L’intelligenza artificiale non è la scelta giusta in sette casi ricorrenti: processi con regole fisse, volumi troppo bassi, errori che non possono passare senza controllo, dati scarsi o disordinati, usi vietati o molto regolati, costi superiori al valore e decisioni da motivare una per una. Per ciascuno esiste un’alternativa concreta, spesso più economica: qui la trovate caso per caso, con le norme in vigore a ottobre 2026.
In quali casi l’AI non è la scelta giusta?
Nei sette casi della tabella, ognuno con una strada che costa o rischia meno:
| Caso | Perché l’AI non è adatta | Alternativa |
|---|---|---|
| Regole fisse e dati già ordinati | Il modello lavora per probabilità e non dà sempre lo stesso risultato | Automazione a regole, no-code o tramite API |
| Volumi bassi | Il progetto e la sua gestione costano più del tempo risparmiato | Modelli di documento e checklist, oppure un assistente AI generico usato a mano |
| Errori non tollerabili | Nessun modello è accurato al 100% | L’AI propone e una persona approva; regole fisse sul passaggio critico |
| Dati scarsi o disordinati | L’AI ripete gli errori dei dati, più in fretta | Pulizia dei dati e un archivio di riferimento prima dell’AI |
| Usi vietati o ad alto rischio per l’AI Act | Divieti già in vigore, obblighi pesanti dal 2 dicembre 2027 | Usi vietati: rinunciare. Alto rischio: decisione umana con l’AI di supporto e parere legale |
| Costo superiore al valore | Il beneficio non ripaga investimento e canoni | Soluzione più semplice, oppure rinvio a quando i volumi crescono |
| Decisioni da motivare | La spiegazione scritta da un modello può non corrispondere alle sue ragioni reali | Criteri scritti e decisione firmata da una persona |
Alcuni di questi freni compaiono anche nelle risposte delle imprese italiane. Secondo l’Istat, nel 2025 usava almeno una tecnologia di AI il 16,4% delle imprese con almeno 10 addetti, il doppio dell’anno prima. Tra quelle che l’avevano valutata senza adottarla, il 45,2% indicava dati mancanti o di scarsa qualità e il 43,0% costi troppo alti. Il 14,8% riteneva che adottarla non fosse utile.
Perché un processo a regole fisse non ha bisogno dell’AI?
Perché le regole fisse si scrivono una volta e un software le applica sempre allo stesso modo, a un costo quasi nullo per ogni esecuzione. Un modello linguistico, il tipo di AI che sta dietro a ChatGPT o Claude, lavora invece per probabilità. La documentazione delle API di Claude avverte che anche con la temperatura a zero, il parametro che riduce la variabilità, i risultati non sono del tutto deterministici, cioè ripetibili in modo identico. Sui modelli usciti dopo Claude Opus 4.6 la temperatura non si può più abbassare.
Calcolare uno sconto da un listino o passare un ordine dall’ecommerce al gestionale sono operazioni con dati strutturati e regole che si possono scrivere: basta un’automazione classica. Lo consiglia anche Anthropic, che nella guida sugli agenti di dicembre 2024 suggerisce la soluzione più semplice possibile, aggiungendo complessità solo quando serve, anche rinunciando del tutto agli agenti. Ne parliamo nella guida sugli AI agent.
L’AI serve quando l’input non è strutturato, come email scritte ognuna a modo suo o PDF di fornitori diversi. Secondo l’Istat, la tecnologia di AI più usata dalle imprese italiane che l’hanno adottata è l’estrazione di informazioni da documenti di testo (70,8%). Spesso la soluzione è mista: l’AI trasforma il documento in dati, poi le regole fanno il resto.
Quando i volumi sono troppo bassi per ripagare l’AI?
Quando il tempo risparmiato in un anno vale meno di quanto costano il progetto e la sua gestione nel tempo. Il consumo del modello pesa poco: per un documento breve (circa 2.000 token letti e 500 prodotti; i token sono i frammenti di testo su cui si paga), ai listini verificati tra il 28 settembre e il 2 ottobre 2026, si spendono circa 9 dollari ogni mille documenti, IVA esclusa, con Claude Sonnet 5.5 o GPT-6 Sol. Pesano i costi fissi: descrivere il processo, gestire le eccezioni, organizzare i controlli, aggiornare il flusso quando cambiano i sistemi collegati.
Un esempio con numeri ipotetici. L’ufficio acquisti registra 30 conferme d’ordine al mese, 6 minuti l’una: 36 ore l’anno. Al costo medio di 32 euro l’ora rilevato da Eurostat per il 2025 nelle imprese italiane con almeno 10 dipendenti, sono circa 1.150 euro l’anno. Nelle fasce indicative della nostra Flow Audit un’automazione semplice costa da 2.500 a 7.500 euro, e se la lettura dei documenti va integrata con il gestionale si sale di solito alla fascia da 7.500 a 25.000 euro. Anche partendo da 2.500 euro servono più di due anni solo per recuperare l’investimento, prima di canoni e manutenzione. E qualcuno deve comunque verificare i casi dubbi.
