Come scegliere un fornitore AI: 8 criteri e i segnali d'allarme

Il mercato dei fornitori di intelligenza artificiale è cresciuto in fretta e in modo disordinato. Accanto ad aziende serie e competenti ci sono molti operatori che hanno aggiunto "AI" alla propria offerta senza una reale profondità. Distinguerli richiede metodo, perché la scelta del fornitore è una delle decisioni più importanti di tutto il percorso: un partner sbagliato non spreca solo budget, crea dipendenze difficili da sciogliere, alimenta la sfiducia interna verso l'AI e spesso produce soluzioni che nel mondo reale non funzionano.

Competenza: tecnica e di settore

"Usiamo l'AI" non basta. Quali tecnologie usano, in che modo, con quale profondità? Chiedi esempi di architetture, scelte tecniche e le ragioni dietro di esse: un fornitore serio sa spiegare perché ha scelto un approccio invece di un altro, e sa dirti cosa non sa fare e dove si appoggia a terzi. Chiedi anche referenze tecniche, clienti da contattare per verificare la qualità del lavoro, non testimonianze di marketing.

Accanto alla competenza tecnica generale conta la conoscenza del tuo settore. L'AI applicata alla manifattura è diversa da quella per il retail o per i servizi professionali, non perché cambino i modelli, ma perché cambiano processi, dati, integrazioni e requisiti di conformità. Un fornitore con esperienza nel tuo settore capisce i problemi senza bisogno di spiegazioni da zero, conosce i colli di bottiglia tipici e sa cosa ha funzionato, e cosa no, in contesti simili. Non è un requisito assoluto, ma aumenta molto le probabilità di successo.

Libertà e trasparenza: indipendenza, metodo, proprietà

I modelli evolvono velocemente, e il migliore di oggi potrebbe non esserlo tra dodici mesi. Un fornitore legato a un solo produttore ti vincola a quella scelta anche quando esistono alternative migliori; uno indipendente sceglie il modello più adatto al caso d'uso, non quello che conosce meglio o con cui ha accordi commerciali. Chiedi esplicitamente: avete esperienza con modelli diversi? Come decidete quale usare? La risposta dirà molto.

Altrettanto rivelatrice è la trasparenza del metodo: come lavora il fornitore, dall'avvio alla consegna? Come gestisce i cambiamenti in corso d'opera? Come documenta le scelte tecniche? Un fornitore serio ha un metodo chiaro e lo spiega prima di iniziare; se risponde con un vago "dipende dal progetto", è un segnale d'allarme, perché la trasparenza del metodo indica quanto padroneggia davvero ciò che fa.

E prima di firmare, chiarisci la proprietà del codice e dei dati: a fine progetto, a chi appartiene il codice? Dove vengono elaborati i dati? Puoi esportare tutto se decidi di cambiare fornitore? Questi aspetti vanno chiariti nel contratto prima di iniziare. Alcuni fornitori costruiscono soluzioni che restano di loro proprietà, lasciandoti dipendente per ogni modifica futura: dovresti avere piena proprietà del codice, accesso completo ai dati e documentazione sufficiente per proseguire da solo o con un altro partner.

Affidabilità nel tempo: assistenza e referenze

Un sistema di AI non si configura una volta per sempre. I modelli cambiano comportamento nel tempo, i dati si evolvono, i processi cambiano, emergono casi imprevisti. Chiedi come è organizzata l'assistenza dopo il lancio: ci sono livelli di servizio garantiti? Chi è il referente? Come si gestiscono errori e ottimizzazioni? Ogni quanto vengono proposti aggiornamenti? Senza un'assistenza strutturata, il sistema si degrada senza che nessuno intervenga.

Le referenze sono lo strumento più diretto per verificare quanto detto finora, e sono spesso sottoutilizzate: molte aziende chiedono se ci sono referenze e si accontentano dei nomi forniti, senza verificarli. Fai il contrario: parla direttamente con il referente del cliente, non con il fornitore che ti racconta il progetto. Chiedi se i tempi sono stati rispettati, se i risultati promessi sono arrivati, se l'assistenza dopo il lancio è stata adeguata, se lo sceglierebbero di nuovo. Se il fornitore esita a metterti in contatto con i clienti, è un segnale da non ignorare.

Il fattore umano: la sintonia di lavoro

È il criterio meno misurabile e spesso il più decisivo. Il fornitore condivide il tuo modo di lavorare? Comunica con chiarezza? È disponibile quando serve, non solo nelle riunioni formali? Tratta il tuo team con rispetto anche nei momenti di tensione? I progetti di AI durano mesi, e una relazione difficile diventa un costo nascosto enorme. La sintonia si valuta parlando con le persone, non leggendo una brochure.

I segnali d'allarme

Alcuni segnali dovrebbero far scattare un campanello d'allarme immediato: risultati garantiti senza aver visto i dati, perché nessun progetto serio può promettere risultati precisi prima di analizzare il contesto, e chi lo fa sta vendendo, non progettando; demo sempre uguali, perché se il fornitore mostra la stessa demo qualunque cosa tu gli racconti, non ha capito il problema o non ha le competenze per risolverlo; nessuna discussione sui rischi, perché un buon fornitore parla apertamente di cosa può andare storto, dei limiti della soluzione e dei prerequisiti, e chi dipinge solo scenari positivi non è onesto; contratti che vincolano troppo, con durate pluriennali con esclusive, codice che resta al fornitore, dati sulle sue infrastrutture, tutto questo limita molto la tua libertà futura; e tecnici assenti, perché se alle riunioni arrivano sempre e solo i commerciali, scoprirai troppo tardi chi fa davvero il lavoro.

Come strutturare una richiesta di offerta, e il proof of concept

Una richiesta di offerta (RFP) efficace per un progetto di AI deve chiedere l'approccio tecnico proposto per il tuo caso specifico, non una descrizione generica; il team che lavorerà al progetto, con i relativi profili; casi di studio su progetti simili, con i risultati ottenuti; un piano con tappe, consegne e criteri di accettazione; il modello di assistenza dopo il rilascio; le clausole su proprietà di codice, dati e documentazione; e una proposta di proof of concept iniziale. Una richiesta così filtra da sola i fornitori superficiali: chi non sa rispondere in modo specifico non ha le competenze per il progetto.

Prima di firmare un contratto completo conviene proprio un proof of concept (PoC) su una parte limitata del caso d'uso. Un buon PoC è circoscritto, da due a sei settimane e non mesi; usa dati reali dell'azienda; ha criteri di successo definiti prima; produce un risultato concreto su cui valutare la qualità del lavoro. Non usarlo solo per giudicare la tecnologia: usalo per valutare il metodo, la qualità della comunicazione e la capacità di ascoltare e adattarsi, le qualità che contano davvero in un progetto lungo. Se vuoi confrontarti su come impostare la selezione, scrivici.