Chi avvia un'impresa deve prendere fin dall'inizio delle decisioni relative al software. Quale CRM utilizzeremo? Dove gestiremo la contabilità? Dove conserveremo i nostri documenti? Lavoreremo con Microsoft 365 o con Google Workspace? Abbiamo già bisogno di un ERP?
La maggior parte delle persone risponde a queste domande sulla base dei requisiti attuali: prezzo, funzionalità, facilità d’uso e forse anche l’integrazione con altre applicazioni. Con l’intelligenza artificiale si aggiunge un’altra domanda, che in futuro dovrebbe diventare almeno altrettanto importante:
I sistemi di intelligenza artificiale potranno in futuro accedere in modo efficace ai dati e ai processi di questo software?
Chi oggi distribuisce i dati aziendali su sistemi difficilmente integrabili, domani si porrà dei limiti nell’utilizzo dell’IA. Per questo motivo, per le startup vale un nuovo principio: l’infrastruttura software non dovrebbe essere solo “cloud-ready”, ma anche “AI-ready”, ovvero compatibile con l’IA.
Chi oggi sceglie un software, determina le potenzialità dell’intelligenza artificiale di domani
Immagina una giovane azienda. I dati dei clienti sono nel CRM. Le fatture e i pagamenti sono nel software di contabilità. I preventivi e gli ordini potrebbero trovarsi in un ERP, le e-mail in un altro sistema e i contratti, le presentazioni e i documenti di progetto in un quinto sistema.
Per le persone questa suddivisione è già di per sé complessa. Per l’IA diventa una questione di architettura. Un assistente IA potrebbe, ad esempio, rispondere a questa domanda:
Quali ordini in sospeso abbiamo presso i clienti con cui negli ultimi tre mesi c'è stata una comunicazione via e-mail rilevante e per i quali ci sono ancora fatture in sospeso?
A tal fine, il sistema necessita dell’accesso al CRM, alla posta elettronica, alla gestione degli ordini e alla contabilità. Se ciascuno di questi sistemi offre un’interfaccia adeguata, il problema è in linea di principio risolvibile. Quando un sistema fondamentale è tecnicamente quasi completo, mancano proprio quelle informazioni che fanno la differenza.
Ciò significa che la qualità di una futura soluzione di IA non dipende solo dal modello, ma anche dal fatto che l’IA abbia effettivamente accesso ai dati corretti.
Il problema non è l'infrastruttura on-premise
Sarebbe troppo semplicistico definire il software cloud come moderno e quello on-premise come problematico. Un’applicazione gestita localmente può essere perfettamente integrabile. Ciò che conta è, ad esempio, se dispone di un’API documentata o di altre interfacce controllabili.
Ecco alcuni esempi:
- Odoo può essere ospitato o gestito su un'infrastruttura propria. La documentazione ufficiale descrive in modo esplicito le installazioni on-premise.
- ERPNext può essere gestito in proprio. Il framework Frappe su cui si basa mette a disposizione, di default, interfacce REST per gli oggetti dati.
- SAP continua a descrivere SAP S/4HANA come un sistema ERP in grado di funzionare anche sull’infrastruttura dell’azienda.
L’on-premise, quindi, non è il vero problema. Il problema è un’architettura chiusa. La situazione diventa problematica quando un’applicazione gira su un server interno, ma non offre né un’interfaccia utilizzabile né un accesso controllato ai propri dati. In tal caso, un sistema di IA esterno non può accedere a queste informazioni.
Potrebbe addirittura trattarsi di una scelta deliberata. A volte, per motivi di sicurezza o operativi, è opportuno disporre di un sistema completamente isolato. In tal caso, però, già in fase di progettazione dell’architettura è necessario chiarire in che modo si intenda comunque implementare l’IA: tramite un middleware controllato, un’interfaccia interna o un modello di IA gestito localmente.
La domanda, quindi, non è «Cloud o on-premise?». La domanda è: in che misura altri sistemi hanno accesso ai nostri dati e alle nostre funzioni?
L'API diventa un criterio di acquisto
Un'API, in parole povere un'interfaccia standardizzata tra sistemi software, è stata a lungo un argomento di interesse per gli sviluppatori. Oggi, per gli imprenditori e le imprenditrici, rappresenta una caratteristica strategica del software.
