Alessandro Ferrari

Retention marketing per PMI: dove perdi il cliente dopo il primo acquisto

2026-10-11T20:26:00+02:00

[{"type":"row","json":{},"children":[{"type":"col","json":{},"col":12,"children":[{"type":"block","block_type":"main/html-editor","json":{"data":{"type":"main/html-editor","content":"\u003cstyle\u003e\n.ecos-retention.ecos-retention{width:100%!important;max-width:100%!important;min-width:0!important;box-sizing:border-box!important;color:#15283f!important;font-size:18px!important;line-height:1.75!important;overflow-wrap:anywhere!important;}\n.ecos-retention.ecos-retention h2{font-size:clamp(24px,3.5vw,32px)!important;line-height:1.3!important;color:#142b45!important;margin:36px 0 14px!important;}\n.ecos-retention.ecos-retention h3{font-size:22px!important;line-height:1.35!important;color:#142b45!important;margin:24px 0 10px!important;}\n.ecos-retention.ecos-retention p{margin:0 0 18px!important;color:#15283f!important;}\n.ecos-retention.ecos-retention a{color:#0057a3!important;text-decoration:underline!important;overflow-wrap:anywhere!important;}\n.ecos-retention.ecos-retention figure{width:100%!important;max-width:100%!important;margin:24px 0!important;}\n.ecos-retention.ecos-retention img{display:block!important;width:100%!important;max-width:100%!important;height:auto!important;border-radius:12px!important;}\n.ecos-retention.ecos-retention figcaption{font-size:14px!important;line-height:1.6!important;color:#42566b!important;margin-top:8px!important;}\n.ecos-retention.ecos-retention .ecos-answer,.ecos-retention.ecos-retention .ecos-cta{background:#eef4fa!important;color:#15283f!important;padding:22px!important;border-left:5px solid #bd8c27!important;border-radius:8px!important;margin:24px 0!important;box-sizing:border-box!important;width:100%!important;}\n.ecos-retention.ecos-retention .ecos-table{width:100%!important;max-width:100%!important;table-layout:fixed!important;border-collapse:collapse!important;background:#fff!important;margin:24px 0!important;font-size:16px!important;}\n.ecos-retention.ecos-retention .ecos-table th,.ecos-retention.ecos-retention .ecos-table td{padding:14px!important;border:1px solid #d6e0eb!important;text-align:left!important;vertical-align:top!important;color:#15283f!important;white-space:normal!important;overflow-wrap:anywhere!important;box-sizing:border-box!important;}\n.ecos-retention.ecos-retention .ecos-table th{background:#142b45!important;color:#fff!important;font-weight:700!important;}\n.ecos-retention.ecos-retention .ecos-table caption{color:#15283f!important;font-weight:700!important;text-align:left!important;margin-bottom:10px!important;}\n@media(max-width:767px){.ecos-retention.ecos-retention .ecos-table,.ecos-retention.ecos-retention .ecos-table tbody,.ecos-retention.ecos-retention .ecos-table tr,.ecos-retention.ecos-retention .ecos-table td{display:block!important;width:100%!important;max-width:100%!important;min-width:0!important;box-sizing:border-box!important;}.ecos-retention.ecos-retention .ecos-table thead{position:absolute!important;width:1px!important;height:1px!important;margin:-1px!important;padding:0!important;clip:rect(0,0,0,0)!important;clip-path:inset(50%)!important;overflow:hidden!important;}.ecos-retention.ecos-retention .ecos-table tr{margin-bottom:18px!important;border:1px solid #d6e0eb!important;border-radius:8px!important;}.ecos-retention.ecos-retention .ecos-table td{border:0!important;border-bottom:1px solid #e1e8ef!important;padding:12px 14px!important;}.ecos-retention.ecos-retention .ecos-table td:before{content:attr(data-label)!important;display:block!important;font-weight:700!important;color:#142b45!important;margin-bottom:4px!important;}.ecos-retention.ecos-retention .ecos-table td:last-child{border-bottom:0!important;}}\n\n.ecos-retention.ecos-retention .ecos-tool{padding:24px!important;border:2px solid #bd8c27!important;border-radius:12px!important;background:#f5f8fc!important;margin:28px 0!important;box-sizing:border-box!important;max-width:100%!important;}\n.ecos-retention.ecos-retention .ecos-tool label{display:block!important;font-size:16px!important;font-weight:700!important;color:#142b45!important;margin:16px 0 6px!important;}\n.ecos-retention.ecos-retention .ecos-tool select,.ecos-retention.ecos-retention .ecos-tool textarea{display:block!important;box-sizing:border-box!important;width:100%!important;max-width:100%!important;min-width:0!important;min-height:48px!important;background:#fff!important;color:#15283f!important;border:1px solid #7890a8!important;border-radius:6px!important;padding:12px!important;font-size:16px!important;line-height:1.5!important;}\n.ecos-retention.ecos-retention .ecos-tool textarea{min-height:90px!important;resize:vertical!important;}\n.ecos-retention.ecos-retention button[data-ecos-run]{display:block!important;width:100%!important;white-space:normal!important;background:#142b45!important;color:#fff!important;border:0!important;border-radius:8px!important;padding:16px!important;font-size:18px!important;font-weight:700!important;margin-top:22px!important;cursor:pointer!important;}\n.ecos-retention.ecos-retention [data-ecos-result]{white-space:pre-wrap!important;overflow-wrap:anywhere!important;padding:20px!important;background:#fff!important;border-left:4px solid #bd8c27!important;margin-top:18px!important;color:#15283f!important;max-width:100%!important;box-sizing:border-box!important;}\n.ecos-retention.ecos-retention [data-ecos-result][hidden]{display:none!important;}\n.ecos-retention.ecos-retention .ecos-template{white-space:pre-wrap!important;background:#f5f8fc!important;padding:20px!important;border-left:4px solid #bd8c27!important;margin:22px 0!important;overflow-wrap:anywhere!important;color:#15283f!important;}\n.ecos-retention.ecos-retention .ecos-video{aspect-ratio:16/9!important;width:100%!important;max-width:100%!important;height:auto!important;display:block!important;border:0!important;}\n.ecos-retention.ecos-retention blockquote{margin:24px 0!important;padding:18px 22px!important;border-left:5px solid #bd8c27!important;background:#f5f8fc!important;color:#15283f!important;font-size:21px!important;}\n.ecos-retention.ecos-retention li{color:#15283f!important;margin-bottom:10px!important;}\n.ecos-retention.ecos-retention a:focus-visible,.ecos-retention.ecos-retention button:focus-visible,.ecos-retention.ecos-retention select:focus-visible,.ecos-retention.ecos-retention textarea:focus-visible{outline:3px solid #0057a3!important;outline-offset:3px!important;}\n@media(max-width:480px){.ecos-retention.ecos-retention .ecos-tool{padding:16px!important;}.ecos-retention.ecos-retention .ecos-template{padding:16px!important;}}\n\u003c/style\u003e\u003cdiv class=\"ecos-retention\" style=\"width:100%!important;max-width:100%!important;min-width:0!important;color:#15283f!important;font-size:18px!important;line-height:1.75!important\"\u003e\u003cp\u003e\u003cstrong\u003eIl cliente ha comprato. Poi si ferma. E tu pensi di dover trovare subito altri clienti.\u003c/strong\u003e Prima di aprire un’altra campagna, io guarderei proprio quella relazione: il cliente ha ottenuto qualcosa di utile? Ha potuto usare ciò che ha acquistato? Sa perché dovrebbe tornare?\u003c/p\u003e\n\u003cp\u003eNel mio lavoro di advisor il punto di partenza è questo: \u003cstrong\u003edove si rompe il risultato?\u003c/strong\u003e Il primo acquisto è un passaggio della catena. Se lo tratti come l’arrivo, rischi di continuare a riempire un percorso che perde valore subito dopo la vendita.\u003c/p\u003e\n\u003cdiv class=\"ecos-answer\"\u003e\u003cstrong\u003eQui lavoriamo sul tuo portafoglio.\u003c/strong\u003e Troverai un caso reale anonimizzato, la scheda interattiva di tre clienti e il verbale da portare in riunione. \u003ca href=\"#scheda-tre-clienti\"\u003eParti dalla scheda dei tre clienti\u003c/a\u003e, poi usa i sei controlli per decidere quale verifica viene prima.\u003c/div\u003e\n\u003ch2\u003eUn progetto mi ha ricordato che acquistare non significa riuscire ad applicare\u003c/h2\u003e\n\u003cp\u003eMi è capitato di lavorare a un progetto nel quale l’organizzazione cliente aveva tempo e capacità operative insufficienti per applicare la metodologia. Si sono aggiunti problemi tecnici esterni che hanno rallentato l’esecuzione. Il periodo di lavoro effettivo si è accorciato e la percezione del risultato è diventata negativa prima che alcuni effetti fossero visibili.\u003c/p\u003e\n\u003cp\u003eNon racconto questo episodio per attribuire una colpa al cliente. La lezione riguarda anche il mio lavoro: \u003cstrong\u003edevo distinguere il tempo trascorso dal tempo nel quale il cliente ha davvero potuto usare la soluzione.\u003c/strong\u003e Un calendario può dire “siamo al terzo mese”, mentre l’applicazione è ancora all’inizio.\u003c/p\u003e\n\u003cp\u003eSe rispondessi a quella situazione con un’offerta di rinnovo o una sequenza automatica, salterei la domanda decisiva: quali condizioni mancano perché il valore possa emergere? Prima di chiedere continuità, servono un perimetro realistico, responsabilità separate e una verifica sul primo utilizzo. Questo è il criterio che porto nella lettura di una relazione da mantenere.\u003c/p\u003e\n\u003ch2\u003eRetention marketing: la definizione serve, la decisione viene dopo\u003c/h2\u003e\n\u003cp\u003eIl \u003cstrong\u003eretention marketing\u003c/strong\u003e comprende le scelte di marketing che aiutano un cliente acquisito a continuare una relazione utile: utilizzare l’offerta, riconoscerne il valore e valutare un nuovo acquisto quando esiste un bisogno coerente. Per una PMI significa collegare segmenti, percorso, contenuti, responsabilità e misurazione.\u003c/p\u003e\n\u003cp\u003eLa domanda concreta non è “come aumentiamo la fidelizzazione?”. È: \u003cstrong\u003equale passaggio sta impedendo a questo tipo di cliente di tornare?\u003c/strong\u003e Un cliente che non ha iniziato, uno che non riconosce il valore e uno che oggi non ha un nuovo bisogno richiedono tre decisioni diverse. Un’unica email “ci manchi” appiattisce proprio la differenza che dovrebbe guidarti.\u003c/p\u003e\n\u003csection class=\"ecos-tool\" data-ecos-tool=\"retention\" aria-labelledby=\"scheda-tre-clienti\"\u003e\u003ch2 id=\"scheda-tre-clienti\"\u003eLavora su tre clienti: che cosa manca al prossimo acquisto?\u003c/h2\u003e\u003cp\u003eScegli tre relazioni da confrontare: un cliente che torna, uno che si è fermato e uno appena acquisito. Usa Cliente A, B e C: non servono nomi, email o dati riservati. Le risposte restano nella pagina e non vengono inviate o salvate da questo strumento.\u003c/p\u003e\u003cdiv data-ecos-client=\"Cliente A\"\u003e\u003ch3\u003eCliente A\u003c/h3\u003e\u003clabel for=\"r-A-0\"\u003eIl cliente ha riconosciuto un primo valore concreto?\u003c/label\u003e\u003cselect id=\"r-A-0\"\u003e\u003coption value=\"\"\u003eScegli una risposta\u003c/option\u003e\u003coption value=\"yes\"\u003eSì, con un riscontro concreto\u003c/option\u003e\u003coption value=\"no\"\u003eNo\u003c/option\u003e\u003coption value=\"unknown\"\u003eNon so\u003c/option\u003e\u003c/select\u003e\u003clabel for=\"r-A-1\"\u003eSai quale prossimo bisogno renderebbe utile tornare?\u003c/label\u003e\u003cselect id=\"r-A-1\"\u003e\u003coption value=\"\"\u003eScegli una risposta\u003c/option\u003e\u003coption value=\"yes\"\u003eSì, con un riscontro concreto\u003c/option\u003e\u003coption value=\"no\"\u003eNo\u003c/option\u003e\u003coption value=\"unknown\"\u003eNon so\u003c/option\u003e\u003c/select\u003e\u003clabel for=\"r-A-2\"\u003eHai verificato che cosa ostacola quel passo?\u003c/label\u003e\u003cselect id=\"r-A-2\"\u003e\u003coption value=\"\"\u003eScegli una risposta\u003c/option\u003e\u003coption value=\"yes\"\u003eSì, con un riscontro concreto\u003c/option\u003e\u003coption value=\"no\"\u003eNo\u003c/option\u003e\u003coption value=\"unknown\"\u003eNon so\u003c/option\u003e\u003c/select\u003e\u003c/div\u003e\u003cdiv data-ecos-client=\"Cliente B\"\u003e\u003ch3\u003eCliente B\u003c/h3\u003e\u003clabel for=\"r-B-0\"\u003eIl cliente ha riconosciuto un primo valore concreto?\u003c/label\u003e\u003cselect id=\"r-B-0\"\u003e\u003coption value=\"\"\u003eScegli una risposta\u003c/option\u003e\u003coption value=\"yes\"\u003eSì, con un riscontro concreto\u003c/option\u003e\u003coption value=\"no\"\u003eNo\u003c/option\u003e\u003coption value=\"unknown\"\u003eNon so\u003c/option\u003e\u003c/select\u003e\u003clabel for=\"r-B-1\"\u003eSai quale prossimo bisogno renderebbe utile tornare?\u003c/label\u003e\u003cselect id=\"r-B-1\"\u003e\u003coption value=\"\"\u003eScegli una risposta\u003c/option\u003e\u003coption value=\"yes\"\u003eSì, con un riscontro concreto\u003c/option\u003e\u003coption value=\"no\"\u003eNo\u003c/option\u003e\u003coption value=\"unknown\"\u003eNon so\u003c/option\u003e\u003c/select\u003e\u003clabel for=\"r-B-2\"\u003eHai verificato che cosa ostacola quel passo?\u003c/label\u003e\u003cselect id=\"r-B-2\"\u003e\u003coption value=\"\"\u003eScegli una risposta\u003c/option\u003e\u003coption value=\"yes\"\u003eSì, con un riscontro concreto\u003c/option\u003e\u003coption value=\"no\"\u003eNo\u003c/option\u003e\u003coption value=\"unknown\"\u003eNon so\u003c/option\u003e\u003c/select\u003e\u003c/div\u003e\u003cdiv data-ecos-client=\"Cliente C\"\u003e\u003ch3\u003eCliente C\u003c/h3\u003e\u003clabel for=\"r-C-0\"\u003eIl cliente ha riconosciuto un primo valore concreto?