Logo GIAN-AIGIAN-AI Più tempo per il lavoro che conta

GUIDA PRATICA

Che cosa può fare
l’AI per il tuo lavoro?

Preparare un preventivo. Rispondere a un’email. Trovare il documento giusto.
Parti da una cosa che fai davvero e scopri come renderla più semplice.

Parti da qui

Quale di queste attività fai spesso?

Le immagini sono illustrative.

Una richiesta e un preventivo controllato.

Preparare preventivi

Il problema: ricopi richieste, quantità e prezzi.

L’aiuto possibile: preparare una bozza usando il tuo listino. Tu controlli prezzi, quantità e totale.

Come provarlo sui preventivi →
Una risposta email preparata e controllata.

Leggere e rispondere alle email

Il problema: per rispondere devi rileggere tanti messaggi.

L’aiuto possibile: avere un riepilogo e una bozza di risposta. Tu controlli il testo prima di inviarlo.

Come provarlo sulle email →
Un documento trovato tra cartelle ordinate.

Trovare informazioni nei documenti

Il problema: non ricordi in quale file si trova una risposta.

L’aiuto possibile: fare una domanda e ricevere una risposta con il documento da controllare.

Come provarlo sui documenti →

Come ti aiuta questa pagina

  1. Scegli una sola attività. Deve essere qualcosa che ripeti spesso.
  2. Fai una piccola prova. Controlla che il risultato sia corretto.
  3. Confronta il tempo. Conta anche le verifiche e le correzioni.

Questa è una guida alle cose che possiamo realizzare per il tuo lavoro. Non attiva automaticamente questi servizi.

Discovery aiuta a capire come viene svolta un’attività; Core è lo strumento dove si prepara e si verifica una prima prova. Per ogni collegamento serve prima controllare che cosa è disponibile e configurato.

Preferisci guardare e ascoltare?

Guarda il film GIAN-AI: visione e progetti

Un film per conoscere la visione di Gianfranco Giannotta e i progetti GIAN-AI: perché sono nati, quali problemi affrontano e che benefici possono offrire.

Scarica il film MP4

Il film include voce narrante, musica e animazioni. Usa i controlli qui sopra per guardarlo.

Capire se conviene

Il tempo risparmiato va controllato

Se una bozza arriva subito, ma devi correggerla a lungo, potresti non aver risparmiato tempo. Conta il lavoro completo della persona, fino al risultato corretto.

Un esempio inventato, solo per capire

Oggi un preventivo ti richiede 20 minuti. Con un aiuto, compreso il tuo controllo, ne richiede 12. La differenza è di 8 minuti.

Per 30 preventivi alla settimana sono 4 ore. Se ti serve un’altra ora per tenere il sistema in ordine, restano 3 ore alla settimana.

Sono numeri ipotetici: non sono un risultato misurato per GIAN-AI o per un cliente. Più tempo disponibile non significa automaticamente più denaro.

Solo se una parola non è chiara

Parole da capire

Non devi impararle tutte. Usa questa parte quando trovi una parola che non conosci.

