I dati della tua azienda sono pronti per un agente IA? La checklist
Prima di spendere un euro in automazione: la checklist dei dati (fonti, doppioni, permessi, casi di riferimento) che decide se un agente IA funziona.
I dati della tua azienda sono pronti per un agente IA? La checklist
Ogni settimana qualcuno ci chiede un agente IA. La prima cosa che guardiamo non è il processo. Sono i dati che quel processo tocca.
Perché è lì che il 70% dei progetti muore, prima ancora di partire.
In breve:
- Un agente IA non aggiusta dati sporchi, li propaga a velocità industriale. Se l’input è duplicato o incompleto, l’output è sbagliato più in fretta.
- Non devi pulire tutto l’archivio aziendale. Devi preparare solo le fonti che il primo agente tocca. Isolare il perimetro batte il rifare tutto in una volta.
- Cinque prerequisiti decidono se un agente funziona: fonti identificate, dati deduplicati, permessi in regola, formato leggibile dalla macchina, e un insieme di casi di riferimento per testarlo.
- Con LIFTT, holding di investimenti in tecnologie di frontiera, il lavoro vero non è stato il modello: sono state l’archiviazione e l’eliminazione automatica dei doppioni nelle email, che hanno reso possibile il resoconto mensile generato in automatico.
- La preparazione dei dati va misurata prima di firmare uno sprint. Costa pochi giorni. Ti evita di investire su fondamenta che non reggono.
Cosa vuol dire avere dati pronti per un agente IA
Avere i dati pronti vuol dire che i dati che un processo utilizza sono identificabili, accessibili, puliti e verificabili, al punto che un agente IA può leggerli, agire su di essi e produrre output affidabili senza supervisione costante. Non è un problema di quantità di dati. È un problema di qualità, struttura e permessi sul sottoinsieme di dati che serve al singolo agente.
Detto in modo brutale: puoi avere il miglior modello sul mercato e un agente inutile, se lo fai leggere un CRM pieno di clienti duplicati e campi mezzi vuoti.
Perché i dati contano più del modello
L’errore mentale più comune è pensare che l’intelligenza dell’agente stia nell’LLM. Non è così. Il modello è ormai quasi intercambiabile: cambiare da uno all’altro sposta pochi punti percentuali.
La differenza reale tra un agente che funziona e uno che no sta quasi sempre nei dati che gli dai in pasto.
Un agente fa un compito: riceve un segnale di avvio, legge dati, applica regole, agisce nei tuoi sistemi. Se i dati che legge sono contraddittori, l’agente non se ne accorge. Esegue lo stesso, sbagliando, su ogni singolo caso, senza stancarsi. Un umano lento almeno nota l’anomalia. L’agente no.
Per questo la fase di preparazione dati viene sempre prima della costruzione. Se salti questo passo, stai automatizzando il caos.
La checklist: 5 prerequisiti prima di spendere un euro
1. Fonti identificate (dove vivono davvero i dati)
La domanda: per il processo che vuoi automatizzare, dove stanno i dati reali? Non dove dovrebbero stare. Dove stanno.
Quasi sempre la risposta è imbarazzante: metà nel gestionale (TeamSystem, Zucchetti, Odoo), metà in un Excel sul desktop di una persona, un pezzo nelle email di un collega, un po’ nella testa di chi fa il lavoro da dieci anni.
Se non riesci a elencare le fonti in una riga ciascuna, non sei pronto. L’agente ha bisogno di sapere da dove leggere.
2. Dati deduplicati (una verità, non tre)
Il nemico silenzioso. Lo stesso cliente scritto in tre modi. La stessa email archiviata quattro volte. Lo stesso candidato con due profili.
Un agente che legge duplicati produce doppioni negli output, conta male, contatta due volte la stessa persona. Con LIFTT, holding di investimenti in tecnologie di frontiera, il lavoro decisivo non è stato l’IA generativa: è stato costruire l’archiviazione e l’eliminazione automatica dei doppioni nelle email, così che il resoconto mensile potesse essere generato in automatico senza rumore. Prima di togliere i doppioni, il resoconto non era affidabile. Dopo, sì.
3. Permessi e base giuridica (GDPR non è opzionale)
L’agente accede a dati. Chi glielo permette, e su che base?
Se tratta dati personali (candidati, clienti, dipendenti), serve una base giuridica, e con un fornitore esterno un DPA art. 28 GDPR. Se i dati contengono informazioni sensibili, serve capire cosa può uscire dal perimetro UE e cosa no. Questo va deciso prima, non dopo un incidente.