\u003c/label\u003e\u003cselect id=\"r-C-0\"\u003e\u003coption value=\"\"\u003eScegli una risposta\u003c/option\u003e\u003coption value=\"yes\"\u003eSì, con un riscontro concreto\u003c/option\u003e\u003coption value=\"no\"\u003eNo\u003c/option\u003e\u003coption value=\"unknown\"\u003eNon so\u003c/option\u003e\u003c/select\u003e\u003clabel for=\"r-C-1\"\u003eSai quale prossimo bisogno renderebbe utile tornare?\u003c/label\u003e\u003cselect id=\"r-C-1\"\u003e\u003coption value=\"\"\u003eScegli una risposta\u003c/option\u003e\u003coption value=\"yes\"\u003eSì, con un riscontro concreto\u003c/option\u003e\u003coption value=\"no\"\u003eNo\u003c/option\u003e\u003coption value=\"unknown\"\u003eNon so\u003c/option\u003e\u003c/select\u003e\u003clabel for=\"r-C-2\"\u003eHai verificato che cosa ostacola quel passo?\u003c/label\u003e\u003cselect id=\"r-C-2\"\u003e\u003coption value=\"\"\u003eScegli una risposta\u003c/option\u003e\u003coption value=\"yes\"\u003eSì, con un riscontro concreto\u003c/option\u003e\u003coption value=\"no\"\u003eNo\u003c/option\u003e\u003coption value=\"unknown\"\u003eNon so\u003c/option\u003e\u003c/select\u003e\u003c/div\u003e\u003cbutton type=\"button\" data-ecos-run\u003eMostrami la prima verifica per ciascun cliente\u003c/button\u003e\u003cdiv data-ecos-result role=\"status\" aria-live=\"polite\" tabindex=\"-1\" hidden\u003e\u003c/div\u003e\u003cnoscript\u003e\u003cp\u003eLe schede e i modelli scritti nell’articolo restano utilizzabili senza JavaScript. Per il risultato interattivo abilita JavaScript nel browser.\u003c/p\u003e\u003c/noscript\u003e\u003c/section\u003e\n\u003ch2\u003eLe sei scelte che farei prima di aggiungere una campagna\u003c/h2\u003e\n\u003ch3\u003e1. Definisci quale continuità ha senso\u003c/h3\u003e\n\u003cp\u003eRinnovo, secondo ordine e nuova esigenza non sono sinonimi. Scrivi un evento osservabile: quale acquisto o utilizzo vorresti vedere, da quale gruppo di clienti e in quale periodo coerente con il loro ciclo? Se vendi progetti episodici, non considerare perso un cliente soltanto perché non ricompra ogni mese.\u003c/p\u003e\n\u003cp\u003ePorta in riunione questa frase: “Per questo segmento, tornare significa ___; la prima evidenza che possiamo osservare è ___”. Se la frase resta vuota, la campagna arriva troppo presto.\u003c/p\u003e\n\u003ch3\u003e2. Separa i clienti per situazione, non soltanto per fatturato\u003c/h3\u003e\n\u003cp\u003eGuarda almeno chi ha iniziato a usare l’offerta, chi è bloccato e chi ha completato il primo bisogno. È una lettura operativa da integrare con valore economico, costi di servizio e potenziale; non sostituisce un’analisi completa della \u003ca href=\"https://www.aferrari.it/blog/strategia-marketing-pmi/\"\u003estrategia marketing della PMI\u003c/a\u003e.\u003c/p\u003e\n\u003cp\u003eNel mentoring metto ordine tra ciò che esiste prima di aggiungere strumenti: attività, informazioni, persone, responsabilità. Anche qui il primo intervento può essere una decisione sul cliente da seguire, non l’acquisto di un software.\u003c/p\u003e\n\u003ch3\u003e3. Cerca il primo valore nel percorso reale\u003c/h3\u003e\n\u003cp\u003eChe cosa deve accadere perché il cliente dica “questa cosa mi è servita”? Non confonderlo con la consegna amministrativa. Per un servizio può essere la prima applicazione; per un prodotto, l’uso corretto nel contesto per cui è stato comprato. Concorda il segnale con il cliente: non stabilirlo da solo dopo l’acquisto.\u003c/p\u003e\n\u003cp\u003eRicostruisci il \u003ca href=\"https://www.aferrari.it/blog/customer-journey-b2b/\"\u003ecustomer journey B2B\u003c/a\u003e partendo da una relazione reale. In quale passaggio il cliente deve aspettare, ripetere informazioni o fare qualcosa che non aveva capito? Quello è un posto concreto dove cercare attrito.\u003c/p\u003e\n\u003ch3\u003e4. Dai al contenuto un lavoro preciso\u003c/h3\u003e\n\u003cp\u003eUn contenuto post acquisto deve aiutare a compiere un passo: preparare il materiale, usare una funzione, interpretare un risultato, chiedere assistenza. Se il problema è operativo, un tutorial mirato può essere più utile di un nuovo articolo celebrativo sull’azienda.\u003c/p\u003e\n\u003cp\u003eScrivi accanto a ogni contenuto: “Dopo averlo visto, il cliente può ___”. Se rispondi “conoscerci meglio”, verifica se questo serve davvero nella fase in cui si trova. Il valore non coincide con la quantità di comunicazione.\u003c/p\u003e\n\u003ch3\u003e5. Assegna il passaggio a una persona\u003c/h3\u003e\n\u003cp\u003eUna decisione senza responsabile, scadenza e verifica resta un’intenzione. Marketing può progettare il percorso, il commerciale raccogliere il bisogno e chi eroga controllare l’applicazione. Ma il cliente non deve inseguire tre persone per capire chi prende in carico il suo caso.\u003c/p\u003e\n\u003cp\u003eL’AI può aiutare a ordinare note anonimizzate o preparare una bozza di messaggio. La scelta di cosa promettere, quali ostacoli affrontare e quale priorità dare resta una responsabilità umana. Prima di automatizzare una sequenza, verifica che il passaggio abbia già un proprietario e un criterio di riuscita.\u003c/p\u003e\n\u003ch3\u003e6. Guarda il primo indicatore che cambia\u003c/h3\u003e\n\u003cp\u003eConfronta clienti e periodi comparabili. Osserva avvio, utilizzo, problemi risolti e riacquisto secondo il tuo modello di business. Il numero finale di clienti persi ti dice che esiste un problema; la sequenza degli eventi ti aiuta a cercarne il punto di rottura.\u003c/p\u003e\n\u003cp\u003eLa scheda di tre clienti serve a trovare domande e ipotesi, non a stimare il churn del portafoglio. Per decidere su investimenti e processi allarga l’analisi a dati completi e confrontabili. Se il CRM non registra un passaggio, il dato è mancante: non equivale a zero clienti interessati.\u003c/p\u003e\n\u003cfigure\u003e\u003cimg src=\"https://uploads3.fw360.it/uploads/env/4/15764/img/pages/gallery/retention-marketing-pmi-sistema-riacquisto.png?v=1791659947\" alt=\"Mappa delle sei scelte di retention marketing: obiettivo, segmenti, percorso, valore, responsabilità e verifica\" width=\"1400\" height=\"1800\" loading=\"eager\" style=\"display:block!important;width:100%!important;max-width:100%!important;height:auto!important\"\u003e\u003cfigcaption\u003eSchema operativo di sintesi dell’articolo. I sei passaggi sono una proposta di lavoro, non un benchmark di risultati.\u003c/figcaption\u003e\u003c/figure\u003e\n\u003ch2\u003eLa riunione utile finisce con una riga compilata\u003c/h2\u003e\n\u003cp\u003eEcco un modello da copiare. Compilalo dopo aver verificato il caso, non al posto di verificarlo. Ti costringe a collegare il sintomo alla prossima evidenza da raccogliere.\u003c/p\u003e\n\u003cdiv class=\"ecos-template\"\u003eSEGMENTO / RELAZIONE: [senza dati riservati]\nEVENTO ATTESO: [quale continuità avrebbe senso]\nULTIMO PASSAGGIO VERIFICATO: [evento e data]\nPRIMO PASSAGGIO INCERTO: [che cosa non sappiamo]\nIPOTESI DA CONTROLLARE: [una, non cinque]\nEVIDENZA DA RACCOGLIERE: [riscontro del cliente o dato operativo]\nRESPONSABILE: [una persona]\nDATA DI VERIFICA: [data concordata]\nDECISIONE DOPO LA VERIFICA: [proseguire / correggere / sospendere]\u003c/div\u003e\n\u003cp\u003e\u003cstrong\u003eEsempio di compilazione, non un caso cliente:\u003c/strong\u003e “Il servizio è stato consegnato, ma non sappiamo se è stato usato. Prima di proporre una nuova fase, il referente verifica il primo utilizzo nella data concordata”. È una decisione piccola, ma produce informazione utile. “Mandiamo una newsletter a tutti” non chiarisce quel dubbio.\u003c/p\u003e\n\u003ch2\u003eGuarda il video, poi torna sul tuo caso\u003c/h2\u003e\u003cp\u003eNel video mostro i cinque controlli che uso prima di cambiare qualcosa in azienda e racconto anche un errore fatto in un mio progetto: l’azione aveva preso più spazio dell’analisi. Guardalo con la scheda aperta. La domanda da riportare al tuo caso è: \u003cstrong\u003equal è il primo passaggio che si è deteriorato, prima del risultato finale?\u003c/strong\u003e\u003c/p\u003e\u003ciframe class=\"ecos-video\" src=\"https://www.youtube-nocookie.com/embed/AJNgK9QRK9c\" title=\"Fatturato in calo? 5 controlli prima di prendere decisioni sbagliate — Alessandro Ferrari\" loading=\"lazy\" allow=\"encrypted-media; picture-in-picture; fullscreen\" allowfullscreen style=\"width:100%!important;max-width:100%!important;aspect-ratio:16/9!important;height:auto!important;border:0!important\"\u003e\u003c/iframe\u003e\u003cp\u003e\u003csmall\u003eAlessandro Ferrari · 8 settembre 2026. \u003ca href=\"https://www.youtube.com/watch?v=AJNgK9QRK9c\"\u003eApri «Fatturato in calo? 5 controlli prima di prendere decisioni sbagliate» su YouTube\u003c/a\u003e.\u003c/small\u003e\u003c/p\u003e\n\u003ch2\u003eLa relazione continua quando i tre pezzi lavorano insieme\u003c/h2\u003e\n\u003cp\u003eQui abbiamo deciso dove guardare e quale verifica fare. Sul lato commerciale, passa al \u003ca href=\"https://www.assodellavendita.it/fidelizzazione-b2b/\"\u003eprocesso di fidelizzazione B2B dal primo ordine al rinnovo\u003c/a\u003e. Per tradurre il prossimo passo in un messaggio comprensibile, usa l’\u003ca href=\"https://www.afcformazione.it/blog/comunicazione-post-vendita/\"\u003eofficina della comunicazione post vendita\u003c/a\u003e. La strategia definisce la priorità, la vendita prende in carico la relazione, la comunicazione rende eseguibile il passo.\u003c/p\u003e\n\u003ch2\u003eDue domande che evitano una falsa partenza\u003c/h2\u003e\n\u003ch3\u003eDevo fare uno sconto per far tornare il cliente?\u003c/h3\u003e\n\u003cp\u003ePrima verifica perché si è fermato. Se non ha potuto usare ciò che ha acquistato, ridurre il prezzo della fase successiva non risolve quel blocco. Uno sconto è una scelta commerciale da valutare sul caso, non la risposta automatica a un mancato riacquisto.\u003c/p\u003e\n\u003ch3\u003ePosso delegare tutto all’automazione?\u003c/h3\u003e\n\u003cp\u003ePuoi automatizzare un promemoria o una consegna definita. Non dare però alla sequenza il compito di diagnosticare da sola una relazione che non comprendi. Quando il cliente segnala un ostacolo, serve una presa in carico che cambi il lavoro successivo.\u003c/p\u003e\n\u003ch2\u003eHai individuato il punto incerto? Porta quello al confronto\u003c/h2\u003e\n\u003cdiv class=\"ecos-cta\"\u003e\u003cp\u003eNon serve arrivare con un progetto già pronto. Se la scheda ha fatto emergere un passaggio che non sai come verificare, \u003ca href=\"https://www.aferrari.it/primo-confronto/\"\u003erichiedi un primo confronto gratuito con me\u003c/a\u003e: partiamo da quel caso per capire quale approfondimento ha senso. Il passo successivo può essere una verifica interna, oppure una diagnosi con CHECKUP.ZERO se il problema richiede un’analisi più strutturata.\u003c/p\u003e\u003c/div\u003e\u003c/div\u003e\n\u003cscript src=\"https://uploads3.fw360.it/uploads/env/4/15764/img/files/connector-assets/ecosistema-clienti-che-restano-20261010-v1.js?v=ffb72b2e\" defer\u003e\u003c/script\u003e\n\u003cscript data-cluster-schema=\"clienti-che-restano\"\u003e(function(){\"use strict\";const config={\"/blog/segmentazione-clienti-b2b/\": {\"keywords\": [\"segmentazione clienti\", \"segmentazione b2b\", \"clienti strategici\", \"priorità clienti\"]}, \"/blog/customer-lifetime-value-pmi/\": {\"keywords\": [\"customer lifetime value\", \"clv\", \"valore del cliente\", \"margine cliente\"]}, \"/blog/customer-marketing-post-acquisto/\": {\"keywords\": [\"customer marketing\", \"marketing clienti acquisiti\", \"contenuti post acquisto\", \"inbound marketing\"]}, \"/blog/referral-marketing-b2b/\": {\"keywords\": [\"referral marketing\", \"passaparola b2b\", \"programma referral\", \"misurazione referral\"]}, \"/blog/churn-rate-clienti/\": {\"keywords\": [\"churn rate\", \"customer churn\", \"tasso di abbandono clienti\", \"segnali di perdita clienti\"]}, \"/blog/retention-marketing-pmi/\": {\"keywords\": [\"retention marketing\", \"customer retention\", \"customer lifetime value\", \"churn rate\"]}};function run(){const c=config[location.pathname];if(!c)return;const headline=document.querySelector(\"h1\")?.textContent?.trim();const description=document.querySelector('meta[name=\"description\"]')?.content;for(const script of document.querySelectorAll('script[type=\"application/ld+json\"]')){let data;try{data=JSON.parse(script.textContent)}catch{continue}let changed=false;function visit(node){if(!node||typeof node!==\"object\")return;const types=Array.isArray(node[\"@type\"])?node[\"@type\"]:[node[\"@type\"]];if(types.some(t=\u003e[\"Article\",\"NewsArticle\",\"BlogPosting\"].includes(t))){node[\"@type\"]=\"BlogPosting\";node.keywords=c.keywords.join(\", \");const url=\"https://www.aferrari.it\"+location.pathname;node[\"@id\"]=url+\"#article\";node.url=url;node.mainEntityOfPage={\"@type\":\"WebPage\",\"@id\":url};node.author={\"@type\":\"Person\",\"@id\":\"https://www.aferrari.it/#person\",name:\"Alessandro Ferrari\",url:\"https://www.aferrari.it/chi-sono-alessandro-ferrari/\"};if(headline)node.headline=headline;if(description)node.description=description;node.inLanguage=\"it-IT\";changed=true;}if(Array.isArray(node)){node.forEach(visit)}else if(Array.isArray(node[\"@graph\"])){node[\"@graph\"].forEach(visit)}}visit(data);if(changed){data[\"@context\"]=\"https://schema.org\";script.textContent=JSON.stringify(data);script.dataset.clusterArticle=\"clienti-che-restano\";}}}if(document.readyState===\"loading\")document.addEventListener(\"DOMContentLoaded\",run,{once:true});else run();})();\u003c/script\u003e"}}}]}]},{"type":"settings","json":{"css":"","deviceOnly":{}}}]

