Approvare ogni singolo suggerimento dell’AI? Con decine di migliaia di clienti, è uno sforzo impossibile. Non controllare nulla? Impensabile per i contenuti medici. La domanda non è quindi: uomo o AI? La domanda è piuttosto: di quanto controllo c’è bisogno e in quale fase? È esattamente quello che ci hanno raccontato otto PMI nel nostro studio con la ZHAW e Innosuisse. Ed è con questa consapevolezza che stiamo costruendo la nostra Aivie AI. Questo articolo descrive esattamente come funziona.
Contenuti
- Di cosa si tratta
- Risultato 1: Tutti vogliono sapere il perché
- Risultato 2: Non si può approvare tutto singolarmente
- Risultato 3: Il livello di controllo necessario dipende dal rischio
- Ecco come può apparire l’approvazione a più livelli
- Risultato 4: Non deve essere per forza in tempo reale
- Il nostro progetto pilota
- Partecipa anche tu
Di cosa si tratta
Insieme alla ZHAW e a Innosuisse, abbiamo chiesto a otto PMI svizzere: addestrereste un’AI insieme ad altri se non doveste cedere i dati dei vostri clienti? Nel primo articolo ho mostrato che nessuno ha detto di no. Le persone dubitavano dell’utilità. Nel secondo articolo si parlava di fiducia e del perché la protezione dei dati possa essere un argomento di vendita. Oggi affrontiamo l’ultima grande domanda: quanto può decidere l’AI da sola?
L’idea è semplice. L’AI osserva cosa fa un contatto e ti suggerisce il passo successivo: quale contenuto inviare, quando e a chi. Un esempio: qualcuno scarica un Whitepaper sul tuo sito web. Di solito non succede nulla perché nessuno ha tempo di fare follow-up. L’AI potrebbe dirti: invia subito questo articolo a questa persona.
Ma può anche inviarlo direttamente da sola? O devi dire di sì ogni volta? Nota importante: otto interviste non sono rappresentative. Ma mostrano in modo molto onesto come la pensano le PMI su questo tema.
Risultato 1: Tutti vogliono sapere il perché
Tutti gli intervistati erano d’accordo: se l’AI suggerisce qualcosa, vogliono sapere il perché. Vogliono capire perché quel suggerimento ha senso, altrimenti non si fidano. Vogliono anche essere in grado di individuare gli errori. Nessuno vuole una Blackbox quando si tratta di temi così importanti.
Un’azienda ha detto un’altra cosa interessante: invece di una lunga spiegazione testuale, basterebbe anche un valore chiaro. Un numero che indichi quanto l’AI sia sicura di sé.
Risultato 2: Non si può approvare tutto singolarmente
Un’azienda dello studio ha decine di migliaia di clienti e un team piccolo. Controllare ogni singolo suggerimento dell’AI ogni giorno? Impossibile. Il commento a riguardo è stato chiarissimo:
«Dovrebbe funzionare in modo automatizzato, altrimenti non sarebbe di alcun aiuto per noi».
Un’altra azienda la pensava allo stesso modo. Meglio lavorare con template e livelli piuttosto che controllare tutto singolarmente.
Risultato 3: Il livello di controllo necessario dipende dal rischio
Qui la cosa si fa interessante. Le stesse persone vogliono la piena automazione o un rigoroso controllo individuale a seconda dei casi. Un’azienda ha spiegato così: per il suo prodotto costoso che richiede molta consulenza, monitorerebbe personalmente i suggerimenti. Per un prodotto di massa economico, invece, darebbe pieno potere all’AI.
Un altro cliente, un’agenzia, lavora anche con contenuti medici. Questi devono sempre essere approvati da un medico specialista. I normali contenuti di marketing, invece, vengono pubblicati automaticamente dopo una fase di test. Il tutto è protetto da un valore soglia, oltre il quale qualcosa parte automaticamente, e da una finestra temporale in cui un essere umano può ancora intervenire. Lo studio vede in questo un modello utile.

Lo capisco bene. Anche per me, i messaggi che vengono inviati devono rimanere sotto controllo. Non voglio promettere nulla che non sia vero. E non voglio causare problemi di cui poi devo pagare le conseguenze. Allo stesso tempo, non è possibile controllare tutto singolarmente. Un’approvazione ogni due secondi? Nessuno può farlo.
Per questo credo in una via di mezzo intelligente: abbastanza controllo, senza un carico di lavoro eccessivo. Il modello dell’agenzia è per me un ottimo esempio in questo senso.
Ecco come può apparire l’approvazione a più livelli
Da quanto raccontato dalle aziende, emerge una sorta di scala:
- L’AI decide da sola. Rischio basso, molti contatti, ad esempio la segnalazione di un nuovo articolo del blog.
- L’AI decide con una finestra temporale. Puoi ancora intervenire prima che parta qualcosa.
- L’AI suggerisce, tu approvi.
- Un essere umano controlla sempre. Per offerte costose, sensibili o regolamentate, qualcuno controlla sempre con attenzione.
Potrei immaginare bene una soluzione di questo tipo. L’importante è che sia tu a decidere cosa succede a quale livello. Non l’AI. Abbiamo descritto come stabilire cosa l’AI agentica può vedere e fare in «Il Marketing vuole costruire, il Legal frena». Tu come la vedi? Scrivimi il tuo punto di vista, sono curioso.
Risultato 4: Non deve essere per forza in tempo reale
Non è emerso un chiaro desiderio di tempo reale. Un’azienda sceglie deliberatamente di non reagire a ogni singolo clic. Aspetta che si delinei un pattern. Questo si adatta meglio al suo stile pacato di comunicare con i clienti. E un’altra dice: date pure tempo al sistema di raccogliere più segnali.
All’inizio, però, si vuole sapere tutto con precisione. Qualcuno ha detto riguardo all’approvazione:
«Sì, certo. Voglio imparare. Voglio vedere come funziona».
Quindi: prima approvare personalmente e poi, passo dopo passo, lasciare sempre più spazio all’autonomia.
Il nostro progetto pilota
Cosa ci insegna lo studio per la nostra AI pilota:
- Le aziende di un gruppo pilota dovrebbero provenire da un settore simile. Altrimenti i risultati sono poco significativi.
- Le aziende vogliono vedere un caso d’uso concreto, non una grande promessa.
- L’inizio deve essere semplice. I piccoli team non hanno tempo di passare settimane a riordinare i dati.
Le aziende pilota ricevono un’AI dedicata per il loro marketing, con i propri dati. Aivie addestra i modelli e ospita l’infrastruttura. Attualmente stiamo testando i primi Use Cases dal vivo, valutando cosa funziona e raccogliendo altri Use Cases con ulteriori aziende pilota.

Partecipa anche tu
Per il nostro progetto pilota cerchiamo altre PMI che vogliano provare esattamente questo, con la propria AI e i propri dati. Vuoi contribuire a dare forma a tutto questo? Allora scrivimi o prenota direttamente un colloquio.
E se vuoi sapere perché quando si parla di AI chiedo sempre «L’AI di chi?», continua a leggere: I tuoi dati sono il tuo tesoro. Non darli semplicemente all’AI.
Tutti gli inizi sono facili.
Che tu sia un marketing manager, un CMO, un CTO, un CEO, un fondatore o semplicemente un curioso: discuteremo il tuo caso individuale in un appuntamento online di 30 minuti.
Utilizzando un caso d’uso analogo di un cliente, ti mostreremo come l’automazione del marketing può essere applicata alla tua azienda.
L’appuntamento è gratuito.