Un buon esempio è HubSpot. Tramite le interfacce è possibile integrare, tra le altre cose, contatti, aziende, trattative e ticket. A ciò si aggiungono i webhook per integrazioni basate sugli eventi e un server MCP, attraverso il quale i sistemi di intelligenza artificiale compatibili possono accedere ad alcune parti del CRM. Ciò non significa che HubSpot sia la soluzione giusta per ogni azienda. Dimostra però quali siano gli aspetti fondamentali da considerare quando si deve scegliere un software moderno.
Non solo: «Il CRM è in grado di gestire i miei lead?», ma anche: «Posso in seguito leggere, collegare e, ove opportuno, modificare in modo controllato i miei dati in modo automatizzato?»
CRM: i dati dei clienti non devono diventare un vicolo cieco
Per molte aziende, il CRM è destinato a diventare una delle fonti di dati più importanti per l’IA. Contiene dati sui clienti, opportunità di vendita, attività, note e spesso l’intera cronologia di una relazione con il cliente. Un assistente basato sull’IA potrebbe, ad esempio:
- Prepararsi ai colloqui di vendita
- Riassumere la cronologia dei clienti
- Individuare i follow-up
- Preparare le offerte
- Analizzare le opportunità di vendita
- Collegare le informazioni provenienti da altri sistemi ai dati dei clienti
A tal fine, il CRM deve rendere accessibili i propri dati. HubSpot offre ampie possibilità di integrazione, mentre Odoo collega CRM ed ERP e può essere gestito sulla propria infrastruttura. Anche in questo caso, ciò che conta non è il modello di hosting, ma l’apertura del sistema.
ERP: è qui che si concentra gran parte della realtà aziendale
La questione assume ancora maggiore importanza nel caso dell’ERP. Questo sistema comprende ordini, prodotti, magazzini, fornitori, progetti, servizi, fatture e altri processi aziendali fondamentali. Chi intende integrare davvero l’IA nei processi aziendali, a lungo termine non potrà fare a meno di questi dati. Un sistema di IA potrebbe, ad esempio, riconoscere:
- quali ordini subiranno ritardi
- per quali clienti gli ordini sono bloccati
- come si evolve il volume degli ordini
- quali progetti superano il loro budget
- quali informazioni devono essere raccolte per prendere una decisione aziendale
Odoo ed ERPNext dimostrano che anche i sistemi gestiti in proprio possono essere compatibili con le API. SAP dimostra che anche i grandi sistemi aziendali possono funzionare on-premise. Per una startup, SAP sarebbe nella maggior parte dei casi eccessivo, ma resta comunque un buon esempio: on-premise e integrabilità non sono in contrasto tra loro.
Contabilità: le aziende svizzere dovrebbero prestare maggiore attenzione
In Svizzera, bexio e Abacus sono ampiamente diffusi. bexio mette a disposizione un’API REST documentata, tramite la quale le applicazioni esterne possono scambiare dati con il sistema. Anche Abacus offre API REST e servizi web. Esiste inoltre una versione cloud, AbaWeb, mentre le installazioni di Abacus possono funzionare anche su server propri.
Come puoi vedere, non basta chiedere al produttore se si tratta di una soluzione «cloud» o «on-premise». Devi esaminare la variante specifica del prodotto e le sue interfacce. Inoltre, vale la pena chiedersi quali dati siano effettivamente disponibili tramite l’API. Il fatto che esista un’API non significa che tutte le funzioni del software siano accessibili tramite essa.
L'e-mail diventa un'importante fonte di conoscenza
Una parte consistente delle conoscenze aziendali è ancora contenuta nelle e-mail. Google mette a disposizione per Gmail un’API tramite la quale le applicazioni autorizzate possono, tra l’altro, leggere, organizzare o inviare messaggi. Microsoft, oltre alle offerte cloud, continua a proporre Exchange Server per l’utilizzo all’interno dell’azienda. Microsoft definisce espressamente l’attuale Exchange Server Subscription Edition come una soluzione di posta elettronica on-premise.
Anche in questo caso l’architettura è fondamentale. Se in futuro le e-mail dovranno diventare parte di un sistema di conoscenza basato sull’intelligenza artificiale, devi tenere conto fin dall’inizio di accessi, autorizzazioni e interfacce.