Intelligenza artificiale in azienda: il metodo per passare dai test isolati a risultati governabili

2026-10-11T20:26:00+02:00

Per introdurre l’intelligenza artificiale in azienda serve partire da un problema misurabile, non dal tool. Bisogna mappare il processo attuale, scegliere un caso d’uso circoscritto, definire dati e limiti, assegnare responsabilità umane, testare su un perimetro controllato e decidere con KPI chiari se estendere, correggere o fermare il progetto.

In questa guida ti propongo la mia mappa in sei passaggi. Non è un catalogo di applicazioni. È uno strumento per prendere una decisione migliore.

Se nella tua azienda qualcuno usa già ChatGPT, Copilot, Gemini o un’altra piattaforma, non significa che abbiate davvero introdotto l’intelligenza artificiale in azienda. Significa soltanto che avete iniziato a usarne qualche funzione.

La differenza è più importante di quanto sembri.

Un test individuale può far risparmiare mezz’ora a una persona. Un sistema aziendale, invece, deve chiarire quale problema risolve, quali dati utilizza, chi controlla l’output, chi risponde della decisione e quale indicatore deve migliorare. Se queste domande restano senza risposta, l’AI non elimina il caos: lo rende più veloce.

È un copione che conosco bene. Nelle PMI raramente manca la voglia di fare. Più spesso manca una gerarchia tra le cose da fare. Si aprono nuovi progetti, si provano strumenti, si assegnano attività a persone già sovraccariche e si spera che la tecnologia produca da sola un risultato. Ma il software più potente del mondo non è una strategia.

Il punto di rottura: quando l’AI entra prima della diagnosi

Per molti anni ho lavorato in contesti commerciali, manageriali e formativi molto diversi tra loro. Ho visto tecnologie cambiare, modelli organizzativi diventare di moda e poi essere sostituiti. Una cosa, però, è rimasta stabile: quando una soluzione entra prima che il problema sia stato definito, l’organizzazione finisce per adattarsi allo strumento invece di usare lo strumento per migliorare l’organizzazione.

Con l’AI questo rischio cresce perché la barriera d’ingresso è bassissima. Basta aprire un account e scrivere un prompt. Da quel momento si crea facilmente l’illusione che l’azienda stia innovando.

La domanda che faccio è più scomoda: che cosa funziona meglio, in quale processo, grazie a questo uso dell’AI?

Se la risposta è “produciamo più contenuti”, non basta. Quei contenuti sono più utili? Più coerenti? Portano a una decisione? Fanno risparmiare tempo reale considerando anche revisione e correzioni? Se la risposta è “facciamo prima le offerte”, voglio sapere se l’offerta è più accurata, se conserva margini e vincoli, se arriva alla persona giusta e se qualcuno verifica gli errori.

La velocità è un vantaggio soltanto quando accelera un processo sano. Se accelera ambiguità, dati sporchi o responsabilità confuse, aumenta il costo dell’errore.

La mappa “Dal caos ai risultati” per l’AI in azienda

Ho costruito questa mappa per evitare due estremi: aspettare all’infinito per paura e adottare tutto per entusiasmo. I sei passaggi non richiedono una trasformazione gigantesca. Richiedono disciplina.

La mappa “Dal caos ai risultati” per trasformare un test AI in un progetto governabile.

1. Definisci il risultato prima del caso d’uso

Non partire da “dove possiamo usare l’AI?”. Parti da “dove si rompe oggi il risultato?”.

Può rompersi perché il customer care risponde lentamente, perché il commerciale dimentica i follow-up, perché le riunioni producono verbali ma non azioni, perché i preventivi richiedono troppi passaggi o perché le informazioni restano disperse tra cartelle e persone.

Scrivi il problema in una frase osservabile:

Oggi accade X, con questa frequenza o conseguenza; vogliamo portarlo a Y entro un periodo definito.

Se non riesci a formulare la frase senza nominare un software, non hai ancora definito il problema.

2. Mappa il processo reale, non quello dichiarato

Le procedure ufficiali descrivono come l’azienda dovrebbe funzionare. Il caso d’uso AI deve partire da come funziona davvero.

Chi riceve l’informazione? Dove la salva? Chi la rielabora? Dove si perde? Chi aspetta una risposta? Quale passaggio dipende dalla memoria di una sola persona? Quali eccezioni sono frequenti?

Nel mio lavoro di diagnosi, questo passaggio cambia spesso la prospettiva. Un problema che sembrava tecnologico diventa un problema di ownership. Un problema attribuito alla scarsa produttività diventa una richiesta poco chiara. Un problema di dati diventa un problema di regole mai decise.

L’AI può aiutare, ma deve entrare nel punto giusto del processo.

3. Valuta dati, contesto e rischio

Un sistema generativo può produrre un testo plausibile anche quando parte da informazioni incomplete. Per questo la qualità percepita non coincide con l’affidabilità.

Prima del test chiarisci:

quali dati entrano nel sistema;
se contengono informazioni personali, riservate o strategiche;
chi è autorizzato a usarli;
quali fonti sono considerate valide;
quali errori sono tollerabili e quali no;
che cosa deve essere sempre verificato da una persona.

Il NIST, nel suo AI Risk Management Framework, propone di governare, mappare, misurare e gestire il rischio lungo il ciclo di vita dell’AI. È un’impostazione che condivido perché riporta l’attenzione sul processo, non sulla meraviglia dell’output. Anche l’AI Act europeo rende sempre più concreta la necessità di trasparenza, competenze e supervisione in base all’uso effettivo del sistema.

Non serve trasformare ogni PMI in un ufficio legale. Serve smettere di trattare dati e decisioni come se fossero neutri.

4. Assegna un proprietario e una verifica umana

Una decisione senza responsabile, scadenza e verifica resta un’intenzione. Vale anche per l’AI.

Per ogni caso d’uso servono almeno tre ruoli, che nelle aziende piccole possono coincidere ma devono essere espliciti:

owner del risultato: risponde dell’effetto sul processo;
utilizzatore: esegue il flusso e segnala anomalie;
revisore: verifica qualità, rischio e coerenza prima che l’output produca conseguenze.

