In molte aziende i documenti importanti stanno su Google Drive, in cartelle con nomi simili e versioni accumulate negli anni. Ritrovare il contratto giusto o il preventivo di due anni fa richiede spesso più tempo di quanto ne serva per leggerlo.

Con Drive collegato si può scrivere a Claude come a un collega: «trova il contratto con la clausola sul rinnovo». Claude cerca nei file in base al contenuto e di norma indica da quali ha preso le informazioni. Il collegamento si attiva in pochi minuti e non richiede codice. Servono un account Google, un account Claude e, nei piani Team ed Enterprise, l’approvazione di chi amministra l’organizzazione.

Scopri come innovare il tuo business

30 minuti di consulenza strategica gratuita

Un esperto a tua disposizione per analizzare il tuo caso e individuare le opportunità di crescita

Prenota Consulenza

Un connettore collega Claude a un’altra applicazione. Claude legge i dati di quel servizio e compie azioni al suo interno, sempre con i permessi di chi lo ha attivato. Il connettore di Google Drive fa parte dei connettori Google Workspace, insieme a Gmail e Google Calendar. Si basa sul protocollo MCP, che nell’articolo sulle Claude Skill è confrontato con Skill e Progetti.

Su Drive, Claude cerca tra i file, ne recupera metadati e anteprima e legge il contenuto di Google Docs, Sheets e Slides, di PDF e di file Microsoft Office. Ne ricava soltanto il testo: le immagini incorporate nei documenti non vengono elaborate. Nei Google Docs vede anche commenti e suggerimenti. Su richiesta può creare cartelle, caricare file, condividere, spostare e cestinare, e salvare su Drive i file che produce, a patto che nelle impostazioni siano attivi l’esecuzione del codice e la creazione di file.

Il connettore oggi è disponibile per tutti gli utenti e legge più tipi di file. Le guide più vecchie lo descrivono invece come riservato ai piani a pagamento e limitato ai soli Google Docs: se il proprio account mostra qualcosa di diverso, vale quello che si vede a schermo.

Per collegare Google Drive a Claude servono un account Claude, sul web o in Claude Desktop, e un account Google che abbia accesso ai file da usare. Il connettore rispetta i permessi esistenti: Claude vede soltanto ciò che l’account collegato può aprire su Drive.

Nei piani Team ed Enterprise il primo passaggio spetta a chi ha il ruolo di Owner o Primary Owner. In Organization settings, nella sezione Connectors, sceglie Browse connectors, seleziona Google Drive e clicca Add to your team. Il connettore diventa disponibile, ma nessuno ottiene accesso automatico: ogni persona deve poi autenticarsi con il proprio account Google.

Con Google Workspace può servire anche l’ok dell’amministratore Google: se manca, compare un messaggio di accesso bloccato. Come risolvere è spiegato più sotto.

Il percorso è lo stesso su Claude sul web e in Claude Desktop e parte dalla sezione che raccoglie tutti i connettori: qui lo seguiamo con i nomi dei menu in italiano, come compaiono sullo schermo.

1. Personalizzazione. Nel menu a sinistra si clicca Personalizzazione.
2. Connettori. Si sceglie la scheda Connettori. Nell’elenco della scheda «I tuoi» compaiono Gmail, Google Calendar e Google Drive; la scheda «Scopri» permette di sfogliare gli altri. In alternativa, dalla chat, si clicca il pulsante + in basso a sinistra, si apre Connettori e si sceglie Gestisci connettori.
3. Google Drive e Collega. Si clicca Google Drive: si apre la pagina del connettore, con la descrizione delle funzioni e l’elenco degli strumenti che Claude potrà usare. Poi si clicca Collega (nella pagina del connettore il pulsante si chiama Connetti a Claude).
4. Accesso con Google. Si accede con l’account Google da collegare e si autorizza l’accesso nella schermata di consenso. Con un account aziendale è il momento in cui può comparire il blocco dell’amministratore.
5. Attivazione nella chat. In una nuova conversazione si clicca +, si apre Connettori e si attiva Google Drive per quella chat. Da qui in poi si può fare la prima domanda su un documento.

Oltre alla ricerca libera, si può indicare a Claude un file preciso. In una chat si clicca +, si sceglie Aggiungi da Google Drive e si cerca tra i documenti aperti di recente, oppure si incolla l’indirizzo del file. Nella stessa conversazione si possono aggiungere più file, purché stiano nella finestra di contesto, cioè nella quantità di testo che Claude riesce a tenere presente in una singola chat.

Per i progetti il percorso cambia: si apre il progetto, nella sezione Files si clicca +, si sceglie Drive e si cerca il documento. Il connettore funziona soltanto nei progetti privati e risulta disattivato in quelli condivisi. I Google Docs aggiunti a chat e progetti restano sincronizzati con Drive, e Claude lavora così sempre sull’ultima versione.

Prendiamo Marta, che lavora in uno studio di consulenza con otto persone e deve ritrovare il contratto di fornitura firmato nel 2023, quello con la clausola sul rinnovo. Senza il connettore apre cartelle e scorre file con titoli quasi identici. Con Drive collegato basta scrivere a Claude. Prima chiede un quadro d’insieme: «Cerca nel Drive i contratti di fornitura firmati nel 2023 e per ciascuno indica la data di scadenza e le condizioni di rinnovo.» Poi va a fondo su un file: «Nel contratto con il cliente Rossi c’è una penale per la disdetta anticipata? Riporta il passaggio.» Infine confronta due versioni: «Confronta le ultime due versioni dell’offerta e segnala cosa è cambiato nei prezzi.»

Le risposte riportano le citazioni con il collegamento ai file di origine. Prima di rispondere al cliente va aperto il documento citato: Claude può sbagliare.

Claude accede ai dati di Drive solo quando una richiesta lo rende necessario e recupera il minimo indispensabile. Vede i file dell’account Google collegato e nulla di più: un documento che Marta non può aprire su Drive resta chiuso anche a Claude.

Per le azioni che modificano qualcosa, cioè condividere, spostare o cestinare un file, Claude chiede per impostazione predefinita l’approvazione prima di ogni operazione. Nei piani Team ed Enterprise gli Owner stabiliscono se i membri possono lasciar procedere queste azioni senza conferma. Possono anche limitare le azioni per tutta l’organizzazione: da Personalizzazione > Connettori, selezionando il connettore, nelle autorizzazioni degli strumenti (Tool permissions) si sceglie per ogni categoria tra Always allow, Needs approval e Blocked. Un’azienda può per esempio consentire la lettura dei file e bloccare la creazione e la modifica dei documenti.

I dati recuperati restano salvati insieme alla chat sui server di Anthropic, e cancellando la chat si cancellano anche quelli. Anthropic dichiara di non addestrare i modelli sui dati dei connettori Gmail, Drive e Calendar. Fa eccezione chi usa un piano consumer con l’uso delle chat per l’addestramento consentito: in quel caso il testo copiato a mano da Drive nella conversazione, come pure le risposte che riportano informazioni prese dal connettore, può servire a migliorare i modelli; come disattivare questa impostazione è spiegato in come disattivare l’addestramento su ChatGPT, Claude e Gemini. Nei piani Team ed Enterprise le chat con contenuti sincronizzati non si possono condividere.

Per i dati personali di clienti e dipendenti conviene decidere in anticipo quali file rendere raggiungibili e valutare il tema con il proprio responsabile della privacy. Un elenco dei contenuti da non esporre ai chatbot si trova in quali dati aziendali non incollare in ChatGPT, Claude e Gemini.

Il messaggio che chiede di riconnettere l’account Google Drive si risolve scollegando e ricollegando. Da Personalizzazione > Connettori si apre il connettore Google Drive, si clicca il pulsante per scollegarlo (Disconnect) e si conferma. Alla prima richiesta successiva Claude rimanda a Google per una nuova autorizzazione. Se il problema resta, si rimuove Claude anche dalle connessioni dell’account Google, cercando Claude e scegliendo Delete all connections.

Il messaggio «Access blocked: your institution’s admin needs to review Claude for Google Drive» compare quando l’organizzazione limita le app di terze parti. L’amministratore di Google Workspace entra in admin.google.com, va su Security > Access and data control > API controls > Manage third-party app access, clicca Add app, sceglie OAuth App Name, cerca Claude e lo imposta come Trusted. La modifica richiede circa 15 minuti per diventare attiva, poi si può riprovare a collegare. I nomi dei menu di Google possono cambiare con la lingua della console.

Le ricerche complesse possono richiedere più tempo, anche per i limiti di velocità delle API di Google.

Il connettore lavora dentro Claude: si scrive nella chat e Claude va a prendere i file su Drive. Esiste poi Claude per Google Workspace, un componente aggiuntivo che porta una barra laterale di Claude dentro Google Docs, Sheets e Slides. Si installa dal Google Workspace Marketplace e si apre da Extensions > Claude > Open Claude. È in beta per i piani Pro, Max, Team ed Enterprise, e chi può installarlo dipende dalle impostazioni di Marketplace dell’amministratore Google, non dal piano Claude.

Per modificare i file Google direttamente dalla chat esistono poi connettori separati per Docs, Sheets e Slides, anch’essi in beta: il file si apre in un riquadro accanto alla conversazione e Claude lavora mentre la persona può continuare a scrivere. Per ottenere un file Google al posto di un file locale, nella richiesta va nominato Google, per esempio «crea un Google Doc», altrimenti Claude produce un file da scaricare.

Scopri come innovare il tuo business

30 minuti di consulenza strategica gratuita

Un esperto a tua disposizione per analizzare il tuo caso e individuare le opportunità di crescita

Prenota Consulenza

L'articolo Come collegare Google Drive a Claude, passo per passo proviene da Zerodivision.

In breve:

Su ChatGPT e Claude l’addestramento si ferma con un’impostazione nelle opzioni di privacy, su Gemini si spegne Keep Activity. La scelta vale per le chat nuove e non cancella quelle già salvate. Sui piani aziendali i contenuti di norma non servono all’addestramento, ma le condizioni cambiano da un fornitore all’altro.

Lunedì mattina, in un’agenzia di viaggi, un’impiegata copia in ChatGPT la mail di un cliente per farsi aiutare a rispondere. Nel testo ci sono nome, itinerario e numero di telefono. Forse non ci ha pensato, ma quella conversazione, se l’impostazione dell’account lo permette, può essere usata da OpenAI per addestrare il suo chatbot: il testo delle chat serve a farlo migliorare nelle versioni future.

Anche Claude e Gemini hanno un’impostazione simile, ma nei tre servizi cambiano nome, menu ed effetti. Disattivarla richiede pochi minuti, mentre lasciarla com’è significa continuare a usare l’account senza sapere se le conversazioni vengono usate oppure no. In ChatGPT, Claude e Gemini l’impostazione si trova in menu diversi e non funziona allo stesso modo. Per gli account aziendali vale un’altra regola: di norma le chat non vengono usate per l’addestramento fin dall’inizio.

Scopri come innovare il tuo business

30 minuti di consulenza strategica gratuita

Un esperto a tua disposizione per analizzare il tuo caso e individuare le opportunità di crescita

Prenota Consulenza

Addestramento, conservazione e revisione umana sono tre cose separate. L’addestramento è l’uso del testo delle chat per migliorare i modelli futuri. La conservazione è il tempo in cui il fornitore tiene la chat nei suoi sistemi. La revisione umana è la lettura di una parte delle chat da parte di persone. L’impostazione di cui parla questa guida agisce sul primo punto, mentre gli effetti sugli altri due dipendono dal servizio.

Le istruzioni valgono per i piani personali (gratuiti e a pagamento individuali). I piani aziendali hanno regole proprie, descritte più avanti.

Su ChatGPT l’impostazione si chiama Improve the model for everyone e si trova in Settings > Data controls. Dal sito si apre il menu dell’account, si va in Settings, poi in Data controls, si disattiva l’opzione e si preme Done. Su iOS e Android si apre la barra laterale, si tocca l’icona del profilo e si seguono gli stessi passaggi. Con l’account connesso la scelta vale su tutti i dispositivi, mentre senza accesso resta salvata solo nel browser in uso.

C’è anche una seconda strada: nel Privacy Portal di OpenAI si sceglie “Do not train on my content”. Basta una delle due vie, non servono entrambe, come precisa la pagina di OpenAI sull’uso dei dati.

Dopo la disattivazione le nuove conversazioni non vengono più usate per migliorare i modelli. L’impostazione non elimina né nasconde le chat salvate, come precisano le FAQ sui controlli dei dati, e OpenAI non dichiara se quelle già esistenti siano escluse: conviene contare sull’esclusione solo da quel momento in poi. Archiviare una chat non cambia la sua idoneità all’addestramento.

Il feedback è un’eccezione: se si preme il pollice su o giù, l’intera conversazione collegata può essere usata per addestrare i modelli anche con l’impostazione spenta. Le chat temporanee non servono all’addestramento finché restano temporanee, e OpenAI può tenerne una copia fino a 30 giorni per motivi di sicurezza. Se una chat temporanea viene salvata, segue le impostazioni dell’account.

