Una sola piattaforma AI per tutta l’azienda: perché il futuro non è avere 20 tool diversi

In breve

• Il futuro dell’AI in azienda è una piattaforma unica: un solo perimetro con identità, dati, modelli e log, dentro cui ogni reparto fa cose diverse.
• La frammentazione in molti strumenti ha quattro costi: conformità moltiplicata, nessun punto di controllo unico, conoscenza isolata e costi sparsi senza potere negoziale.
• Una sola piattaforma non vuol dire un solo fornitore né un solo modello: il livello condiviso serve proprio a usare il modello giusto per ogni attività e a cambiarlo.
• Cinque domande per valutarla: modelli intercambiabili, accesso con credenziali aziendali, registro esportabile, integrazione in lettura e scrittura con i sistemi, cosa ci si porta via.

Il controllo di gestione chiude il trimestre e nota una voce ricorrente nelle note spese: undici abbonamenti a servizi di AI, intestati a undici persone diverse, in cinque reparti. Nessuno di questi acquisti è irregolare, ognuno risolve un problema vero, e la somma non supera il costo di una licenza enterprise. Il problema non è la spesa. È che l’azienda ha appena scoperto di avere undici perimetri di dati, undici contratti ognuno con le sue clausole e zero modi di sapere chi sta usando cosa.

La nostra tesi è che il futuro dell’AI in azienda non sia una collezione di strumenti specializzati, ma una piattaforma AI aziendale unica: un solo perimetro dove stanno identità, dati, modelli e log, e dentro cui ogni reparto fa cose diverse. In questo articolo vediamo come si arriva alla frammentazione senza deciderlo, quanto costa davvero, quali obiezioni a questa tesi sono fondate, e cosa significa in concreto “una sola piattaforma”, che non vuol dire un unico fornitore per ogni cosa.

Come si arriva a venti strumenti senza averlo deciso

La frammentazione dell’AI non nasce da una scelta sbagliata, nasce dall’assenza di una scelta. Il marketing prova uno strumento per i contenuti, l’ufficio tecnico ne trova uno che legge i PDF meglio degli altri, il customer service ne attiva uno dentro il ticketing, lo sviluppo usa un assistente al codice, e qualcuno in amministrazione ha trovato un servizio che fa riassunti di riunioni. Ogni decisione è ragionevole presa da sola.

Il meccanismo è lo stesso dell’adozione sommersa di cui abbiamo scritto parlando di Shadow AI, con una differenza: qui gli acquisti sono visibili, a volte perfino autorizzati. È Shadow AI che ha passato l’ufficio acquisti, il che la rende meno rischiosa sul piano dei dati e più costosa su quello organizzativo.

Il punto in cui il modello si rompe è sempre lo stesso: quando qualcuno chiede una cosa che attraversa due reparti. Un agente che prepari un’offerta leggendo il listino, le condizioni commerciali del cliente e lo storico dei ticket tocca tre sistemi e tre strumenti diversi, nessuno dei quali vede gli altri. A quel punto si scopre che quello che l’azienda ha comprato non sono undici pezzi di una soluzione, sono undici soluzioni separate.

I quattro costi della frammentazione

Conformità e governance moltiplicate

Ogni fornitore rappresenta un contratto distinto, un accordo sul trattamento dei dati personali, una specifica posizione sui trasferimenti extra-UE e una politica di conservazione autonoma. Con undici fornitori servono undici valutazioni di impatto e, soprattutto, undici risposte pronte quando un cliente in due diligence chiede dove finiscano le informazioni riservate. Il costo nascosto non è la firma iniziale: è l’onere ricorrente di mantenere tutto aggiornato a ogni evoluzione normativa.

Assenza di un punto di controllo unico

Quando un collaboratore lascia l’organizzazione, chi revoca tempestivamente i suoi accessi? In un perimetro centralizzato si tratta di un’unica operazione. Con una galassia di tool disgiunti, alcuni dei quali attivati con utenze personali, si apre un inventario che nessuno possiede per intero. Lo stesso vale per la governance dei modelli: sapere chi può impiegare quale algoritmo/LLM e su quali dati diventa un’indagine complessa e opaca.

Conoscenza isolata e non riusabile

È forse il costo più invisibile e più alto. Se il reparto di assistenza clienti mette a punto un flusso eccellente per gestire un’intera famiglia di prodotti, quel patrimonio operativo resta confinato nel suo strumento. L’ufficio tecnico, affrontando una sfida documentale analoga, ripartirà inevitabilmente da zero. In un ecosistema frammentato l’esperienza non si accumula, e ogni nuova implementazione dell’AI ripropone lo stesso costo di avviamento.

Costi sparsi e nessun potere negoziale

Decine di micro-abbonamenti mensili passano inosservati nei singoli budget dipartimentali perché si mantengono sotto le soglie di autorizzazione. Nel bilancio complessivo, tuttavia, superano largamente l’investimento di una licenza enterprise, privando l’azienda di qualsiasi economia di scala o supporto dedicato. Quando poi si tenta il consolidamento, i costi di migrazione e riconversione superano la spesa iniziale.

Le obiezioni oneste

Ci sono tre argomenti seri contro la tesi della piattaforma unica, ed è doveroso prenderli sul serio invece di liquidarli.

