L’intelligenza artificiale viene venduta come una scorciatoia universale. Non lo è. Chi la usa tutti i giorni per lavorare, non per fare demo, non per giocare, si accorge presto che i punti in cui si rompe sono specifici, ricorrenti e quasi sempre gli stessi. Vale la pena elencarli senza slogan, perché è lì che si annidano gli errori più costosi.
Questo articolo non è contro l’AI. È un tentativo di raccontarla per quello che è nel 2026: uno strumento potente, con confini precisi, che smette di funzionare quando gli chiedi cose che non può fare. Chi la vende come “soluzione a tutto” ti sta risparmiando la parte scomoda del discorso.
Quello che l’AI fa bene, per non partire in malafede
Prima di elencare i limiti, è onesto dire dove l’AI produce valore reale in azienda. Riassunti di documenti lunghi, prime bozze di testi, traduzioni tecniche, estrazione di dati da PDF disordinati, ricerche esplorative su temi nuovi, generazione di immagini per campagne, automazione di flussi ripetitivi. In tutti questi casi, se il processo è ben costruito, il tempo risparmiato è misurabile.
Ne ho scritto raccontando tre automazioni AI messe in produzione per PMI e mostrando come funziona la pipeline editoriale assistita da AI che uso per generare contenuti. In entrambi i casi il punto non è “l’AI fa tutto”, è “l’AI fa una parte, il resto lo fa una persona che sa cosa sta guardando”. Ed è esattamente su questo che si gioca la differenza tra un uso maturo e uno ingenuo.
Il primo limite: l’AI non sa quando sta sbagliando
È il problema più grande, e viene sottovalutato quasi sempre. Un modello linguistico non ha coscienza dell’errore: quando non sa una cosa, la inventa con lo stesso tono sicuro con cui te ne dice una corretta. In gergo tecnico si chiamano allucinazioni, ma il termine è edulcorato. Sono errori confezionati come verità, e chi legge senza competenza sul tema non ha modo di distinguerli.
Nella pratica quotidiana significa:
- Riferimenti normativi sbagliati: articoli di legge citati con numeri inesistenti, sentenze mai emesse, articoli del codice civile inventati di sana pianta.
- Dati numerici plausibili ma falsi: statistiche di mercato con percentuali credibili che non hanno alcuna fonte verificabile.
- Citazioni attribuite a persone reali che non le hanno mai pronunciate.
- Codice che sembra funzionare ma richiama funzioni o librerie inesistenti.
Il rimedio non è “sperare che migliori”. È costruire un flusso in cui ogni output critico viene verificato da chi ha la competenza per farlo. Se non c’è quella competenza in azienda, l’AI non ti sta aiutando: ti sta creando un debito nascosto.
Il secondo limite: manca il contesto della tua azienda
Un modello generalista sa tutto e niente. Sa cosa dice il web sui piani editoriali, non sa cosa vende la tua azienda, chi sono i tuoi clienti, quali margini hai, quali fornitori hai già scartato e perché. Quando gli chiedi un consiglio strategico, ti risponde con la media del web: consigli statisticamente plausibili, applicabili a chiunque, utili quasi a nessuno.
Questo limite si supera in parte con la memoria persistente e le knowledge base collegate al modello, ma è un lavoro di ingegneria, non un plugin che si attiva. Va progettato: quali documenti far leggere al modello, come strutturarli, come tenerli aggiornati, come impedire che il modello risponda oltre il perimetro dei dati che ha davvero.
Quando qualcuno ti vende “l’AI che conosce la tua azienda” senza spiegarti come vengono gestiti i dati aziendali, ti sta vendendo un’illusione. La conoscenza aziendale dentro un modello si costruisce, non si scarica.
Il terzo limite: il giudizio sui casi limite
L’AI funziona bene sulla mediana. Prendi un compito con mille casi standard e cinquanta casi anomali: sui mille l’AI risponde meglio di un neoassunto, sui cinquanta produce disastri con un tono di totale sicurezza. Il problema è che nel lavoro vero, i casi anomali sono quelli che decidono se un cliente resta o se ne va.
Qualche esempio concreto:
- Assistenza clienti automatizzata: gestisce benissimo richieste standard, fallisce sul cliente arrabbiato che vuole essere ascoltato prima di ricevere una soluzione.
- Screening di candidati: valuta bene i profili in linea, scarta persone eccellenti che non rientrano nel pattern statistico.
- Analisi di contratti: individua clausole comuni, salta clausole atipiche che sono proprio quelle da controllare.
La regola operativa è semplice: usa l’AI dove il costo di un errore è basso e la frequenza dei casi standard è alta. Tienila lontana da tutto ciò che ha impatto reputazionale, legale o economico rilevante finché non hai un umano competente che rilegge.
Il quarto limite: la strategia non si delega a un modello
L’AI genera opzioni, non decisioni. Puoi chiederle di elencarti dieci possibili posizionamenti per il tuo brand, e lo farà bene. Non può dirti quale è quello giusto per te, perché non conosce la tua storia, i tuoi limiti operativi, il tuo rapporto con il mercato, il tuo appetito per il rischio.
Ho affrontato questo tema parlando di AI agent nel marketing B2B: sono strumenti potenti per eseguire, non per decidere. La strategia, quella vera, non l’elenco di tattiche, richiede una comprensione del contesto che oggi nessun modello possiede, e che difficilmente possederà nel medio periodo perché richiede accesso a informazioni tacite che nemmeno tu hai formalizzato.
