Martes AI sviluppa soluzioni AI su misura e fa formazione in sede per aziende italiane: più di 75 soluzioni in produzione per oltre 100 clienti. Non rivendiamo licenze dei produttori nominati qui. Le famiglie sono descritte con quello che dicono i siti dei produttori, i casi con quello che abbiamo costruito noi.
La domanda che arriva più spesso in aula è “quale AI uso per analizzare i dati”. Quasi sempre la risposta sta in una domanda prima: i dati dove sono? In un file che qualcuno esporta ogni mese, in uno strumento di BI già pagato, in una piattaforma dati. Oppure da nessuna parte, cioè nelle email e nei messaggi delle persone.
Le migliori AI per l’analisi dei dati aziendali a confronto
| Famiglia | Nomi | Dove stanno i dati | Chi la usa | Cosa serve prima | Limite principale |
|---|---|---|---|---|---|
| Assistenti che leggono i file | ChatGPT, Claude, Gemini sui piani aziendali | File caricati a mano: Excel, CSV, PDF | Chiunque in azienda | Piano aziendale e regole su cosa si carica | Lavora sul file di oggi, non su dati che si aggiornano |
| AI nel foglio di calcolo | Copilot in Excel, Gemini in Google Sheets, Claude per Excel | Il foglio aperto | Controllo di gestione, amministrazione, commerciale | Licenza della suite giusta | Utile quanto è ordinato il foglio |
| AI negli strumenti di BI | Copilot in Power BI, Tableau, Looker con Gemini, Qlik | Il modello dati dello strumento | Chi consulta già i cruscotti | Uno strumento di BI già in uso e un modello dati curato | Non vede quello che non è nel modello |
| Piattaforme dati con agenti | Databricks, Snowflake con le loro funzioni di domande in linguaggio naturale | Il magazzino dati aziendale | Team dati, aziende grandi | Una piattaforma dati e qualcuno che la amministra | Costo e competenze fuori portata per molte PMI |
| Soluzioni su misura | Agenti costruiti sui sistemi dell’azienda | Gestionale, posta, chat, fogli sparsi | La direzione e i reparti operativi | Sapere quale dato serve e chi lo produce | Va progettata e mantenuta |
Assistenti che leggono i file
È il punto di partenza per quasi tutte le aziende. Si carica un’estrazione dal gestionale, si chiede cosa è cambiato rispetto al mese prima, si fa preparare il grafico. Gli assistenti generalisti sui piani aziendali scrivono ed eseguono il calcolo sul file e mostrano come ci sono arrivati.
Funziona bene per le analisi una tantum: un confronto fra due periodi, una prima lettura di un’indagine fra i clienti, la pulizia di un elenco. Funziona male quando lo stesso report va rifatto ogni settimana, perché ogni volta qualcuno deve esportare, caricare e rifare la domanda.
Sul confronto fra i tre assistenti principali ci sono guide a parte: ChatGPT o Claude per aziende e ChatGPT o Gemini per aziende.
AI nel foglio di calcolo
Per chi passa la giornata in Excel o in Google Sheets la differenza è non uscire dal file. Lo strumento scrive la formula, spiega una formula scritta da altri, costruisce la tabella pivot, segnala i valori fuori scala. La suite che l’azienda usa già decide quasi da sola quale scegliere. Cosa fa Claude per Excel in azienda e quali limiti ha su macro, log di audit e conservazione dei dati è in una guida a parte.
Il limite è il foglio stesso. Un file con le intestazioni su tre righe, le celle unite e i totali a metà tabella produce risposte sbagliate con qualsiasi AI. Mezz’ora per mettere i dati in una tabella pulita vale più di qualsiasi licenza.
AI negli strumenti di BI
Se l’azienda ha già cruscotti in uno strumento di BI, la sua AI permette di fare domande in italiano sul modello dati che esiste (“perché le vendite del nord sono scese a settembre?”) e di farsi scrivere le misure nuove. È la scelta più ovvia per chi ha già fatto il lavoro di modellare i dati.
