Quali attività d'ufficio automatizzare per prime con l'AI

Nel 2025 usava almeno una tecnologia di intelligenza artificiale il 16,4% delle imprese italiane con almeno 10 addetti, il doppio dell'8,2% del 2024; tra le PMI la quota è del 15,7% (Istat, Imprese e ICT, dicembre 2025). Chi comincia adesso è ancora in anticipo sulla maggior parte dei concorrenti. Resta da capire da quale attività cominciare, ed è la scelta che decide se il primo progetto si ripaga.

Quali attività d'ufficio conviene automatizzare per prime con l'AI?

Conviene partire da un'attività che soddisfa tre condizioni insieme. La prima è il volume: deve ripetersi abbastanza spesso da pesare sulle ore del personale. La seconda sono le regole: una persona esperta deve saper spiegare come decide, anche se oggi quelle regole sono solo nella sua testa. La terza è il costo dell'errore: quando l'automazione sbaglia, il danno deve essere piccolo oppure qualcuno deve accorgersene prima che arrivi al cliente.

Le attività che di solito superano il test in una PMI sono lo smistamento delle email in arrivo (ordini, richieste di assistenza, fatture, reclami), l'estrazione di dati da PDF come DDT, ordini e preventivi dei fornitori, e il controllo di documenti contro dati già presenti nel gestionale. Hanno tutte la stessa forma: tanti casi simili, una decisione ripetuta e un esito che si può verificare.

La regola l'ho vista funzionare su scala grande. Nell'help desk interno di una grande banca italiana arrivano oltre un milione di richieste l'anno, da assegnare a più di 400 categorie. Volume enorme, regole scritte in una tassonomia, e un errore che costa giorni di rimbalzi tra team ma che si vede subito. Un agente LLM lì ha raggiunto l'81% di accuratezza contro il 75% degli operatori (il caso completo).

Come si dà un punteggio a un'attività prima di automatizzarla?

Prendete le dieci attività ripetitive che pesano di più sul vostro ufficio e date a ciascuna un voto da 1 a 3 su cinque criteri. Il costo dell'errore va letto al contrario: 3 vuol dire che sbagliare costa poco e l'errore si vede. Le attività con 12 punti o più sono candidate per un primo progetto; sotto i 9 conviene aspettare.

Lo storico conta più di quanto sembri. Senza esempi già decisi da persone non si sa se l'automazione fa meglio o peggio di oggi, e il progetto si giudica a sensazione. Nel caso della banca il confronto 81% contro 75% era possibile perché esisteva uno storico etichettato con cui misurarsi.

Perché smistare email e richieste è spesso il primo processo da automatizzare?

Lo smistamento è la decisione più semplice che esista: leggere un messaggio e dire a chi va. È anche quella che, se sbagliata, fa perdere più tempo, perché la richiesta rimbalza tra uffici prima di arrivare alla persona giusta.

Nella banca con oltre un milione di ticket l'anno, dopo l'entrata in produzione dell'agente il tempo medio di risoluzione è sceso da 5-6 giorni a 2-3. Il modello non risolveva nulla da solo: mandava il ticket subito al team giusto, e questo eliminava i rimbalzi. In una PMI i volumi sono più bassi, ma la dinamica è la stessa per la casella info@ che riceve ordini, reclami e richieste di preventivo mescolati. Se volete approfondire come si costruisce un sistema del genere, c'è la pagina sullo sviluppo di agenti AI.

Quando conviene automatizzare l'estrazione di dati da documenti e PDF?

Conviene quando qualcuno nel vostro ufficio ricopia a mano cifre da un PDF a un gestionale. Bolle di consegna, ordini dei clienti, preventivi dei fornitori e certificati arrivano in formati diversi, e il lavoro di ricopiatura cresce con i volumi.

Una nota sulle fatture italiane: le fatture elettroniche passano dallo SdI in formato XML strutturato, quindi i loro dati si leggono senza AI. L'AI serve per tutto quello che arriva fuori da quel canale, come i PDF allegati alle email, le scansioni e i documenti esteri.

