La checklist primo progetto AI PMI serve a portare un pilota dal lancio al go/no-go in quattro settimane, con obiettivo misurabile, owner, baseline e KPI. Non un elenco motivazionale: 25 item operativi, una tabella di deliverable e un piano 30 giorni. Sotto trovi lo schema completo per non dimenticare nulla.
Prima di iniziare: cosa deve essere vero
Un primo progetto AI funziona solo se tre condizioni organizzative sono già verificate. Prima, esiste uno sponsor interno con autorità di sbloccare tempo delle persone e budget sotto i 5.000 euro. Secondo, c’è almeno un processo ripetitivo che il team esegue più di venti volte alla settimana. Terzo, nessuno dei dati coinvolti rientra in categorie speciali (sanitari, biometrici, giudiziari).
Se una sola di queste condizioni manca, il pilota non va cancellato: va rinviato di due settimane e dedicate a sistemarla. Partire comunque è il modo più veloce per bruciare credibilità interna. Per un check di maturità preliminare usa la matrice di maturità AI per PMI.
Secondo l’Osservatorio Artificial Intelligence del Politecnico di Milano 2025, il mercato AI italiano vale 1,8 miliardi di euro (+50% sul 2024), ma la sperimentazione resta al 15% nelle medie imprese e al 7% nelle piccole, contro il 53% delle grandi. Il divario tra grandi aziende e PMI è passato da 20 a oltre 37 punti in due anni: la finestra per muoversi con vantaggio competitivo si sta restringendo.
Obiettivo misurabile: la regola del numero singolo
Un primo progetto AI ha un solo obiettivo quantificato. Non “migliorare la produttivita’”, ma “ridurre da 45 a 20 minuti il tempo medio di stesura del preventivo”. Il numero deve essere misurabile oggi senza AI (baseline), misurabile domani con AI (risultato) e rilevante per almeno una persona che firma lo stipendio.
Il formato operativo è una frase sola: da [metrica attuale] a [metrica target] entro [data], responsabile [nome]. Se la frase non sta su una riga, il perimetro è troppo largo. Stringi.
Selezione del use case: tre filtri e stop
Scegliere il primo caso d’uso è il 70% del successo. I tre filtri sono volume, standardizzazione e rischio.
- Volume: il processo si esegue almeno 20 volte a settimana. Sotto questa soglia il ROI è numericamente fragile.
- Standardizzazione: input e output seguono uno schema prevedibile. Email commerciali ripetitive si, consulenze ingegneristiche bespoke no.
- Rischio: un output sbagliato non genera danni legali, sanitari o contrattuali immediati. La revisione umana deve essere compatibile con il volume.
Incrocia i tre filtri su una matrice semplice e scegli un solo processo. Se esiti tra due, scegli quello con il revisore più disponibile, non quello più interessante. Per evitare i soliti pattern di fallimento leggi la guida errori tipici nel primo progetto AI.
Team e ruoli minimi
Un pilota AI in PMI richiede tre ruoli espliciti, anche se coperti dalla stessa persona nelle realtà sotto i dieci dipendenti. Lo sponsor protegge il tempo, sblocca spese e difende il progetto in riunioni non pianificate. L’owner operativo usa il flusso ogni giorno, documenta errori e modifica i prompt. Il revisore è l’ultima firma prima che l’output lasci l’azienda: controlla correttezza, tono e compliance.
Niente ruoli ambigui come “il team IT”. Serve un nome e un cognome per ogni ruolo. La ripartizione completa è descritta in ruoli e governance di un progetto AI in PMI.
Tool: buy first, build later
La regola è banale: nelle PMI il tool deve essere comprato, non costruito. L’Osservatorio PoliMi documenta che il 9% delle PMI italiane usa soluzioni a pagamento e un altro 9% strumenti gratuiti, ma la quota di progetti interni strutturati rimane marginale. McKinsey nel State of AI 2025 conferma che solo circa un terzo delle aziende che usano AI è riuscita a scalare oltre il pilota: il fattore discriminante non è la sofisticazione del modello, ma le pratiche di gestione.
Parti da ciò che l’azienda paga già: Microsoft 365 Copilot, Google Workspace Gemini, funzioni AI dentro il CRM o il gestionale. Se serve aggiungere qualcosa, rimani su prodotti vendor con contratti europei e DPA pronta. Per orientarti sulle categorie vedi quali strumenti AI scegliere per una PMI.
