Soluzione · AI Operations
Formare il team a operare l'IA non è un corso di ChatGPT. È costruirgli una funzione.
Con l'IA in produzione ci sono tre strade: assumere il team, farla operare a qualcun altro, oppure farla operare alle persone che hai già. La terza è la più veloce da avviare e la peggio eseguita, perché la si confonde con un workshop di un giorno. Progettiamo la funzione, formiamo la tua gente sui tuoi sistemi veri e restiamo finché la reggono da soli.
Il problema
L'IA è già in produzione. Operarla non è il lavoro di nessuno in particolare.
- L'IA in produzione la reggono due persone che quel lavoro non l'hanno mai accettato: lo fanno sopra al proprio, senza turno, senza criterio scritto e senza che compaia nella loro valutazione.
- Quando un output è strano, ciascuno decide da solo se correggerlo, ignorarlo o escalarlo. Senza criterio comune lo stesso caso si risolve in tre modi diversi a seconda di chi c'è.
- Le eccezioni — ciò che il sistema non sa risolvere — si accumulano in un canale di chat invece che in una coda con responsabile e tempo di risposta, e si smaltiscono in ordine di chi insiste di più.
- Hai fatto una formazione sull'IA mesi fa. La tua gente sa scrivere prompt e continua a non sapere cosa fare quando il sistema devia un martedì mattina.
- Nessuno guarda il consumo finché non arriva la fattura, e a quel punto la conversazione è contabile invece che operativa.
- Ogni volta che il fornitore muove il modello c'è una settimana strana: la qualità cambia, nessuno sa se è il modello, il prompt o il dato, e si decide a sensazione.
Il costo di lasciare tutto com’è
Hai pagato il sistema e non l'operatività. Finché l'IA ci prende, quel buco è invisibile; il giorno in cui devia lo scopre un cliente e lo paghi tutto. E c'è un secondo costo, più lento e più caro: siccome operarla non è il lavoro di nessuno, nemmeno migliorarla lo è — così il sistema resta esattamente dove l'hai lasciato il giorno del rilascio mentre il mercato continua a muoversi. Nemmeno le altre due uscite sono gratis: aprire una posizione significa entrare in una selezione per un titolo largamente gonfiato, e dare fuori l'intera funzione lascia il criterio operativo del tuo business in casa d'altri.
La soluzione
Progettiamo la funzione, formiamo la tua gente a operarla e ci sfiliamo a fasi
- 1Partiamo dalla mappa, non dall'aula: quali sistemi di IA sono vivi, che decisioni prendono, cosa succede quando cadono e chi sta tappando quel buco oggi senza che risulti da nessuna parte.
- 2Definiamo la funzione e la distribuiamo: chi controlla gli output e con quale campionamento, chi lavora la coda delle eccezioni, chi escala e a chi, chi mantiene le checklist di qualità e chi rivede il consumo. Con nomi, turni e tempi di risposta — non con un organigramma teorico.
- 3Formiamo sul tuo sistema, con i tuoi casi e i tuoi guasti veri. Nessun esercizio da manuale: la tua gente si allena sugli output che la tua IA ha prodotto la settimana scorsa, compresi quelli sbagliati, e impara a distinguere un guasto del modello da un guasto del dato.
- 4Mettiamo il criterio per iscritto: cosa si corregge, cosa si accetta, cosa si escala e cosa ferma tutto. Quel documento è ciò che trasforma il giudizio di una persona nello standard di un team, ed è anche ciò che impedisce a un ricambio di azzerare l'apprendimento.
- 5Aggiungiamo i due pezzi che separano l'operare dal guardare: versionare i prompt — perché una modifica si provi prima di salire e si possa annullare — e leggere i costi in esercizio, così il team intercetta la spesa strana prima della finanza.
- 6Accompagniamo in produzione e ci sfiliamo a fasi: prima operiamo noi con loro davanti, poi loro con noi che guardiamo, infine da soli — con le metriche della funzione sulla loro board e una revisione periodica con noi.
Cosa cambia
Quello che smetti di perdere
Operare l'IA smette di essere un favore e diventa un lavoro con responsabile, turno e criterio scritto, dentro persone che conoscono già la tua operatività, i tuoi clienti e le tue eccezioni.
Meccanismo
Il criterio smette di vivere nella testa di due persone: resta scritto, si allena su casi reali e sopravvive alle ferie, alle assenze e ai ricambi.
Meccanismo
Il sistema torna a migliorare: quando qualcuno ha il mandato di toccarlo e un modo sicuro di provare e annullare una modifica, l'IA smette di congelarsi al punto in cui è stata rilasciata.
Meccanismo
Cosa misuriamo: % di output controllati secondo il campionamento concordato, tempo di smaltimento della coda delle eccezioni, % di blocchi escalati per la via giusta, checklist di qualità eseguite nei tempi, e scostamenti di consumo intercettati dal team prima della finanza.
