Implementare AI sui dati aziendali: il percorso per le PMI

La maggior parte delle PMI italiane ha lo stesso problema: i dati esistono, ma sono sparsi tra cartelle condivise, email, PDF scannerizzati, export da gestionale e file Excel usati come database. Non c'è governance, non c'è struttura, non c'è un'API. L'idea di "implementare l'AI" sembra impossibile senza prima mettere ordine. E mettere ordine sembra un progetto da anni, non da mesi.

La risposta sbagliata è comprare un tool AI generico. La risposta giusta è capire quali domande il business ha bisogno di rispondere a partire da quei dati — e costruire il sistema di retrieval intorno a quelle domande, non intorno all'infrastruttura.

Il nostro percorso è in tre fasi:

• Discovery (2 settimane): inventario dei dati, mappatura degli accessi, valutazione della qualità documentale, audit dei formati. Non è overhead — è l'assicurazione che evita tre mesi di rework.
• MVP RAG (4 settimane): sistema RAG funzionante su un corpus definito e delimitato. Chunking semantico, vector search con Weaviate, risposte con citazione della fonte. Validato con utenti reali prima di qualsiasi investimento ulteriore.
• Validazione e scaling: misurazione della qualità del retrieval (MRR, Recall@k), feedback degli utenti, estensione progressiva del corpus. Nessun scale-up senza evidenza che il sistema funziona.

L'intera infrastruttura è basata su Nexus MDS Core: circa 16 servizi Docker orchestrati, deployment on-premise o su server dedicato. I dati non escono dal perimetro aziendale. Nessuna dipendenza da hyperscaler. Conformità GDPR verificabile per design.

Per le PMI che non hanno mai implementato un sistema AI, questo è il punto di partenza: un percorso strutturato, con risultati misurabili in sei settimane, non un progetto aperto che cresce senza controllo.