L’AI può preparare una bozza, confrontare scenari, riordinare informazioni o segnalare incoerenze. Non può assumersi la responsabilità manageriale della scelta. Il controllo umano non è un passaggio cosmetico: deve avere criteri e tempo reale per essere svolto.

5. Esegui un pilota piccolo ma misurabile

Un buon pilota non cerca di dimostrare che l’AI è straordinaria. Cerca di capire se quel caso d’uso produce valore nel vostro contesto.

Scegli un perimetro limitato: un tipo di documento, un segmento di richieste, una parte del follow-up, una riunione ricorrente, un gruppo ristretto di persone. Conserva un confronto con il processo precedente e misura anche il lavoro nascosto: preparazione, controllo, correzione, gestione degli errori.

Ho imparato in Barilla quanto metodo, reporting e responsabilità cambino la qualità dell’esecuzione. La lezione che porto ancora oggi è semplice: un’attività non diventa governabile perché è stata fatta una volta bene. Diventa governabile quando il processo è leggibile, ripetibile e verificabile.

6. Decidi: estendere, correggere o fermare

Il pilota deve concludersi con una decisione. Non con “sembra interessante”.

Estendi se il valore è evidente e i rischi sono controllati. Correggi se l’idea è valida ma il processo, i dati o le competenze non sono pronti. Ferma se il beneficio è marginale, se la supervisione costa più del risparmio o se il caso d’uso crea un rischio sproporzionato.

Fermare un progetto debole non è un fallimento. È governance.

1. Risultato	Dove si rompe oggi il risultato?	Problema osservabile e target	Il progetto nasce dal tool
2. Processo	Come avviene davvero il lavoro?	Mappa di passaggi, attese e ownership	Il flusso esiste solo “sulla carta”
3. Dati e rischio	Quali informazioni entrano e quali errori possiamo tollerare?	Fonti, limiti e controlli	Dati sensibili o fonti non governate
4. Responsabilità	Chi risponde del risultato?	Owner, utilizzatore e revisore	“Controllano tutti”
5. Pilota	Come confrontiamo prima e dopo?	Perimetro, baseline e KPI	Nessun criterio di successo
6. Decisione	Estendiamo, correggiamo o fermiamo?	Decisione motivata e prossimo controllo	Il test resta permanente

La scorecard: sei domande prima di acquistare un altro strumento

Attribuisci da 0 a 2 punti a ciascuna domanda: 0 significa “non definito”, 1 “parzialmente”, 2 “chiaro e verificabile”.

Il problema è formulato senza nominare il software?
Conosciamo il processo attuale e il suo costo reale?
Sappiamo quali dati useremo e quali non useremo?
Esiste una persona responsabile del risultato e una della verifica?
Abbiamo una baseline e uno o due indicatori decisivi?
Abbiamo stabilito in anticipo quando fermare il test?

Con 0–4 punti sei ancora nella fase dell’entusiasmo. Con 5–8 hai un’ipotesi, ma non ancora un progetto governabile. Con 9–12 puoi progettare un pilota, purché i rischi specifici siano stati controllati.

Questa scorecard non sostituisce una valutazione tecnica, legale o di sicurezza quando necessaria. Serve a impedire che l’azienda compri una soluzione prima di avere costruito una domanda sensata.

Il prompt operativo per progettare un caso d’uso AI

Puoi copiare questo prompt e compilarlo con informazioni non riservate. Il suo valore non è ottenere una risposta automatica, ma obbligarti a definire il progetto.

Agisci come facilitatore di un pre-audit, non come decisore. Il processo che voglio analizzare è [PROCESSO]. Oggi parte da [INPUT], coinvolge [RUOLI], produce [OUTPUT] e si rompe soprattutto quando [PROBLEMA OSSERVABILE]. Il risultato che vogliamo migliorare è [RISULTATO], misurato con [KPI E BASELINE]. I dati disponibili sono [DATI] e non devono essere usati [DATI ESCLUSI]. Gli errori non tollerabili sono [ERRORI]. Proponi tre casi d’uso AI circoscritti. Per ciascuno indica: passaggio coinvolto, beneficio ipotizzato, prerequisiti, rischio, controllo umano, metrica, criterio di stop. Non suggerire prodotti. Evidenzia ciò che manca per decidere.

La parte più importante è l’ultima frase: “evidenzia ciò che manca”. Un buon uso dell’AI non riempie automaticamente i vuoti. Li rende visibili.

Tre errori che fanno fallire l’adozione dell’AI nelle PMI

Confondere produttività individuale e valore aziendale

Una persona può scrivere più velocemente senza che il processo migliori. Se il testo deve essere riscritto, se aumenta le revisioni o se produce comunicazioni incoerenti, il guadagno è apparente.

Misura il ciclo completo, non i minuti del primo output.

Automatizzare un’ambiguità

Se due reparti usano definizioni diverse di “lead qualificato”, un modello non risolve il conflitto. Può renderlo invisibile dentro un punteggio elegante.

Prima allinea significati, responsabilità e decisioni. Poi valuta l’automazione.

Delegare il giudizio

L’AI è molto utile per organizzare alternative, sintetizzare documenti e porre domande che avevamo trascurato. Io stesso la uso per trasformare la mia abbondanza di idee in ordine, priorità e piani più leggibili. Ma proprio l’esperienza mi ha insegnato a non scambiare una risposta ben scritta per una decisione corretta.

Io porto contesto, vissuto, responsabilità e criteri. L’AI porta velocità, confronto e capacità di elaborazione. Questa è una collaborazione utile. La delega cieca non lo è.

Chi deve guidare l’intelligenza artificiale in azienda?

Non esiste un unico ruolo valido per tutte le imprese. Il proprietario del progetto deve però stare vicino al risultato di business, non soltanto alla tecnologia.

L’IT o il fornitore possono valutare architettura, sicurezza e integrazioni. Il legale e chi si occupa di privacy devono intervenire quando dati e casi d’uso lo richiedono. Ma una persona di business deve rispondere della domanda iniziale: perché lo stiamo facendo e che cosa deve cambiare?

Nelle PMI può essere l’imprenditore, un responsabile di funzione o un piccolo gruppo. Il punto non è creare un comitato. È evitare che il progetto non appartenga a nessuno.

Quando il problema attraversa comunicazione, marketing, vendite e responsabilità interne, un percorso di consulenza e mentoring aziendale può aiutare a costruire criteri e priorità prima di aggiungere un altro strumento.

Come capire se l’AI sta creando valore

Scegli pochi indicatori, legati al caso d’uso:

tempo totale di ciclo, inclusa la revisione;
errori o rilavorazioni;
rispetto di una scadenza;
qualità valutata con criteri espliciti;
adozione reale da parte delle persone;
decisioni o azioni prodotte;
rischio e incidenti registrati.

Non usare automaticamente “numero di contenuti generati” o “numero di prompt” come prova di valore. Sono misure di attività, non di risultato.

FAQ sull’intelligenza artificiale in azienda

Da quale processo conviene iniziare?

Da un processo frequente, circoscritto, osservabile e abbastanza importante da generare valore, ma non così critico da rendere pericoloso un primo test. Deve avere un owner e una baseline minima.

L’AI in azienda è adatta anche a una piccola impresa?

Sì, ma le PMI hanno meno margine per assorbire progetti vaghi. Per questo conviene iniziare da un solo caso d’uso, evitare dati non governati e misurare il costo completo del flusso.

Serve una policy prima di iniziare?

Serve almeno un insieme essenziale di regole: strumenti ammessi, dati vietati, responsabilità, controllo umano, gestione degli errori e trasparenza. La complessità della policy deve crescere con rischio e perimetro.

Come si evita che i collaboratori usino strumenti AI in modo disordinato?

Non basta vietare. Bisogna offrire criteri, esempi di uso consentito, formazione e un canale per chiedere. Le persone aggirano le regole quando non capiscono il rischio o quando il processo ufficiale non risponde al bisogno reale.

Quanto deve durare un pilota?

Abbastanza da osservare più cicli reali, non così tanto da diventare una sperimentazione senza decisione. La durata dipende dalla frequenza del processo; data di verifica e criteri di stop vanno stabiliti prima.

Dall’AI come esperimento all’AI come scelta aziendale

L’intelligenza artificiale in azienda non è una gara a chi installa più strumenti. È una prova di chiarezza manageriale.

Quando obiettivo, processo e responsabilità sono definiti, l’AI può diventare una leva potente. Può far emergere pattern, ridurre lavoro ripetitivo, preparare decisioni e migliorare la qualità della conoscenza condivisa. Quando questi elementi mancano, produce output in più dentro un sistema che non sa che cosa farsene.

Io non credo che una PMI debba aspettare. Credo che debba smettere di confondere velocità con direzione.

La governance dell’AI non vive isolata. Richiede una leadership digitale nell’era dell’AI capace di guidare persone e responsabilità; nel processo commerciale richiede una mappa specifica dell’intelligenza artificiale nelle vendite.

Hai molti test AI ma non sai quale problema affrontare per primo?

Prima di aggiungere un altro strumento, serve capire dove si disperdono tempo, responsabilità e risultati tra marketing, vendite, persone e processi. CHECKUP.ZERO ti aiuta a identificare la prima priorità su cui intervenire.

Scopri con CHECKUP.ZERO dove si rompe il risultato

Fonti e approfondimenti

Commissione europea, quadro normativo dell’AI Act
NIST, AI Risk Management Framework
OECD, AI adoption by small and medium-sized enterprises

Governance aziendale: come trasformare decisioni, responsabilità e controlli in risultati

2026-10-11T20:26:00+02:00

La governance aziendale è l’insieme di regole, ruoli, organi e processi con cui un’impresa prende decisioni, assegna responsabilità, gestisce i rischi e verifica i risultati. La corporate governance riguarda anche proprietà, consiglio di amministrazione, controlli e relazioni con gli stakeholder; nella vita quotidiana di una PMI, però, la governance deve tradursi in un sistema operativo comprensibile.

In parole semplici: la governance stabilisce chi può decidere che cosa, con quali informazioni, entro quali limiti e con quale responsabilità sul risultato.

La governance aziendale non si vede nei giorni facili. Si vede quando una decisione attraversa più funzioni, quando le priorità entrano in conflitto e quando un risultato non arriva: chi decide, chi esegue, chi controlla e chi risponde?

Nelle PMI il problema raramente è l’assenza totale di impegno. Spesso accade il contrario: tutti lavorano, tutti intervengono, tutti cercano di aiutare. Eppure le decisioni cambiano passando da una riunione all’altra, le responsabilità si sovrappongono e il controllo arriva quando ormai è troppo tardi.

È qui che la governance smette di essere una parola da consiglio di amministrazione e diventa un tema operativo.

Ho imparato molto presto il valore di metodo, reporting e responsabilità. Negli anni trascorsi in Barilla e poi nei ruoli commerciali e manageriali, ho visto una differenza decisiva: un obiettivo non diventa più concreto perché viene ripetuto con convinzione. Diventa concreto quando ha un responsabile, risorse, una scadenza, un criterio di verifica e un luogo in cui gli scostamenti vengono discussi.

Governance aziendale e management non sono la stessa cosa

Governance e management lavorano insieme, ma rispondono a domande diverse.

La governance definisce direzione, poteri, confini, responsabilità e controlli.
Il management organizza persone e risorse per eseguire le decisioni.
L’operatività trasforma piani e priorità in attività quotidiane.

Quando questi livelli si confondono, l’imprenditore finisce dentro ogni dettaglio, i manager non sanno fin dove possono decidere e le persone attendono conferme anche per scelte ordinarie. Il risultato è un’organizzazione apparentemente prudente, ma in realtà lenta e fragile.

Una buona governance non toglie autonomia. Le dà un perimetro.

Dove si rompe la governance nelle PMI

Nella mia esperienza, il caos organizzativo non nasce sempre da una mancanza di procedure. Può nascere anche da procedure numerose che nessuno collega alle decisioni reali.

I segnali più frequenti sono questi:

la stessa decisione viene riaperta più volte;
due persone credono di avere l’ultima parola sullo stesso tema;
un progetto ha molte attività ma nessun owner del risultato;
i numeri vengono letti senza decidere che cosa cambiare;
il controllo coincide con la ricerca del colpevole;
le eccezioni diventano la norma;
l’imprenditore è il collo di bottiglia di ogni approvazione.

