AI e business intelligence: cosa fa davvero con i tuoi dati

La AI business intelligence è l’uso dell’intelligenza artificiale sopra i dati dell’azienda: fare domande in italiano e ricevere il numero giusto, farsi spiegare perché un valore è cambiato, ricevere un avviso quando qualcosa esce dal normale. Funziona solo se sotto ci sono dati puliti e collegati: l’intelligenza artificiale legge i dati, non li ripara.

Ti riconosci? Il lunedì chiedi quanto ha fatturato il tal cliente nell’ultimo trimestre rispetto all’anno scorso. La persona che sa estrarre i dati è occupata, la risposta arriva il mercoledì in un file Excel, e nel frattempo la domanda è diventata un’altra. Non ti serve un altro grafico: ti serve una risposta quando hai la domanda.

Qui trovi cosa fa l’intelligenza artificiale nella business intelligence, quali usi hanno senso per una PMI, dove sbaglia, le tre strade per cominciare e da dove partire. Se prima vuoi il quadro generale, cos’è la business intelligence lo spieghiamo in business intelligence per le PMI.

Cos’è la AI business intelligence

La business intelligence raccoglie i dati dell’azienda e li trasforma in cruscotti e report; l’intelligenza artificiale cambia il modo in cui ci si arriva. Prima dovevi sapere dove cliccare o chiedere a chi sa scrivere le interrogazioni al database. Con l’AI scrivi la domanda come la faresti a un collaboratore.

Cambia anche il verso del lavoro. Una dashboard classica ti mostra quello che qualcuno ha deciso di mostrarti, e tocca a te accorgerti che un numero non torna. Un sistema con l’intelligenza artificiale può guardare i dati al posto tuo e dirti: questo cliente ordina meno da tre mesi, questo articolo ha margini più bassi del solito. Cosa mettere in una dashboard lo trovi in dashboard aziendale.

Quali tipi di intelligenza artificiale entrano nella business intelligence

Nella pratica ne servono tre famiglie, e fanno lavori diversi. Chiamarle tutte «AI» crea aspettative sbagliate.

• Modelli di linguaggio, come quelli dietro ChatGPT e Claude. Capiscono una domanda scritta in italiano, la traducono in un’interrogazione ai dati e commentano il risultato a parole. Sono bravi con le parole, non con i conti.
• Modelli di previsione. Imparano dalla storia dei tuoi dati: vendite stagionali, tempi di incasso, consumi di magazzino. Danno una stima con un margine di incertezza, non una certezza.
• Modelli di visione. Leggono documenti scansionati, fatture, bolle, moduli compilati a mano, e ne estraggono i dati. Servono a far entrare nell’analisi le informazioni che oggi stanno solo sulla carta. Come funzionano lo spieghiamo in OCR e intelligenza artificiale.

Come usare l’AI per la business intelligence: cinque usi concreti

Gli usi che reggono in una PMI sono quelli che accorciano la strada fra una domanda e una decisione. Ecco i più frequenti.

1. Domande in italiano. «Quali clienti del Veneto hanno ordinato meno quest’anno rispetto al precedente?» Il sistema interroga il database e ti restituisce l’elenco, con la possibilità di vedere come l’ha calcolato.
2. Spiegare una variazione. Il margine del mese è sceso: il sistema scompone il calo per cliente, articolo, agente e ti indica dove si concentra.
3. Avvisi sulle anomalie. Un fornitore che fattura prezzi diversi dal listino concordato, un cliente abituale che smette di ordinare, un costo di commessa che corre più del previsto. L’avviso arriva prima che te ne accorga a fine mese.
4. Previsioni prudenti. Quanto venderai nelle prossime settimane, quando incasserai, quanto materiale ti servirà. Utili per decidere, a patto di leggerle come stime.
5. Report commentati. Il report mensile arriva già con due righe di commento sulle cose cambiate. Esempi di report da cui partire sono in report aziendali: esempi.

Cosa l’intelligenza artificiale non deve fare con i tuoi numeri

Il numero non deve mai inventarlo il modello: deve calcolarlo il database. È la regola che separa un sistema affidabile da uno pericoloso.

