Il mercato dei fornitori di IA è cresciuto rapidamente negli ultimi anni. Ci sono società di software che hanno aggiunto l’«IA» al proprio catalogo, agenzie di marketing digitale che offrono «soluzioni di IA», grandi società di consulenza con practice di IA di dimensioni variabili e team specializzati con esperienza reale in progetti di intelligenza artificiale.
Per un’azienda che cerca un partner per un progetto di IA, distinguere tra queste categorie non è semplice, e una scelta sbagliata ha conseguenze. Questo articolo propone criteri concreti e domande dirette per svolgere bene questa valutazione.
Il problema del mercato attuale
La barriera d’ingresso per definirsi «azienda di IA» è molto bassa. Qualsiasi società può aggiungere l’IA al proprio sito senza aver completato un solo progetto in produzione. Ciò non significa che si debba diffidare di tutti i fornitori, ma che il nome non basta: i criteri di valutazione devono andare più a fondo.
Il profilo più comune di fornitore privo delle competenze che promette è quello che proviene dallo sviluppo software o dal marketing digitale e ha aggiunto strumenti di IA generativa alla propria offerta senza aver mai lavorato a progetti di machine learning supervisionato, dati, integrazione in produzione o gestione del cambiamento organizzativo.
Le domande che rivelano la differenza
«Quanti progetti di IA avete portato in produzione e sono ancora in produzione oggi?» È la domanda più importante. Non quanti ne sono stati avviati, ma quanti funzionano nei sistemi reali di un cliente e generano valore misurabile. Un fornitore che non sa citare progetti in produzione su sistemi reali di clienti reali ha un’esperienza limitata proprio nella parte più difficile: far funzionare il progetto oltre la demo.
«In quali occasioni un progetto di IA è andato diversamente dal previsto e come l’avete gestito?» È una domanda molto rivelatrice, perché i progetti di IA riservano sempre sorprese: i dati non hanno la qualità attesa, il modello non converge come previsto, gli utenti non adottano il sistema come era stato progettato. Un fornitore esperto ha esempi concreti di come ha gestito queste situazioni; uno senza esperienza reale dà risposte generiche.
«Come misurate il successo una volta che il sistema è in produzione?» Se la risposta si limita a metriche tecniche (precisione del modello, tempo di risposta) e non comprende metriche di business (ore risparmiate, riduzione degli errori, miglioramento di KPI specifici), il fornitore ha una prospettiva troppo tecnica per un progetto che deve generare valore per l’azienda.
«Avete accordi commerciali con fornitori di software o di strumenti specifici?» Un fornitore che rivende determinati strumenti ha un incentivo a raccomandarli a prescindere dal fatto che siano la scelta migliore per il caso d’uso. L’indipendenza dai fornitori di tecnologia è una caratteristica rilevante per un team che affianca l’azienda nell’adozione dell’IA.
I segnali d’allarme nelle presentazioni commerciali
Alcune frasi ricorrenti nelle presentazioni commerciali dei fornitori di IA meritano domande di approfondimento.
«Adottiamo l’IA in X settimane.» I progetti di IA ben impostati non hanno tempi garantiti, perché dipendono da fattori che emergono durante il progetto (qualità dei dati, complessità delle integrazioni). Un fornitore che garantisce tempi molto precisi prima di aver analizzato la situazione dell’azienda sta semplificando eccessivamente il perimetro oppure ha aspettative poco realistiche su ciò che troverà.
«Il nostro ROI documentato è di X volte.» Il ritorno di un progetto di IA dipende dal caso d’uso, dallo stato dei dati e dalle dimensioni dell’azienda. Citare un ritorno generico senza contesto non dice nulla su ciò che può aspettarsi un’azienda specifica.
«Non dovete cambiare nulla nei vostri sistemi.» L’integrazione dell’IA con i sistemi esistenti è uno degli aspetti più complessi e costosi. Un fornitore che afferma che non serve cambiare nulla può sottovalutare il lavoro di integrazione o proporre una soluzione scollegata dal resto dell’infrastruttura.
Che cosa distingue i team con esperienza reale
I team con esperienza reale in progetti di IA hanno caratteristiche riconoscibili. Fanno domande sui dati prima di proporre soluzioni. Spiegano che cosa può andare diversamente dal previsto. Non promettono risultati che dipendono da fattori non ancora analizzati. E hanno referenze di progetti completati, non solo avviati.
Sono anche diretti sui limiti dell’IA per casi d’uso specifici. Un team che afferma «per questo caso concreto una soluzione di analisi dei dati tradizionale può essere più efficiente del machine learning» è più credibile di uno che propone l’IA per tutto.
L’importanza dell’indipendenza tecnologica
Per un’azienda che affida un progetto di IA, l’indipendenza del fornitore rispetto agli strumenti che raccomanda è un criterio rilevante. Un team che non vende strumenti né ha accordi di rivendita ha incentivi allineati a quelli del cliente: raccomandare lo strumento più adatto al problema, non quello che garantisce il margine più alto al fornitore.
Domande frequenti
Meglio un fornitore locale o uno con una presenza più ampia? La sede conta meno di quanto sembri: la maggior parte dei progetti si può svolgere da remoto. Ciò che conta è l’esperienza del fornitore in casi analoghi e nel settore dell’azienda, non la sua ubicazione.
Come avere la certezza che il fornitore resterà disponibile dopo il lancio? È una domanda legittima. Conviene chiedere qual è il modello di assistenza e manutenzione dopo il lancio, quanti progetti sono attualmente in fase di manutenzione e quale team se ne occuperebbe. Un fornitore con molti progetti in manutenzione dimostra che i clienti continuano a fidarsi anche quando il sistema è in produzione.
Quale documentazione richiedere alla fine del progetto? La documentazione tecnica del sistema (architettura, flussi di dati, parametri del modello), la documentazione per gli utenti (come gestire e mantenere il sistema), la documentazione del processo di riaddestramento del modello e le metriche di prestazione di riferimento per rilevare eventuali cali in produzione.