Se riconosci uno di questi segnali, non aggiungere subito una nuova riunione o un nuovo software. Prima chiediti: dove smette la decisione di diventare esecuzione?

La mappa delle 6R della governance aziendale

Per rendere la governance applicabile uso sei domande. Le chiamo le 6R: risultato, ruolo, regola, risorsa, revisione e responsabilità.

Le 6R trasformano una decisione in un sistema eseguibile e verificabile.

1. Risultato: che cosa deve cambiare davvero?

Una decisione utile descrive un risultato osservabile. “Migliorare il commerciale” non basta. Serve specificare quale parte del sistema deve cambiare: velocità di risposta, qualità delle opportunità, marginalità, conversione, continuità del follow-up o accuratezza delle previsioni.

Il risultato non deve essere sempre una metrica finanziaria. Può essere anche un comportamento verificabile o un rischio ridotto. Ma deve permettere di distinguere progresso e attività.

2. Ruolo: chi ha il diritto di decidere?

Molte organizzazioni assegnano compiti senza assegnare autorità. Una persona diventa responsabile di un risultato, ma ogni scelta deve essere approvata altrove. Oppure riceve autonomia senza limiti chiari e scopre i confini soltanto quando li supera.

Per ogni decisione importante chiarisci almeno quattro ruoli:

chi decide;
chi prepara dati e alternative;
chi deve essere consultato;
chi deve essere informato.

Non servono sigle complicate se il team non le usa. Serve una frase che nessuno possa interpretare in due modi.

3. Regola: quali criteri non sono negoziabili?

Una regola utile riduce ambiguità senza bloccare il giudizio. Può riguardare budget, qualità, margine, privacy, sicurezza, reputazione o promessa al cliente.

Le regole devono essere poche, visibili e collegate a decisioni reali. Se ogni eccezione richiede una trattativa informale, la regola non sta governando il processo: lo sta complicando.

4. Risorsa: che cosa serve per eseguire?

Tempo, persone, dati, competenze e strumenti sono parte della decisione. Ho visto progetti formalmente corretti fallire perché l’organizzazione non aveva tempo o capacità per applicarli. In questi casi il problema non era l’idea; era la distanza tra il progetto dichiarato e le condizioni reali di esecuzione.

Una decisione senza risorse è una delega apparente.

5. Revisione: quando controlliamo e che cosa guardiamo?

Il controllo non deve arrivare soltanto alla fine. Definisci in anticipo:

il primo segnale da osservare;
la frequenza della verifica;
la soglia che richiede una correzione;
la persona che prepara il dato;
la decisione possibile in caso di scostamento.

Così il reporting smette di essere una fotografia e diventa uno strumento di governo.

6. Responsabilità: chi risponde delle conseguenze?

Responsabilità non significa colpa. Significa che una persona ha il compito di spiegare la decisione, documentare ciò che è stato fatto, far emergere gli ostacoli e proporre il prossimo passo.

Quando tutti sono genericamente responsabili, nessuno lo è davvero.

La scheda decisione: un artifact da usare subito

Prima di chiudere una decisione che coinvolge più funzioni, compila questa scheda. Puoi copiarla in un documento, nel tuo sistema di project management o nel verbale della riunione.

DECISIONE — Che cosa stiamo decidendo, in una frase?
RISULTATO — Quale cambiamento osservabile ci aspettiamo?
OWNER — Chi risponde del risultato finale?
CONTRIBUTI — Chi prepara, chi viene consultato, chi viene informato?
LIMITI — Budget, regole, rischi e vincoli non negoziabili?
RISORSE — Tempo, persone, dati, competenze e strumenti disponibili?
PRIMA VERIFICA — Data, indicatore e soglia di attenzione?
SE NON FUNZIONA — Chi può correggere, sospendere o cambiare direzione?

Il valore della scheda non è riempire otto righe. È costringere il gruppo a rendere esplicito ciò che spesso resta implicito.

Tabella: dalla governance debole alla governance operativa

Decisioni	Si riaprono a ogni riunione	Sono registrate con criterio e owner	Chi può modificarle e perché?
Ruoli	Compiti senza autorità	Poteri e limiti espliciti	Fin dove puoi decidere da solo?
Controllo	Arriva tardi e cerca colpe	È periodico e orientato alla correzione	Quale segnale ci farà intervenire?
Dati	Molti numeri, poche decisioni	Pochi indicatori legati a scelte	Che cosa faremo se cambia questo numero?
Eccezioni	Si gestiscono informalmente	Hanno soglia, autorizzazione e traccia	Chi approva l’eccezione?

Governance aziendale senza burocrazia: il ciclo minimo

Per iniziare non serve progettare un sistema enorme. Serve un ciclo coerente:

definisci la decisione e il risultato;
assegna owner, contributi e limiti;
esegui con risorse e scadenze reali;
osserva pochi segnali utili;
correggi prima che lo scostamento diventi crisi;
apprendi e aggiorna la regola se il contesto è cambiato.

La governance diventa pesante quando moltiplica passaggi senza ridurre incertezza. Diventa utile quando ogni passaggio risponde a una domanda necessaria.

La cadenza minima di governo: giorno, settimana, mese

Un altro errore frequente è concentrare tutte le decisioni nella stessa riunione. Operatività, coordinamento e direzione strategica hanno tempi diversi. Se li mescoli, le urgenze quotidiane divorano i temi importanti e le persone escono con un elenco, non con priorità.

Puoi costruire una cadenza molto semplice:

ogni giorno o quando serve: eccezioni operative che bloccano cliente, qualità o continuità;
ogni settimana: avanzamento, ostacoli, owner e prossime azioni sui progetti prioritari;
ogni mese: risultati, scostamenti, rischi e decisioni di riallocazione;
ogni trimestre: direzione, ipotesi strategiche, competenze e investimenti da confermare o cambiare.

Ogni livello deve produrre un output diverso. L’incontro operativo chiude un blocco. La revisione mensile decide una correzione. Il confronto trimestrale può mettere in discussione l’impostazione.

Durante gli anni di responsabilità commerciale ho imparato che il reporting è utile soltanto quando arriva nel tempo giusto. Un dato perfetto letto dopo che l’opportunità è svanita non governa nulla. Per questo la cadenza deve essere progettata insieme alla decisione: non “quando abbiamo tempo”, ma quando è ancora possibile intervenire.

La regola che uso è questa: la frequenza del controllo deve essere più veloce della velocità con cui il problema può diventare irreversibile.

Il ruolo della tecnologia e dell’AI nella governance

Un software può registrare decisioni, distribuire attività, raccogliere dati e rendere visibili gli scostamenti. L’AI può sintetizzare documenti, confrontare scenari, far emergere assunzioni e preparare un comitato di direzione.

Ma il software più potente del mondo non è una strategia. Se non hai definito owner, criteri e soglie, digitalizzerai l’ambiguità.

Per introdurre l’AI nel sistema aziendale, ho costruito una mappa distinta che parte dai casi d’uso e arriva a responsabilità e KPI: la trovi nel pillar sull’intelligenza artificiale in azienda. Quando invece vuoi capire come dividere correttamente il lavoro cognitivo tra persona e macchina, il passaggio successivo è l’intelligenza simbiotica. Se la decisione riguarda il commerciale, la guida agli strumenti di vendita aiuta a scegliere lo stack partendo dal processo e non dalla demo del fornitore.

Un prompt per mettere alla prova una decisione di governance

Agisci come facilitatore critico, non come decisore. Analizza questa decisione aziendale: [DECISIONE]. Risultato atteso: [RISULTATO]. Ruoli coinvolti: [RUOLI]. Vincoli: [VINCOLI]. Evidenzia: 1) responsabilità non assegnate; 2) sovrapposizioni di autorità; 3) dati mancanti; 4) rischi ed eccezioni; 5) risorse incoerenti con l’obiettivo; 6) indicatore e data della prima verifica; 7) tre domande che il responsabile deve discutere con il team. Non inventare dati e non scegliere al posto nostro.

Il prompt non sostituisce la riunione. La rende più esigente.

Tre errori da evitare

Copiare il modello di un’azienda più grande

Un sistema pensato per una corporation può schiacciare una PMI sotto livelli di approvazione inutili. Parti dalle decisioni che oggi si rompono, non dall’organigramma ideale.

Confondere velocità e centralizzazione

Far decidere tutto all’imprenditore può sembrare veloce nel singolo caso. Nel tempo crea attesa, dipendenza e perdita di competenza nei manager.

Misurare senza costruire una conversazione

Un cruscotto non governa nulla se nessuno interpreta gli scostamenti e decide. Ogni KPI dovrebbe avere una domanda associata: “che cosa faremo se questo dato supera o non raggiunge la soglia?”

FAQ sulla governance aziendale

Qual è la differenza tra corporate governance e governance aziendale operativa?

La corporate governance comprende proprietà, organi societari, diritti, controlli e relazioni con gli stakeholder. La governance operativa traduce quei principi nella gestione quotidiana di decisioni, ruoli, rischi e verifiche.

Serve un consiglio di amministrazione per avere governance?

No. Anche una piccola impresa ha bisogno di chiarire poteri, responsabilità, criteri e controlli. La forma deve essere proporzionata a dimensione, rischi e complessità.

Governance significa più procedure?

Non necessariamente. Una buona governance elimina passaggi ridondanti e rende esplicite poche regole utili. Se aumenta burocrazia senza migliorare decisioni e accountability, è progettata male.

Come si capisce se i ruoli sono chiari?

Chiedi a due persone coinvolte nella stessa decisione chi ha l’ultima parola, chi deve essere consultato e quale risultato deve consegnare l’owner. Se le risposte divergono, il ruolo non è davvero chiaro.

Quali KPI servono alla governance aziendale?

Dipende dal risultato. Oltre agli indicatori economici possono servire tempi di decisione, scostamenti, eccezioni, qualità dei dati, rischi aperti e azioni correttive completate. Il KPI è utile soltanto se porta a una decisione.

La governance comincia nel punto in cui finisce l’ambiguità

Non devi trasformare l’azienda in un regolamento. Devi rendere leggibile il passaggio dall’intenzione al risultato.

Io parto sempre da una domanda: dove si rompe? Nella decisione, nel ruolo, nella risorsa, nella verifica o nella responsabilità? La risposta evita di aggiungere soluzioni al posto sbagliato.

La tua azienda prende decisioni, ma i risultati restano dispersi?

Prima di ridisegnare organigrammi o acquistare strumenti, individua il primo punto di rottura tra priorità, ruoli, processi e controllo.

Inizia da CHECKUP.ZERO e trova la prima priorità

Fonti e approfondimenti

OECD, G20/OECD Principles of Corporate Governance 2023
NIST, AI Risk Management Framework

AI readiness: come capire se la tua azienda è davvero pronta per l’intelligenza artificiale

2026-10-11T20:26:00+02:00

Un’azienda è pronta per l’AI quando ha almeno un caso d’uso collegato a un problema reale, un processo osservabile, dati utilizzabili, regole proporzionate al rischio, competenze adeguate, un responsabile e criteri per misurare il risultato. Se manca uno di questi elementi, il progetto può ancora partire, ma deve partire come esperimento circoscritto, non come trasformazione già decisa.

L’AI readiness non misura quanta intelligenza artificiale hai comprato. Misura quanto la tua azienda è pronta a usarla senza aggiungere altro caos. Ho visto troppe organizzazioni partire dal tool, dalla licenza o dal prompt e accorgersi soltanto dopo che mancavano un problema chiaro, dati affidabili, responsabilità e persone preparate.

Per questo, prima di chiedermi «quale strumento scegliamo?», io pongo una domanda più scomoda: dove si rompe oggi il risultato e quale parte di quella rottura può davvero essere migliorata dall’AI? In questa guida trovi una scorecard operativa in sette dimensioni, una tabella di interpretazione e un prompt da usare con il tuo team. Non è un test scientifico né una certificazione: è una diagnosi iniziale per decidere con più lucidità.

Che cos’è davvero l’AI readiness

Con AI readiness intendo il livello di preparazione con cui un’organizzazione può scegliere, introdurre, governare e migliorare sistemi di intelligenza artificiale. Non riguarda soltanto la tecnologia. Include strategia, processi, dati, persone, governance, adozione e misurazione.