Privacy e compliance: il minimo non negoziabile
Nessun pilota parte se non sono chiare queste sei risposte. Dove risiedono i dati che entreranno nei prompt. Il fornitore è europeo o ha clausole contrattuali tipo firmate. Esiste una DPA aggiornata. I dipendenti sono stati informati per iscritto dell’uso degli strumenti. Sono escluse categorie speciali di dati. Esiste una procedura scritta per cancellare output e log.
Non serve una policy di trenta pagine, ma un documento di due pagine firmato dallo sponsor. L’AI Act europeo entra in applicazione progressiva e la maggior parte dei casi d’uso PMI rientra tra i sistemi a rischio minimo, ma la trasparenza verso i dipendenti è già obbligatoria.
KPI di successo: cinque numeri, non quindici
Cinque KPI sono sufficienti per giudicare un pilota. Tempo medio per task prima e dopo. Volume gestito per unità di tempo. Tasso di errore dopo revisione umana. Costo mensile effettivo dello strumento. Soddisfazione del team su scala 1-5 raccolta a fine pilota. Fine. Più KPI significa nessun KPI: il team si disperde a misurare invece di lavorare.
La baseline si raccoglie nei primi cinque giorni lavorativi, prima che chiunque apra un prompt.
Piano 30 giorni: il ritmo settimanale
Il pilota vive in quattro settimane. Settimana 1: baseline, use case definito, tool attivato, governance firmata. Settimana 2: prompt v1, casi reali caricati, onboarding team. Settimana 3: esecuzione su volume reale, iterazione prompt v2, primo feedback. Settimana 4: misurazione finale, confronto con baseline, report al management e decisione go/no-go.
Il ritmo è inderogabile. Se slitta di più di cinque giorni, fermati e rivedi il perimetro, non prolungare. La variante dettagliata giorno per giorno è nel piano di adozione AI in 30 giorni.
Fase, deliverable, responsabile
| Fase | Deliverable | Responsabile |
|---|---|---|
| Preparazione | Obiettivo misurabile e baseline documentata | Owner operativo |
| Preparazione | Matrice use case con tre filtri applicati | Sponsor + owner |
| Setup | Tool attivato con DPA firmata | Sponsor |
| Setup | Prompt v1 + template output | Owner operativo |
| Setup | Documento governance (2 pagine) | Sponsor + revisore |
| Esecuzione | Log esecuzione su casi reali | Owner operativo |
| Esecuzione | Prompt v2 con correzioni documentate | Owner operativo |
| Valutazione | Report KPI prima/dopo | Owner operativo |
| Valutazione | Decisione go/no-go formalizzata | Sponsor |
Go/no-go: le cinque condizioni per scalare
Alla fine della quarta settimana lo sponsor prende una decisione basata su cinque domande binarie. Il team usa davvero il flusso o lo evita? Il tempo risparmiato è misurato, non dichiarato? Gli errori residui sono gestibili dal revisore senza straordinari? I prompt sono stabili o cambiano ogni giorno? La governance minima è rispettata in tutti i casi osservati?
Cinque sì: si estende al secondo use case. Tre o quattro sì: si corregge e si rivaluta dopo due settimane. Meno di tre: si ferma il progetto, si documenta il motivo e si sceglie un altro processo. Fermarsi è una decisione valida, non una sconfitta.
Un esempio concreto: una PMI metalmeccanica da 28 dipendenti in Brianza ha usato questa checklist per automatizzare la stesura di offerte commerciali standard. Baseline: 38 minuti medi per offerta. Risultato a 30 giorni: 14 minuti medi, con tasso di correzione del revisore al 22%. Decisione: estendere al secondo use case (risposte a RFQ tecniche) con lo stesso team. Altro caso: uno studio di commercialisti da 12 persone in provincia di Padova ha applicato lo stesso schema alla sintesi di circolari normative per i clienti. Baseline: 55 minuti per circolare riassunta. Risultato: 18 minuti, tasso di errore residuo 9%. Decisione: estendere.
La checklist completa: 25 item operativi
Copia questa lista e spunta ogni item solo quando il deliverable esiste. Se non esiste, non spuntare.