I documenti costituiscono spesso il più grande archivio di dati non strutturati
Offerte, presentazioni, progetti, contratti, verbali, documentazione tecnica e linee guida interne contengono gran parte del know-how aziendale. È proprio questo che li rende così interessanti per l’IA. Immagina se i tuoi collaboratori potessero chiedere:
«Cosa abbiamo promesso a questo cliente nelle ultime tre offerte?»
oppure:
«Quali decisioni sono state prese finora riguardo a questo progetto?»
Affinché ciò funzioni, l’IA deve essere in grado di individuare i documenti rilevanti e, a seconda delle autorizzazioni della persona in questione, di leggerli. Anche in questo caso esistono diverse architetture. Oltre alle grandi piattaforme cloud, Nextcloud, ad esempio, può essere gestito su un’infrastruttura propria. Nextcloud descrive espressamente la propria offerta come compatibile con l’installazione on-premise e supporta l’integrazione di diversi sistemi di archiviazione esterni.
Il vero problema: la conoscenza aziendale è dispersa
Anche se ogni singolo sistema funziona bene di per sé, con la crescita emerge un altro problema: le informazioni si frammentano. Una parte si trova nel CRM, una parte nelle e-mail, una parte nei documenti, nell’ERP e nella contabilità. In seguito potrebbero aggiungersi sistemi di assistenza, gestione dei progetti, data warehouse e applicazioni specializzate.
Un utente passa continuamente da un’applicazione all’altra. Un agente di intelligenza artificiale, invece, necessita di un accesso tecnicamente regolamentato a ogni fonte di informazioni. Per questo motivo dovresti considerare fin dall’inizio l’architettura del software come un sistema integrato.
L'obiettivo non è quello di trasferire tutti i dati in un'unica applicazione. L'obiettivo è che i sistemi possano comunicare tra loro e che i dati non finiscano definitivamente in silos isolati.
MCP è interessante, ma è più importante avere una buona API
Nel contesto dell’intelligenza artificiale, si parla spesso al momento del Model Context Protocol, abbreviato in MCP. Questo protocollo può semplificare l’interfacciamento tra i sistemi di intelligenza artificiale e le applicazioni esterne. HubSpot offre già un proprio server MCP, mentre altri fornitori stanno lavorando a soluzioni simili.
Tuttavia, nella scelta del software non dovresti considerare l’MCP come unico criterio decisionale. Le tecnologie cambiano. Un’API ben documentata, un buon modello di autorizzazione e un’architettura dei dati aperta sono elementi fondamentali. Chi dispone di queste basi potrà integrare anche le future tecnologie di intelligenza artificiale.
Attenzione al “vendor lock-in”
Nella fase di avvio, molte decisioni relative al software sembrano reversibili. In seguito, spesso non lo sono più. Dopo cinque anni, nel CRM potrebbero esserci decine di migliaia di contatti, centinaia di migliaia di registrazioni nell’ERP, anni di corrispondenza nei sistemi di posta elettronica e grandi quantità di documenti su una piattaforma. A quel punto, un cambio di sistema diventa costoso.
Per ogni decisione importante relativa al software è quindi fondamentale porsi la seguente domanda: come possiamo uscirne? Una buona funzione di esportazione non è la stessa cosa di una buona API, ma entrambe sono importanti. L’API consente l’integrazione e l’automazione continue. La funzione di esportazione garantisce che i tuoi dati non rimangano intrappolati nel sistema in modo permanente. Verifica fin dall’inizio se puoi esportare i tuoi dati in modo completo, strutturato e in un formato riutilizzabile.
Un'API da sola non basta a rendere un software compatibile con l'intelligenza artificiale
Anche dietro la frase «API disponibile» si nasconde più di quanto sembri. Prima di prendere una decisione, dovresti verificare almeno questi sette punti:
- Quali dati sono disponibili tramite l'interfaccia? Non serve a molto che l'API esista se poi mancano proprio le informazioni rilevanti.
- L'API è solo di lettura o anche di scrittura? Per le analisi è sufficiente l'accesso in lettura. Gli agenti incaricati di svolgere determinati compiti potrebbero aver bisogno di un accesso in scrittura controllato.
- Esiste un sistema di autorizzazioni adeguato? Un’intelligenza artificiale non dovrebbe avere automaticamente accesso a tutti i dati solo perché, dal punto di vista tecnico, esiste un’interfaccia.