Questa distinzione è importante. Un’impresa può avere ottimi software e una readiness bassa. Può anche avere pochi strumenti, ma un’ottima capacità di individuare problemi, sperimentare in sicurezza e imparare dai risultati. Nel secondo caso la maturità è più solida, perché non dipende dalla moda del momento.

Quando lavoro su progetti di analisi, organizzazione, knowledge base, contenuti e supporto decisionale, uso l’AI come leva. Non le consegno la direzione. La differenza sembra sottile, ma cambia tutto: una leva moltiplica la qualità del sistema su cui agisce; se il sistema è confuso, può moltiplicare anche la confusione.

AI readiness e implementazione dell’AI non sono lo stesso articolo

Questo contenuto risponde alla domanda «siamo pronti?». La guida sull’intelligenza artificiale in azienda risponde invece a «come passiamo dai test isolati a un progetto governabile?». Le due domande sono collegate, ma non intercambiabili.

La readiness viene prima della roadmap. Serve a capire se conviene accelerare, consolidare le fondamenta oppure limitare il perimetro. È qui che molte aziende saltano un passaggio: interpretano l’entusiasmo di alcune persone come preparazione organizzativa. Ma avere utenti curiosi non significa avere un processo pronto.

I sette segnali che dicono se la tua azienda è pronta

1. Problema e priorità

Il caso d’uso parte da un problema definito: tempo disperso, errori ricorrenti, informazioni difficili da recuperare, qualità non uniforme, decisioni lente. Non parte dal desiderio generico di «usare l’AI». Deve essere chiaro per chi esiste il problema, con quale frequenza si presenta e quale conseguenza produce.

2. Processo osservabile

Non puoi migliorare un flusso che nessuno sa descrivere. Prima dell’automazione servono input, passaggi, decisioni, output ed eccezioni. Nei miei anni di vendita quotidiana sul campo, poi nel management e nella direzione commerciale ho imparato che il reporting non è burocrazia quando rende visibile il punto in cui il lavoro si blocca. Con l’AI vale la stessa regola.

3. Dati e conoscenza

Quali fonti alimentano il sistema? Chi le aggiorna? Sono affidabili, autorizzate e sufficientemente ordinate? Un modello può produrre una risposta fluida anche quando la base informativa è debole. La fluidità non è una prova di correttezza.

4. Governance e rischio

Devono esistere regole comprensibili: quali strumenti sono ammessi, quali dati non devono essere inseriti, quando è obbligatorio il controllo umano, come si segnala un errore, chi può approvare un uso più sensibile. Il NIST AI Risk Management Framework organizza il lavoro attorno a governare, mappare, misurare e gestire il rischio. Non è una checklist da copiare, ma ricorda una verità essenziale: la gestione del rischio attraversa l’intero ciclo di vita.

5. Competenze e AI literacy

Le persone devono comprendere possibilità, limiti, rischi e responsabilità dell’uso che fanno. L’articolo 4 dell’AI Act collega l’alfabetizzazione AI alle conoscenze, all’esperienza, alla formazione e al contesto d’uso. Tradotto in azienda: non basta un corso identico per tutti. Un commerciale, una persona HR e chi gestisce dati sensibili hanno bisogni diversi.

6. Adozione e comportamento

La soluzione entra davvero nel lavoro quotidiano? Riduce attrito o lo sposta? Le persone sanno quando usarla e quando fermarsi? Una demo riuscita non dimostra l’adozione. L’adozione si vede quando il comportamento cambia in modo osservabile e sostenibile.

7. Misurazione e ownership

Ogni caso d’uso ha un owner, una baseline, una data di verifica e criteri di stop. Le misure possono riguardare tempo, errori, qualità, completezza, velocità o rischio, ma devono essere collegate al problema iniziale. Se nessuno è responsabile della verifica, l’esperimento diventa un’abitudine senza apprendimento.

La scorecard di AI readiness: sette dimensioni da leggere insieme, non sette caselle indipendenti.

La scorecard AI readiness: assegna un punteggio da 0 a 3

Per ogni dimensione assegna un valore. Usa evidenze, non impressioni:

0 — assente: non esiste un criterio condiviso;
1 — episodico: esistono iniziative locali o informali;
2 — definito: il criterio è descritto e applicato nel perimetro scelto;
3 — verificato: il criterio è applicato, misurato e migliorato.

Problema	Quale risultato vogliamo migliorare e per chi?	Il progetto parte dal nome del tool.
Processo	Input, passaggi, eccezioni e output sono visibili?	Ogni persona descrive un flusso diverso.
Dati	Fonti, qualità, permessi e aggiornamento sono noti?	Si usano file sparsi senza owner.
Governance	Regole, controllo umano e gestione errori sono definiti?	Ognuno usa ciò che vuole con qualsiasi dato.
Competenze	Le persone sanno usare e valutare l’AI nel proprio ruolo?	La formazione coincide con una demo.
Adozione	Il nuovo comportamento entra nel lavoro reale?	L’entusiasmo finisce dopo la prima settimana.
Misurazione	Owner, baseline, verifica e stop sono espliciti?	Il successo è definito come “lo stiamo usando”.

Come interpretare il punteggio senza trasformarlo in una falsa scienza

La somma massima è 21, ma il totale non racconta tutto. Una governance a zero, per esempio, non viene compensata da un ottimo punteggio nella curiosità del team. Usa queste fasce come orientamento:

0–7, fondamenta fragili: non scalare. Scegli un solo processo e metti ordine nelle condizioni minime.
8–14, sperimentazione governata: puoi avviare un pilota circoscritto, con dati controllati e verifica ravvicinata.
15–21, readiness operativa: puoi estendere, ma soltanto mantenendo owner, monitoraggio e formazione continua.

Non userei mai questo numero per dichiarare che un’azienda è «matura» in assoluto. Lo userei per rendere visibili divergenze. Se direzione, IT, HR e vendite attribuiscono punteggi molto diversi alla stessa dimensione, quella differenza è già un dato prezioso.

Il workshop di 45 minuti che farei prima di approvare un nuovo tool

5 minuti — scegli il problema: una sola frizione, descritta con un esempio reale.
10 minuti — disegna il processo: input, passaggi, decisioni, output ed eccezioni.
15 minuti — compila la scorecard: ogni funzione porta un’evidenza, non un’opinione.
10 minuti — definisci il pilota: perimetro, owner, dati ammessi, controllo umano, misura.
5 minuti — decidi: partire, preparare le fondamenta oppure rinunciare.

Il valore della sessione non è ottenere un voto alto. È evitare che il budget venga usato per coprire una rottura organizzativa che il software non può risolvere.

La readiness deve crescere con l’impatto del caso d’uso

Non chiederei lo stesso livello di formalizzazione a un assistente che riordina appunti già pubblici e a un sistema che influenza selezione del personale, credito, salute o accesso a un servizio. La preparazione richiesta deve crescere con sensibilità dei dati, autonomia del sistema, difficoltà di correggere l’errore e impatto sulle persone.

Per un uso interno a basso impatto può bastare un perimetro chiaro, dati non sensibili, revisione umana e una breve procedura. Quando il sistema prende o influenza decisioni importanti, servono competenze specialistiche, documentazione, test, monitoraggio, gestione degli incidenti e valutazioni legali adeguate. La scorecard aiuta a far emergere le domande, ma non sostituisce questi approfondimenti.

Farei quindi una seconda lettura dopo il punteggio: qual è la conseguenza del peggior errore plausibile? Se è minima e reversibile, posso apprendere con un pilota. Se può danneggiare una persona, esporre dati o compromettere una decisione rilevante, la soglia per partire deve essere molto più alta.

Questa logica evita due estremi che vedo spesso: bloccare qualsiasi sperimentazione per paura oppure trattare ogni uso come innocuo perché «è solo un assistente». La maturità non consiste nell’essere sempre prudenti o sempre veloci. Consiste nel saper proporzionare controllo, competenze e investimento alla situazione reale.

Prompt operativo: usa l’AI per criticare il progetto, non per approvarlo

Prompt da copiare

Agisci come revisore critico di un progetto AI aziendale. Non proporre strumenti finché non hai analizzato le informazioni. Ti fornirò: problema, processo, dati, persone coinvolte, regole, misura e owner. Per ciascuna delle sette dimensioni — problema, processo, dati, governance, competenze, adozione, misurazione — indica: 1) evidenze presenti; 2) assunzioni non dimostrate; 3) rischio principale; 4) domanda da chiarire; 5) intervento minimo prima del pilota. Concludi con una raccomandazione motivata tra: NON PARTIRE, PREPARARE LE FONDAMENTA, PILOTA CIRCOSCRITTO, ESTENDERE. Non inventare dati e segnala esplicitamente ciò che manca.

Tre errori che abbassano la readiness anche quando il progetto sembra avanzato

Confondere velocità con valore

Produrre un testo in trenta secondi non dimostra che quel testo serva, sia corretto o riduca il costo complessivo del lavoro. Devi includere revisione, correzioni, integrazione e rischio.

Formare tutti allo stesso modo

Una lezione generale può creare un vocabolario comune, ma l’applicazione deve cambiare per ruolo, processo e livello di rischio. Per questo nel cluster trovi una guida specifica sulla formazione sull’intelligenza artificiale in azienda.

Lasciare il manager fuori dal cambiamento

Se chi guida il team non sa osservare il nuovo comportamento, dare feedback e correggere il metodo, la formazione resta separata dal lavoro. Nel commerciale questo passaggio diventa sales coaching: allenamento su comportamenti osservabili, non controllo travestito.

La mia regola: prima la diagnosi, poi il tool

Dal 2009 progetto formazione e advisory in modo indipendente, dopo un percorso professionale iniziato vendendo ogni giorno sul campo e proseguito tra Barilla, GDO, buyer e responsabilità commerciali. Il filo che unisce queste esperienze è semplice: il metodo funziona quando responsabilità, comportamento e verifica stanno nello stesso sistema.

Oggi applico lo stesso principio all’AI. La uso per analizzare, organizzare, costruire knowledge base, preparare contenuti e sostenere decisioni. Ma non le attribuisco il compito di risolvere un obiettivo vago. L’AI readiness è la capacità di fare domande migliori prima di accelerare.

Domande frequenti sull’AI readiness

Che differenza c’è tra AI readiness e maturità digitale?

La maturità digitale riguarda in modo più ampio tecnologie, processi e cultura digitale. L’AI readiness si concentra sulle condizioni specifiche per scegliere, usare e governare sistemi AI: dati, rischio, controllo umano, competenze, adozione e misurazione.

Serve un assessment complesso per una PMI?

No. Serve un assessment proporzionato. Una PMI può iniziare con la scorecard in sette dimensioni su un singolo processo. Aumentano profondità e formalizzazione quando crescono rischio, dati coinvolti e impatto sulle persone.

Un punteggio basso significa che non dobbiamo usare l’AI?

Significa che non dovete scalare come se le fondamenta fossero già solide. Potete usare un pilota ristretto per imparare, purché dati, controllo umano, owner e criteri di stop siano chiari.

Chi dovrebbe partecipare alla valutazione?

Almeno il responsabile del processo, chi usa il sistema, chi governa dati e sicurezza e chi decide budget e priorità. Nei casi più sensibili vanno coinvolte anche le competenze legali e di compliance.

Ogni quanto va ripetuta?

Quando cambia il caso d’uso, il modello, il tipo di dato, il rischio o il perimetro; inoltre a una cadenza coerente con la velocità del progetto. La readiness non è un bollino permanente.

Hai molti test AI ma non sai quale fondamenta sistemare per prima?

La scorecard ti aiuta a vedere i segnali. Se il problema attraversa strategia, persone, processi e responsabilità, serve una diagnosi più ampia prima di aggiungere un’altra soluzione.

Usa “Dove si rompe?” per individuare la prima priorità

Fonti e approfondimenti

Unione europea, Regolamento (UE) 2024/1689, articolo 4
NIST, AI Risk Management Framework
OECD, AI adoption by small and medium-sized enterprises

Mappatura dei processi aziendali: come vedere dove il lavoro si blocca prima di automatizzare

2026-10-11T20:26:00+02:00

Per mappare un processo aziendale individua trigger, input, passaggi reali, decisioni, handoff, eccezioni, output, owner e misura. Osserva casi concreti, separa il flusso standard dalle deviazioni e valida la mappa con chi esegue il lavoro. Solo dopo decidi che cosa eliminare, semplificare, standardizzare o automatizzare.