Su Claude l’impostazione si chiama Help improve our AI models e sta in Impostazioni > Privacy, che si apre dal nome utente. Sul web c’è anche l’indirizzo diretto claude.ai/settings/data-privacy-controls, e su mobile i passaggi sono gli stessi. Le indicazioni valgono per i piani Free, Pro e Max, come spiega la guida di Anthropic alle impostazioni di privacy.

Con l’impostazione disattivata né le chat precedenti né quelle future né quelle eliminate servono agli addestramenti, come precisa la pagina sulla conservazione dei dati. Sulle chat precedenti Anthropic descrive la regola in due pagine con formulazioni diverse, e la scelta sicura è contare sulle chat da quel momento in poi. I dati già entrati in addestramenti in corso o in modelli già addestrati restano dove sono.

Con l’impostazione attiva Anthropic può conservare i dati, privati degli elementi identificativi, fino a 5 anni nei processi di addestramento. Il periodo riguarda le chat nuove o riprese dopo l’attivazione. Le chat in incognito non servono a migliorare Claude nemmeno con l’impostazione attiva.

Restano due eccezioni. Le conversazioni segnalate dai sistemi di sicurezza possono servire comunque ai modelli che individuano contenuti dannosi o fanno rispettare le policy. I dati legati a un feedback, come il pollice su o giù o la segnalazione di un errore, restano 5 anni.

Su Gemini l’addestramento dipende da Keep Activity. Si apre Settings & help > Activity su gemini.google.com, oppure myactivity.google.com/product/gemini, si clicca su On in alto e si sceglie Turn off o Turn off and delete activity, come descrive la pagina di Google sull’eliminazione dell’attività.

Con Keep Activity attivo Google usa l’attività per fornire, sviluppare e migliorare i servizi, compreso l’addestramento dei modelli generativi. Con l’impostazione spenta le chat future non servono all’addestramento, salvo il feedback inviato a Google. Restano però salvate per 72 ore, perché Gemini deve poter rispondere, come spiega il Privacy Hub di Gemini. Google non dichiara che fine facciano le chat già salvate con il solo Turn off, e chi vuole toglierle sceglie Turn off and delete activity.

Una parte delle chat viene letta da revisori umani, e i dati rivisti dai fornitori di servizi restano fino a 3 anni, scollegati dall’account. Le chat temporanee non servono all’addestramento. Con Keep Activity spento le chat con i Gem non vengono salvate e funzionano solo alcune app collegate. L’impostazione non controlla inoltre la creazione di dati anonimizzati che Google usa per migliorare i propri servizi.

Le tre impostazioni hanno nomi, percorsi ed effetti diversi. La colonna rossa è quella di Claude, il servizio in cui Anthropic lega l’impostazione a un periodo di conservazione preciso, fino a 5 anni con l’impostazione attiva.

Nei piani aziendali di norma i contenuti non servono all’addestramento, ma i dettagli cambiano. Per scegliere quale servizio adottare in azienda c’è il confronto tra le migliori AI.

Su ChatGPT, per Business, Enterprise, Edu e API, input e output non vengono usati per migliorare i modelli per impostazione predefinita. Sulle API il proprietario dell’organizzazione può abilitare la condivisione dei dati. Il feedback sui piani Business, Enterprise ed Edu non autorizza l’addestramento sulla conversazione collegata, e gli amministratori lo gestiscono da Admin Console con l’opzione “Allow response feedback”.

Anche per i prodotti commerciali di Claude, come Claude for Work e l’API, Anthropic non usa input e output per l’addestramento per impostazione predefinita. Fa eccezione il feedback: se un utente preme il pollice su o giù, o consente l’uso in altro modo, le chat e le sessioni collegate possono servire ai modelli. Il feedback resta fino a 5 anni, scollegato dagli identificativi di utente e cliente, e i proprietari dei piani Team ed Enterprise possono disattivarlo da Organization settings > Data and Privacy, nell’opzione “Rate chats”.

In Google Workspace, secondo l’hub privacy dedicato, i prompt non servono ad addestrare modelli generativi fuori dal proprio dominio senza permesso, e i contenuti non sono riletti da persone. Le condizioni valgono per le edizioni idonee di Workspace, mentre Gemini for Education resta fuori da quella pagina.

Prendiamo ad esempio uno studio contabile con otto persone. Tre usano ChatGPT con l’account personale, due Claude nel piano gratuito e uno Gemini con l’account Google privato. Le bozze delle lettere ai clienti sono passate da quegli account e nessuno ha mai controllato l’impostazione. Il titolare disattiva l’addestramento su ogni account personale, passa a un piano aziendale per chi continua a usare l’AI e scrive nella policy interna quali dati non entrano nei prompt, come descrive l’articolo sui dati aziendali da non incollare. Le regole interne rientrano anche tra le priorità che la guida all’AI Act per le PMI segnala a chi usa chatbot di terzi.

Le chat restano nell’account finché non si eliminano. Il fornitore della AI può tenere dati per sicurezza o per obblighi di legge, e su Gemini una parte delle chat può essere letta da revisori. Le copie fuori dal servizio, come export, screenshot e testi incollati in altri documenti, non risentono dell’impostazione. Per ripulire l’account bisogna cancellare le chat dalle impostazioni di ciascun servizio, dopo aver esportato le chat che servono. Chi tratta dati molto delicati può valutare soluzioni in cui l’elaborazione avviene in ambienti protetti, di cui parla l’articolo sul confidential computing.

Scopri come innovare il tuo business

30 minuti di consulenza strategica gratuita

Un esperto a tua disposizione per analizzare il tuo caso e individuare le opportunità di crescita

Prenota Consulenza

L'articolo Come disattivare l’addestramento su ChatGPT, Claude e Gemini proviene da Zerodivision.

In breve, cosa puoi o non puoi incollare in una chat con l’AI
Non incollare mai password, chiavi di accesso e dati sanitari in ChatGPT, Claude e Gemini. I dati personali di clienti e dipendenti si incollano solo senza nomi e identificativi, i contratti riservati solo nei passaggi necessari e senza importi, il codice sorgente solo se l’azienda lo ha autorizzato e i dati finanziari solo aggregati. I testi pubblici, le bozze scritte da te e le domande generali non danno problemi.

Un tuo collega apre ChatGPT, incolla il contratto di un cliente e scrive: «Riassumimi i punti critici». Ci mette trenta secondi e il riassunto è buono. Ma quel contratto, con il nome del cliente, le cifre e le clausole di riservatezza, si trova ora in una chat su un server esterno.

Il tuo collega ha usato lo strumento per quello che serve. Incollare un testo in una chat richiede un secondo e in quel secondo nessuno si chiede dove finisce il testo. Nel 2023 alcuni dipendenti di Samsung hanno caricato su ChatGPT codice riservato dell’azienda, che ha poi vietato gli strumenti di AI generativa, come ha riportato Bloomberg.

In questa guida trovi quali dati devi tenere fuori da ChatGPT, Claude e Gemini, quali puoi incollare senza pensarci, come togliere i dati sensibili da un testo prima di usarlo e come trasformare tutto in regole scritte che i tuoi colleghi leggano e seguano.

(Se invece vuoi sapere cosa è già stato incollato nei vostri account, puoi esportare le chat e cercarci dentro.)

Scopri come innovare il tuo business

30 minuti di consulenza strategica gratuita

Un esperto a tua disposizione per analizzare il tuo caso e individuare le opportunità di crescita

Prenota Consulenza

Dipende dallo strumento e soprattutto dal piano: gli account personali e quelli aziendali seguono regole diverse. Questo dicono le pagine ufficiali dei tre servizi.

• ChatGPT. Con Free, Plus e Pro OpenAI può usare i contenuti per addestrare i modelli, salvo opt-out in Impostazioni > Data controls > Improve the model for everyone. Con Business, Enterprise, Edu e API i contenuti di default non sono usati.
• Claude. Con Free, Pro e Max l’uso dipende dall’impostazione Model Improvement, che si cambia in Settings > Privacy > Help Improve our AI models. Con Team, Enterprise e API i contenuti di default non sono usati.
• Gemini. Alcune conversazioni sono lette da revisori umani, anche di fornitori esterni. Si gestisce dalle impostazioni dell’attività di Gemini Apps (Keep Activity). Con un account di lavoro o scuola possono valere regole diverse.

Poi ci sono tre eccezioni che valgono anche quando hai disattivato l’addestramento:

• Il feedback. Su ChatGPT, con un piano personale, un pollice su o giù può far usare l’intera conversazione per l’addestramento anche dopo l’opt-out. Su Claude la conversazione collegata al feedback viene conservata fino a 5 anni.
• Le segnalazioni di sicurezza. Su Claude una conversazione segnalata dai sistemi di sicurezza può essere usata per migliorare il rilevamento degli abusi, anche con l’opzione disattivata.
• La revisione umana. Su Gemini i dati letti dai revisori restano conservati per 3 anni, scollegati dal tuo account, e cancellare la tua attività non li elimina. Google stessa chiede di non inserire informazioni riservate che non vorresti far vedere a un revisore.

Le chat temporanee di ChatGPT e quelle in Incognito di Claude non vengono usate per migliorare i modelli, ma il testo passa comunque dal servizio: non sostituiscono le regole su cosa incollare.

Questi sono i dati da tenere sempre fuori da un account personale. Su un piano aziendale si possono usare solo dopo che l’azienda ha deciso come, con quali regole e con quale fornitore.

Nomi, indirizzi, email, codici fiscali, buste paga, curriculum: qualsiasi informazione riguardante una persona identificata o identificabile è un dato personale secondo il GDPR. Incollarlo in un chatbot vuol dire consegnarlo a un fornitore esterno, e con un account personale l’azienda non è parte del contratto con quel fornitore.

Cosa fare: sostituisci i nomi con ruoli («il cliente A», «la candidata») oppure usa un piano aziendale scelto e regolato dall’azienda.

Salute, orientamento sessuale, convinzioni religiose o politiche, iscrizione a un sindacato, dati genetici e biometrici: l’articolo 9 del GDPR li chiama categorie particolari di dati e ne vieta il trattamento in via generale, con eccezioni limitate. Un certificato medico da riassumere o una segnalazione di malattia di un collega rientrano qui.

Cosa fare: non incollarli. Se devi elaborarli, scegli lo strumento insieme a chi segue la privacy in azienda prima di usarlo.

Password, token, chiavi API, stringhe di connessione ai database. Succede soprattutto con il codice: incolli un messaggio d’errore per farti aiutare e dentro c’è la chiave. Una credenziale incollata in una chat va considerata esposta.

Cosa fare: prima di incollare, sostituisci i valori con segnaposto (CHIAVE_API). Se una chiave è già finita in una chat, revocala e creane una nuova.

Contratti, offerte, listini, verbali, tutto ciò che è coperto da un accordo di riservatezza. Un accordo di riservatezza vieta di condividere le informazioni con terzi, e un servizio esterno è un terzo anche se nessuno se ne accorge. Cosa puoi fare dipende da quello che hai firmato.

Cosa fare: leggi la clausola di riservatezza. Se ti serve un riassunto, incolla solo i passaggi necessari, senza nomi, importi e date.

Codice proprietario, architetture, documentazione interna, schemi di prodotto: è il caso di Samsung citato all’inizio.

Cosa fare: decidi quali repository possono essere condivisi e con quale strumento. Con un piano aziendale i contenuti di default non vengono usati per l’addestramento, come spiegato all’inizio. E controlla sempre che nel codice non ci siano credenziali.

Bilanci non ancora approvati, margini, previsioni, trattative in corso, prezzi concordati con un cliente.

Cosa fare: lavora su numeri di esempio che mantengono la struttura ma non i valori, oppure su dati aggregati e arrotondati.

Un LLM serve perché gli dai del materiale su cui lavorare, e i testi senza dati sensibili si possono incollare senza pensarci. Eccoli:

• testi già pubblici: pagine del sito, comunicati, listini pubblicati, normative, articoli;
• bozze scritte da te, senza nomi, importi o dati di terzi;
• domande generali e problemi tecnici senza dati reali, come una formula di Excel, un errore di programmazione senza credenziali o la scaletta di una presentazione;
• esempi inventati, con la stessa forma dei dati reali ma con valori falsi.

Per decidere nei casi dubbi basta una domanda: se questo testo finisse sulla scrivania di un concorrente o di un cliente, ti darebbe fastidio? Se la risposta è no, incolla. Se è sì, o se non lo sai, togli i dati sensibili come spieghiamo qui sotto.

Prima di incollare un testo che non sei sicuro di poter condividere, ripulirlo richiede pochi minuti. Funziona così:

1. Sostituisci i nomi con ruoli o segnaposto: «Mario Rossi» diventa «[cliente]», «Alfa Srl» diventa «[azienda A]».
2. Togli gli identificativi: codici fiscali, partite IVA, IBAN, email, numeri di telefono, indirizzi.
3. Arrotonda o genera gli importi e togli le date esatte, se non servono alla risposta.
4. Conserva una tabella di corrispondenza sul tuo computer, per rimettere i nomi veri nella risposta che ricevi.