- La piattaforma supporta l'automazione? I webhook e meccanismi simili consentono alle applicazioni di reagire agli eventi senza dover interrogare costantemente tutti i dati.
- Ci sono dei limiti? Le API possono avere diverse restrizioni quantitative a seconda del fornitore, della licenza e del piano tariffario.
- L'interfaccia è documentata e viene aggiornata regolarmente? Un'interfaccia scarsamente documentata comporta, nella pratica, elevati costi di integrazione.
- È possibile esportare i dati nella loro interezza? Questa questione è rilevante a prescindere dall’intelligenza artificiale e riduce la dipendenza dal fornitore.
Lista di controllo per imprenditori e imprenditrici
Prima di implementare un sistema CRM, ERP, di contabilità, di posta elettronica o di gestione dei documenti, oggi porrei almeno queste domande:
- Esiste un'API documentata e aggiornata?
- Quali dati importanti sono disponibili tramite questa API?
- È possibile leggere i dati e, se necessario, scriverli?
- Esistono webhook o soluzioni di automazione simili?
- Esiste un sistema di ruoli e autorizzazioni che possa essere gestito con precisione?
- Gli utenti tecnici o le applicazioni possono ottenere diritti di accesso propri?
- È possibile esportare tutti i dati aziendali, strutturarli e riutilizzarli in un secondo momento?
- Quali sono le limitazioni previste per l'API?
- L'accesso all'API dipende da una licenza specifica?
- È possibile integrare la soluzione con piattaforme di automazione o middleware?
- Esistono già integrazioni con le principali piattaforme di IA?
- Il produttore supporta gli standard aperti?
- Quanto sarebbe oneroso un cambio di sistema in un secondo momento?
- Puoi continuare a utilizzare i tuoi dati indipendentemente dal fornitore?
E, per concludere, la domanda fondamentale: un futuro agente di intelligenza artificiale potrebbe accedere in modo controllato alle informazioni che stai memorizzando proprio in questo sistema? Se non riesci a rispondere a questa domanda, chiariscila prima dell'acquisto.
L'approccio "cloud-first" non è più sufficiente
Negli ultimi anni, molte startup hanno seguito il principio del «cloud-first». Era comprensibile: il software cloud riduceva i costi infrastrutturali, semplificava gli aggiornamenti e consentiva alle giovani imprese di partire rapidamente. Con l’IA, i requisiti cambiano nuovamente. Oggi la domanda più appropriata è: la nostra infrastruttura è pronta per l’IA?
Ciò non significa che ogni azienda debba immediatamente sviluppare agenti basati sull'intelligenza artificiale. Né significa che ogni sistema debba necessariamente essere ospitato nel cloud. Significa piuttosto che, nel prendere le decisioni odierne, occorre tenere conto della futura utilizzabilità dei propri dati. I dati non acquisiscono valore semplicemente perché vengono raccolti. Il loro valore nasce quando sono reperibili, collegabili e accessibili alle applicazioni giuste.
La scelta del software diventa una scelta relativa ai dati
È allettante scegliere un software in base a ciò che oggi sembra più semplice o più conveniente. Una decisione del genere, però, può avere un impatto che dura dieci anni. Per i sistemi aziendali centrali, quindi, non basta limitarsi a considerare le funzionalità attuali. Almeno altrettanto importante è chiedersi: cosa potremo fare domani con i dati in essi memorizzati?
In sintesi: le aziende in cui i sistemi CRM, ERP, contabilità, posta elettronica e archiviazione dei documenti possono essere integrati in modo controllato non solo dispongono di una buona infrastruttura IT, ma creano anche le basi affinché i futuri sistemi di intelligenza artificiale possano operare effettivamente sulla base delle conoscenze e dei processi aziendali.
Quali software utilizzi oggi? E sapresti se domani un’intelligenza artificiale potesse accedere ai tuoi dati? Raccontami le tue esperienze: sono curioso di sapere in quali casi vi siete già imbattuti in sistemi chiusi.
Nota sulla protezione dei dati: swissAI tratta separatamente, nell’articolo «Utilizzare l’IA in modo sicuro senza limitarne inutilmente le potenzialità», quali dati aziendali e personali è consentito trasmettere a sistemi di IA esterni e quali requisiti si applicano in tal caso .