Metta in ordine i suoi archivi prima di chiedere all’IA di fare previsioni su di essi

Di che cosa si tratta

Prima di mettere in funzione uno strumento di IA che impara dalla sua storia aziendale, controlli i dati da cui imparerà. I dati devono essere completi, registrati ogni volta nello stesso modo e raccolti in un solo posto. Se non lo sono, sistemi prima questo.

Strumenti di questo tipo stimano il prezzo di un nuovo lavoro dai lavori passati, il tempo che richiederà un’attività dalle attività passate, o il passo successivo con un cliente dalla scheda di quel cliente.

Un assistente di chat generico usato per scrivere bozze non ha bisogno di questo passo. Uno strumento che fa previsioni sui suoi dati sì.

Che cosa mostrano le prove

I casi aziendali elencati più sotto, in “Casi aziendali”, sono la base di questo consiglio. Nessuno studio lo ha verificato.

La pulizia dei dati è stata il lavoro principale. Un’officina di lavorazione dei metalli con sei persone voleva che l’IA facesse il prezzo di pezzi su misura a partire dalla storia della sua produzione. Gran parte del progetto è andata nella preparazione dei dati. Il titolare dice: “If the data is not clean, the tool will not be reliable.” [“Se i dati non sono puliti, lo strumento non sarà affidabile.”] Oggi un preventivo richiede circa dieci minuti, dove a volte ne richiedeva due ore.
I dati andavano creati. Un’azienda di carpenteria metallica annotava a mano i tempi di produzione. I tempi per pezzi identici differivano fino a 30 minuti, quindi servivano a poco. La prima metà del progetto è stata una semplice app con cui gli operai registravano i tempi reali. Il modello di IA addestrato su quei tempi si avvicinava al dato reale circa cinque volte più degli esperti dell’azienda.
Un solo posto per ogni cliente. Uno studio di consulenza di due persone lavorava con email e fogli di calcolo. Lo studio indica una sola scheda per cliente, al posto di file sparsi, come una delle scelte da cui è dipeso il suo progetto. Un’impresa di pulizie teneva i clienti in fogli di calcolo. L’impresa ha spostato i clienti in un unico sistema di gestione dei clienti, e l’IA di quel sistema ora suggerisce risposte a partire dalla scheda di ogni cliente.
Dati scadenti in entrata, risposte sbagliate in uscita. Rite Aid ha lasciato entrare immagini di bassa qualità nella banca dati con cui il suo sistema di riconoscimento facciale confrontava i clienti. Secondo l’autorità di controllo, questo rendeva più probabili i falsi riconoscimenti. Alcuni clienti sono stati accusati ingiustamente, e alla catena è stato vietato l’uso di questa tecnologia per cinque anni.

Dove esistono già dati lunghi e completi, questo passo è breve. Uno stabilimento di semiconduttori aveva i dati di 1.197 lotti di produzione passati, ciascuno con 3.614 valori registrati. Un modello di IA addestrato su quei dati ha indicato due fasi di produzione che rovinavano i chip.

Un fornitore di IA dice qualcosa di simile a partire dai propri dati. Anthropic, che vende il modello di IA Claude, ha classificato il modo in cui le imprese usano il modello. Nel suo rapporto di settembre 2025 sostiene che l’uso complesso è frenato più dall’accesso al contesto giusto che dal modello stesso. È la lettura che il fornitore dà dell’uso dei propri clienti, non un test.

Come si fa

Indichi la sola cosa che vuole prevedere. L’officina voleva il prezzo di un nuovo pezzo. L’azienda di carpenteria voleva il tempo per calandrare una lamiera. Una sola previsione le dice quali dati contano.
Elenchi i dati che servono alla previsione e dove si trovano. Per l’officina erano le registrazioni nel suo gestionale, le distinte dei componenti, i file 3D e i cicli di lavorazione standard.
Verifichi se i dati sono affidabili. Prenda dieci lavori passati identici o quasi identici e confronti ciò che è stato registrato. L’azienda di carpenteria ha trovato scarti fino a 30 minuti tra pezzi identici. Questo le ha fatto capire che doveva ripartire da zero.
Se i dati non sono abbastanza buoni, inizi a registrarli. In modo semplice. L’azienda di carpenteria ha scomposto un processo in fasi e ha dato agli operai un’app per registrare ogni fase sul relativo lavoro. Ha adattato l’app insieme agli operai e li ha formati a usarla.
Registri cosa è successo davvero. Gli esperti dell’azienda di carpenteria sovrastimavano le attività accessorie, come lo spostamento del materiale. Uno strumento addestrato sulle stime avrebbe copiato quell’errore. Addestri lo strumento su tempi misurati, costi reali e risultati reali.
Colleghi ogni dato al suo lavoro o al suo cliente. L’officina ha collegato ogni file 3D alla registrazione di come il pezzo era stato prodotto. Lo studio di consulenza ha messo tutto ciò che riguarda un cliente in una sola scheda.
Decida cosa può entrare. Fissi uno standard minimo per ogni nuova registrazione e indichi chi la controlla.
Continui a registrare dopo che lo strumento è in uso. L’azienda di carpenteria registra ancora ogni nuovo lavoro e aggiorna il suo modello con quei dati a intervalli regolari.

Che cosa misurare

Lo scarto tra le registrazioni di lavori identici, prima e dopo la pulizia.
La quota di lavori passati con una registrazione completa.
Quanto le previsioni dello strumento si discostano da ciò che è successo davvero, su lavori che lo strumento non ha mai visto. Veda la pratica Misuri il tempo risparmiato per attività rispetto a una misurazione di partenza.

Dove non funziona

Pulire tutto. L’azienda di carpenteria ha limitato il progetto a un solo processo. Pulisca i dati che servono a una previsione, poi passi oltre. Veda la pratica Parta da un processo costoso, non da un’introduzione in tutta l’azienda.
Registrazioni che il personale non tiene aggiornate. Il centro che ha seguito il progetto dell’azienda di carpenteria riferisce che problemi legati alle persone hanno rallentato più volte la raccolta dei dati e allungato il progetto. Renda la registrazione rapida e coinvolga chi la fa.
Nessuno risponde dei dati dopo. Le nuove registrazioni tornano al vecchio livello. Nomini una persona.
Partire dallo strumento. Uno strumento comprato prima di controllare i dati verrà giudicato su risposte che non poteva azzeccare.

Per dimensione dell’azienda

Micro e piccole imprese: può farlo il titolare. Il titolare dell’officina ha guidato il progetto da solo con il suo assistente, senza una società di consulenza.
Medie imprese: scelga un processo e affidi i suoi dati a una persona con nome e cognome. Metta in conto che raccolta e pulizia occuperanno gran parte del progetto.
Medio-grandi e grandi imprese: di solito i dati esistono, sparsi in diversi sistemi. Il lavoro è collegarli e concordare un unico modo di registrare tra sedi e gruppi di lavoro.

Casi aziendali

Aziende che l’hanno fatto

Cosa è successo senza questa pratica

Rite Aid L’autorità di controllo ha detto che Rite Aid non ha impedito l’uso di immagini di bassa qualità nella sua banca dati per il riconoscimento facciale, il che rendeva più probabili i falsi riconoscimenti. È andata male

Fonti

Nessuno studio pubblicato mette alla prova direttamente questa pratica, quindi la valutazione è Preliminari. La valutazione si basa sui casi aziendali qui sopra e sulle fonti qui sotto.

Anthropic (15 September 2025). Anthropic Economic Index report. A report by an AI vendor on how its own customers use its model. anthropic.com