Ecco un esempio, prima e dopo:

Prima:
Mario Rossi, responsabile acquisti di Alfa Srl (P.IVA 01234567890),
ci chiede uno sconto sulla fornitura da 84.000 euro firmata il 3 marzo.
Scrivigli una risposta che tenga il prezzo.

Dopo:
[Cliente], responsabile acquisti di [azienda A], ci chiede uno sconto
su una fornitura di circa 80.000 euro firmata di recente.
Scrivigli una risposta che tenga il prezzo.

Il chatbot AI riceve la stessa richiesta senza il nome del cliente né altri identificativi, e la risposta è altrettanto utile. Resta un limite: se nel testo restano abbastanza dettagli (il ruolo, il settore, una circostanza unica), una persona può ancora essere riconoscibile anche senza il nome. In quel caso togli anche quei dettagli, oppure non usare il chatbot per quel testo. Con la tabella di corrispondenza il testo è pseudonimizzato e non anonimo: per il GDPR i dati restano personali per chi conserva la tabella.

Le regole funzionano se stanno in una pagina sola, con esempi concreti e un nome a cui rivolgersi. Questo è uno schema da copiare e adattare alla tua azienda:

# Regole d'uso dell'AI in [azienda]

**Strumenti autorizzati:** [elenco], solo con l'account aziendale.

**Non incollare mai:**
- dati personali di clienti, fornitori e dipendenti
- dati sanitari e altri dati particolari
- password, chiavi e accessi
- contratti e documenti coperti da riservatezza
- codice sorgente non autorizzato
- dati finanziari e strategici non pubblici

**Prima di incollare:** togli nomi, identificativi e importi esatti.

**Impostazioni:** addestramento disattivato, chat temporanea per i testi delicati.

**Se hai incollato qualcosa che non dovevi:** scrivi subito a [referente].
Se era una credenziale, cambiala. Nessuno viene rimproverato per aver segnalato.

**Referente:** [nome, email]

Tre scelte rendono queste regole utili:

• Indica gli strumenti permessi. Senza uno strumento autorizzato, chi deve lavorare usa quello che ha già, cioè il proprio account personale.
• Spiegale a voce, con due esempi. Presentale in una breve riunione, con l’esempio del contratto e quello della chiave API, invece di mandarle solo per email.
• Premia la segnalazione. Se chi sbaglia teme una sgridata, nasconde l’errore e tu non puoi rimediare: chi segnala subito va ringraziato.

Lo facciamo anche noi. Quando iniziamo un progetto che richiede l’uso di AI, la prima cosa che chiediamo al cliente è un campione di dati finti, costruito con la stessa forma di quelli reali: stesse colonne, stessi formati ma valori inventati. Con quello testiamo i flussi e i prompt senza che il nome di un cliente o un importo vero passi da un chatbot. I dati reali arrivano dopo, su strumenti scelti insieme al cliente e con le regole scritte.

Chiediamo anche chi, in azienda, decide che cosa si può condividere. Di solito basta una persona sola, e si evita di aspettare una risposta a metà progetto.

Hai altri dubbi sull’AI in azienda? Trovi le risposte nelle 30 domande e risposte sull’intelligenza artificiale in azienda.

Scopri come innovare il tuo business

30 minuti di consulenza strategica gratuita

Un esperto a tua disposizione per analizzare il tuo caso e individuare le opportunità di crescita

Prenota Consulenza

L'articolo Quali dati aziendali non incollare in ChatGPT, Claude e Gemini proviene da Zerodivision.

Pensa a quanto lavoro è passato nelle tue chat con l’AI negli ultimi mesi: l’offerta riscritta tre volte, la risposta a un cliente difficile limata frase per frase, il prompt che finalmente funziona. Senza volerlo hai costruito un archivio aziendale, e sta sui server di un fornitore, dentro un account che prima o poi qualcuno cambierà, chiuderà o dovrà lasciare.

Quando arriva il momento di recuperarlo, scopri che richiede più di un veloce clic.

Scopri come innovare il tuo business

30 minuti di consulenza strategica gratuita

Un esperto a tua disposizione per analizzare il tuo caso e individuare le opportunità di crescita

Prenota Consulenza

Quasi nessuno pensa a esportare le proprie chat finché non succede qualcosa: un account che si chiude, un collega che se ne va, un servizio che cambia le regole. A quel punto non hai più il tempo di fare le cose con calma, ed è meglio sapere prima perché farlo. Alcuni motivi nascono da ciò che le chat contengono, cioè il lavoro già fatto e i dati dei clienti finiti lì dentro. Altri nascono da ciò che vuoi farne: cambiare servizio, passare le consegne a un collega, capire come usi l’AI in azienda e chiedere ai fornitori la copia dei tuoi dati.

Nelle chat ci sono ragionamenti che altrove non esistono: la versione di un preventivo prima della correzione, il motivo di una scelta, la bozza scartata con un’idea buona. Finché restano lì dentro, dipendono da un account e da regole che non controlli tu. Puoi eliminarle per sbaglio, e nelle organizzazioni possono sparire anche per le regole di conservazione che l’azienda stessa ha impostato.

Per questo l’export va fatto prima: le chat già eliminate non si ripristinano con l’export di ChatGPT, e nelle organizzazioni Claude messaggi, file e progetti eliminati, a mano o dalle regole di conservazione aziendali, restano fuori dalle esportazioni avviate dopo l’eliminazione.

Ogni export è una copia del momento in cui lo richiedi, quindi le conversazioni successive finiscono solo in un nuovo export. Rifallo a intervalli regolari: è il modo più diretto per avere in azienda una copia che non dipende dal servizio.

Un account di lavoro accumula nel tempo nomi di clienti, importi di preventivi, estratti di contratti e a volte dati personali di colleghi. Succede senza che nessuno se ne accorga: chi incolla un contratto in una chat per farselo riassumere pensa a risparmiare tempo, non che sta consegnando quei dati a un fornitore esterno.

L’export ti permette di vedere che cosa c’è: cerca nel file il nome di un cliente o una parola chiave e capisci che cosa è uscito dall’azienda, così puoi scrivere le regole interne partendo dai fatti. Per quelle regole, l’articolo su AI Act e PMI ricostruisce obblighi e scadenze. Ricorda che il file contiene gli stessi dati delle chat e va custodito con la stessa cura, come spieghiamo più avanti.

Se passi da account personali a un piano di team, trovi tre comportamenti diversi. Con ChatGPT esporta i dati prima che lo spazio personale venga rimosso: dopo, il link di download potrebbe non essere più accessibile.

Claude si comporta in modo diverso: permette di trasferire direttamente un account personale in un’organizzazione Team o Enterprise, senza passare dall’export. I dati esportati, invece, non si importano in un altro account Claude personale. Per preferenze e contesto c’è un export e un import della memoria, anche se l’import è descritto come sperimentale.

Gemini, infine, può importare le chat esportate da ChatGPT e Claude, ma solo con un account Google personale e fuori da Spazio economico europeo, Svizzera e Regno Unito. In Italia, per ora, non è possibile.

Quando una persona cambia ruolo o lascia l’azienda, porta con sé procedure, soluzioni trovate e prompt che funzionavano, e spesso stanno solo nelle sue chat. Negli account aziendali l’export lo richiede solo chi amministra: su Claude il Primary Owner, da Organization settings e poi Data and privacy; su ChatGPT Business ed Enterprise il proprietario del workspace.

Un export di questo tipo tocca anche i dati personali di chi se ne va. Decidi prima che cosa conta come chat di lavoro e parlane con chi segue privacy e diritto del lavoro, così non lo scopri a cose fatte.

Con molte chat esportate vedi le domande che tornano, i compiti ripetuti, i punti in cui l’assistente fa risparmiare tempo e quelli in cui ne fa perdere. Le richieste ripetute sono le candidate migliori per diventare un prompt condiviso, una Claude Skill o una catena di prompt: qualcosa che scrivi una volta e riusi.

Prima di progettare un’analisi, apri un export e guarda com’è fatto: più avanti ti spieghiamo come verificarlo passo per passo.

L’export è anche lo strumento con cui si ottiene la copia dei propri dati dal fornitore. Il Garante per la protezione dei dati personali descrive la portabilità (articolo 20 del GDPR) come il diritto di ricevere i dati forniti al titolare in un formato strutturato e leggibile da una macchina, e di farli trasmettere a un altro titolare quando è tecnicamente possibile. Vale per i dati trattati in modo automatizzato sulla base del consenso o di un contratto, compresi quelli osservati durante l’uso del servizio; restano fuori i dati che il fornitore ricava con proprie elaborazioni, come valutazioni o profili, come spiega l’infografica del Garante.

La risposta arriva di norma entro un mese, prorogabile a tre nei casi complessi, ed è in linea di principio gratuita. Con ChatGPT hai due strade per chiedere la copia dei dati: le impostazioni dell’account e il Privacy Portal.

Il percorso è simile nei tre servizi: chiedi l’export dalle impostazioni, il servizio prepara il file, ti arriva un link e dopo un po’ il link scade. Cambiano però i menu da seguire, i tempi e il contenuto, e la tabella qui sotto li mette a confronto prima dei passaggi di ciascun servizio.

Apri il menu del profilo e vai su Settings, poi Data controls. Lì trovi Export data: clicca, poi premi Export e Confirm export. In alternativa puoi chiedere la stessa copia dal Privacy Portal di OpenAI, con Make a Privacy Request e poi Download my data.

Ora devi aspettare: arriva un’email o un SMS, a volte dopo fino a sette giorni. Il link Download data export scade dopo 24 ore e funziona solo con l’account che ha fatto la richiesta.

Le email sono due. La prima conferma la richiesta e avvisa che la preparazione “may take a few days”, cioè può richiedere alcuni giorni.

La seconda arriva quando il file è pronto e contiene il pulsante verde Download data export, che devi cliccare dallo stesso account con cui hai fatto la richiesta.

Dentro trovi uno zip con la cronologia delle chat e altri dati pertinenti dell’account, compreso un file con i dati dei link di condivisione creati. L’opzione è disponibile per gli account Free, Go, Plus e Pro e per i workspace ChatGPT Edu idonei. Una richiesta alla volta: finché una è in corso, non puoi farne altre.

Con Claude serve per forza il computer: la funzione esiste solo nella web app e in Claude Desktop, non nelle app per iOS e Android, ed è disponibile per gli account Free, Pro e Max. Clicca sulle tue iniziali in basso a sinistra, poi Settings, Privacy e il pulsante Export data.

Anche Claude manda due email. La prima, “Your data export is in progress”, conferma la richiesta: l’operazione richiede di solito poche ore e può arrivare a 12, a seconda della quantità di dati.

La seconda, “Your data is ready for download”, arriva a export pronto e contiene il pulsante Download data.

Il link vale 24 ore, quindi aprilo subito. Aspettati più file, non uno solo: il pacchetto è diviso in quattro zip, uno per categoria (light_metadata, projects, frames, conversations), ognuno con il suo link. Il manifest avverte che ogni link scade dopo 24 ore e può smettere di funzionare prima, una volta usato, perciò scarica ogni file per intero appena lo apri.

Con Gemini passi da Google Takeout. Nella schermata di selezione togli la spunta a tutto, seleziona Gemini per i dati dei Gem e poi My Activity, con All activity data included e Gemini Apps: quest’ultima voce contiene chat, contenuti multimediali generati e file caricati.

Poi scegli dove ricevere il file: via email con link valido sette giorni oppure su Google Drive, Dropbox, OneDrive o Box. Scegli anche il formato, zip o tgz. I tempi vanno da poche ore a pochi giorni.

Con Takeout puoi anche programmare un export ricorrente, a meno che tu non sia nel Programma di protezione avanzata di Google. Per una singola risposta usa invece il comando di condivisione ed esportazione sotto il testo: la manda a Google Docs, a una bozza di Gmail o a Fogli Google se è una tabella. Con un account Workspace le opzioni dipendono dall’amministratore.

Il file non è sempre l’archivio completo di quello che hai fatto con l’assistente. Ecco che cosa manca, o cambia, da un servizio all’altro.

Le chat eliminate non tornano: né ChatGPT né Claude (nelle organizzazioni) le includono. Per Gemini, scaricare l’attività non la elimina dai server di Google, e l’archivio potrebbe non includere le modifiche fatte tra la richiesta e la creazione del file.

Su allegati e immagini le risposte cambiano. L’export di Gemini comprende contenuti multimediali generati e file caricati. Per ChatGPT e Claude apri lo zip e controlla se i file caricati nelle chat ci sono.

Il formato dei file cambia da servizio a servizio: uno zip per ChatGPT, più zip divisi per categoria per Claude, uno zip o un tgz per Gemini. Per leggerli o analizzarli, apri un export vero e guardalo.

ChatGPT e Claude esportano l’intero account: una richiesta restituisce tutte le conversazioni insieme. Per averne una sola non esiste un’opzione dedicata: apri il file dell’export e cerca la conversazione per titolo o parola chiave.

Gemini fa un’eccezione parziale: permette di esportare una singola risposta, o una tabella, verso Google Docs, Gmail o Fogli Google, ma non l’intera chat. Per una conversazione intera l’unica strada è l’export completo di Takeout.