Chi delega la strategia all’AI ottiene piani editoriali generici, campagne pubblicitarie prevedibili, posizionamenti intercambiabili. Chi la usa come acceleratore dopo aver preso le decisioni giuste ottiene invece un moltiplicatore reale della propria capacità operativa.
Il quinto limite: la relazione con le persone
C’è una parte del lavoro che non è automatizzabile non perché la tecnologia sia acerba, ma perché è fatta di segnali che passano tra esseri umani. Il tono di voce di un cliente al telefono che dice “va bene” ma non pensa che vada bene. Il collega che ti chiede una cosa per chiedertene un’altra. Il fornitore che ti sta suggerendo un compromesso senza dirtelo apertamente.
Questi segnali sono il tessuto del lavoro. Un modello linguistico può scrivere un’email educata al posto tuo, non può decidere che quella conversazione vada fatta di persona, non per email. Può proporti tre modi di dire “no” a un cliente, non può capire se dire “no” è la mossa giusta in quel momento.
Ogni volta che vedo qualcuno automatizzare la relazione con i clienti al primo touchpoint, penso che stia scambiando un problema di produttività con uno di posizionamento. Rispondere in tempo reale con un bot medio è quasi sempre peggio che rispondere in due ore con una persona che sa cosa dire.
Come usare l’AI senza farsi male: quattro regole operative
Se hai letto fin qui, il senso pratico è questo:
- Verifica sempre l’output critico. Se l’errore costa più della rilettura, la rilettura è obbligatoria. Non delegare all’AI compiti in cui non sai riconoscere un errore.
- Dai contesto al modello. Un prompt generico produce risposte generiche. Un prompt che include vincoli, esempi, dati specifici dell’azienda produce risposte utili. Vale la pena investire in un metodo di scrittura dei prompt stabile.
- Isola i casi standard dai casi limite. Costruisci flussi in cui l’AI gestisce solo la parte ripetitiva e i casi anomali finiscono su una persona. È l’unica architettura che regge in produzione.
- Non delegare le decisioni. L’AI ti suggerisce opzioni, tu scegli. Se ti accorgi che stai eseguendo quello che il modello propone senza vagliarlo, stai delegando il tuo giudizio a un sistema che non risponde delle conseguenze.
Per un approccio più strutturato all’inserimento dell’AI nei processi aziendali, ho raccolto una guida pratica su strumenti e da dove partire con l’AI in azienda che entra nel merito degli strumenti e delle fasi.
Domande frequenti
L’AI sostituirà davvero certi ruoli in azienda?
Sostituirà parti di ruoli, non ruoli interi. La mansione che oggi consiste in “scrivere email standard, riassumere report, aggiornare fogli di calcolo” cambierà forma: chi la svolge diventerà chi supervisiona un flusso automatizzato invece di eseguirlo manualmente. I ruoli che scompariranno completamente sono quelli che erano già a rischio di outsourcing, non quelli che richiedono giudizio, relazione o responsabilità.
Posso fidarmi dell’AI per scrivere contenuti pubblicati a nome mio?
Puoi fidarti di un flusso che usa l’AI come prima bozza e prevede una revisione umana competente. Non puoi fidarti dell’AI da sola. Il rischio non è tanto il testo mediocre, è il testo confezionato bene che contiene un errore fattuale, un’attribuzione sbagliata o un tono che non ti rappresenta. Su un contenuto ufficiale, quel rischio vale sempre il tempo di rileggere.
Quanto costa costruire un uso serio dell’AI in una PMI?
Dipende dal perimetro, ma il costo maggiore non è nelle licenze dei modelli, è nell’ingegneria del flusso: capire quali processi automatizzare, con quali dati, come integrarli con gli strumenti esistenti, come gestire gli errori. Le licenze incidono poco, il lavoro di progettazione molto. Chi ti vende “l’AI a canone mensile” senza parlarti di questo lavoro sta vendendo un abbonamento, non una soluzione.
L’AI è meglio delle persone su compiti ripetitivi?
Sui compiti davvero ripetitivi e ben definiti, sì. È più veloce, non si stanca, non salta i controlli per fretta. Il problema è che pochi compiti aziendali sono davvero ripetitivi al 100%: quasi tutti hanno eccezioni che una persona gestisce senza pensarci e un modello sbaglia. La domanda giusta non è “l’AI è meglio?”, è “quanto costano le eccezioni che l’AI sbaglierà?”.
Come faccio a capire se un fornitore mi sta vendendo fumo sull’AI?
Prova a chiedergli tre cose: dove l’AI sbaglia nel caso specifico che ti sta proponendo, come gestisce i casi limite, chi controlla l’output e con quale frequenza. Se le risposte sono generiche o entusiaste, ti sta vendendo un’idea. Se le risposte sono specifiche, tecniche e includono i limiti, sta parlando di uno strumento reale.
Una posizione onesta, non una posizione contro
L’AI è uno degli strumenti più utili apparsi negli ultimi anni per chi fa lavoro di conoscenza. È anche uno degli strumenti più facili da usare male, perché la barriera d’ingresso è bassa e il feedback sugli errori arriva in ritardo. Chi la usa bene lo fa combinandola con una competenza specifica del proprio mestiere, non sostituendola alla competenza.
Se stai valutando come inserirla nella tua azienda, il consiglio è banale ma vale: parti da un processo che conosci a fondo, misura quanto tempo ci vuole oggi, prova a delegarne una parte all’AI, verifica gli errori, aggiusta il flusso. Se hai bisogno di ragionare su un caso concreto, sai dove trovarmi.
