Nota editoriale: questa guida è stata integrata nell’approfondimento principale Come valutare il responsabile del progetto, aggiornato e mantenuto come riferimento unico.
Scegliere un consulente AI è diverso dal comprare un software: stai scegliendo chi entra dentro i tuoi processi, lavora con i tuoi dati e costruisce sistemi che il tuo team userà ogni giorno.
In sintesi
- Un buon consulente AI mostra esempi di agenti in produzione, non presentazioni di strategia: chiedi di vederne uno funzionante prima di firmare qualsiasi cosa.
- Lo scope e la timeline contano più del pitch: un prototipo deve essere visibile entro tre-quattro settimane, non mesi.
- Le domande sull’ambiente tecnico (quali tool, come gestisce i dati, cosa succede dopo il go-live) separano chi costruisce davvero da chi vende consulenza generica.
Il mercato italiano dell’AI consulting: cosa stai cercando
Il mercato italiano dell’AI consulting è ancora disordinato. Trovare un fornitore serio richiede di capire chi c’è là fuori.
Agenzie web e digital marketing che hanno aggiunto “AI” al pitch. L’output reale sono automazioni con Zapier o Make: utili, ma lontane dagli agenti AI autonomi che gestiscono processi con variabilità reale.
Consulenti enterprise calibrati su aziende da 500+ dipendenti, con processi di governance, tempi di progetto di sei-dodici mesi e strutture che una PMI italiana non regge né organizzativamente né sui budget.
Specialisti verticali che costruiscono agenti AI usando strumenti come il Claude Agent SDK di Anthropic, integrano CRM come Attio, lavorano in settimane e consegnano sistemi in produzione con log reali. Questa è la categoria giusta per una PMI italiana.
Il problema è che dall’esterno sembrano tutti uguali. Il sito è presentabile, il pitch suona bene. Ecco come distinguerli nella pratica.
Cosa determina l’impegno
Prima di confrontare i fornitori (il prezzo si discute in call, non su un blog), capire cosa guida la complessità di un progetto AI ti aiuta a qualificarne uno.
Audit AI iniziale. Il punto di partenza corretto è un diagnostico: mappa dei processi automatizzabili, analisi dei dati disponibili, roadmap prioritizzata con stima dei tempi. Un audit strutturato richiede circa due settimane. Uno che si chiude in 48 ore è quasi sempre superficiale.
Numero di integrazioni. Un agente che legge email commerciali, qualifica i lead e aggiorna automaticamente un deal in Attio richiede tre o quattro integrazioni attive: email provider, LLM API, CRM, eventualmente LinkedIn o un database interno. Ogni integrazione aggiunge superficie da testare. Un fornitore serio stima il tempo di integrazione prima del contratto, non lo scopre durante il progetto.
Qualità e accessibilità dei dati. Il progetto AI più semplice si inceppa se i dati di partenza sono sporchi, dispersi in fogli Excel, o inaccessibili per motivi tecnici o di policy interna. I primi trenta giorni richiedono coinvolgimento diretto del cliente: sessioni di intervista sui processi, accesso ai sistemi, feedback rapido sul prototipo. Senza questo, il progetto non avanza.
Fase post go-live. Un agente in produzione ha bisogno di monitoraggio continuo: comportamenti anomali, edge case non previsti durante il test, fine-tuning dei prompt quando il contesto cambia. Un fornitore che consegna il sistema e sparisce non è un fornitore: è qualcuno che ti ha venduto un problema che gestisci da solo.
Quando NON è il caso
Polara è una struttura snella, con un team piccolo e focus specifico sugli agenti AI per PMI italiane. Non siamo la scelta giusta se:
- Cerchi un’agenzia con trenta o più persone, SLA enterprise formali e un account manager dedicato a tempo pieno sulla tua azienda.
- Hai bisogno di addestrare un modello LLM proprietario sui tuoi dati. Usiamo Claude, GPT-4o e Gemini come componenti; non facciamo training da zero.
- Non hai trenta giorni da dedicare attivamente al progetto nelle prime fasi. Il prototipo richiede iterazione rapida: interviste, sessioni di feedback, test su dati reali.
- Il tuo obiettivo è l’AI tradizionale: BI, reportistica predittiva, previsioni. Lavoriamo sugli agenti AI agentici, non sull’analisi dati classica.
- Fai parte di un’azienda enterprise con procurement strutturato e compliance che richiedono sei mesi di valutazione prima di qualsiasi contratto.
Questi non sono difetti: sono confini chiari. Un consulente che non li dichiara dovrebbe farti chiedere cosa altro non sta dicendo.
Domande da fare al fornitore
Prima di qualsiasi proposta, fai queste domande. Le risposte ti dicono più di qualsiasi deck.
1. “Mostrami un agente che hai costruito e che è in produzione.” Non una demo su dati finti. Un sistema vivo, con log reali, collegato a strumenti del cliente. Se non ne ha uno da mostrare, fermati qui.
2. “Qual è lo stack tecnico che usi?” Claude Agent SDK, n8n, Python puro, Attio, Instantly, webhook diretti. Tool concreti, non generici. Se la risposta è “le migliori tecnologie disponibili”, non hanno capito cosa stai cercando.