“Lo strumento specialistico è migliore.” In settori verticali molto ristretti, come la generazione avanzata di codice o l’elaborazione grafica, questa affermazione trova riscontro. Ciononostante, la stragrande maggioranza dei compiti aziendali quotidiani (scrittura, sintesi, ricerca documentale, estrazione dati, preparazione di bozze) non necessita di applicativi di nicchia, bensì di un modello solido connesso alle informazioni proprietarie dell’impresa.

“Una piattaforma unica genera lock-in.” Il rischio tecnologico esiste e va gestito su due fronti distinti. Il vincolo al singolo modello si previene adottando un’infrastruttura agnostica: i motori evolvono a ritmo serrato e legarsi a un unico fornitore di intelligenza artificiale e modelli LLM è una scelta miope. Il vincolo alla piattaforma, invece, si valuta ponendo due interrogativi chiave: l’azienda può esportare agilmente i propri dati e le proprie configurazioni? Può innestare componenti di terzi laddove indispensabile? Se la risposta è affermativa, si sta adottando un perimetro di governo e non una gabbia.

“Il reparto procede più rapidamente in autonomia.” Un vantaggio tangibile nel corso del primo trimestre, che tuttavia si rovescia dal terzo in poi. L’agilità iniziale nell’acquisto diretto si paga salatamente quando si rende necessario integrare quel software nei gestionali aziendali, produrre log di conformità, portare l’esperimento in produzione o scalare su più reparti. L’obiettivo non è frenare l’operatività dei reparti, ma dotarli di un perimetro sicuro in cui correre senza generare isole.

Cosa significa davvero “una sola piattaforma AI aziendale”

Qui serve una distinzione, perché “piattaforma” è una parola che i fornitori usano per indicare cose molto diverse. Una piattaforma AI aziendale non è un’applicazione che fa tutto: è un livello condiviso su cui poggiano usi diversi. Quel livello contiene quattro cose, e sono sempre le stesse.

• Una identità sola. Le persone accedono con le credenziali aziendali, i ruoli determinano cosa possono fare, la revoca è immediata e vale ovunque.
• Un perimetro di dati solo. Dove risiedono, per quanto, chi vi accede e se contribuiscono o meno all’addestramento dei modelli: una risposta, non undici. Sul perché la localizzazione conti più di quanto sembri abbiamo scritto in Data residency e data sovereignty in UE.
• Un registro solo. Chi ha usato cosa, su quali documenti, con quale esito, indipendentemente dal reparto e dall’attività. È ciò che rende dimostrabile qualsiasi obbligo documentale.
• Più modelli, non uno. Il livello condiviso serve proprio a poter usare il modello giusto per ogni attività e a cambiarlo quando ne esce uno migliore, senza riscrivere i processi che ci stanno sopra.

Su questo livello poggiano usi molto diversi: l’assistente che un collaboratore usa ogni giorno, le automazioni che attraversano i gestionali, l’assistenza ai clienti. Sono tre cose distinte per rischio e complessità, ma condividono identità, dati, log e modelli. È la differenza tra avere una strategia e avere undici contratti, e abbiamo raccontato come costruire la prima nella guida alla strategia di AI adoption aziendale.

Come si valuta, in concreto

Se state scegliendo adesso una piattaforma AI aziendale, cinque domande la separano da un abbonamento con un bel nome. Valgono per qualunque fornitore, noi compresi.

1. Posso usare modelli di fornitori diversi e cambiarli senza rifare le configurazioni?
2. L’accesso passa dalle credenziali aziendali, con ruoli e revoca centralizzata?
3. Esiste un registro consultabile di cosa è stato fatto, e posso esportarlo?
4. Si collega ai sistemi che ho già (gestionale, CRM, ticketing, documentale) leggendo e scrivendo, o si limita a conversare?
5. Se domani cambio idea, che cosa mi porto via e in che formato?

La quarta domanda è quella che separa più nettamente i prodotti, perché un assistente che non tocca i sistemi aziendali resta uno strumento di produttività personale. La quinta è quella che i fornitori sperano non facciate. Per i criteri di valutazione in versione estesa abbiamo pubblicato una checklist per CTO e Operations.

Il confronto fra le piattaforme disponibili in Italia, criterio per criterio e con le fonti ufficiali, è nella guida su come scegliere una piattaforma AI per l’azienda.

Conclusione

Nessuna azienda decide di avere venti strumenti di AI. Ci arriva perché ogni singola decisione, presa isolatamente, era quella giusta. È lo stesso meccanismo che quindici anni fa ha riempito le aziende di applicazioni dipartimentali che non si parlavano, e che è costato un decennio di progetti di integrazione.

La differenza, questa volta, è che il consolidamento può avvenire prima e non dopo, perché siamo ancora all’inizio.Scegliere adesso un perimetro unico, con identità, dati, log e modelli in un posto solo, costa meno che consolidare undici isole fra due anni. È la convinzione su cui abbiamo costruito quello che stiamo per annunciare, e di cui parleremo qui nelle prossime settimane.

Parla con un esperto Userbot → È gratuito

Team Userbot, La redazione di Userbot

Le persone di Userbot che seguono l’adozione dell’AI nelle aziende: prodotto, governance e formazione.