tecnologia.

Fonti:

• Gartner — Lack of AI-Ready Data Puts AI Projects at Risk (comunicato, 26 febbraio 2025)
• Freevacy — il 60% dei progetti AI senza dati pronti sarà abbandonato entro il 2026
• MIT NANDA — The State of AI in Business 2025 (report integrale, PDF)
• Campus Technology — il 95% dei pilot GenAI senza ritorno misurabile a conto economico
• ICT Security Magazine — legge 132/2025: censimento dei sistemi AI e obblighi per le imprese
• AI Act Explorer — timeline di applicazione degli obblighi
• NIST — AI Risk Management Framework
• Soraia — guida agli agenti AI per le aziende: tempi di discovery e intervalli di prezzo
• Ema — come scegliere un partner di sviluppo per agenti AI: cosa valutare
• The Voice of Cash — scegliere un partner di implementazione AI
• 8allocate — otto criteri per scegliere un partner di sviluppo AI