La mappatura dei processi aziendali non serve a disegnare diagrammi eleganti. Serve a vedere come il lavoro avviene davvero: che cosa lo avvia, quali informazioni utilizza, dove si decide, a chi passa, quali eccezioni lo rallentano e chi risponde del risultato.

Quando un’azienda parte dall’automazione senza questa chiarezza, spesso rende più veloce proprio il punto sbagliato. Il problema non è lo strumento: è la distanza tra il processo immaginato e quello reale. Per questo, prima di parlare di software o intelligenza artificiale, io chiedo: dove si rompe il flusso e quale evidenza lo dimostra?

Che cos’è la mappatura dei processi aziendali

La mappatura dei processi aziendali, o process mapping, è la rappresentazione condivisa di come un risultato viene prodotto attraverso attività, decisioni, scambi di informazioni e responsabilità. Non descrive soltanto una sequenza. Mostra le relazioni che tengono insieme il lavoro.

Una buona mappa risponde ad alcune domande semplici e scomode: da quale evento parte il processo? Quale informazione è indispensabile? Dove il lavoro resta in attesa? Chi prende una decisione? Quante volte la pratica torna indietro? Quale output chiude davvero il flusso? Se queste risposte non sono visibili, il processo vive nella memoria delle persone e cambia a seconda di chi lo racconta.

Perché un processo dichiarato raramente coincide con quello reale

In riunione ascolto spesso descrizioni lineari: arriva la richiesta, la valutiamo, prepariamo la proposta, otteniamo l’approvazione e procediamo. Quando osserviamo due o tre casi reali emergono file mancanti, richieste informali, controlli duplicati, attese, rilavorazioni e decisioni che nessuno sapeva di prendere.

Non è necessariamente cattiva organizzazione. È il modo in cui le aziende si adattano: una persona costruisce una scorciatoia, un’altra aggiunge un controllo, un cliente chiede un’eccezione e il flusso cambia. Il problema nasce quando l’adattamento non viene più visto. La procedura ufficiale continua a raccontare una cosa; il lavoro quotidiano ne fa un’altra.

Negli anni in cui vendevo ogni giorno sul campo, prima con Mulino Bianco e poi in Barilla, ho imparato che distribuzione, esposizione, sell-in e sell-out non si governano da un’unica cifra finale. Serve capire il percorso che produce quel risultato: passaggi, persone, segnali e responsabilità. Più tardi, tra GDO, buyer, agenti e distributori, la stessa lezione è diventata ancora più evidente: un risultato commerciale è sempre il prodotto di un sistema di decisioni e handoff.

Le otto domande del mio canvas di process mapping

Il canvas in otto domande: prima osserva, poi semplifica, solo dopo automatizza.

1. Trigger: che cosa avvia il processo?

Un ordine, una richiesta del cliente, una scadenza, un reclamo, un lead qualificato o una decisione interna. Se il trigger è ambiguo, il processo inizia in momenti diversi e le priorità diventano negoziazioni continue.

2. Input: che cosa serve per lavorare?

Dati, documenti, approvazioni, materiali e conoscenze. Segna ciò che arriva incompleto e chi dovrebbe garantirne la qualità. Molti ritardi attribuiti all’esecuzione nascono prima, in un input non utilizzabile.

3. Passaggi: che cosa accade davvero?

Non chiedere soltanto «qual è la procedura?». Chiedi di raccontare l’ultimo caso concluso e segui le tracce: email, CRM, file, telefonate, verifiche. Il verbo deve descrivere un’azione osservabile.

4. Decisioni: dove si sceglie?

Ogni bivio richiede criteri, autorità e informazioni. Se una decisione vive soltanto nell’esperienza di una persona, hai un punto fragile, non ancora uno standard.

5. Handoff: a chi passa il lavoro?

Il passaggio tra funzioni è spesso il luogo in cui il contesto si perde. Specifica che cosa viene consegnato, in quale formato, con quale segnale di presa in carico e con quale tempo atteso.

6. Eccezioni: che cosa devia dal flusso?

Urgenze, dati mancanti, richieste fuori standard, errori e approvazioni speciali. Non disegnare una mappa perfetta che ignora metà del lavoro. Le eccezioni mostrano dove serve giudizio e dove si accumula costo invisibile.

7. Output: quale risultato deve uscire?

Definisci un output verificabile, non «pratica gestita». Può essere un’offerta approvata, un ordine completo, una decisione comunicata o un problema risolto con evidenza.

8. Owner e misura: chi risponde e come verifichiamo?

L’owner non deve fare ogni attività. Deve proteggere il risultato end-to-end, vedere le rotture e convocare le persone giuste per correggerle. La misura collega la mappa al valore.

Esempio: mappare il processo da lead a opportunità

Prendiamo un processo commerciale. Il trigger non è «abbiamo un nome»: può essere un segnale di interesse coerente con l’ICP. Gli input sono fonte, ruolo, azienda, bisogno ipotizzato e consenso al contatto. I passaggi includono ricerca, priorità, primo contatto, conversazione e qualifica. Le decisioni stabiliscono se approfondire, nutrire o chiudere. Gli handoff collegano marketing, sviluppo commerciale e venditore. Le eccezioni comprendono dati errati, interlocutore sbagliato e timing non maturo. L’output è una next step accettata, non una riga nel CRM.

Questa mappa chiarisce anche il confine con la sales prospecting: la pagina di Asso entra nel metodo di selezione, contatto e qualifica; qui il tema è rendere visibile l’intero sistema per decidere dove intervenire.

Trigger	Segnale di interesse coerente	Ogni nominativo entra nella pipeline
Decisione	Approfondire, nutrire o chiudere	Nessun criterio condiviso
Handoff	Contesto completo al venditore	Il cliente deve ripetere tutto
Output	Next step accettata	CRM pieno, opportunità vuote

Come condurre un workshop di mappatura in 60 minuti

Definisci il perimetro: un inizio e una fine, non «tutto il processo commerciale».
Porta due casi reali: uno fluido e uno problematico.
Disegna il flusso: attività, decisioni, attese e ritorni.
Segna gli handoff: chi consegna che cosa a chi.
Conta le eccezioni: almeno quelle più frequenti o costose.
Scegli una rottura: quella con impatto e possibilità di intervento.
Assegna owner e verifica: azione minima, data e segnale atteso.

Inviterei da quattro a sette persone: owner del processo, chi esegue passaggi chiave, una funzione a monte, una a valle e, quando utile, chi governa dati o sistemi. Una stanza piena di soli responsabili rischia di mappare il processo ideale; una stanza di soli esecutori può non avere il mandato per cambiare.

Dalla mappa alla diagnosi: dove si rompe?

Una mappa diventa utile quando produce una decisione. Classifico le rotture in cinque famiglie: input, decisione, handoff, eccezione e feedback. Per ciascuna cerco un’evidenza: rilavorazioni, attese, errori, ritorni, richieste incomplete, escalation o output rifiutati.

Qui si collega la riunione produttiva. La mappa porta fatti e punti di scelta; la riunione deve trasformarli in decisioni, owner e azioni. Se il gruppo ridiscute ogni volta il processo da zero, non ha una base comune. Se ammira la mappa ma non decide nulla, ha creato un poster.

Quando semplificare e quando automatizzare

Uso una sequenza precisa: eliminare, chiarire, semplificare, standardizzare, poi automatizzare. Eliminare un controllo inutile vale più che automatizzarlo. Chiarire un criterio decisionale può evitare cento richieste di approvazione. Standardizzare un input può risolvere errori che sembravano problemi di velocità.

L’automazione ha senso quando il processo è sufficientemente stabile, i dati sono disponibili, l’eccezione è riconoscibile e il controllo umano è proporzionato. La guida sull’AI readiness aiuta a verificare se queste condizioni esistono prima di portare l’intelligenza artificiale nel flusso.

Prompt per criticare una mappa di processo

Prompt da copiare

Agisci come facilitatore di process mapping. Ti fornirò trigger, input, passaggi, decisioni, handoff, eccezioni, output, owner e misure di un processo. Non proporre software. Prima: 1) segnala campi mancanti o vaghi; 2) individua attese, rilavorazioni e decisioni senza criterio; 3) separa il flusso standard dalle eccezioni; 4) formula cinque domande da fare alle persone che eseguono il lavoro; 5) proponi un esperimento minimo, reversibile e misurabile. Non inventare tempi, volumi o responsabilità.

Gli errori più frequenti nel process mapping

Mappare reparti invece di risultati

Il cliente non attraversa organigrammi: attraversa esperienze. Segui il risultato end-to-end, anche quando cambia funzione.

Confondere dettaglio con precisione

Una mappa con cento caselle può nascondere la domanda importante. Parti dal livello che rende visibili decisioni, handoff ed eccezioni; approfondisci soltanto dove serve.

Cercare il colpevole

La mappa deve rendere discutibile il sistema, non esporre una persona. Se viene usata per giudicare, le informazioni più utili spariscono.

Misurare soltanto la velocità

Un processo può essere rapido e produrre errori, rischio o clienti insoddisfatti. Considera qualità, completezza, rilavorazione e valore dell’output.

Non aggiornare la mappa

La mappa è un’ipotesi condivisa, non una tavola di legge. Va rivista quando cambiano mercato, responsabilità, strumenti o dati.

Il mio criterio: rendere visibile prima di rendere veloce

In oltre quarant’anni tra vendita, management, marketing, formazione e consulenza ho visto tecnologie diverse promettere lo stesso risultato: più controllo e più velocità. Funzionano quando entrano in un sistema che sa che cosa vuole ottenere. Falliscono quando coprono con uno schermo nuovo un processo che nessuno ha mai osservato fino in fondo.

Dal 2009, nel lavoro indipendente con imprenditori, manager e team, parto perciò dalla diagnosi. Non perché la mappa sia il fine, ma perché permette una conversazione migliore: meno opinioni generiche, più evidenze; meno liste di desideri, più decisioni verificabili.

Domande frequenti sulla mappatura dei processi

Qual è la differenza tra processo e procedura?

Il processo descrive come più attività e responsabilità producono un risultato end-to-end. La procedura spiega come eseguire in modo definito una parte del lavoro.

Serve un software per mappare i processi?

No. Per il primo workshop bastano fogli o una lavagna. Il software aiuta a conservare e condividere la mappa quando il metodo e l’ownership sono già chiari.

Quanto deve essere dettagliata una mappa?

Abbastanza da rendere visibili decisioni, handoff, eccezioni e responsabilità. Se il dettaglio non cambia una decisione, probabilmente è eccessivo.

Chi deve validare il process mapping?

L’owner del risultato e le persone che eseguono i passaggi principali, includendo almeno una funzione a monte e una a valle.

Quando una mappa è pronta per l’automazione?

Quando il perimetro è stabile, input e output sono definiti, le eccezioni sono riconoscibili, dati e responsabilità sono disponibili e la misura del risultato è chiara.

Hai molti strumenti ma il flusso continua a incepparsi?

Il canvas ti aiuta a vedere il processo. Se la rottura attraversa strategia, persone e responsabilità, il Check-up Punto Zero serve a scegliere il primo nodo su cui intervenire.

Scopri il Check-up Punto Zero

ROI dell’intelligenza artificiale: come misurare valore, costi e risultati senza raccontarsela

2026-10-11T20:26:00+02:00

Per calcolare il ROI di un progetto AI servono quattro elementi: una baseline prima dell’intervento, tutti i costi diretti e indiretti, benefici tradotti in valore economico e un periodo di osservazione credibile. La formula è semplice: (benefici economici − costi totali) / costi totali × 100. La parte difficile non è la formula: è non raccontarsi una storia comoda con dati scelti dopo.

Il ROI dell’intelligenza artificiale non si misura contando quante persone hanno aperto ChatGPT o quante licenze sono state acquistate. Si misura confrontando una situazione iniziale osservabile con un risultato successivo: tempo recuperato, errori evitati, qualità migliorata, decisioni accelerate e valore economico realmente prodotto.

