Questionario
Ambizione AI e automazione
Dove fa decidere agli agenti AI, dove solo consigliare e quali human gate restano? Non "AI ovunque", ma una scelta mirata per ciascun use case, con responsabilità umana nei punti giusti.
Aggiornato il 18 mag 2026
Questionario · 4.12
Perché ora, non dopo
La tentazione è parcheggiare l’AI come “fase 2” (“prima far girare la base, poi l’AI”). Ma le scelte di configurazione che fa ora, classificazioni, struttura della knowledge base, campi dei ticket, determinano direttamente quanto bene l’AI potrà operare in seguito. Decida ora quale livello punta per ciascun use case, da questo dipende la qualità dei dati che imposta oggi.
Cosa consegna?
Matrice di ambizione AI
Per use case: livello (advise / assist / act), con criteri di successo e owner.
Human gate
Dove interviene un umano: su ogni azione, ad alto impatto, su incertezza?
Requisiti di qualità dei dati
Quali classificazioni, articoli di knowledge base e storia servono per realizzare la matrice?
Governance e trasparenza
Quali log, audit e spiegazioni fornisce agli utenti finali e ai regolatori?
I tre livelli
Livello 1 — Advise
L'AI suggerisce (categoria, risoluzione, risposta). L'agente decide e agisce. Punto di partenza più sicuro.
Livello 2 — Assist
L'AI esegue azioni parziali (classifica, instrada, abbozza la prima risposta). L'umano verifica e conferma.
Livello 3 — Act
L'AI agisce in autonomia entro limiti predefiniti. L'umano controlla a posteriori tramite dashboard o audit.
Domande chiave
- 1Quali use case vuole supportati dall'AI, classificazione ticket, prima risposta, ricerca in knowledge base, rilevamento no-show, anomalia di occupazione, routing automatico?
- 2Per use case: quale livello (1/2/3) punta in fase 1 e qual è la roadmap verso le fasi 2/3?
- 3Limiti, quali decisioni l'AI non può mai prendere in autonomia (mediche, legali, finanziarie sopra X €)?
- 4Trasparenza verso l'utente finale, come comunica che a rispondere è l'AI? Etichette, disclaimer, opt-out?
- 5Requisito di qualità dei dati, quale profondità di classificazione e maturità della knowledge base servono per raggiungere ogni livello in modo affidabile?
- 6Feedback loop, come raccoglie le correzioni (l'agente rifiuta una classificazione errata)? Alimenta il modello?
- 7Compliance e AI Act, quali use case ricadono in quale categoria di rischio? Documentazione, logging, supervisione umana?
- 8Privacy e uso dei dati, quali dati può vedere l'AI (intero contenuto del ticket, solo metadati)? Anonimizzare? Accordo di trattamento dati?
- 9KPI di successo dell'AI, tasso di adozione, accuratezza, correzioni agente, tempo risparmiato, soddisfazione utenti.
- 10Procedura di rollback, se l'AI sbaglia, come riporta rapidamente un use case al livello 1?
Template — Matrice di ambizione per use case
| Use case | Fase 1 | Fase 2 | Limite (mai) | Requisito di qualità dati | Owner |
|---|---|---|---|---|---|
| Classificazione ticket | Advise | Assist | Major incident | Classificazione a 3 livelli + 500+ ticket storici | Service Manager |
| Risposta knowledge base | Assist | Act | Domande HR/legali | 200+ articoli KB con tag FAQ | Servicedesk mgr |
| Rilevamento no-show | Advise | Act | Sala consiglio e sale VIP | Dati di check-in ≥ 3 mesi | FM mgr |
| Anomalia di occupazione | Advise | Advise | Pianificazione del personale | Sensori IoT attivi | Workplace lead |
| Auto-routing ticket | — | Assist | Incidenti P1 | Gruppi di lavoro + skill tag impostati | Service Manager |
| … | … | … | … | … | … |