Un export mai aperto vale poco, perché scopri cosa manca solo quando ti serve. Fai una verifica la prima volta e ripetila ogni volta che il servizio cambia procedura.

Estrai gli zip in una cartella dedicata, tutti insieme se sono più d’uno (con Claude lo sono), e guarda com’è fatto il contenuto. Cerca una conversazione recente di cui conosci il testo: se c’è, l’export è aggiornato al giorno della richiesta. Cerca anche una chat vecchia, per vedere fino a dove arriva lo storico. Se le chat contengono allegati o immagini, controlla se compaiono nel pacchetto o se è rimasto solo il testo. Infine cerca il nome di un cliente o di un progetto: se il risultato ti sorprende, quel dato è nelle chat e le regole interne vanno riviste.

Alla fine scrivi una nota, anche di poche righe, con cosa c’è e cosa manca: servirà a chi rifarà l’export tra sei mesi e non ricorderà com’è andata.

Resta la parte organizzativa: chi lo fa, quando e dove finisce il file.

Dai l’incarico a una persona, con un sostituto: nei piani di team la richiesta passa dall’amministratore dell’organizzazione, non da chi usa lo strumento ogni giorno. La cadenza dipende da quanto lavoro passa dalle chat. Con ChatGPT e Claude metti un promemoria in calendario per aprire il link entro 24 ore dall’email, mentre Gemini, con Takeout, può ripetere l’export da solo.

Tieni il file in una cartella ad accessi limitati, con un nome che indichi servizio e data, come chatgpt-2026-10-14.zip, e cancellalo quando ha esaurito il suo scopo. Decidi prima quali dati non devono restare in archivio. Se parti da zero con l’AI in azienda, le basi sono nell’articolo con 30 domande e risposte.

L'articolo Come esportare le chat di ChatGPT, Claude e Gemini proviene da Zerodivision.

Nel 2025 il 16,4% delle imprese italiane con almeno 10 addetti ha usato almeno una tecnologia di intelligenza artificiale. Un anno prima era l’8,2%. Nello stesso periodo la media dell’Unione europea è salita al 20,0%, quindi l’Italia ha recuperato molto in dodici mesi ma resta sotto la media e al 18° posto su 27 paesi, secondo i dati diffusi da Eurostat.

In breve, i dati 2025 di Eurostat sulle imprese con almeno 10 addetti:

• Italia: 16,4% usa almeno una tecnologia di AI, contro il 20,0% della media UE.
• Classifica: 18° posto su 27 paesi. Primi Danimarca (42,0%), Finlandia (37,8%) e Svezia (35,0%).
• Per dimensione: 14,2% delle imprese da 10 a 49 addetti, 27,6% da 50 a 249, 53,1% da 250 in su.
• Cloud: il 75,5% delle imprese italiane lo paga, contro il 52,4% della media UE.

Chi guida un’azienda si trova davanti due racconti opposti. Uno dice che ormai l’AI la usano tutti, l’altro che l’Italia è indietro di anni. I numeri ufficiali stanno nel mezzo, e capire dove si colloca davvero un’impresa come la propria aiuta a decidere con meno ansia e più criterio.

Scopri come innovare il tuo business

30 minuti di consulenza strategica gratuita

Un esperto a tua disposizione per analizzare il tuo caso e individuare le opportunità di crescita

Prenota Consulenza

L’Italia occupa il 18° posto su 27 per quota di imprese che usano l’AI, con il 16,4% contro una media UE del 20,0%. Il distacco dalla media è di 3,6 punti percentuali. In testa ci sono i paesi del Nord: la Danimarca arriva al 42,0%, la Finlandia al 37,8%, la Svezia al 35,0%. Seguono Belgio (34,5%), Lussemburgo (33,6%) e Paesi Bassi (33,2%).

Le grandi economie confinanti con l’Italia si dividono. La Germania è al 26,0% e l’Austria sfiora il 30%, la Spagna al 20,3% e la Francia al 18,2%. Sopra l’Italia ci sono anche Slovacchia (18,0%) e Cechia (17,6%), mentre subito sotto compaiono Croazia (15,2%), Lettonia (12,2%) e Portogallo (11,5%). In fondo alla lista si trovano Romania (5,2%), Polonia (8,4%) e Bulgaria (8,6%).

Il dato che colpisce è la compattezza del gruppo centrale: tra la Francia e l’Italia ci sono meno di due punti. Basta una crescita appena superiore alla media per scalare alcune posizioni, ed è il motivo per cui la classifica va letta come una fotografia che cambia in fretta. Nella sezione successiva si vede quanto cambia.

Per anni la quota di imprese italiane che usano l’AI è rimasta bassa e quasi ferma. Nel 2021 era al 6,2% contro il 7,7% della media UE, nel 2023 al 5,1% contro l’8,1%. Il 2024 porta l’8,2% (UE 13,5%) e il 2025 il 16,4% (UE 20,0%). Il divario con l’Europa è passato da 1,5 punti nel 2021 a 3,0 nel 2023, ha toccato i 5,3 punti nel 2024 e si è ridotto a 3,6 nel 2025. L’anno 2022 manca perché Eurostat non ha rilevato questo indicatore.

In un anno la quota italiana è raddoppiata, ma prima di leggerla come una rivoluzione serve una precisazione. Eurostat segnala che il questionario 2025 ha aggiunto una nuova categoria di tecnologie, quella dei sistemi che generano immagini, video e audio, assente nel 2024. Una parte del salto, in Italia come in tutta l’Unione, dipende quindi da una domanda in più e non solo da imprese che hanno cominciato a usare l’AI. Lo stesso vale per il confronto con gli anni precedenti.

La lettura prudente è questa: l’adozione cresce davvero, ma il valore esatto del raddoppio andrebbe preso con cautela. Chi cerca altri numeri sul mercato italiano trova un quadro più ampio nell’articolo sulle statistiche sull’AI in Italia.

La dimensione dell’impresa pesa più del paese di appartenenza. In Italia usa l’AI il 14,2% delle imprese da 10 a 49 addetti, il 27,6% di quelle da 50 a 249 e il 53,1% di quelle con 250 addetti o più. In Europa le stesse tre classi sono al 17,0%, al 30,4% e al 55,0%.

Si nota subito che il ritardo italiano non è enorme in nessuna delle tre fasce: 2,8 punti tra le piccole, 2,7 tra le medie, 1,9 tra le grandi. Il divario complessivo, 3,6 punti, è però più ampio di ciascuno di questi. La spiegazione sta nella composizione del tessuto produttivo: l’Italia ha una quota maggiore di piccole imprese, e le piccole imprese usano meno AI in tutta Europa. Il confronto per fasce è quindi più equo di quello sul totale.

Per una PMI il messaggio pratico è doppio. Da un lato, essere nella fascia 10-49 e non usare ancora l’AI è la condizione di sei imprese su sette, non un’anomalia. Dall’altro, passando alle medie imprese la quota quasi raddoppia, segno che con più processi da gestire i vantaggi diventano più evidenti. Anche l’AI Act riguarda chi usa questi strumenti a prescindere dalla taglia, quindi conoscere gli obblighi serve anche a chi parte adesso.

Il settore informazione e comunicazione ha la quota più alta: il 51,3% delle imprese italiane, contro il 62,5% della media UE. Dentro questo comparto, programmazione, consulenza informatica e servizi informativi arrivano al 53,0% in Italia e al 65,7% in Europa. In questi comparti il distacco dalla media europea è anche il più ampio in punti percentuali.

Il divario più netto fuori dal digitale riguarda le attività immobiliari, ferme al 14,0% contro il 24,8% europeo. All’opposto, in edilizia, trasporti, alloggio e ristorazione l’Italia è praticamente allineata alla media, ma su valori bassi, intorno al 10-12%. Per le imprese che lavorano in questi settori il margine di crescita resta ampio quasi ovunque in Europa.

La tabella mostra un risultato che stupisce: la manifattura, cuore dell’economia italiana, è al 14,7% contro il 17,3% europeo. Il confronto di dettaglio nel settore alimentare dice altro: le imprese italiane di alimentari, bevande e tabacco sono al 15,3%, sopra il 12,5% della media UE. Per alcuni comparti piccoli, come la chimica o la farmaceutica, Eurostat segna il dato italiano come poco affidabile, quindi qui non viene commentato.

L’AI generativa e quella integrata nei software arrivano quasi sempre tramite servizi in abbonamento, quindi la familiarità con il cloud è un buon punto di partenza. Qui l’Italia sorprende: il 75,5% delle imprese italiane paga almeno un servizio cloud, contro il 52,4% della media UE, secondo il dataset Eurostat sul cloud.

Il vantaggio è concentrato sui servizi di base. La posta elettronica in cloud è usata dal 74,0% delle imprese italiane (UE 44,9%), la sicurezza informatica dal 58,1% (UE 34,5%), il software d’ufficio dal 55,9% (UE 37,8%), l’archiviazione di file dal 51,2% (UE 37,7%) e la contabilità dal 47,2% (UE 30,7%). I database in cloud sono al 32,0% contro il 24,0%. Sui servizi più evoluti il quadro cambia: il gestionale (ERP) è al 17,5% contro il 15,9%, la potenza di calcolo al 14,4% contro il 14,9%, il CRM al 13,5% contro il 14,7% e le piattaforme per sviluppare applicazioni al 9,2% contro il 13,8%.

L’ultimo dato utile riguarda chi unisce cloud e analisi dei dati: il 36,0% delle imprese italiane contro il 27,5% della media UE, con 8,5 punti di vantaggio. Chi ha già i dati in un posto raggiungibile parte meglio quando deve collegarci un assistente o un modello. Per chi vuole capire come impostare questo passaggio, esiste un percorso dedicato di strategia e pianificazione cloud da cui si può partire.

Le vendite online raccontano una storia diversa. Il 17,6% delle imprese italiane vende online, contro il 20,7% della media UE. Dal sito o dall’app proprietari vende il 12,9% (UE 17,7%), mentre sui marketplace si arriva all’11,5% (UE 9,3%): le piattaforme di terzi pesano più in Italia, il canale proprio meno. Il dato proviene dal dataset Eurostat sulle vendite web.

I dati dicono dove sta la media, non cosa conviene a una singola azienda. Un modo pratico di usarli è partire da tre domande semplici.

La prima riguarda le basi: la posta, i documenti, la contabilità e il gestionale sono già in cloud? In Italia lo sono per molte imprese, e se la risposta è sì il terreno è pronto per strumenti che lavorano su quei dati. La seconda riguarda il processo: quale attività si ripete ogni settimana, produce testi o numeri e fa perdere ore a persone competenti? Preventivi, risposte a richieste ricorrenti, riepiloghi di riunioni e ricerca di informazioni in documenti interni sono i candidati più frequenti. La terza riguarda le regole: chi può usare quali strumenti, con quali dati e con quale controllo umano.

Un esempio a scopo illustrativo aiuta a vedere la differenza. Un'azienda di 35 addetti che produce serramenti, con un ufficio commerciale di tre persone, scopre che ogni preventivo richiede quaranta minuti tra listini, email e schede tecniche. Prova un assistente collegato ai listini e ai modelli di offerta, lo affianca a un controllo manuale per un mese e misura il tempo risparmiato prima di estenderlo ad altro. Nessuna rivoluzione, ma un processo che si può verificare. 

Se vuoi approfondire trovi indicazioni concrete nell’articolo su come l’AI può aiutare piccole e micro imprese. Sulla parte normativa, se già usi strumenti di AI in azienda trovi obblighi e scadenze nella guida all’AI Act per le PMI.

L’indagine Eurostat riguarda le imprese con almeno 10 addetti dei settori non finanziari, esclusi agricoltura e industria estrattiva. Le microimprese sotto i 10 addetti, che in Italia sono la grande maggioranza, non sono incluse. Chi guida un’attività molto piccola non deve quindi aspettarsi di ritrovarsi in queste percentuali.

La definizione di “uso dell’AI” è ampia. Basta che l’impresa dichiari di usare almeno una tra diverse tecnologie, come l’analisi di testi, il riconoscimento vocale, la generazione di linguaggio naturale, il riconoscimento di immagini, l’apprendimento automatico, l’automazione di processi o i robot autonomi. Dal 2025 si aggiunge la generazione di immagini, video e audio. Il dato misura quindi la presenza di un uso, non la sua profondità né i risultati ottenuti: una prova isolata e un sistema integrato nei processi pesano allo stesso modo.

Altre cautele riguardano la lettura dei numeri. Il 2022 non è disponibile per questo indicatore. Per i Paesi Bassi il dato 2025 è segnalato da Eurostat con una interruzione nella serie storica, e per alcuni settori italiani molto piccoli la stima è indicata come poco affidabile, per questo non compare nella tabella. Infine l’indagine è campionaria, quindi le differenze di pochi decimali tra paesi vicini in classifica non vanno lette come sorpassi certi.

Scopri come innovare il tuo business

30 minuti di consulenza strategica gratuita

Un esperto a tua disposizione per analizzare il tuo caso e individuare le opportunità di crescita

Prenota Consulenza

L'articolo AI nelle imprese italiane: dati Eurostat 2025 e confronto UE proviene da Zerodivision.