3. “In quante settimane arrivo a vedere un prototipo funzionante?” La risposta deve essere misurata in settimane, non mesi. Un agente di lead qualification non richiede sei mesi. Se la risposta è vaga, lo scope non è stato definito.
4. “Cosa succede se l’agente smette di funzionare dopo il go-live?” Il post-produzione è la parte che i fornitori meno seri ignorano deliberatamente. Vuoi sapere chi monitora, con quale frequenza e con quale SLA.
5. “Come gestisci i dati del cliente durante il progetto?” Dove vanno i dati, chi li vede, quali API li ricevono, dove vengono loggati i prompt. Se la risposta è vaga, è un segnale di allarme sulla maturità del processo.
6. “Chi lavora materialmente sul progetto?” Founder, team interno, freelance? Non c’è una risposta giusta, ma devi sapere con chi interagisci davvero e chi costruisce il sistema.
7. “Hai lavorato in questo settore o su processi simili?” Non è necessario, ma la curva di apprendimento su un settore specifico è reale. Un caso analogo, anche parziale, aiuta a capire se hanno già risolto i problemi che stai incontrando.
Come valutare il servizio
Hai fatto le call e hai una proposta sul tavolo. Questi sono i criteri che contano, in ordine di importanza.
Chiarezza dello scope. La proposta descrive in modo specifico cosa si costruisce: quale processo, quali strumenti coinvolge, quali integrazioni sono incluse nella fase 1. Uno scope vago è il primo segnale di un progetto che deraglia prima di arrivare in produzione.
Timeline con milestone verificabili. Settimane uno-due: audit del processo. Settimane tre-sei: prototipo funzionante su dati reali. Settimane sette in poi: produzione e ottimizzazione. Senza milestone concrete non hai modo di capire se il progetto sta avanzando o stagnando.
Trasparenza sugli strumenti. I tool usati devono essere dichiarati nel contratto. Se il consulente tiene segreto lo stack, stai pagando per una dipendenza che non controlli e non puoi trasferire a qualcun altro in futuro.
Metodo di test e criteri di accettazione. Come si verifica che l’agente funzioni? Quale soglia di errore è accettabile? Un agente che classifica correttamente il settanta percento dei lead è utile o inutile dipende dal processo: lo devi sapere prima, non dopo.
Autonomia post-progetto. Al termine, sei in grado di capire come funziona l’agente e fare piccoli aggiustamenti tu stesso o con il tuo team? O hai bisogno del fornitore per ogni modifica? La risposta cambia significativamente il valore dell’investimento nel lungo periodo.
Se stai ancora valutando cosa aspettarsi dal primo contatto con un consulente AI, la guida su cosa aspettarsi da una consulenza AI chiarisce la struttura del primo progetto. Per capire invece se ha senso costruire internamente o affidarsi a un’agenzia, c’è un confronto diretto in agenzia AI vs team interno.
Domande frequenti
Quanto tempo ci vuole per vedere i primi risultati concreti di un progetto AI?
Per un agente focalizzato su un singolo processo, ad esempio qualificazione lead o automazione della gestione ordini, un prototipo funzionante deve essere visibile entro tre-quattro settimane dall’avvio. La produzione stabile con monitoraggio arriva nelle settimane successive. Progetti che non mostrano nulla nelle prime quattro settimane raramente migliorano con più tempo: è spesso un segnale di scope mal definito.
Cosa distingue un agente AI da un’automazione con Zapier o Make?
Un’automazione tradizionale esegue regole fisse: se arriva una mail con oggetto X, fai Y. Un agente AI ragiona sul contenuto: legge una mail, interpreta il tono, il settore del mittente e le informazioni implicite, poi decide tra più azioni possibili quella più appropriata. La differenza conta quando il processo ha variabilità reale che le regole fisse non riescono a gestire.
Come si tutela la privacy dei dati aziendali durante un progetto AI?
I dati usati per sviluppare e testare l’agente devono essere coperti da un accordo di riservatezza e, se si usano API cloud come Claude o GPT, da un DPA (Data Processing Agreement) con il provider del modello. Un consulente serio specifica per iscritto quali dati vengono passati a quali API, con quale retention policy, prima di iniziare qualsiasi lavoro sui sistemi del cliente.
Una PMI senza reparto IT interno può lavorare con un consulente AI?
Sì. I progetti più efficaci per le PMI italiane partono da processi semplici e ripetitivi che non richiedono un reparto IT: gestione email commerciali, qualificazione lead, automazione DDT e bolle, raccolta dati da CRM. Il consulente gestisce l’infrastruttura tecnica; il cliente fornisce l’accesso ai dati e il feedback durante il testing. Il coinvolgimento richiesto è di ore a settimana, non di risorse dedicate a tempo pieno.
—
Se hai un processo specifico che vuoi automatizzare e vuoi capire se un agente AI ha senso per la tua situazione, il punto di partenza è un audit iniziale di trenta minuti. Ti diciamo cosa automatizzare per primo, con una stima di scope e tempi. Prenota su polara-ai.com.