Con questi volumi conviene un buon modello di documento con una checklist, oppure un assistente AI generico usato a mano, con un account aziendale e regole chiare sui dati da inserire. Se i volumi crescono, il progetto si riprende con i numeri veri: il metodo per fare il conto è nell’articolo su quanto costa automatizzare un processo aziendale.
Cosa fare se un errore dell’AI non è tollerabile?
Lasciare l’approvazione a una persona prima che il risultato produca effetti, oppure usare regole fisse per quel passaggio. In uno studio del settembre 2025, OpenAI sostiene che l’accuratezza dei modelli non arriverà mai al 100%, perché alcune domande reali non hanno una risposta ricavabile. Le risposte inventate si possono però ridurre, perché un modello può astenersi quando è incerto.
Degli errori risponde chi usa l’AI. A febbraio 2024 un tribunale della Columbia Britannica ha condannato Air Canada a risarcire un cliente a cui il chatbot del sito aveva descritto una procedura per le tariffe agevolate diversa da quella reale. Per il tribunale l’azienda risponde di tutte le informazioni del suo sito, chatbot compreso.
L’errore costa caro su prezzi e condizioni comunicati ai clienti, pagamenti e rimborsi, scadenze legali e fiscali, dati inviati alla pubblica amministrazione. Qui l’AI può preparare una bozza o segnalare un’anomalia, ma la decisione spetta a una persona. Se i volumi non permettono di controllare tutto, servono verifiche automatiche sul risultato: i totali devono quadrare, i codici devono esistere nel gestionale. I casi che superano i controlli passano, gli altri vanno a una persona. Ne abbiamo parlato in perché gli AI agent barano e mentono.
Perché dati scarsi o disordinati bloccano un progetto di AI?
Perché l’AI lavora sui dati che le date: se sono incompleti o non aggiornati, ne ripete gli errori più in fretta. Per le imprese italiane che hanno valutato l’AI senza adottarla è il terzo freno, dopo la mancanza di competenze e la poca chiarezza delle norme: lo cita il 45,2%.
Un assistente che risponde sui documenti aziendali sbaglia se convivono tre versioni dello stesso listino. Un modello che stima i tempi di consegna impara poco da qualche decina di ordini registrati a mano, con date mancanti e codici diversi per lo stesso prodotto.
Prima va sistemata la base: anagrafiche pulite e ogni dato in un solo archivio di riferimento, con regole chiare su chi lo inserisce. Spesso il primo passo è un software o un database al posto dei fogli di calcolo.
Quali usi dell’AI vieta o limita l’AI Act?
L’AI Act (Regolamento UE 2024/1689) vieta alcune pratiche dal 2 febbraio 2025 e classifica altri usi come ad alto rischio, con obblighi che per gli usi dell’allegato III partono dal 2 dicembre 2027. Tra i divieti dell’articolo 5, i più vicini alla vita di un’azienda sono:
- Riconoscere le emozioni dei dipendenti sul luogo di lavoro, salvo motivi medici o di sicurezza.
- Classificare le persone con i dati biometrici per dedurne, per esempio, opinioni politiche, appartenenza sindacale, convinzioni religiose o orientamento sessuale.
- Manipolare con tecniche subliminali o ingannevoli, o sfruttare vulnerabilità legate a età, disabilità o situazione sociale o economica, causando un danno significativo.
- Assegnare punteggi sociali che portano a trattamenti sfavorevoli fuori contesto o sproporzionati.
Per queste violazioni le sanzioni arrivano a 35 milioni di euro o, se superiore, al 7% del fatturato mondiale annuo; per le PMI vale il più basso dei due importi. Dal 2 dicembre 2026 l’Omnibus digitale sull’IA aggiunge due divieti, sui contenuti intimi realistici generati senza consenso e sul materiale di abuso sessuale su minori.
Gli usi ad alto rischio sono elencati nell’allegato III. Per una PMI contano soprattutto la selezione del personale (per esempio il filtro dei curriculum), le decisioni su promozioni e cessazioni, il monitoraggio delle prestazioni dei dipendenti, il merito di credito delle persone fisiche e il calcolo di rischi e prezzi nelle assicurazioni vita e salute. Lo stesso Omnibus, il Regolamento (UE) 2026/1744 pubblicato il 24 luglio 2026, ha spostato questi obblighi dal 2 agosto 2026 al 2 dicembre 2027 (al 2 agosto 2028 per l’AI nei prodotti dell’allegato I, come giocattoli e ascensori). Da allora chi usa questi sistemi dovrà, tra l’altro, seguire le istruzioni del fornitore, affidare la sorveglianza a persone competenti, conservare i registri automatici (log) per almeno sei mesi e informare lavoratori e rappresentanti prima di usarli sul lavoro.