Un modello di linguaggio, se gli dai un file e gli chiedi un totale, a volte sbaglia i conti e lo fa con grande sicurezza. Per questo nei sistemi che costruiamo il modello scrive l’interrogazione, il database esegue il calcolo, e chi legge può vedere da quali dati viene il risultato. Se la domanda è ambigua («il fatturato» con o senza note di credito?), il sistema deve chiedere, non scegliere da solo.

Poi c’è la riservatezza. Mandare i dati dei clienti a un servizio esterno richiede di sapere dove finiscono e con quali condizioni. I servizi per aziende di OpenAI e Anthropic prevedono contratti e impostazioni specifiche sull’uso dei dati: vanno letti, e la scelta va verificata con il tuo consulente per la privacy. Spesso basta mandare al modello la struttura delle tabelle e la domanda, non i dati dei clienti.

Infine, l’AI non sistema i dati sporchi. Se lo stesso cliente è scritto in tre modi, la risposta sarà sbagliata in tre modi diversi, con un tono convincente.

Le tre strade per portare l’AI nella business intelligence

Si può cominciare in piccolo, e per molte domande la strada più semplice basta. In rete trovi elenchi dei «migliori strumenti»: noi preferiamo dirti quale strada fa per te.

La prima strada è un ottimo modo per capire quali domande fai davvero. Se dopo qualche settimana sono sempre le stesse, e richiedono dati di più programmi, è il momento di pensare alla terza.

Se le domande che fai ai tuoi dati richiedono ancora giorni e passano da una persona sola, scrivile nel modulo in fondo alla pagina: ti richiamiamo entro 30 secondi e ti diciamo quale delle tre strade vediamo per il tuo caso.

Prima dell’AI, i dati: da dove si parte

Il lavoro più lungo non è l’intelligenza artificiale, è rendere i dati leggibili. Nella nostra esperienza il grosso del tempo va nel collegare le fonti e nel mettere d’accordo le definizioni.

• Dove stanno i dati. Gestionale, contabilità, CRM, fogli Excel, documenti di carta. Ogni fonte va collegata o importata con regolarità.
• Cosa vuol dire ogni numero. Fatturato, margine, cliente attivo: ogni azienda li calcola a modo suo. Vanno scritti una volta e usati da tutti, AI compresa.
• I dati che mancano. Spesso le informazioni più utili sono su carta o nei PDF. Per Legge3, uno studio legale che segue pratiche di sovraindebitamento, accanto al gestionale delle pratiche abbiamo costruito un sistema che legge con l’intelligenza artificiale i documenti scansionati, li classifica, ne estrae i dati che prima venivano ribattuti a mano e li collega alla pratica. Da lì in poi quei dati si possono cercare, contare e confrontare.
• Chi può vedere cosa. L’agente commerciale vede i suoi clienti, l’amministrazione vede i margini. L’AI deve rispettare gli stessi permessi.

Se i dati sono ancora in fogli sparsi, il primo passo è quello: ne parliamo in controllo di gestione, dove i numeri che contano vengono prima degli strumenti.

In pratica: cosa fare questa settimana

1. Scrivi le dieci domande sui dati che fai più spesso e quanto tempo passa prima di avere la risposta.
2. Per ciascuna, segna da quali programmi o fogli viene la risposta.
3. Metti per iscritto come calcoli fatturato e margine. Se due persone danno due definizioni, hai trovato il primo lavoro da fare.
4. Prova ChatGPT o Claude su un’esportazione senza dati personali e ricontrolla i totali a mano. Capirai subito dove aiuta e dove no.
5. Se le domande toccano più programmi, fatti fare una proposta scritta con le fonti da collegare e le domande a cui il sistema dovrà rispondere.

Nel nostro team ci sono data scientist ed esperti di intelligenza artificiale che lavorano accanto ai programmatori: colleghiamo i tuoi programmi, mettiamo in ordine i dati e ci costruiamo sopra le risposte che ti servono, con i numeri calcolati dal database e non inventati. Se vuoi capire se nel tuo caso ha senso, raccontaci le tue domande nel modulo qui sotto: ti richiamiamo entro 30 secondi. I progetti partono da 5.000 €. Qui trovi come lavoriamo con l’intelligenza artificiale per aziende.