Noi lo trattiamo come vincolo di partenza: DPA art. 28 incluso nel contratto, hosting UE quando richiesto, nessun addestramento degli LLM sui dati cliente.
4. Formato leggibile dalla macchina
Un PDF scansionato storto non è un dato leggibile, è un’immagine. Un Excel con celle unite, colori come codice e note nei commenti non è una tabella, è un rebus.
Prima di costruire, verifica: i dati sono in un formato che una macchina può leggere in modo deterministico? Se no, la prima parte dello sprint sarà l’estrazione (OCR, lettura automatica dei documenti), non l’automazione. Va benissimo, ma va messo in conto nel budget e nei tempi.
5. Casi di riferimento (come saprai che funziona)
Questo è quello che quasi nessuno prepara. Prima della messa in produzione serve un insieme di 20-50 casi reali di cui conosci già la risposta corretta, verificata da una persona.
Dai gli input all’agente in parallelo, senza farlo agire, confronti l’output con la verità nota, misuri l’errore. Senza casi di riferimento non puoi dire se l’agente funziona: puoi solo sperare, e sperare non è una metrica. È lo stesso principio della misura di partenza: senza un metro di paragone misurato, ogni affermazione è un’opinione.
Quando NON sei pronto (e cosa fare)
Te lo diciamo in faccia, come sempre:
- Dati sparsi in 8 posti senza fonte primaria → prima serve consolidare, non automatizzare. Un agente non ci mette ordine, ci sbatte contro.
- Zero base giuridica per i dati personali → si sistemano il DPA e le regole interne prima di toccare qualsiasi cosa.
- Nessuno in azienda sa dire qual è il dato “giusto” → mancano i casi di riferimento e manca chi ne risponde. Va risolto prima, è un problema dell’area operativa, non dell’IT.
- Il processo cambierà tra due mesi → preparare dati per un flusso di lavoro che muore è spreco. Aspetta che si stabilizzi.
La buona notizia: quasi mai serve pulire tutto. Serve preparare il sottoinsieme che il primo agente tocca. È lavoro di giorni, non di mesi.
Come lo affrontiamo in Soraia
La preparazione dei dati la valutiamo nell’analisi dei processi: mappiamo le fonti, misuriamo la qualità sul perimetro del primo agente, verifichiamo permessi e formato, costruiamo i casi di riferimento. Se emergono buchi, li vedi prima di firmare uno sprint, non dopo.
Quando i dati sono deboli ma il processo è giusto, spesso il primo rilascio in 4 settimane include proprio il lavoro di eliminazione dei doppioni e strutturazione, come abbiamo fatto con LIFTT. E se le tue persone non hanno ancora la cultura del dato pulito, l’AI Adoption serve a costruirla, perché un agente vive solo se chi gli sta intorno tiene in ordine le fonti.
Se vuoi capire dove sei, la guida alla valutazione interna sull’IA ti dà il metodo per farlo da solo.
Vuoi sapere se i tuoi dati reggono un agente? Parliamone 20 minuti oppure fai il check-up (3 minuti, senza email). Ti diciamo onestamente se sei pronto o cosa manca.
Domande frequenti
Quello che ci chiedono di solito.
Perché i dati contano più del modello IA?
Devo pulire tutti i dati prima di iniziare?
Cosa sono i casi di riferimento (ground truth) e perché servono?
Chi deve occuparsi di preparare i dati, l'IT o l'area operativa?
Quanto tempo richiede la preparazione dei dati?
Continua a leggere
Come misurare il ROI di un agente IA: punto zero e metodo
Senza un punto zero, ogni 'l'IA ci ha fatto risparmiare X ore' è un'opinione. Il metodo che usiamo con i clienti Soraia per misurare il ROI con onestà.
IA per internazionalizzazione PMI: vendere all'estero
Come gli agenti IA aiutano le PMI che esportano: analisi mercati esteri, ricerca di clienti e localizzazione multilingua. Cosa funziona, cosa no.
Newsletter
La newsletter di Soraia
Ogni due giovedì Daniel racconta un lavoro d'ufficio ripetitivo e come lo fa un agente IA, con un caso vero dai progetti che seguiamo. Si legge in tre minuti.
Prossimo passo
Dove sei nel percorso verso l'IA?
Il check-up ti dà un punteggio di prontezza IA (0-100) + 3 prossimi passi concreti. 3 minuti, senza email.