Negli ultimi anni ho visto aziende comprare strumenti prima di avere definito il problema. È una dinamica che conosco da molto prima dell’AI. Quando ogni giorno ero sul campo per Mulino Bianco, tra Ferrara e Rovigo, non bastava dire che un’iniziativa “sembrava funzionare”: dovevo leggere distribuzione, presenza a scaffale, sell-in, sell-out e continuità del riordino. Se mancava un anello, il risultato si rompeva. Con l’intelligenza artificiale vale lo stesso principio: prima della tecnologia bisogna chiedersi dove si rompe il risultato.

Questa guida serve a costruire un business case verificabile. Non promette un numero magico e non trasforma ogni minuto risparmiato in fatturato. Ti dà invece un metodo per distinguere automazione utile, produttività apparente e valore aziendale.

Perché il ROI dell’AI viene quasi sempre misurato male

Il primo errore è confondere l’adozione con l’impatto. Cento utenti attivi non dimostrano cento persone più produttive. Il secondo è contare soltanto il costo della licenza e ignorare formazione, revisione, integrazione, sicurezza, gestione dei dati e tempo necessario per cambiare il processo. Il terzo è attribuire all’AI ogni miglioramento osservato, senza considerare stagionalità, cambi organizzativi o una diversa composizione del lavoro.

Durante gli anni in Barilla ho imparato quanto disciplina, obiettivi e reporting siano inseparabili. Un dato ha senso se nasce da una responsabilità chiara: chi lo raccoglie, con quale criterio, a quale decisione serve. Oggi applico la stessa disciplina ai progetti AI. Se non so chi è responsabile della metrica e quale comportamento dovrebbe cambiare, non ho ancora un KPI: ho soltanto un numero.

Attività: quante volte viene usato lo strumento.
Output: quante bozze, analisi o risposte produce.
Outcome: che cosa cambia nel processo e nel risultato.
Impatto economico: quanto valore è ragionevolmente attribuibile al cambiamento.

Il ROI vive nell’ultimo livello, ma dipende dalla qualità dei tre precedenti.

Prima domanda: quale problema economico stiamo risolvendo?

Una buona iniziativa non parte da “dove possiamo mettere l’AI?”, ma da un attrito preciso. Potrebbe essere il tempo necessario per preparare una proposta, la dispersione delle informazioni, la bassa qualità dei follow-up, il numero di errori nei documenti, l’attesa per produrre una prima analisi o la difficoltà nel trasformare dati commerciali in decisioni.

È qui che si collega il tema della mappatura dei processi aziendali: se non conosci passaggi, responsabilità, input e punti di rottura, non puoi sapere se l’AI ha migliorato il processo o se ha soltanto spostato il lavoro altrove. E prima di scalare conviene verificare anche l’AI readiness dell’azienda, perché dati, competenze e governance determinano costi e risultati.

La mia regola. Se il problema non può essere descritto con una frase osservabile — “oggi questa attività richiede X, produce Y errori e coinvolge Z ruoli” — è troppo presto per parlare di ROI.

La baseline: fotografare il “prima” senza correggerlo a posteriori

La baseline è il punto di partenza. Va raccolta prima del pilot e conservata con data, fonte e criterio. Per un processo di creazione delle offerte potresti misurare il tempo medio dalla richiesta alla prima bozza, il numero di revisioni, la percentuale di proposte consegnate entro la scadenza e il tasso di errore. Per il customer service: tempo di prima risposta, tempo di risoluzione, riaperture e soddisfazione del cliente. Per l’analisi commerciale: tempo necessario, completezza, frequenza e numero di decisioni effettivamente supportate.

Una baseline onesta include la variabilità. Il tempo migliore non è la media; il caso più semplice non rappresenta il processo. Io preferisco campionare più casi e registrare anche le eccezioni. È meno elegante in una presentazione, ma molto più utile quando bisogna decidere se investire.

Tempo	Ore per caso e attese	Ore uomo e tempo totale	Capacità liberata o velocità
Qualità	Errori, revisioni, scarti	Variazione sugli stessi criteri	Rilavorazioni evitate
Ricavi	Conversione e valore medio	Differenza sul gruppo comparabile	Margine incrementale, non fatturato lordo
Rischio	Incidenti o non conformità	Eventi evitati o introdotti	Perdita attesa e costo dei controlli

Gli otto campi del business case AI

Il business case AI in otto campi: una scheda per non confondere entusiasmo e valore.

Il modello che uso obbliga a compilare otto campi prima di approvare il progetto:

Problema: l’attrito specifico e il suo effetto sul risultato.
Baseline: dati del processo prima dell’intervento.
Soluzione: compito dell’AI, confini e intervento umano.
Costi: licenze, integrazione, dati, formazione, controllo e manutenzione.
Benefici: tempo, qualità, ricavi, rischio e capacità decisionale.
Rischi: errori, privacy, dipendenza, sicurezza, perdita di voce o competenza.
Responsabile: una persona che risponde del processo, non “l’AI team”.
Verifica: data, soglia, fonte dei dati e decisione possibile.

Questa scheda è deliberatamente semplice. Il suo valore non sta nella complessità, ma nel costringere persone diverse a rendere esplicite le assunzioni. È lo stesso motivo per cui la verifica dei bias nelle decisioni supportate da ChatGPT è parte integrante del ROI: una decisione più veloce ma meno controllata può creare un costo che appare mesi dopo.

Come monetizzare i benefici senza gonfiarli

Tempo recuperato

Il tempo risparmiato è valore soltanto se viene riutilizzato. Se una persona impiega due ore in meno ma il carico e il risultato restano identici, hai creato capacità potenziale, non ricavo. Puoi valorizzarla al costo pieno orario, purché dichiari che si tratta di capacità liberata. Diventa beneficio economico più solido quando permette di assorbire più volumi, evitare straordinari, ridurre tempi di risposta o dedicare energie ad attività più preziose.

Qualità ed errori evitati

Calcola quante rilavorazioni, contestazioni, scarti o correzioni avvengono oggi e il loro costo medio. Poi verifica la differenza con criteri uguali. Attenzione: l’AI può ridurre errori meccanici e introdurre errori plausibili più difficili da vedere. Il costo della revisione umana va incluso.

Ricavi incrementali

Per vendite e marketing non usare il fatturato totale. Isola il margine incrementale plausibilmente collegato al test. Un sales forecast disciplinato aiuta a separare pipeline, probabilità e speranze; senza questa distinzione, anche il ROI dell’AI commerciale diventa una proiezione ottimistica.

Rischio ridotto

Alcuni benefici non arrivano come ricavo ma come perdita evitata. Si può stimare la probabilità dell’evento, l’impatto economico e la riduzione attesa. È una stima, non una certezza: va presentata come tale.

I costi nascosti che cambiano il risultato

Nel calcolo includo almeno: licenze, configurazione, integrazioni, pulizia dei dati, sicurezza, consulenza, formazione, tempo delle persone, revisione degli output, gestione delle eccezioni, aggiornamento dei prompt e controllo periodico. Aggiungo un costo di uscita: che cosa succede se il fornitore cambia prezzo, modello o condizioni?

Dal 2009 lavoro come consulente e formatore e ho incontrato organizzazioni molto diverse. Una costante è questa: gli strumenti raramente falliscono soltanto per limiti tecnici. Falliscono quando ruoli, decisioni e comportamenti non cambiano. Per questo considero anche il costo della trasformazione organizzativa. Nasconderlo rende il business case più attraente e il progetto meno governabile.

La formula e tre risultati da tenere separati

ROI = (benefici economici attribuibili − costi totali) / costi totali × 100.

Accanto al ROI considero:

Payback period: quanto tempo serve per recuperare l’investimento.
Valore netto: benefici meno costi nel periodo osservato.
Indice di adozione utile: quante persone usano la soluzione nel modo previsto e con quale qualità.

Un ROI positivo dopo tre anni può essere meno interessante di un pilot che recupera il costo in quattro mesi. Un progetto con ROI immediato può essere troppo fragile per scalare. Il numero non decide da solo: illumina una scelta.

Il pilot: piccolo, comparabile, reversibile

Scelgo un processo circoscritto, un gruppo omogeneo, una durata sufficiente e una condizione di confronto. Definisco prima la soglia per continuare, correggere o fermare. In molti casi bastano quattro-sei settimane, ma dipende dalla frequenza del processo. Se l’attività avviene una volta al mese, due settimane non dicono nulla.

Durante il pilot registro anche gli effetti inattesi. Le persone saltano passaggi? Copiano output senza leggerli? Impiegano meno tempo a scrivere e più tempo a correggere? La qualità percepita dal cliente cambia? Sono segnali che una media può nascondere.

Template copiabile: scheda ROI AI

Problema e processo: …
Owner: …
Baseline e fonte: …
Soluzione e confini: …
Costi una tantum: …
Costi ricorrenti: …
Benefici attesi: …
Rischi e controlli: …
Durata del pilot: …
Soglia di successo: …
Decisione alla data: continua / correggi / ferma.

Prompt per stressare il business case

Prompt: “Agisci come revisore indipendente di questo business case AI. Separa fatti, stime e assunzioni. Cerca doppi conteggi dei benefici, costi mancanti, metriche facilmente manipolabili e fattori esterni. Proponi tre spiegazioni alternative del miglioramento e indica quali dati servono per distinguerle. Non approvare il progetto: aiutami a renderlo falsificabile.”

Il prompt non sostituisce il giudizio. Serve a creare contraddittorio, soprattutto quando il gruppo è già affezionato alla soluzione.

Quando il ROI non è ancora la domanda giusta

In una fase esplorativa potresti non avere dati sufficienti. In quel caso misura apprendimento, fattibilità e rischio, senza chiamarli ROI. Anche un progetto strategico può avere benefici difficili da monetizzare; bisogna dichiararlo e usare un insieme di evidenze, non inventare precisione.

La domanda più utile resta: quale decisione prenderemo grazie a questa misurazione? Se nessuna scelta cambierà qualunque sia il risultato, il calcolo è soltanto un rito.

Chi deve sedersi al tavolo del ROI AI

Il business case non dovrebbe appartenere soltanto all’IT o al fornitore. Servono l’owner del processo, chi esegue il lavoro, chi governa dati e sicurezza, chi legge l’impatto economico e chi riceve il risultato. È nel confronto tra queste prospettive che emergono i costi nascosti. Chi lavora ogni giorno sul processo vede eccezioni che il management ignora; chi risponde dei numeri impedisce di trasformare ogni miglioramento percepito in euro.

Nel mio lavoro di consulenza insisto su questo punto perché l’adozione nasce anche dalla qualità del coinvolgimento. Se alle persone viene presentata una soluzione già chiusa, tenderanno a difendere il modo precedente o ad adottare formalmente quello nuovo senza cambiare davvero comportamento. Coinvolgerle non significa affidare la decisione a un’assemblea: significa raccogliere realtà operative prima di fissare baseline, controlli e responsabilità.

FAQ sul ROI dell’intelligenza artificiale

Qual è un buon ROI per un progetto AI?

Non esiste una soglia universale. Dipende da rischio, tempo di recupero, capitale, alternative e affidabilità dei dati. La soglia va definita prima del pilot.

Come valuto le ore risparmiate?

Puoi usare il costo pieno orario, dichiarandole capacità liberata. Per considerarle beneficio realizzato devi mostrare come quel tempo viene riutilizzato o quale costo evita.

Quanto deve durare la misurazione?

Abbastanza da includere un numero significativo di casi e la normale variabilità del processo. La durata dipende dalla frequenza, non da una regola fissa.

Posso misurare il ROI di ChatGPT?

Sì, se definisci il processo e la modalità d’uso. Misurare genericamente “ChatGPT” non è utile: occorre misurare un caso d’uso con baseline, costi, controlli e outcome.

Il ROI basta per decidere?

No. Va letto insieme a rischio, sostenibilità, dipendenza dal fornitore, competenze e coerenza strategica.

Dal numero alla decisione

Un business case serio non deve dimostrare che l’AI funziona. Deve aiutare l’azienda a decidere dove usarla, dove correggerla e dove fermarsi. Io parto sempre dalla diagnosi: processo, attrito, responsabilità, baseline. Solo dopo arrivano strumento e calcolo.

Se vuoi capire dove si rompe oggi il valore del tuo progetto — nei dati, nel processo, nelle persone o nella governance — puoi partire dal Check-up Punto Zero. È il modo più concreto per evitare di misurare perfettamente il problema sbagliato.