Cosa misuriamo
Scheda tecnica
- Lavoro che elimina
- che operare l'IA sia un favore invisibile di due persone: senza turno, senza criterio scritto, senza coda delle eccezioni e senza nessuno che guardi qualità e costo
- Implementazione tipica
- 6–10 settimane
- Ingresso
- i tuoi sistemi di IA già in produzione, il team che hai oggi e tutto ciò che si fa a mano quando qualcosa devia
- Uscita
- una funzione operativa distribuita tra la tua gente — controllo, eccezioni, escalation, checklist di qualità, versionamento dei prompt e lettura dei costi — con criterio scritto, metriche proprie e capacità di reggerla senza di noi
- Compatibile con
- OpenAIAnthropicAzure OpenAIGoogle Vertex AILangSmithLangfuseJiraLinearServiceNowNotionMicrosoft 365Google Workspace
- Può collegarsi con
- Tu cola de incidencias y tu proceso de guardia actualesTus registros de producción, de donde salen los casos reales de formaciónTu gestión de prompts y tu panel de consumoTu marco de gobierno de IA y tu inventario de sistemas
- Cosa misuriamo
- % di output controllati secondo il campionamento concordatotempo di smaltimento della coda delle eccezioni% di blocchi escalati per la via giustachecklist di qualità eseguite nei tempiscostamenti di consumo intercettati dal team prima della finanza
- Adatto per
- aziende con IA già in produzione e un team proprio che conosce l'operatività — CIO, COO o responsabile IA — che preferiscono sviluppare la capacità dentro invece di aprire una posizione o consegnare il criterio operativo a terzi
- Non adatto per
- chi non ha ancora niente in produzione — lì non c'è una funzione da operare, c'è un sistema da costruire — e chi cerca una formazione generale sull'IA per tutto l'organico: quella è adozione, ed è un altro servizio
Domande frequenti
Sono i tre vertici dello stesso triangolo, e la scelta non è ideologica: è tempo, costo e controllo. Montare il team significa assumere i ruoli che mancano e dargli un mandato: è la via se l'IA diventerà il cuore del tuo business e puoi aspettare una selezione. Esternalizzare significa che la funzione la opera un altro sul tuo stack: è la via se ti serve che funzioni adesso e preferisci pagare capacità già fatta. Formare è la terza: le persone che già conoscono la tua operatività, i tuoi clienti e le tue eccezioni imparano a operare il sistema, e il criterio resta in casa. È la più economica in denaro e la più cara in attenzione della direzione, perché richiede che qualcuno dentro cambi davvero lavoro, non che frequenti un workshop. Molte aziende finiscono in un misto: formiamo il team e operiamo con loro mentre la capacità matura.
No, e la differenza si vede dal primo giorno. Un corso insegna a usare lo strumento: scrivere prompt migliori, conoscere le funzioni, sfruttare la chat. Questo insegna a reggere un sistema che sta già prendendo decisioni con dei clienti dall'altra parte: come si campionano gli output, cosa si fa con uno che puzza, quando si ferma tutto, come si lavora una coda di eccezioni con un tempo di risposta, come si prova una modifica prima di salire, come si legge il consumo. E non finisce con un attestato: finisce con una funzione distribuita, un criterio scritto e metriche che il tuo team guarda ogni giorno. Se ti serve la prima cosa, quella è adozione ed è un altro servizio — la facciamo anche, semplicemente non la chiamiamo allo stesso modo.
La maggior parte della funzione non è ingegneria: è giudizio operativo. Distinguere un output buono da uno cattivo nel tuo business, sapere quale caso merita di fermare tutto e quale si corregge e prosegue, capire quale eccezione è un episodio e quale è un pattern da risolvere a monte. Lo fa meglio chi guarda i tuoi processi da anni che chi è appena arrivato con un titolo di moda. Le due parti tecniche — versionare i prompt e leggere i costi — si insegnano concrete, sui tuoi strumenti, e non richiedono scrivere codice. Dove serve davvero un profilo tecnico lo diciamo e lo mettiamo per iscritto nella distribuzione, invece di fingere che possa coprirlo chiunque.
Per questo il risultato non è la persona formata: è la funzione scritta. Criterio, distribuzione, tempi di risposta, checklist e metriche restano documentati e vivi, così un ricambio entra per leggere e allenarsi, non per ricostruire. Inoltre distribuiamo sempre su più di una persona e definiamo un sostituto per ogni pezzo — una funzione che dipende da un nome proprio non è una funzione, è una dipendenza. E se il buco è grosso lo copriamo noi mentre il ricambio entra a regime, senza fermare l'operatività.
Lo montiamo nella tua azienda?
Hai individuato il problema. Noi consegniamo la soluzione e la lasciamo misurata.