RAG o fine tuning: cosa serve alla tua azienda?
RAG o fine tuning: scegli in base al lavoro da svolgere, prepara gli input giusti e chiedi al fornitore una dimostrazione verificabile.
AI
Integrazione dell'intelligenza artificiale in azienda — dagli assistenti pronti a un LLM privato
Partiamo dal processo, non dal modello: ChatGPT, Copilot o Gemini configurati per il tuo team, agenti AI integrati nei tuoi flussi di lavoro, oppure un modello open-weight installato e addestrato sulla tua infrastruttura.
Quando fa al caso tuo
Il team passa ore a fare copia-incolla: email, documenti, report, inserimento dati.
I dipendenti usano già ChatGPT per conto loro, con i dati aziendali e senza regole.
Hai provato uno strumento di AI, dava risposte sbagliate con grande sicurezza e il progetto pilota si è spento in silenzio.
I tuoi dati non possono uscire dall'azienda, quindi l'AI in cloud sembra esclusa.
Cosa implementiamo
Punto d'ingresso
Audit AI dei processi
Una mappa di dove l'AI fa risparmiare ore e dove aggiunge rischi: attività, volumi, dati, responsabili.
ChatGPT · Copilot · Gemini · Claude
AI pronta per il team
Piani business configurati per l'azienda: account, regole sui dati, policy di utilizzo, formazione.
n8n · Make · API
Agenti AI e automazione
Agenti che smistano le richieste, preparano bozze di risposta, estraggono dati dai documenti e aggiornano il CRM, con una persona che approva dove conta.
RAG
Assistente per la conoscenza aziendale
Un assistente interno che risponde a partire dai tuoi contratti, manuali e wiki, con i link alla fonte.
Llama · Mistral · Qwen
Installazione di un LLM privato
Un modello open-weight sui tuoi server o in un cloud dedicato nell'UE: prompt e documenti non escono mai dal tuo perimetro.
LoRA · set di test
Fine-tuning e valutazione
Addestriamo un modello sui tuoi esempi per tono, formato e terminologia di settore, misurandolo su un set di test prima e dopo.
Come si svolge un'implementazione AI
Mappare il processo
Dove vanno oggi le ore: attività, volumi, chi fa cosa e con quali dati.
Scegliere i casi d'uso
In ordine di ore risparmiate e di rischio; si parte da quello che si ripaga prima ed è più facile da misurare.
Dati e compliance
Quali dati tocca l'attività, dove possono essere trattati, cosa richiedono il GDPR e l'AI Act europeo.
Scegliere l'approccio
Strumento pronto, automazione, RAG o modello privato: secondo la matrice qui sotto, con motivazione scritta.
Pilota sul lavoro reale
Un piccolo gruppo, attività reali e un set di test con i tuoi esempi su cui verificare le risposte.
Valutazione
Accuratezza, tempo risparmiato ed errori a confronto con il processo manuale, non impressioni.
Rollout e formazione
Accessi, regole d'uso e formazione per il team. Un'AI senza regole d'uso è una fuga di dati annunciata.
Monitoraggio e miglioramento
Controlli di qualità regolari, aggiornamenti dei modelli e i casi d'uso successivi.
Quale approccio: la matrice onesta
Dall'assistente pronto al tuo modello: scegliamo in base all'attività, ai dati e ai volumi, non all'hype:
| ✓ | ✕ | |
|---|---|---|
| Assistenti pronti (ChatGPT, Copilot, Gemini, Claude) | Partenza rapida per tutto il team; modelli potenti; controlli di amministrazione e condizioni business per i dati | I dati vengono trattati nel cloud del fornitore, secondo contratto; integrazione poco profonda |
| L'AI dentro gli strumenti che già usi | CRM, helpdesk e suite per l'ufficio hanno già funzioni di AI: niente di nuovo da adottare | Ottieni ciò che ha costruito il fornitore, non ciò che serve al tuo processo |
| Automazione + API dei modelli (n8n, Make, codice) | AI in passaggi precisi: smistare la posta, preparare bozze di risposta, portare dati dai documenti al CRM | Richiede monitoraggio e gestione degli errori; non aggiusta un processo che non funziona |
| RAG — risposte dai tuoi documenti | Un assistente che cita i tuoi contratti, manuali e wiki; la conoscenza si aggiorna senza riaddestrare il modello | Vale quanto i documenti su cui si basa: un archivio disordinato dà risposte disordinate |
| LLM privato (modello open-weight sui tuoi server) | I dati non escono mai dal tuo perimetro; costi prevedibili con volumi alti; pieno controllo sulle versioni | Servono hardware o un cloud GPU e qualcuno che li gestisca; modelli più piccoli dei migliori in cloud |
| Fine-tuning | Tono e formato fissi, lessico di settore, un modello piccolo che fa bene un solo compito circoscritto | Non serve a insegnare fatti, per quello c'è il RAG; richiede un buon set di esempi validi |
Il nostro principio: vince l'approccio più semplice che rispetta i tuoi requisiti sui dati. Un modello privato quando i dati lo richiedono, non per prestigio.
Aspettative oneste
- Non tutte le attività hanno bisogno dell'AI. Se basta una checklist o una semplice automazione, te lo diciamo e costruiamo quella.