L’AI Act, il regolamento europeo sull’intelligenza artificiale, riguarda anche le PMI che non sviluppano nulla: basta un chatbot sul sito, un assistente per scrivere email o un software che filtra i curriculum. Il calendario è cambiato da poco: il Digital Omnibus ha spostato al 2027 e al 2028 le regole più pesanti, quelle sui sistemi ad alto rischio. Restano ferme le date di divieti, formazione del personale e trasparenza.

Questa guida all’AI Act per le PMI mette in fila cosa vale già, cosa è slittato e cosa devono fare le PMI italiane da subito.

In breve:

• Dal 2 febbraio 2025 valgono i divieti e l’obbligo di formare il personale che usa l’AI.
• Dal 2 agosto 2026 si applicano le regole di trasparenza su chatbot, deepfake, testi pubblicati e riconoscimento delle emozioni.
• Il 2 dicembre 2026 arrivano l’etichettatura tecnica dei contenuti generati dall’AI e due nuovi divieti.
• I sistemi ad alto rischio, come i software per selezionare il personale, slittano al 2 dicembre 2027 e al 2 agosto 2028.

Una nota prima di cominciare: questa è una guida informativa, non una consulenza legale. Le norme sono cambiate da poche settimane e per i casi specifici serve il parere di un legale.

Scopri come innovare il tuo business

30 minuti di consulenza strategica gratuita

Un esperto a tua disposizione per analizzare il tuo caso e individuare le opportunità di crescita

Prenota Consulenza

L’AI Act è il Regolamento (UE) 2024/1689, la norma europea che stabilisce regole comuni per sviluppare, vendere e usare sistemi di intelligenza artificiale. Si applica a chi li sviluppa, a chi li mette sul mercato europeo (anche con sede fuori dall’UE) e a chi li usa in azienda. Per le piccole e medie imprese (PMI) non esiste un’esenzione: valgono le stesse regole, con qualche alleggerimento, come sanzioni più basse. Gli obblighi dipendono dal ruolo dell’azienda e dal rischio dello strumento, come spiegano le sezioni seguenti.

Il regolamento è stato pubblicato il 12 luglio 2024 e si applica a tappe. La tabella mostra dove siamo a ottobre 2026, dopo le modifiche del Digital Omnibus.

Fonti: Regolamento (UE) 2024/1689, come modificato dal Regolamento (UE) 2026/1744, e comunicato del Consiglio dell’UE del 29 giugno 2026.

Il Regolamento (UE) 2026/1744, il Digital Omnibus sull’AI, è stato firmato l’8 luglio 2026, pubblicato in Gazzetta Ufficiale dell’UE il 24 luglio ed è in vigore dal 27 luglio. Ha toccato solo le parti più pesanti. Divieti e formazione sono rimasti dove erano, e la trasparenza dell’articolo 50 si applica dal 2 agosto 2026. Per l’etichettatura tecnica dei contenuti generati il periodo di tolleranza per i fornitori è stato ridotto da sei a tre mesi e si chiude il 2 dicembre 2026.

L’AI Act riguarda chi sviluppa l’intelligenza artificiale e chi la usa. Il regolamento distingue due ruoli.

Il fornitore sviluppa un sistema di AI, o lo fa sviluppare, e lo mette sul mercato con il proprio nome o marchio. L’utilizzatore (in inglese deployer) è chi usa un sistema di AI per lavoro, sotto la propria responsabilità. L’uso personale, fuori dall’attività professionale, non conta.

Una PMI che adotta lo strumento di un altro fornitore, come ChatGPT, Copilot, un assistente per scrivere testi o un chatbot sul sito, è in genere utilizzatore. Se invece sviluppa un sistema e lo mette in servizio con il proprio nome, è fornitore di quel sistema. Molti obblighi cambiano a seconda del ruolo, ed è il motivo per cui conviene chiarirlo per primo.

L’AI Act ragiona per rischio, e la Commissione europea lo rappresenta come una piramide a quattro livelli. Sapere dove cade uno strumento aiuta a capire quali regole lo riguardano.

La classificazione dipende dall’uso concreto dello strumento, dal contesto e dai dati trattati. I grandi modelli generalisti, quelli dietro ChatGPT o Gemini, seguono un percorso a parte: gli obblighi su documentazione, diritto d’autore e dati di addestramento riguardano chi sviluppa il modello, dal 2 agosto 2025. Una PMI che si limita a usarli non li ha.

Dal 2 febbraio 2025 si applicano due blocchi di regole che riguardano tutti: i divieti e la formazione.

Tra le pratiche vietate ci sono le tecniche subliminali che spingono le persone a comportarsi in un certo modo, il punteggio sociale e i sistemi che deducono le emozioni di una persona sul luogo di lavoro o a scuola, salvo motivi medici o di sicurezza. L’ultimo caso interessa da vicino chi usa strumenti che analizzano colloqui o videochiamate nella selezione del personale.

L’articolo 4 chiede a chi sviluppa o usa sistemi di AI di far crescere le competenze del personale. Il Digital Omnibus ha ammorbidito la norma. Prima si parlava di garantire, per quanto possibile, un livello sufficiente di alfabetizzazione. Oggi fornitori e utilizzatori adottano misure per sostenere la formazione di dipendenti e collaboratori, tenendo conto di conoscenze, esperienza e contesto d’uso. Il testo precisa che non c’è un livello fisso da garantire a ogni persona. La data non è cambiata: vale dal 2 febbraio 2025. Per costruire un percorso c’è il servizio di gestione del cambiamento e formazione.

Il capitolo sulle sanzioni si applica dal 2 agosto 2025. I tetti massimi per le imprese, nella misura più alta tra i due valori, sono questi:

• 35 milioni di euro o il 7% del fatturato mondiale annuo per i divieti;
• 15 milioni o il 3% per le altre violazioni, trasparenza compresa;
• 7,5 milioni o l’1% per informazioni false o incomplete date alle autorità.

Le sanzioni concrete le stabiliscono gli Stati membri. Per le PMI il regolamento prevede il valore più basso tra importo fisso e percentuale, e il Digital Omnibus ha esteso lo stesso trattamento alle piccole imprese a media capitalizzazione.

Scopri come innovare il tuo business

30 minuti di consulenza strategica gratuita

Un esperto a tua disposizione per analizzare il tuo caso e individuare le opportunità di crescita

Prenota Consulenza

L’articolo 50 è in applicazione dal 2 agosto 2026. Per una PMI contano quattro casi.

Chi parla con un sistema di AI deve saperlo, a meno che sia già ovvio. L’obbligo è del fornitore, che deve progettare il sistema in modo da dirlo. Una PMI che offre ai clienti il chatbot di un altro fornitore, sul sito o su WhatsApp, non ha questo obbligo, ma può chiedere al fornitore se l’avviso è previsto. Chi sviluppa il chatbot da sé e lo mette in servizio con il proprio nome è fornitore. Per orientarsi tra gli strumenti c’è la guida su chatbot, LLM e agente AI.

Un deepfake è un contenuto, per esempio un video o un audio, che assomiglia a persone, luoghi o eventi reali e sembrerebbe autentico a chi lo vede. Chi lo produce con l’AI deve dichiarare che è stato generato o manipolato artificialmente. Per le opere chiaramente artistiche, satiriche o di fantasia basta una dichiarazione che non rovini la fruizione dell’opera.

Un testo generato dall’AI e pubblicato per informare su temi di interesse pubblico va dichiarato come tale. Fa eccezione il testo che ha avuto una revisione umana o un controllo editoriale, con una persona o un’azienda che ne risponde.

Chi usa questi sistemi deve informare le persone esposte e rispettare il GDPR. Le informazioni vanno date in modo chiaro, al più tardi al primo contatto.

I fornitori di sistemi che generano testi, immagini, audio o video devono marcare i contenuti in un formato leggibile da una macchina, così che risultino generati dall’AI. Non vale per i sistemi che si limitano ad assistere nella modifica standard. Il periodo di tolleranza dei fornitori si chiude il 2 dicembre 2026. Lo stesso giorno entrano in vigore due nuovi divieti: i sistemi che generano immagini, video o audio intimi di una persona riconoscibile senza il suo consenso e quelli che producono materiale pedopornografico.

Il Digital Omnibus ha spostato le regole sui sistemi ad alto rischio, quelli dell’Allegato III e quelli legati ai prodotti regolati dell’Allegato I.

• Il 2 dicembre 2027 vale per i sistemi dell’Allegato III, che copre otto ambiti: biometria, infrastrutture critiche, istruzione, lavoro e gestione dei dipendenti, accesso a servizi essenziali (compreso il merito di credito delle persone), forze dell’ordine, migrazione e frontiere, giustizia.
• Il 2 agosto 2028 vale per i sistemi che sono componenti di sicurezza di prodotti regolati, come giocattoli, dispositivi medici, apparecchiature radio e ascensori. Le macchine seguono ora una disciplina settoriale a parte, basata sul Regolamento (UE) 2023/1230.

Per una PMI il caso più concreto è il software per assumere e gestire il personale: filtra le candidature, valuta i candidati, decide su promozioni e licenziamenti, assegna compiti in base al comportamento o monitora le prestazioni. Chi usa sistemi di questo tipo dovrà, tra le altre cose, seguire le istruzioni del fornitore, affidare il controllo a persone competenti, conservare i log per almeno sei mesi e informare i lavoratori e i loro rappresentanti prima di metterli in servizio.

Il Digital Omnibus ha anche allargato alle piccole imprese a media capitalizzazione alcune semplificazioni già previste per le PMI, come la documentazione tecnica in forma semplificata. Sono le imprese che non sono PMI, con meno di 750 persone e fino a 150 milioni di euro di fatturato o 129 milioni di bilancio (Raccomandazione (UE) 2025/1099). Per le PMI la definizione resta quella della Raccomandazione 2003/361/CE: la media impresa ha meno di 250 persone e fino a 50 milioni di fatturato o 43 di bilancio, la piccola meno di 50 persone e fino a 10 milioni, la microimpresa meno di 10 persone e fino a 2 milioni.

In Italia l’AI Act si affianca alla legge 132 del 23 settembre 2025, in vigore dal 10 ottobre 2025. La legge designa l’Agenzia per la cybersicurezza nazionale (ACN) e l’Agenzia per l’Italia digitale (AgID) come autorità nazionali. Banca d’Italia, Consob e IVASS si occupano dei rispettivi settori. Per i dati personali resta il Garante della privacy.

Due regole italiane valgono già oggi e toccano da vicino le imprese. Chi ha dipendenti o collaboratori deve informarli quando usa l’AI nel rapporto di lavoro (articolo 11). I professionisti devono dire al cliente che usano strumenti di AI (articolo 13). Si sommano agli obblighi europei.

Gli obblighi dipendono da ciò che l’azienda fa con l’AI. Tre casi coprono la maggior parte delle PMI italiane.

È il caso più comune. L’azienda non sviluppa AI, usa strumenti di altri fornitori ed è in genere utilizzatore. Pesano soprattutto due cose: la formazione del personale, già obbligatoria, e le regole italiane sull’informare lavoratori e clienti. L’articolo 50 entra in gioco solo in casi precisi, per esempio se l’azienda pubblica testi generati dall’AI per informare il pubblico senza revisione umana, o se diffonde un deepfake.

Il regolamento non chiede di scrivere in ogni email o presentazione che è stata preparata con l’AI. La dichiarazione riguarda i testi pubblicati per informare il pubblico, e anche lì non serve se c’è stata una revisione umana.

Esempio: in un'azienda di serramenti con diciotto dipendenti l'ufficio commerciale prepara le offerte con ChatGPT e un magazziniere usa Copilot per tradurre le bolle dei fornitori. Nessuno dei due usi è vietato o ad alto rischio, ma nessuno ha spiegato al personale quali dati non vanno incollati nei prompt, e la norma sulla formazione chiede proprio questo. Può partire da una policy di una pagina e dalla guida su come scrivere prompt efficaci.

Questi software rientrano tra i sistemi ad alto rischio, con obblighi dal 2 dicembre 2027. Il rinvio non cancella due regole già attive: il divieto di dedurre le emozioni dei dipendenti, che riguarda gli strumenti di analisi di colloqui e videochiamate, e l’obbligo italiano di informare i lavoratori. Mappare i software in uso e capire con i fornitori cosa prevedono richiede tempo, e la finestra in più serve a questo.

Chi sviluppa un sistema e lo mette in servizio con il proprio nome è fornitore, e ha gli obblighi più numerosi. Un software con un chatbot integrato deve far capire all’utente che sta parlando con un’AI. Se il prodotto genera testi, immagini, audio o video, l’etichettatura tecnica diventa obbligatoria dal 2 dicembre 2026, salvo i sistemi che si limitano a un aiuto di modifica standard. Conviene controllare anche se il prodotto rientra negli ambiti dell’Allegato III.

Quanto segue è un insieme di suggerimenti operativi, non di obblighi di legge, per mettere ordine prima che le scadenze arrivino.

Si comincia con un inventario degli strumenti: un foglio con strumento, reparto, dati trattati, fornitore e ruolo (fornitore o utilizzatore) mostra a quali regole si è esposti. Va incluso anche ciò che i dipendenti usano di propria iniziativa.

