Vai al contenuto
GUIDA PRATICA PER LE IMPRESE

Preparare i dati per l’AI: verifica un processo, non tutto l’archivio.

Parti da un processo: verifica fonti, accessi e casi che possono cambiare il risultato.

Definisci il dato necessario per una singola decisione

“Abbiamo molti dati” non dice se quei dati possono sostenere il lavoro richiesto. Per preparare una bozza d’ordine servono, per esempio, cliente, articolo, quantità e unità di misura. Per confermarlo possono servire anche condizioni commerciali, disponibilità e autorizzazioni. Sono due perimetri diversi, con requisiti diversi.

Leggi i dettagli

Scrivi l’output atteso e risali alle informazioni che lo giustificano. Per ciascuna, indica dove si trova, chi la gestisce e cosa succede se manca. Questo inventario permette di distinguere una lacuna che blocca il progetto da un dato utile ma facoltativo. Non chiedere al modello di indovinare ciò che il processo deve verificare.

Cinque controlli prima della prima integrazione

Leggi i dettagli

Fai scorrere la tabella per confrontare tutte le colonne.

Scheda di preparazione da compilare per ogni fonte
ControlloEvidenza richiestaEsempio di problema
AccessoAccount autorizzato e operazioni consentiteLa prova funziona solo con un account amministratore
SignificatoDefinizioni dei campi e unità“Quantità 10” può significare pezzi o confezioni
QualitàCasi completi, incompleti e in conflittoLo stesso cliente compare con codici diversi
AggiornamentoResponsabile e frequenza di sincronizzazioneUn listino archiviato sembra ancora valido
TracciabilitàRiferimento alla fonte e alla versioneNessuno riesce a ricostruire da dove arriva un importo

Costruisci un campione che esponga i problemi

Seleziona casi recenti e casi difficili, senza scegliere soltanto i documenti più puliti. Includi formati diversi, allegati ruotati, righe mancanti, abbreviazioni e clienti nuovi. Un campione iniziale serve a scoprire difetti; non dimostra da solo l’affidabilità futura su tutti i volumi.

Leggi i dettagli

Per ogni caso conserva l’esito corretto e il motivo. Se due persone esperte danno risposte diverse, prima chiarisci la regola aziendale. Etichettare come errore AI una decisione che l’organizzazione non ha definito rende la valutazione poco utile. Limita i dati condivisi a quelli necessari alla prova e usa un ambiente con accessi adeguati.

Esempio illustrativo: quantità ambigue in un ordine

Leggi i dettagli
  1. Osservazione

    Una richiesta riporta “3 scatole”, mentre il catalogo conserva il prezzo per singolo pezzo. L’anagrafica non indica sempre quanti pezzi contiene una scatola.

  2. Decisione

    Il progetto può estrarre il testo e preparare una bozza. Non può convertire automaticamente la quantità quando manca una corrispondenza approvata.

  3. Correzione mirata

    Il responsabile del catalogo completa le conversioni per gli articoli inclusi nel pilota. I restanti casi passano a revisione con il motivo esplicito.

La preparazione dei dati non coincide con la sola pulizia dei file: comprende significato, responsabilità e comportamento in caso di assenza.

Chiudi la verifica con tre liste e un responsabile

Non cercare un punteggio universale di “AI readiness”. Il risultato utile è sapere quali attività possono essere provate adesso e quali dipendono da una correzione specifica. Il NIST richiama la necessità di comprendere il contesto e documentare limiti; questa scheda è una nostra applicazione operativa, non una certificazione.

Leggi i dettagli
  • Pronti: fonti utilizzabili, campi definiti e accessi verificati per il perimetro iniziale.
  • Da correggere: problemi con proprietario, azione concreta e criterio di verifica.
  • Esclusi: casi che il sistema deve riconoscere e inviare a una persona.
  • Da monitorare: qualità e freschezza che possono peggiorare dopo il rilascio.
DALLE IDEE A UN BRIEF

Un modello su cui lavorare.

Verifica della preparazione dei dati

Fonti, difetti, azioni correttive e campione approvato.

Scarica il modello Markdown

Schema di estrazione documentale

Uno schema con campi, validazioni, evidenze e gestione dei dati assenti.

Scarica il modello Markdown

Registro delle fonti dell’assistente AI

Fonti con versioni valide, accessi, aggiornamenti e test di reperibilità.

Scarica il modello Markdown

Domande pratiche

Dobbiamo digitalizzare tutto prima di partire?

No. Puoi iniziare dal perimetro che dispone di fonti sufficienti. Documenta gli input esclusi e non estendere automaticamente i risultati del pilota ad archivi diversi.

I dati devono essere perfetti?

No, ma gli errori devono essere riconoscibili e gestibili. Un campo mancante può portare a revisione; un dato ambiguo trattato come certo può produrre una decisione sbagliata.

Chi dovrebbe partecipare alla verifica?

Una persona che svolge il processo, il responsabile delle fonti e chi gestisce accessi o integrazioni. Coinvolgi altri specialisti quando il contenuto e l’uso dei dati lo richiedono.

Riferimenti e metodo

NIST — AI Risk Management Framework 1.0: Core

Riferimento generale su contesto d’uso, misurazione e documentazione dei limiti. La scheda e l’esempio sono proposte operative di Stolen Orbit.

Qual è il primo processo da migliorare?

Parliamo del tuo processo