- L'AI sbaglia. Per tutto ciò che arriva ai clienti o ha valore legale approva una persona: prevediamo questo passaggio fin dall'inizio.
- Misuriamo prima del rollout: un set di test con i tuoi esempi reali e una metrica chiara. «Sembra intelligente» non è un risultato.
- I tuoi dati, i tuoi asset: prompt, basi di conoscenza, modelli addestrati e account appartengono alla tua azienda.
Prezzi indicativi
Costi dell'intelligenza artificiale in azienda
Prezzi di partenza. Licenze dei modelli, cloud GPU o hardware si pagano a parte: li calcoliamo nel preventivo insieme alla realizzazione.
-
Audit AI dei processi
Una mappa del lavoro ripetitivo: dove l'AI fa risparmiare ore, dove aggiunge rischi e da quale scenario partire.
da 400 € a progetto
-
Agenti AI e automazione
Richieste in arrivo smistate, bozze di risposta pronte, dati estratti dai documenti e portati nel CRM, con una persona che approva dove conta.
da 2850 € a progetto
-
LLM privato
Un modello open-weight sui tuoi server o in un cloud dedicato nell'UE, collegato alla tua base di conoscenza. L'infrastruttura è a parte.
da 4900 € a progetto
Il preventivo esatto arriva dopo il brief e l'analisi del tuo progetto: motivato, non una cifra campata in aria.
Prezzi di partenza per progetti tipici, IVA esclusa. Budget pubblicitari, licenze, hosting e servizi di terzi si pagano a parte, senza ricarichi.
I primi casi studio sono in preparazione
Pubblichiamo i casi solo con il consenso del cliente e numeri verificati. Fino ad allora, il nostro metodo e le checklist qui sopra sono la cosa più onesta che possiamo mostrarti.
Dal blog
Allucinazioni AI: perché il tuo assistente sbaglia e come ridurle
Il tuo assistente dà risposte sbagliate? Da dove nascono le allucinazioni AI, come testarlo e quali correzioni riducono per prime gli errori più sicuri.
Automatizzare le email con l'AI: cosa affidare a un agente
Vuoi automatizzare le email con l'AI? Perché spesso fallisce, come capire quali email può gestire un agente e in che ordine passargli il lavoro.
Domande frequenti
Da dove iniziare con l'intelligenza artificiale in azienda?
Da un processo, non da uno strumento. L'audit mostra dove vanno le ore e quali attività l'AI può assumere in sicurezza; si parte dal caso d'uso che si ripaga prima ed è più facile da misurare.
I nostri dati sono al sicuro con ChatGPT, Copilot o Gemini?
I piani business di questi assistenti prevedono condizioni contrattuali sui dati e controlli di amministrazione, e le condizioni cambiano da un fornitore all'altro. Se bastano dipende dai tuoi dati e dal tuo settore: le verifichiamo rispetto ai tuoi requisiti prima del rollout.
Cos'è un LLM privato e quando serve?
Un modello linguistico open-weight che gira sui tuoi server o in un cloud dedicato, così prompt e documenti non escono mai dal tuo perimetro. Ha senso con dati sensibili (sanità, legale, finanza, segreti commerciali), con contratti rigidi verso i clienti o con volumi alti, dove il prezzo a richiesta si accumula.
Serve il fine-tuning di un modello?
Di solito non all'inizio. La maggior parte delle attività aziendali si risolve con un buon modello, i tuoi documenti (RAG) e istruzioni chiare. Il fine-tuning conviene quando servono un tono o un formato fissi, un lessico di settore o un modello più piccolo ed economico per un solo compito circoscritto, e quando hai abbastanza esempi validi.
Quanto costa integrare l'AI in azienda?
Un audit AI dei processi parte da 400 €, agenti AI e automazione da 2850 €, un LLM privato da 4900 €, IVA esclusa. Gli strumenti pronti sono soprattutto licenze e configurazione; un LLM privato aggiunge hardware o cloud GPU e la gestione operativa. Il preventivo esatto arriva dopo l'audit, con i costi ricorrenti calcolati, non solo quelli di realizzazione.
E il GDPR e l'AI Act europeo?
Mappiamo quali regole si applicano al tuo caso d'uso: informare i clienti quando parlano con un'AI, accordi sul trattamento dei dati, dove sono conservati i dati e per quanto tempo. Non siamo i tuoi avvocati, ma costruiamo in modo che i tuoi avvocati possano dare il via libera.
Parti da un audit AI
Dicci quale processo si mangia più ore: rispondiamo con i casi d'uso su cui vale la pena fare un pilota e cosa richiedono dai tuoi dati.
Il perimetro va da un singolo compito alla gestione completa della disciplina. I prezzi indicativi sono qui sopra; il preventivo esatto arriva dopo il brief e l'analisi del tuo progetto.
Servizi collegati:
Grazie — ecco i prossimi passi
- Rispondiamo entro un giorno lavorativo.
- Una breve call per capire l'esigenza.
- Ti proponiamo un punto di partenza — di solito un audit.
Vuoi una stima più precisa? Compila il brief — arriva come integrazione alla tua richiesta.
Compila il brief