Poi si classifica ogni strumento: rientra in un divieto, in un obbligo di trasparenza o in uno degli ambiti ad alto rischio? L’AI Act si intreccia con il GDPR in più punti, e può servire un confronto con chi si occupa di cybersicurezza e conformità GDPR.

Servono poi regole interne: un documento breve che dice quali strumenti sono autorizzati, per quali usi e con quali dati. Qui rientra anche cosa si può inserire nei prompt e cosa no, e il documento dà concretezza all’obbligo di formazione.

Infine ci sono avvisi e contratti. Chatbot, contenuti generati e testi pubblicati vanno controllati rispetto alle regole di trasparenza, e nei contratti con i fornitori conviene chiarire chi si occupa dell’avviso e dell’etichettatura.

Fonti ufficiali

• Regolamento (UE) 2024/1689 (AI Act)
• Regolamento (UE) 2026/1744 (Digital Omnibus sull’AI)
• Consiglio dell’UE, via libera definitivo del 29 giugno 2026
• Raccomandazione 2003/361/CE sulla definizione di PMI
• Raccomandazione (UE) 2025/1099 sulle piccole imprese a media capitalizzazione

Scopri come innovare il tuo business

30 minuti di consulenza strategica gratuita

Un esperto a tua disposizione per analizzare il tuo caso e individuare le opportunità di crescita

Prenota Consulenza

L'articolo AI Act PMI: obblighi, scadenze e cosa fare proviene da Zerodivision.

Prima di iniziare un progetto AI, la domanda più comune è quanto ci vuole prima di vedere qualcosa che funziona. La risposta dipende da alcuni fattori precisi, che si possono spiegare in anticipo.

Scopri come innovare il tuo business

30 minuti di consulenza strategica gratuita

Un esperto a tua disposizione per analizzare il tuo caso e individuare le opportunità di crescita

Prenota Consulenza

Non è solo curiosità sui tempi. Dietro c’è spesso il timore di un progetto che si allunga senza arrivare a un risultato concreto, ed è una preoccupazione legittima. Nella pratica, le cause di un ritardo sono quasi sempre riconoscibili in anticipo, come un obiettivo troppo ampio all’inizio, aspettative non allineate tra chi commissiona e chi realizza, o nessuna iterazione lungo il percorso. Uno studio di Stanford su 51 implementazioni aziendali di AI andate a buon fine ha trovato un solo tratto in comune a tutte: nessuna ha seguito una pianificazione fissata all’inizio e mai più rivista, tutte sono cresciute per iterazioni successive. Riconoscere queste cause in anticipo evita la maggior parte dei problemi, e il primo passo è capire che tipo di progetto hai davvero davanti.

La tempistica dipende dal tipo di soluzione scelta. Le fasce qui sotto sono ordini di grandezza indicativi, comuni nel settore per progetti di questo tipo. Non sono un preventivo, né un impegno sul tuo caso specifico.

Nell’ordine delle settimane rientra un chatbot ben definito su un caso d’uso preciso, come rispondere alle domande frequenti, gestire prenotazioni o aprire un primo contatto su WhatsApp. Richiede poca integrazione con altri sistemi, in un processo già chiaro in partenza.

Nell’ordine di qualche mese rientra un sistema collegato ai dati aziendali reali, quello che abbiamo chiamato RAG nel post su differenze tra chatbot, LLM e agente AI, oppure un’automazione che tocca più strumenti insieme, come un CRM e un gestionale. Qui serve collegare le fonti giuste, non “mettere in ordine tutti i dati aziendali”, come si pensa spesso.

Più mesi, e quasi sempre a fasi, servono per un agente AI che gestisce un intero processo in autonomia, o per un progetto più ampio di automazione. Anche qui i primi risultati parziali arrivano molto prima della fine, perché si procede per iterazioni successive lungo tutto il progetto.

Quattro fattori concreti, che puoi valutare già oggi sul tuo caso:

• Quanto è già chiaro il processo da automatizzare. Un processo confuso richiede prima chiarezza interna, non tecnologia. Se in azienda nessuno sa descrivere per iscritto, passo per passo, come funziona oggi quel processo, quella mappatura va fatta prima di scrivere una riga di codice.
• Quanti sistemi diversi bisogna collegare. Più integrazioni significano più tempo tecnico, indipendentemente dall’AI. Collegare un solo strumento è diverso da far dialogare CRM, gestionale e magazzino nello stesso flusso.
• Quanto sono accessibili i dati che contano. Non serve un progetto di pulizia completa di tutti i dati aziendali. Serve che le informazioni rilevanti per quel caso specifico siano raggiungibili, magari già in un unico posto o esportabili senza passaggi manuali.
• Quanto velocemente l’azienda riesce a dare feedback e validare quello che viene costruito. Spesso il collo di bottiglia è interno, non tecnico, e un prototipo pronto che aspetta due settimane un via libera interno perde comunque due settimane.

La buona notizia è che quasi tutti questi fattori si possono anticipare, prima ancora che il progetto parta.

Buona parte di queste variabili dipende da come l’azienda si organizza prima di iniziare, e sono le prime cose che affrontiamo con un cliente prima ancora di stimare una tempistica:

• Individua una sola persona che può approvare le scelte principali, invece di far passare ogni decisione da un intero comitato.
• Scegli un solo caso d’uso per partire, anche se in testa hai già una lista di dieci cose che vorresti automatizzare.
• Metti a disposizione i dati utili così come sono, anche se non sono perfetti. Aspettare di “avere tutto in ordine” prima di iniziare è una delle cause più comuni di ritardo.
• Fissa un primo checkpoint nelle prime settimane, per vedere un primo risultato e correggere la direzione se serve.

Nessuno di questi punti richiede competenze tecniche. Sono scelte organizzative, e nella nostra esperienza pesano sui tempi più della tecnologia scelta.

A metà progetto, alcuni segnali aiutano a capire come sta andando, indipendentemente dalla fascia di partenza. Il primo è la presenza di qualcosa di visibile e testabile, anche se non finito: se a metà del tempo previsto non esiste ancora nulla da provare con mano, conviene capire subito il motivo. Un altro segnale riguarda il tipo di domande che emergono. Se si discute ancora di cosa deve fare il sistema invece di come rifinirlo, il progetto è probabilmente più indietro di quanto sembri. C’è poi la comunicazione di chi lo sta realizzando, che dovrebbe segnalare in anticipo eventuali slittamenti con una spiegazione concreta del motivo, invece di rassicurazioni generiche a ogni domanda.

Questi segnali valgono per qualunque fascia di tempo, non solo per i progetti più lunghi.

Un sistema tecnicamente pronto e un risultato visibile nei numeri, come tempo risparmiato o meno errori, arrivano in momenti diversi. Il secondo si vede solo dopo un periodo di utilizzo reale. Un cliente storico di Zerodivision, Nomos, ha realizzato con noi un sistema di monitoraggio e classificazione automatica delle fonti web. Il sistema tecnicamente funzionante è stato il punto di partenza, mentre i risultati misurati sull’uso quotidiano sono arrivati dopo, con il 30% di fonti monitorate in più, il 50% di tempo di monitoraggio in meno e il 20% di errori umani in meno. Un progetto non è in ritardo solo perché il giorno del lancio quei numeri non si vedono ancora. Ed è anche per questo che conviene iniziare in piccolo.

Iniziare con un progetto piccolo e ben scelto è spesso il modo più diretto per avere un primo risultato tangibile su cui costruire il resto. È l’idea alla base di quello che chiamiamo AI frugale. Si parte da un caso d’uso preciso, lo si verifica nell’uso quotidiano, e si espande in base a cosa ha funzionato.

Scopri come innovare il tuo business

30 minuti di consulenza strategica gratuita

Un esperto a tua disposizione per analizzare il tuo caso e individuare le opportunità di crescita

Prenota Consulenza

L'articolo Quanto tempo serve per vedere risultati dall’AI in azienda proviene da Zerodivision.

Capita in aziende di ogni settore e dimensione: qualcuno chiede una soluzione AI, e in sala ognuno ha in testa un’idea diversa di cosa significhi davvero. In riunione ci sono il marketing, il responsabile customer service e un fornitore esterno. Il marketing chiede “un chatbot per il sito”. Il fornitore risponde che la soluzione giusta è “un agente AI basato su un LLM proprietario”. Il responsabile customer service, che alla fine dovrà usare la cosa tutti i giorni, guarda entrambi con un’espressione che dice: “ma di cosa state parlando, esattamente?“

Chatbot, LLM e agente AI sono tra i termini più usati, e più confusi, quando si parla di intelligenza artificiale in azienda. Vengono spesso trattati come sinonimi, ma descrivono tre cose diverse, con capacità diverse e costi diversi. Se non sai distinguerli, rischi di chiedere, o pagare, la cosa sbagliata.

Vediamo cosa significa ciascuno dei tre termini, come si collegano tra loro, e come capire di cosa ha bisogno la tua azienda prima ancora di parlare con un fornitore.

Scopri come innovare il tuo business

30 minuti di consulenza strategica gratuita

Un esperto a tua disposizione per analizzare il tuo caso e individuare le opportunità di crescita

Prenota Consulenza

Non è colpa tua se fai fatica a distinguerli. Da un lato la stampa generalista usa “intelligenza artificiale”, “chatbot” e “agente” in modo intercambiabile, come se fossero la stessa cosa raccontata con parole diverse. Dall’altro, molte aziende tech li usano con la stessa disinvoltura nei materiali commerciali, perché “agente AI” suona più innovativo di “chatbot”, anche quando la tecnologia dietro è identica.

Il risultato pratico è che due persone nella stessa riunione possono usare la parola “agente” intendendo cose completamente diverse: c’è chi immagina un sistema che gestisce autonomamente gli ordini, e chi immagina semplicemente una finestra di chat sul sito. Chiarire i tre termini ti evita di pagare un preventivo pensato per un problema diverso dal tuo.

Un LLM (Large Language Model, modello linguistico di grandi dimensioni) è un modello addestrato su enormi quantità di testo, capace di capire e generare linguaggio naturale. GPT, Claude e Gemini sono tutti LLM: la tecnologia di base dietro a moltissimi prodotti AI che usi ogni giorno, anche senza saperlo.

Un LLM genera testo su richiesta: non ha memoria delle conversazioni precedenti, non prende iniziative, non fa nulla finché non gli viene posta una domanda o assegnato un compito preciso.

Da solo, un LLM è una componente tecnica, non ancora uno strumento che un’azienda usa direttamente. Serve altro sopra di esso, un’interfaccia, delle integrazioni con i tuoi sistemi, perché diventi un prodotto utilizzabile: non ha accesso automatico ai tuoi dati aziendali, non si collega al tuo gestionale, non ricorda la conversazione di ieri con un cliente.

Se vuoi approfondire il funzionamento tecnico, Cloudflare ha una spiegazione chiara di cosa sono i modelli linguistici di grandi dimensioni. E se ti interessa capire come ottenere risposte migliori da un LLM strutturando le richieste in più passaggi, ne parliamo in Catena di prompt: cos’è e perché funziona.

Un chatbot è l’interfaccia che permette a una persona di conversare in linguaggio naturale con un sistema, invece di navigare menu o compilare moduli. È la parte “visibile”: la finestra di chat sul sito, l’assistente che risponde su WhatsApp, la vecchia interfaccia con i pulsanti a scelta multipla del servizio clienti.

Un dettaglio che aiuta a fare chiarezza: un chatbot può esistere anche senza un LLM. I chatbot di dieci anni fa funzionavano a regole fisse (“se l’utente scrive X, rispondi Y”) e non capivano nulla oltre a quello che era stato programmato. I chatbot moderni, invece, spesso usano un LLM per interpretare il linguaggio naturale del cliente in modo molto più flessibile. Ecco perché oggi “chatbot” e “AI” vengono associati quasi automaticamente, anche se storicamente non è sempre stato così.

Quello che un chatbot fa molto bene: rispondere a domande, guidare una conversazione, raccogliere informazioni. Quello che non fa, da solo: eseguire azioni autonome su più sistemi, prendere decisioni con più passaggi, consultare fonti diverse per portare a termine un compito. Se hai già letto i nostri approfondimenti su come progettare un chatbot per le prenotazioni online, per la vendita online o per il supporto clienti, hai già visto cosa vuol dire concretamente lavorare bene su questo fronte.

Un agente AI porta a termine un compito con più passaggi in modo autonomo: legge una richiesta, consulta più fonti o strumenti, decide cosa fare dopo e agisce di conseguenza, senza bisogno di supervisione a ogni singolo step.

La differenza chiave rispetto al chatbot è questa: il chatbot risponde, l’agente…agisce. Un agente AI può, ad esempio, verificare la disponibilità di un prodotto in un gestionale, generare una conferma d’ordine e aggiornare un calendario, tutto in sequenza e senza che qualcuno debba dare l’ok a ogni passaggio intermedio.

Spesso un agente AI usa un LLM per interpretare le richieste e decidere i passi successivi. È anche per questo che i tre concetti si sovrappongono così facilmente nella percezione comune: un agente può avere sopra di sé un’interfaccia che assomiglia a un chatbot, ma dietro c’è un livello di autonomia molto più alto. Per decidere quale strumento o percorso attivare in base alla richiesta, molti agenti usano pattern come il routing AI.