Preparazione (settimana 1)
- Sponsor nominato con autorità di sblocco budget
- Owner operativo nominato con nome e cognome
- Revisore nominato con disponibilità confermata
- Elenco di almeno 10 processi candidati scritto
- Matrice volume/standardizzazione/rischio compilata
- Un solo use case scelto e circoscritto
- Obiettivo misurabile in una riga, con metrica e data
- Baseline raccolta su almeno 5 giorni di lavoro reale
- Rischi privacy valutati e categorie speciali escluse
Setup (settimana 2)
- Tool scelto tra quelli già pagati o da acquistare in licenza
- DPA firmata e archiviata
- Informativa ai dipendenti distribuita per iscritto
- 5-10 casi reali raccolti in cartella condivisa
- Prompt v1 scritti, testati sui casi reali
- Template di output definito e documentato
- Checklist di review scritta (cosa controlla il revisore)
- Documento governance minima (2 pagine) firmato
Esecuzione (settimana 3)
- Onboarding del team completato con demo pratica
- Flusso eseguito su almeno 20 casi reali
- Log di tempi e errori aggiornato quotidianamente
- Prompt v2 con correzioni documentate
- Feedback strutturato raccolto da ogni utente
Valutazione (settimana 4)
- KPI finali misurati e confrontati con baseline
- Report una pagina preparato per il management
- Decisione go/no-go formalizzata e comunicata
Errori che bruciano il primo progetto
Tre pattern ricorrenti fanno deragliare i piloti. Perimetro troppo ampio: tre reparti, cinque strumenti, dieci idee e nessun output. Giudicare l’AI da un singolo output: il primo prompt è sempre imperfetto, serve iterare almeno dieci casi reali prima di valutare. Nessun owner nominato: “il team” non è una persona, serve un nome e una responsabilità esplicita.
Se vuoi un framework organizzativo completo per evitare questi errori trovi il percorso dettagliato nel libro Intelligenza Artigianale. Se parti da zero, la guida AI per piccole imprese: da dove partire è il primo passo prima ancora di aprire questa checklist.
Domande frequenti
Quanto costa un primo progetto AI in una PMI?
Sotto i 3.000 euro di costi diretti nel primo mese se parti da tool già inclusi nello stack aziendale (Microsoft 365, Google Workspace, CRM con funzioni AI native). Se serve acquistare una licenza dedicata, aggiungi 20-60 euro al mese per utente. Il costo più rilevante non è quello del tool: è il tempo dell’owner operativo, tipicamente 8-12 ore a settimana per quattro settimane.
Quanti dipendenti servono per avviare un pilota?
Il minimo operativo sono tre persone: sponsor, owner, revisore. In PMI sotto i dieci dipendenti un socio copre sponsor e revisore, mentre l’owner operativo è chi usa quotidianamente il processo. Sopra i venti dipendenti è sconsigliato che la stessa persona cumuli più di due ruoli: il revisore deve avere indipendenza dal flusso che valuta.
E se non ho dati storici per calcolare la baseline?
Registra cinque giorni di lavoro reale sul processo scelto, con cronometro e foglio di calcolo. Non serve uno storico di mesi: serve un dato onesto di oggi. Il rischio peggiore è dichiarare una baseline “a sensazione” e non poter dimostrare un miglioramento alla fine del pilota.
Posso usare ChatGPT o serve un tool enterprise?
Per un primo pilota su dati non sensibili ChatGPT Team o Enterprise con DPA è sufficiente. Per dati personali di clienti o dipendenti serve un fornitore con trattamento dati documentato, idealmente europeo. Evita gli account gratuiti personali: non hanno DPA e creano rischio di shadow AI, fenomeno che l’Osservatorio PoliMi stima al 74% dell’uso AI reale nelle PMI.
Come calcolo il ROI del pilota?
Formula minima: (ore risparmiate al mese x costo orario lordo del ruolo) meno costo mensile del tool. Se il risultato è positivo dopo 30 giorni, il pilota si estende. Se è vicino a zero ma il team è soddisfatto, si corregge. Se è negativo si ferma. Per il calcolo dettagliato leggi come calcolare il ROI dell’AI in PMI.
Quando posso dire che il pilota è un successo?
Quando la baseline è stata battuta di almeno il 25% su una metrica oggettiva (tempo o volume), il tasso di errore residuo è stabile sotto il 20% e il team dichiara di voler continuare a usarlo anche senza obbligo. Sotto queste soglie il successo è percepito ma non sostenibile: conviene correggere prima di estendere.