Non vede quello che non è nel modello. Se le note dei commerciali o le segnalazioni dal magazzino non sono mai entrate nello strumento, l’AI non le troverà.
Piattaforme dati con agenti
Le aziende con un magazzino dati e un team che lo amministra hanno a disposizione agenti che rispondono in linguaggio naturale sopra tutte le tabelle. Per una PMI senza un team dati è quasi sempre la famiglia sbagliata da cui partire: il problema non è fare domande ai dati, è averli in un posto solo.
Il problema che viene prima dello strumento
Nei progetti che abbiamo costruito il collo di bottiglia non era quasi mai l’analisi. Era la raccolta.
Il lavoro delle persone sul campo. Per Afrocarbon, che lavora con un team distribuito su più paesi, abbiamo costruito un sistema su Prisma, il nostro agente AI su WhatsApp: al mattino assegna le attività, a fine giornata raccoglie la rendicontazione con foto e note in cinque lingue e salva tutto in un database. La direzione ha una dashboard in tempo reale con le categorie validate. Per un’impresa edile con operai su più cantieri lo stesso agente raccoglie ogni sera attività, mezzi usati e foto per cantiere. Prima i dati arrivavano in ritardo, incompleti e in formati diversi.
I documenti che arrivano in posta. Per uno studio di amministrazione condominiale abbiamo costruito un sistema che legge gli F24, estrae importi e scadenze e li mette in un registro unico, filtrabile e sempre aggiornato. Il caso riporta oltre il 70% di tempo operativo risparmiato.
Una fonte sola. Kerberos Energy aveva già i dati in un unico database centrale. È il motivo per cui l’integrazione di Kerby, l’agente che gestisce quasi 800 richieste di offerta l’anno, è stata più rapida. Nelle parole del CEO, oltre al tempo è cambiata la qualità dei dati nel gestionale, che prima era sempre incompleta.
In tutti e tre i casi, una volta che i dati stanno in un posto solo, analizzarli diventa la parte facile. Qualsiasi assistente o strumento di BI ci lavora sopra. Quando il problema è questo, la strada è lo sviluppo AI su misura del pezzo che raccoglie i dati, prima di comprare lo strumento che li analizza.
Come si sceglie, in quattro domande
- 01
Dove stanno i dati oggi?
In file esportati, in uno strumento di BI, in una piattaforma dati oppure nelle email e nei messaggi delle persone. La risposta elimina da sola tre famiglie su cinque.
- 02
Chi farà le domande?
Un analista che sa leggere una query o un responsabile di reparto che vuole una risposta in italiano. Lo strumento giusto per il primo è spesso sbagliato per il secondo.
- 03
Il report si ripete?
Un'analisi una tantum si fa con un assistente. Un report settimanale merita un flusso che prende i dati da solo.
- 04
Chi controlla i numeri?
Prima di scegliere si decide chi rifà il calcolo a campione e su quale dato noto si confronta il totale. Un numero che nessuno sa ricostruire non va alla direzione.
Le regole sui dati
I dati aziendali che si analizzano contengono spesso dati personali: clienti, dipendenti, fornitori individuali. Valgono le stesse regole di qualsiasi trattamento. Si usano i piani aziendali, si tolgono le colonne che non servono all’analisi, si scrive cosa non si carica mai. Il quadro è nella guida su intelligenza artificiale e GDPR in azienda, il panorama degli strumenti per tutti gli altri usi in quella sui migliori strumenti AI per aziende.
Da dove partire
Si prende il report che la direzione chiede ogni mese e che costa più ore. Si guarda da dove arrivano i suoi numeri. Se arrivano da un file pulito, si prova per due settimane l’assistente o l’AI del foglio di calcolo che l’azienda ha già. Se arrivano da cinque persone che li mandano in modi diversi, il primo progetto non è l’analisi: è la raccolta.