Ne parliamo più nel dettaglio in È il momento giusto per gli agenti AI? e in Collaborazione multi-agente: la nuova frontiera dell’AI aziendale. Se preferisci un’introduzione più tecnica al concetto, IBM spiega cos’è l’agentic AI in modo molto approfondito.

Per riassumere in un colpo d’occhio le differenze principali.

Nella pratica, i tre livelli lavorano spesso insieme, uno sopra l’altro, sullo stesso processo.

Immagina un cliente che scrive sul sito: “Vorrei prenotare un tavolo per quattro persone venerdì sera.” Ecco cosa succede, livello per livello:

L’LLM interpreta la frase in linguaggio naturale e capisce cosa sta chiedendo il cliente, anche se l’ha scritta in modo informale o con un errore di battitura. Il chatbot gestisce la conversazione: fa le domande di completamento se mancano dettagli (“a che ora preferisci?”), mantiene il filo del dialogo, mostra la risposta in un’interfaccia comprensibile. L’agente AI, infine, esegue i passaggi concreti: controlla la disponibilità nel sistema di prenotazione, blocca il tavolo, invia la conferma via email e aggiorna il calendario del ristorante, tutto senza intervento umano.

Prima di chiedere un preventivo o firmare un contratto, vale la pena rispondere a queste domande:

• Il problema che vuoi risolvere è “rispondere a domande” o “portare a termine un intero processo”? Nel primo caso probabilmente ti basta un chatbot, nel secondo probabilmente ti serve un agente.
• Il sistema deve solo conversare, o deve anche agire su altri strumenti (CRM, gestionale, calendario, magazzino)? Più azioni servono, più sali di livello di complessità (e di autonomia).
• Quanta autonomia sei disposto a dare al sistema prima che intervenga una persona a verificare? Un conto è far rispondere in autonomia a domande frequenti, un altro è far confermare ordini o pagamenti senza supervisione.
• Hai già dati e documenti aziendali pronti da collegare, o si parte da zero? Un sistema che deve “sapere” cose specifiche della tua azienda ha bisogno di essere collegato alle tue fonti informative, non solo di un buon modello linguistico generico.

Non esiste una risposta valida per tutti: la combinazione giusta dipende dal processo che vuoi migliorare, non dalla tecnologia più di moda del momento.

Un paio di accorgimenti pratici, utili soprattutto se non hai un background tecnico in casa:

• Diffida di chi ti propone un “agente AI” e, a un esame più attento, si rivela un chatbot a regole fisse senza reale autonomia decisionale.
• Chiedi sempre un esempio concreto: “cosa farà questo sistema in autonomia, passo per passo, su un caso reale della mia azienda?” Se la risposta resta vaga, è un segnale da non ignorare.
• Verifica cosa succede quando qualcosa va storto: come si comporta il sistema davanti a una richiesta ambigua o a un errore? Chi interviene, e quando?

Scopri come innovare il tuo business

30 minuti di consulenza strategica gratuita

Un esperto a tua disposizione per analizzare il tuo caso e individuare le opportunità di crescita

Prenota Consulenza

L'articolo Chatbot, LLM, Agente AI: cosa sono e come distinguerli proviene da Zerodivision.

Ogni nuova conversazione con Claude riparte da zero.

Come si struttura un preventivo, che tono tenere con un cliente, quali clausole non possono mancare in un contratto: tutto va rispiegato ogni volta.

Le Claude Skills esistono apposta per evitare tutto questo: sono procedure scritte una volta sola, che Claude richiama da solo quando serve, invece di essere rispiegate da capo a ogni conversazione.

Scopri come innovare il tuo business

30 minuti di consulenza strategica gratuita

Un esperto a tua disposizione per analizzare il tuo caso e individuare le opportunità di crescita

Prenota Consulenza

Cos’è una Claude Skill

Una Skill di Claude è una cartella che contiene le istruzioni per portare a termine un compito specifico, insieme a eventuali documenti di riferimento e, quando serve, codice eseguibile. Il nome tecnico completo è Agent Skills, ed è così che compare nella documentazione più approfondita. Anthropic la descrive come un modo per dare a un agente AI capacità aggiuntive, organizzate in cartelle di istruzioni, script e risorse.

L’idea di fondo è semplice. Invece di riscrivere ogni volta il contesto necessario per un compito ricorrente, quel contesto viene scritto una volta sola dentro la Skill. Claude la consulta solo quando il task lo richiede: il resto del tempo non occupa spazio nella conversazione né rischia di confondersi con altre procedure.

A chi non ha mai sentito parlare di Skills di Claude viene naturale chiedersi in cosa differiscano da un semplice prompt salvato da riusare. La differenza sta nel meccanismo di attivazione. Un prompt che hai precedentemente salvato va incollato manualmente ogni volta: sta a chi lavora ricordarsi che esiste e copiarlo al momento giusto. Una Skill, una volta installata, resta in sottofondo e si attiva da sola quando una richiesta corrisponde alla sua descrizione, senza che nessuno debba andarla a cercare in un archivio di prompt.

A cosa serve una Claude Skill

Chi lavora ogni giorno con un assistente AI conosce bene il problema opposto: dare istruzioni sempre più dettagliate finché il modello inizia a perderne qualcuna per strada, o ad applicarle a metà. È lo stesso problema, in fondo, che affronta la catena di prompt AI quando scompone un compito complesso in passaggi più piccoli invece di comprimere tutto in un’unica richiesta: comprimere troppe istruzioni in un solo posto le rende più fragili.
Anthropic chiama questo meccanismo “divulgazione progressiva”: al momento dell’avvio, Claude carica solo il nome e la descrizione di ogni Skill installata, non il contenuto completo. Solo quando un compito corrisponde a quella descrizione, le istruzioni vengono caricate per intero.

Il risultato pratico è duplice.
Primo: si può avere a disposizione un numero anche alto di procedure specifiche senza appesantire ogni singola conversazione.
Secondo: la coerenza aumenta, perché la procedura scritta bene una volta produce lo stesso risultato indipendentemente da chi la usa o da quante volte viene richiamata.

Struttura di una Claude Skill: la cartella e il file SKILL.md

Prima di scrivere una Claude Skill, è utile capire cosa contiene per intero. Secondo la documentazione ufficiale, una Skill è una cartella con questa struttura:

la-mia-skill/
├── SKILL.md      (obbligatorio: metadati + istruzioni)
├── scripts/      (facoltativo: codice eseguibile)
├── references/   (facoltativo: documentazione di supporto)
└── assets/       (facoltativo: template, dati, esempi)

Solo il file SKILL.md è obbligatorio. Contiene due parti distinte: un blocco di metadati in formato YAML all’inizio del file (nome e descrizione, quest’ultima è la parte che Claude legge sempre, anche a Skill non attiva) e il corpo vero e proprio con le istruzioni operative.

Con questa base, si può passare alla costruzione della prima Skill.

Claude Skill vs Progetti vs MCP: le differenze

Prima di iniziare a scrivere, c’è un punto su cui si fa spesso confusione ed è meglio chiarirlo subito. Le Skill non sono l’unico modo per personalizzare come lavora l’assistente, e capire la differenza evita di costruire lo strumento sbagliato per il problema che si ha davanti.

Un Progetto raccoglie file e contesto condiviso per un ambito di lavoro, utile quando serve tenere insieme documenti e conversazioni su uno stesso argomento nel tempo. Un server MCP collega Claude a strumenti e dati esterni, come una casella email o un gestionale, e serve quando il compito richiede di leggere o scrivere informazioni fuori dalla conversazione stessa. Una Skill, invece, è conoscenza procedurale: il “come si fa” un compito specifico, richiamata solo quando serve. Le tre cose funzionano bene insieme, non in alternativa: una Skill può benissimo usare uno strumento esposto da un server MCP durante l’esecuzione di una procedura.

Come creare una Claude Skill: guida passo dopo passo

Una nota pratica prima di partire: la possibilità di caricare una Claude Skill personalizzata è disponibile da piano Pro in su (Pro, Max, Team o Enterprise). Chi è già su uno di questi piani può seguire la guida fino in fondo, caricamento incluso; chi è sul piano gratuito può trovare comunque utili i primi passaggi, per capire come funziona il formato prima di eventualmente passare a un piano superiore.

Passo 1: scegliere un compito ripetitivo e frequente

Meglio non partire da un’idea generica come “una Skill per il marketing”. Conviene invece individuare un compito preciso che qualcuno in azienda esegue più volte alla settimana con lo stesso schema: la prima bozza di un preventivo, la risposta standard a una richiesta di assistenza, il riepilogo settimanale delle attività di un cliente.

Un buon test: se si può descrivere il compito con una frase che inizia con “ogni volta che…”, probabilmente è un buon candidato. “Ogni volta che arriva una richiesta di preventivo, servono queste informazioni in questo formato” è un esempio preciso e circoscritto, molto meglio di un’ambizione troppo ampia.

Passo 2: creare la cartella e il file SKILL.md

Il nome della cartella deve essere in kebab-case (parole minuscole separate da trattini, ad esempio preventivo-standard) e deve coincidere con il nome dichiarato nei metadati. Due limiti da tenere a mente mentre si scrive: il nome può arrivare al massimo a 64 caratteri, la descrizione a 200, come specifica la documentazione ufficiale sulla creazione di Skill personalizzate. C’è anche una regola curiosa: i nomi delle Skill non possono contenere le parole “claude” o “anthropic”, riservate da Anthropic.

Il file si crea con qualunque editor di testo semplice già installato: Blocco Note su Windows, TextEdit su Mac (basta impostarlo su testo semplice dal menu Formato).

Due piccoli accorgimenti che fanno risparmiare tempo:

• Salvare con estensione .md, non .txt. Alcuni sistemi la nascondono di default, vale la pena controllare.
• Scrivere le virgolette dritte (") e non quelle “curve” che Word inserisce in automatico, perché il blocco YAML qui sotto le legge in modo diverso.

Dentro la cartella si crea il file SKILL.md, che comincia sempre con un blocco di frontmatter:

---
name: preventivo-standard
description: Genera un preventivo standard da listino e dati cliente. Usa questa skill quando l'utente chiede un preventivo, una quotazione, o menziona "preventivo per [cliente]".
---

Passo 3: scrivere la descrizione della Skill

Questo è il punto dove la maggior parte delle Skill scritte in fretta causa problemi e smette di funzionare. Una guida tecnica pubblicata da KDnuggets lo mette in chiaro: una descrizione debole o priva di condizioni di attivazione chiare è la causa più comune per cui una Skill non si attiva quando dovrebbe.

La descrizione deve rispondere a due domande insieme: cosa fa la Skill, e quando va usata. “Aiuta con i preventivi” non basta: è troppo generico, e Claude non ha modo di capire se una richiesta specifica corrisponde a questo compito o no. Una descrizione che funziona elenca situazioni concrete, parole chiave plausibili, frasi che un utente potrebbe realmente scrivere. Vale la pena scriverla, rileggerla, e chiedersi: “se qualcuno in azienda scrivesse dieci richieste diverse legate a questo compito, questa descrizione le intercetterebbe tutte?”

Passo 4: scrivere le istruzioni della Skill

Sotto il frontmatter, si scrive la procedura vera e propria, in linguaggio naturale, come la si spiegherebbe a un collega nuovo il primo giorno. Ha senso includere:

Il contesto minimo necessario per capire il compito, i passaggi da seguire in ordine, il formato atteso in output, e un paio di esempi: uno di output buono, uno di errore comune da evitare. Non serve scrivere un manuale infinito. Se il file diventa troppo lungo, Anthropic stessa consiglia di spostare i dettagli in file separati dentro references/ e richiamarli dal file principale, così il contenuto centrale resta leggibile.

Ecco la differenza tra un’istruzione debole e una utilizzabile. “Scrivi il preventivo in modo professionale” non aiuta Claude a fare nulla di specifico: è vaga quanto lo sarebbe per un collega alla prima settimana di lavoro. “Struttura il preventivo con intestazione azienda, elenco voci con prezzo unitario e totale, validità 30 giorni, e chiudi sempre con i termini di pagamento standard” è un’istruzione che si può seguire senza margini di interpretazione.

La regola generale può essere questa: se un collega nuovo, leggendo solo quella riga, saprebbe cosa fare esattamente, l’istruzione è scritta bene.

Un’alternativa a scrivere tutto questo a mano è quella di descrivere il processo a Claude in una conversazione classica e chiedergli di preparare una prima bozza di SKILL.md, comprensiva di frontmatter e istruzioni. È un modo legittimo per partire, spesso più veloce che scrivere da zero. La bozza però va sempre riletta con gli stessi criteri visti sopra, soprattutto sulla descrizione: Claude non conosce i dettagli specifici del processo aziendale meglio di chi lo esegue ogni giorno, quindi il primo output va corretto, non caricato così com’è.