L'estrazione da sola non basta per fidarsi dei dati. Per un cliente del settore finanziario ho progettato una pipeline che legge oltre 2.500 documenti al giorno ed esegue circa 30 controlli di validazione su ognuno, per esempio totali che devono quadrare. Solo i documenti che superano tutti i controlli passano in automatico; il lavoro manuale è sceso dell'84% (il caso dei bilanci). In un altro progetto, le pratiche di successione di una banca vengono confrontate in automatico con i dati in archivio e i tempi di gestione sono scesi dell'80% (il caso delle successioni).

Per i documenti in settori regolamentati c'è una pagina dedicata all'AI documentale.

Quali attività d'ufficio è meglio non automatizzare subito?

Le decisioni rare e costose. Un preventivo su misura che vale metà del fatturato del mese, una trattativa con un fornitore, una contestazione legale: sono pochi casi, ognuno diverso, e un errore pesa molto. L'AI può aiutare a preparare il materiale, ma il primo progetto non dovrebbe partire da qui.

La selezione del personale merita una nota a parte. L'AI Act classifica come ad alto rischio i sistemi usati per selezionare candidati (Allegato III), con obblighi di documentazione e supervisione umana. Per una PMI al primo progetto è un terreno da lasciare a dopo.

Infine, le attività dove nessuno sa spiegare come decide. Se due persone dello stesso ufficio classificano la stessa email in modo diverso, prima va messo d'accordo l'ufficio, poi si automatizza.

Quanto si risparmia automatizzando la prima attività d'ufficio?

Dipende dalle ore che l'attività assorbe oggi, ed è il motivo per cui conviene misurarle prima di iniziare. I risultati che ho visto in produzione vanno da un tempo di risoluzione dimezzato (da 5-6 giorni a 2-3) a riduzioni del lavoro manuale dell'80% e dell'84% sui controlli documentali. Sono progetti bancari con volumi alti: in una PMI la percentuale può essere simile, ma le ore assolute sono di meno.

I tempi dipendono dalle integrazioni: un progetto ben delimitato può partire in fretta (un agente vocale per una clinica era operativo in 2 settimane), mentre le integrazioni con sistemi bancari richiedono mesi di verifiche. Se il costo mensile dei modelli vi preoccupa, c'è la pagina sull'ottimizzazione dei costi LLM.

Come si parte in pratica nelle prime settimane?

1. Elencate le dieci attività ripetitive più pesanti e date un voto con la griglia.
2. Per le due migliori, misurate la situazione di oggi: casi al mese, ore spese, errori o rilavorazioni.
3. Raccogliete qualche centinaio di casi già decisi da persone: serviranno per misurare l'accuratezza.
4. Fate girare l'automazione in parallelo al lavoro manuale, con una persona che controlla ogni esito.
5. Passate in automatico solo i casi che superano i controlli e mandate gli altri in revisione con il motivo.

Quali errori si fanno nella scelta del primo processo da automatizzare?

Il più comune è partire dal processo più fastidioso invece che dal più adatto. Il processo che tutti odiano spesso è quello con meno regole e più eccezioni, cioè il peggiore per cominciare.

Un altro errore è non misurare la situazione di partenza. Senza sapere quante ore costa oggi un'attività e quanti errori produce, dopo tre mesi nessuno può dire se l'automazione funziona.

C'è poi chi affida tutto al modello senza controlli. Nei progetti che ho seguito l'affidabilità veniva dai controlli di validazione e dal passaggio delle eccezioni a una persona, più che dal modello.

Infine, mettere i dati dei clienti in uno strumento qualsiasi. Nei progetti bancari i modelli giravano su Azure OpenAI nell'ambiente cloud UE del cliente e nessun dato sensibile finiva nei log. Una PMI non ha gli stessi vincoli di una banca, ma il GDPR vale comunque e la scelta di dove girano i dati va fatta all'inizio.