Intanto valgono già il GDPR e la legge italiana sull’AI: l’articolo 11 della legge 132/2025 obbliga il datore di lavoro a informare i lavoratori quando usa l’AI, nei casi previsti per i sistemi decisionali o di monitoraggio automatizzati. A certe condizioni, da documentare, un sistema dell’allegato III non è considerato ad alto rischio, per esempio se svolge solo un compito procedurale limitato o preparatorio. Se fa profilazione delle persone, invece, lo è sempre. La strada prudente è lasciare la decisione a una persona con l’AI in supporto, dopo aver fatto valutare il caso a un consulente legale.
Cosa succede quando dovete spiegare ogni decisione?
Servono una logica ricostruibile e una persona che risponda della decisione: un modello linguistico non sempre indica le vere ragioni delle sue risposte. Il GDPR (articolo 22) dà il diritto di non essere sottoposti a decisioni basate solo su un trattamento automatizzato che producono effetti giuridici o incidono in modo analogo e significativo sulla persona, salvo eccezioni. Se l’eccezione è un contratto o il consenso esplicito, si può comunque ottenere l’intervento umano e contestarla. Per queste decisioni l’interessato ha anche diritto a informazioni significative sulla logica utilizzata (articolo 15). L’AI Act aggiunge, per le decisioni con effetti significativi basate sui sistemi ad alto rischio dell’allegato III, il diritto a spiegazioni chiare sul ruolo dell’AI nella decisione (articolo 86).
Chiedere al modello di motivare la risposta non basta. In una ricerca dell’aprile 2025, Anthropic ha inserito nelle domande un suggerimento sulla risposta e ha controllato se i modelli che lo usavano lo citavano nel ragionamento scritto. Claude 3.7 Sonnet lo faceva in media nel 25% dei casi, DeepSeek R1 nel 39%. Una motivazione convincente può quindi non corrispondere a ciò che ha determinato la risposta.
Dove serve spiegare funzionano meglio criteri espliciti, come una tabella di punteggio con soglie dichiarate, e un registro di chi ha deciso e perché. L’AI può raccogliere e riassumere le informazioni, mentre la decisione e la motivazione restano a una persona.
Come capire se il vostro caso è adatto all’AI?
Partite dal processo e rispondete a sei domande prima di scegliere lo strumento:
- L’input è strutturato? Con email, PDF, foto di documenti e testi liberi l’AI dà il meglio; con dati già ordinati bastano le regole.
- Quante volte capita, e quanto tempo richiede? Misuratelo per due o tre settimane, eccezioni comprese.
- Cosa succede se il risultato è sbagliato? Decidete prima chi controlla e con quali verifiche.
- I dati di partenza sono affidabili? Se non lo sono, il primo progetto è sistemarli.
- L’uso tocca persone in ambiti regolati? Personale, credito, assicurazioni e biometria richiedono una verifica legale.
- Dovrete motivare le decisioni? Servono criteri espliciti e una persona che firma.
Se le risposte sono favorevoli, l’AI porta un vantaggio concreto, per esempio nel leggere ordini e documenti di formati diversi. La Flow Audit, la nostra diagnosi gratuita dei processi, serve anche a capire quali passaggi richiedono l’AI e quali si risolvono con regole e integrazioni.
In sintesi
L’AI non conviene con regole fisse e dati già ordinati, volumi bassi o costi superiori al valore, errori non tollerabili, dati scarsi o disordinati, usi vietati o ad alto rischio e decisioni da motivare. Al suo posto funzionano di solito un’automazione a regole oppure una persona che decide con l’AI in supporto, dopo aver sistemato i dati. I divieti dell’articolo 5 dell’AI Act valgono dal 2 febbraio 2025. Per i sistemi ad alto rischio dell’allegato III gli obblighi partono dal 2 dicembre 2027, mentre GDPR e legge italiana sull’AI si applicano già. Nei casi dubbi misurate il processo prima di scegliere lo strumento e, negli ambiti regolati, chiedete un parere legale.
Fonti: Istat, Imprese e ICT, anno 2025; Regolamento (UE) 2024/1689, AI Act, articoli 5, 6, 26, 86, 99 e allegato III; Regolamento (UE) 2026/1744, Omnibus digitale sull’IA; Commissione europea, entrata in vigore dell’Omnibus sull’IA; GDPR, articoli 15 e 22; legge 132/2025, articolo 11; Anthropic, Building effective agents, documentazione delle API e Reasoning models don’t always say what they think; OpenAI, Why language models hallucinate; Civil Resolution Tribunal, Moffatt contro Air Canada, 2024 BCCRT 149; Eurostat, costo orario del lavoro 2025; prezzi API di Anthropic e OpenAI; fasce di investimento della Flow Audit DigiFluss (indicative, non preventivi). Dati verificati il 2 ottobre 2026.