Passo 5: aggiungere risorse e script alla Skill

Se il compito richiede un template specifico, un documento con il tono aziendale, o dati di riferimento (un listino prezzi, ad esempio), questi materiali vanno nella cartella assets/ e vengono richiamati dal file principale. Se invece il compito include un calcolo che deve restituire sempre lo stesso risultato a parità di input, uno script in scripts/ è la scelta giusta: il codice esegue quella parte in modo deterministico, mentre Claude si occupa dell’interpretazione e della comunicazione del risultato.

Passo 6: caricare la Skill su Claude.ai

Su Claude.ai il percorso, secondo il centro assistenza ufficiale, è breve:

• Attivare “Esecuzione di codice cloud e creazione di file” in Impostazioni > Funzionalità. (Va fatto una sola volta, non a ogni Skill.)
  

• Comprimere la cartella della Skill in un file ZIP (tasto destro sulla cartella → “Comprimi” su Mac, “Invia a > Cartella compressa” su Windows).
  

• Caricare lo ZIP da Personalizza > Competenze > Aggiungi > Carica una skill.
  

Su Claude Code non serve comprimere nulla: si crea direttamente la cartella nella directory delle skill personali del progetto. Via API, si carica attraverso l’endpoint dedicato. Le Skill funzionano allo stesso modo su tutte queste piattaforme: la stessa cartella, con lo stesso SKILL.md, produce lo stesso comportamento ovunque venga installata.

Passo 7: testare la Skill con richieste diverse

Per quanto riguarda la qualità dei risultati, non basta verificare che la Skill funzioni con la formulazione esatta usata durante la scrittura. Meglio provarla con richieste formulate in modo diverso, più brevi, più indirette, con sinonimi diversi da quelli usati nella descrizione. Se la Skill si attiva solo con la frase esatta che si aveva in mente scrivendola, la descrizione va rivista.

Un buon giro di test dura poco: cinque o sei richieste diverse sullo stesso compito, verificando ogni volta se la Skill si attiva e se il risultato rispetta il formato atteso. Gli errori più comuni in questa fase riguardano proprio la mancata attivazione, non la qualità del contenuto una volta che la Skill parte.

Un modo semplice per controllare se si è attivata davvero, e non azzeccata solo per caso nell’output: chiedere direttamente a Claude, nella stessa conversazione, se ha usato quella Skill per rispondere. Questo “trucco” non è infallibile al cento per cento, ma è il modo più rapido per capire in fase di test se la descrizione ha funzionato o se il risultato buono è arrivato per altre strade.

Passo 8: correggere e migliorare la Skill

Una Skill scritta bene raramente è perfetta al primo tentativo. Dopo i primi test, capita di dover ampliare la descrizione con un caso d’uso dimenticato, o di semplificare istruzioni che nella pratica risultano ambigue. È un processo iterativo: ha senso rivederla dopo le prime settimane di uso reale, quando emergono i casi limite che in fase di scrittura non si erano considerati.

Scopri come innovare il tuo business

30 minuti di consulenza strategica gratuita

Un esperto a tua disposizione per analizzare il tuo caso e individuare le opportunità di crescita

Prenota Consulenza

Condividere una Claude Skill con il team

Fin qui il percorso descritto riguarda una persona che scrive e usa la propria Skill. In azienda, però, il valore aumenta quando la stessa procedura viene condivisa tra più colleghi che affrontano lo stesso compito. Su questo la piattaforma fa una distinzione utile da conoscere in anticipo: su piano Pro o Max non esiste una condivisione nativa tra account, ogni persona carica la propria copia dello stesso file. Su Team o Enterprise, invece, esiste la condivisione, ma è disattivata di default: un amministratore deve abilitarla da Organization Settings > Skills (in italiano, Impostazioni organizzazione > Competenze), e solo allora compare l’opzione per condividere una Skill con colleghi specifici o con tutta l’organizzazione, come spiega la documentazione ufficiale sull’uso delle Skill (disponibile anche in versione italiana).

Se la condivisione nativa non è disponibile o non è stata attivata, la soluzione più semplice resta comunque pratica: tenere traccia delle versioni, anche in modo informale, con un numero o una data nel nome del file o in un commento all’inizio del documento, e distribuire il file aggiornato ai colleghi quando cambia. Quando una Skill viene corretta dopo un errore individuato in uso reale, chi la usa da altre postazioni deve poter sapere che la versione è cambiata, altrimenti si torna al problema iniziale: procedure diverse per lo stesso compito, solo spostato di un livello.

Una cartella condivisa con le Skill aziendali, aggiornata quando emerge una correzione, è già sufficiente nella maggior parte dei casi per team di piccole e medie dimensioni che non hanno un piano Team o Enterprise.

Esempio di SKILL.md completo

Ecco, in base a quell oche abbiamo scritto finora, come potrebbe presentarsi la Skill “preventivo-standard” una volta completata:

---
name: preventivo-standard
description: Genera un preventivo nel formato standard aziendale a partire da listino e dati cliente. Usa questa skill per preventivi o quotazioni, o quando l'utente menziona "preventivo per [cliente]".
---

# Preventivo standard

## Quando usarla
Ogni volta che viene richiesto un preventivo per un cliente, con almeno il nome del cliente e i servizi o prodotti richiesti.

## Passaggi
1. Recupera i prezzi aggiornati dal listino in assets/listino.csv
2. Chiedi eventuali informazioni mancanti (quantità, tempistiche) solo se strettamente necessarie
3. Compila il documento seguendo il template in assets/template-preventivo.docx
4. Applica lo sconto standard solo se esplicitamente richiesto

## Cosa evitare
Non inventare prezzi non presenti nel listino. Non applicare sconti non richiesti esplicitamente dal cliente interno che fa la richiesta.

Con una descrizione così specifica e passaggi chiari, chi in azienda scrive “serve un preventivo per il cliente Rossi, dieci licenze” ottiene un documento coerente con il formato aziendale, senza dover rispiegare da capo la procedura.

Errori comuni da evitare con le Claude Skill

Il primo errore, già descritto sopra, riguarda la descrizione troppo vaga. Uno altrettanto diffuso, e opposto, è caricare nel file principale tutto quello che si sa sull’argomento, invece di distinguere tra le istruzioni essenziali e il materiale di consultazione occasionale. Un file troppo lungo rallenta l’attivazione e rende più difficile individuare cosa modificare quando qualcosa non funziona.

C’è poi un terzo scivolone, meno legato alla scrittura e più alla provenienza: usare Skill scaricate da fonti esterne invece di scriverle internamente. La documentazione ufficiale è netta su questo punto: la raccomandazione è di usare solo Skill create direttamente o ottenute da Anthropic, perché una Skill può indirizzare Claude a eseguire codice, e una Skill malevola può portare a esfiltrazione di dati o accessi non autorizzati. Per una Skill scritta internamente, come quella di esempio presente in questo articolo, il problema semplicemente non si pone: riguarda solo il caso di installarne una scaricata da uno sconosciuto. Se si decide comunque di usare una Skill di terze parti, va controllato ogni file al suo interno, incluso lo script eventualmente presente, prima di attivarla su dati aziendali reali.

Dove si possono usare le Claude Skill

Le Skill funzionano su Claude.ai, su Claude Code, su Claude App, tramite l’Agent SDK e sulla piattaforma API. Anthropic mantiene anche una raccolta pubblica di Skill di esempio su GitHub, utile come riferimento di struttura anche quando l’obiettivo è scriverne di proprie da zero, specifiche per i processi interni.

Serve sapere programmare per creare una Claude Skill?

Chi non ha mai scritto una riga di codice si chiede spesso se questo percorso sia alla sua portata. La risposta, nella maggior parte dei casi, è sì. Il file SKILL.md è testo semplice, scritto in linguaggio naturale: la parte più delicata non è tecnica ma riguarda la chiarezza, la stessa già usata nei passaggi precedenti per scrivere le istruzioni. Descrivere bene quando una Skill va usata e cosa deve fare richiede la stessa competenza che serve per scrivere una procedura interna comprensibile a un collega nuovo, non competenze di sviluppo software.

Il codice negli script diventa utile solo per compiti che richiedono un calcolo sempre identico a parità di input, ed è un’aggiunta facoltativa, non un requisito di partenza. La prima Skill di chi comincia da zero può benissimo essere fatta solo di testo, senza una sola riga di codice, e funzionare comunque bene.

Claude Skills essenziali per una PMI

Non tutte le Skill vanno scritte da zero. Prima di costruire qualcosa di personalizzato, vale la pena sapere cosa c’è già, e poi capire quali procedure interne meritano davvero di diventarne una.

Quattro già pronte, senza bisogno di caricare nulla. Anthropic mantiene delle Skill per i documenti più comuni (PowerPoint, Excel, Word, PDF) che funzionano dietro le quinte ogni volta che si chiede a Claude di creare o modificare un file di quel tipo. Non richiedono configurazione: se il piano ha l’esecuzione di codice attiva, sono già lì.

Le idee più utili da costruire per una PMI tipica, in ordine di quanto tornano spesso in un’azienda media:

• Preventivo o offerta commerciale: quella già vista in questa guida come esempio, con formato coerente e prezzi sempre dal listino aggiornato.
• Risposta standard al servizio clienti: tono, struttura e procedura di escalation sempre uguali, indipendentemente da chi risponde.
• Riepilogo di riunione: punti decisi, azioni da fare e responsabili, nello stesso formato ogni volta, utile da incollare direttamente nei verbali aziendali.
• Prima revisione di un contratto standard: non sostituisce il legale, ma individua le clausole che meritano attenzione prima che il documento arrivi a chi deve firmarlo.
• Follow-up commerciale dopo una chiamata: email di ricapitolazione con gli stessi elementi ogni volta, prossimi passi, tempistiche, referente.

Nessuna di queste richiede competenze tecniche oltre a quelle già descritte in questa guida.

Da dove iniziare con le Claude Skill in azienda

Non serve costruire dieci Claude Skill nella prima settimana. Il percorso più realistico comincia da una singola procedura che si ripete spesso, seguendo i passaggi descritti sopra, testandola per un paio di settimane sul lavoro reale, e solo dopo passando alla successiva.

Le Skill hanno però un limite dichiarato più volte in questa guida: restano istruzioni testuali, richiamate all’interno di una conversazione. Non sostituiscono un’integrazione vera con i sistemi aziendali, non gestiscono permessi complessi tra utenti diversi, non bastano quando serve leggere o scrivere dati direttamente su un gestionale, un CRM, o un sistema che non parla nativamente con Claude: lì, come visto nel confronto più sopra, serve un server MCP o un’integrazione su misura.

Quando il bisogno supera quel perimetro, cioè quando il problema non è più “che istruzioni do a Claude” ma “che cosa va costruito perché funzioni con i nostri sistemi“, ha senso rivolgersi a chi progetta soluzioni AI su misura invece di adattarle a mano. Una consulenza gratuita è il modo più diretto per capire se basta rivedere una Skill o se serve qualcosa di più strutturato.

Scopri come innovare il tuo business

30 minuti di consulenza strategica gratuita

Un esperto a tua disposizione per analizzare il tuo caso e individuare le opportunità di crescita

Prenota Consulenza

L'articolo Come creare una Claude Skill: guida pratica per aziende proviene da Zerodivision.

Molti imprenditori sentono parlare di intelligenza artificiale ogni giorno, tra articoli, post su LinkedIn e clienti che chiedono se l’azienda la sta già usando. Dietro la semplice parola “AI” si affollano però promesse e spiegazioni tecniche scritte più per ingegneri che per chi deve gestire un’impresa vera, con margini reali e poco tempo da perdere. Chi guida una PMI italiana si trova spesso in una fase strana: sa che l’AI esiste, intuisce che potrebbe aiutare, ma non ha idea da dove partire né se sia il momento giusto per muoversi.

Questo articolo raccoglie trenta domande pratiche, quelle che chi si trova in questa fase si pone concretamente, con risposte chiare e senza tecnicismi inutili.

Scopri come innovare il tuo business

30 minuti di consulenza strategica gratuita

Un esperto a tua disposizione per analizzare il tuo caso e individuare le opportunità di crescita

Prenota Consulenza

Scopri come innovare il tuo business

30 minuti di consulenza strategica gratuita

Un esperto a tua disposizione per analizzare il tuo caso e individuare le opportunità di crescita

Prenota Consulenza

Scopri come innovare il tuo business

30 minuti di consulenza strategica gratuita

Un esperto a tua disposizione per analizzare il tuo caso e individuare le opportunità di crescita

Prenota Consulenza

Le trenta domande arrivano fin qui: dalle basi di cosa sia davvero l’intelligenza artificiale in azienda fino a cosa chiedere a un fornitore prima di firmare un contratto. Se qualche dubbio resta aperto, o serve capire quale di questi casi assomiglia di più alla propria situazione, parlarne direttamente con chi il lavoro lo fa tutti i giorni resta la strada più veloce per avere una risposta su misura.

Scopri come innovare il tuo business

30 minuti di consulenza strategica gratuita

Un esperto a tua disposizione per analizzare il tuo caso e individuare le opportunità di crescita

Prenota Consulenza

L'articolo Intelligenza Artificiale in azienda: 30 domande e risposte per chi non sa da dove iniziare proviene da Zerodivision.