Apri le 30 parole spiegate
AI che crea contenuti (AI generativa)
Prepara testo, immagini o altri contenuti da una richiesta. Può sbagliare: il risultato va controllato in base al lavoro da fare.
Lavoro automatico con regole fisse
Il programma segue passaggi e calcoli precisi. È chiamato automazione deterministica e può funzionare senza AI.
Assistente che ti affianca (copilota)
Suggerisce o prepara una bozza mentre tu gestisci il lavoro e approvi il risultato.
Assistente che usa strumenti (agente)
Può scegliere passaggi e usare strumenti per un compito autorizzato. Deve avere limiti e controlli: un testo convincente non prova che l’azione sia corretta.
Leggere testo da una scansione (OCR)
Riconosce le parole in una foto o in un documento scansionato. Può sbagliare, soprattutto con tabelle, numeri e unità di misura.
Estrarre campi da un documento (IDP)
Trova dati come nome, data e quantità e li propone nei campi giusti. Serve un controllo dei dati estratti.
Rispondere dai tuoi documenti (RAG)
Cerca materiali utili prima di scrivere una risposta. Può usare solo documenti a cui la persona ha accesso.
Rappresentazione per cercare il significato (embedding)
Trasforma un testo in numeri per trovare contenuti simili. Anche questa rappresentazione può contenere informazioni sensibili.
Collegamento fra programmi (API)
Modo ufficiale con cui due programmi possono scambiarsi dati o richiedere azioni autorizzate.
Avviso automatico di un evento (webhook)
Un servizio avvisa che è arrivata una richiesta o è cambiato uno stato. Devi verificare chi ha mandato l’avviso, evitare doppioni e controllare il lavoro finale.
Clic automatici sullo schermo (RPA)
Un programma ripete azioni su finestre e pulsanti. Se le schermate cambiano, può fermarsi o sbagliare.
Evitare azioni doppie (idempotenza)
Se arriva due volte la stessa richiesta identificata, l’azione viene eseguita una sola volta. Serve, per esempio, a evitare un ordine doppio.
Approvazione della persona (human-in-the-loop)
Una persona controlla i passaggi importanti. Deve poter correggere o fermare davvero l’azione, non solo leggere un avviso.
Registro delle operazioni (audit trail)
Elenco di fonti, versioni, approvazioni, azioni e risultati. Va protetto e deve conservare solo i dati necessari.
Comandi nascosti nei documenti (prompt injection)
Un testo può contenere comandi che provano a far deviare l’AI dal compito. Leggere quel documento non deve dare il permesso di eseguire quei comandi.
Usare solo i dati necessari (minimizzazione)
Raccogli e invia solo le informazioni utili allo scopo scelto.
Sostituire un nome con un codice (pseudonimizzazione)
Aiuta a nascondere l’identità diretta, ma può restare possibile risalire alla persona. Non significa rendere automaticamente anonimi i dati.
Quanto a lungo conservare i dati (retention)
Periodo e regole per conservare e cancellare le informazioni. Vanno considerate anche copie, esportazioni e dati tenuti dai fornitori.
Valutazione dei rischi sui dati personali (DPIA)
Analisi delle conseguenze per le persone e delle protezioni necessarie. Va svolta quando il trattamento dei dati la richiede; leggere una guida non la sostituisce.
Misura del lavoro prima dell’AI (baseline)
Tempo e qualità del metodo attuale su casi simili a quelli della prova. Serve come confronto per capire che cosa cambia.
Effetto dell’offerta dello strumento (ITT)
Negli studi confronta i gruppi a cui lo strumento viene offerto e quelli a cui non viene offerto. Include anche chi riceve l’accesso ma non lo usa.
Effetto su chi lo usa grazie all’offerta (LATE)
Stima usata negli studi per chi comincia a usare lo strumento grazie all’assegnazione. Dipende dalle ipotesi del metodo e non vale automaticamente per tutti gli utilizzatori.
Risultato rispetto alle risorse usate (produttività)
Confronta quanto lavoro ottieni con il tempo o le altre risorse impiegate. Produrre più documenti non significa necessariamente lavorare meno ore o spendere meno.
Tempo in cui lavori sul compito (tempo attivo)
Minuti durante i quali la persona svolge il lavoro. È diverso dalle ore fra apertura e chiusura della pratica, che possono includere attese.
Tempo recuperato dopo tutti i controlli (risparmio netto)
Tempo del metodo attuale meno tutto il tempo del metodo assistito, comprese revisioni e correzioni. Può essere zero o negativo: in quel caso l’AI non fa recuperare tempo.
Ore disponibili per altri lavori (capacità liberata)
Tempo recuperato che puoi usare per clienti o altre attività. Non equivale a denaro già risparmiato o incassato.
Confronto fra due metodi (test A/B)
Prova due procedure su casi simili e con lo stesso livello di qualità richiesto. Quando possibile, assegna i casi a caso per rendere il confronto più affidabile.
Numero usato per controllare il risultato (KPI)
Indicatore definito in modo chiaro. Devi sapere che cosa conta, il periodo, l’unità e, per una percentuale, il totale su cui è calcolata.
Convenienza economica (ROI)
Calcolo: beneficio economico meno costo totale, diviso per il costo totale, nello stesso periodo. Usa valori documentati e conta anche sviluppo, licenze, formazione e gestione.
Analisi dei passaggi di una pratica (process mining)
Ricostruisce il percorso dai registri dei programmi. Il tempo fra due passaggi può essere attesa: non è automaticamente lavoro da eliminare.
Approfondimento facoltativo

Da dove arrivano queste informazioni

Qui sotto trovi gli studi e le indicazioni usati per preparare la guida. Puoi aprirli se vuoi controllare le fonti: non serve leggerli per iniziare.

I numeri degli studi indicano persone o attività osservate dai ricercatori. Non sono prezzi, requisiti del programma o risparmi garantiti per la tua azienda.

Apri gli studi, i risultati e i loro limiti

Questa raccolta comprende cinque fonti di riferimento del 2025–2026. Non contiene soltanto novità della settimana. Uno studio mostra che cosa è successo in un contesto preciso: una prova sul tuo lavoro serve comunque.

Esperimento randomizzato sul campo; preprint

Shifting Work Patterns with Generative AI — Dillon, Jaffe, Immorlica, Stanton

2025-11-13 (deposito v4); PDF datato 2025-11-17

Risultato / novità
7.137 lavoratori, 66 imprese, sei mesi: nei mesi 4–6 circa 1,4 ore/settimana in meno nelle sessioni email per chi riceve accesso; circa 2 ore per gli utilizzatori indotti dall’assegnazione. Nessuna variazione significativa media del tempo in riunioni o scrittura documenti.
Metodo
Telemetria Office; esperimenti 2023–2024. ITT e LATE sono stime differenti.
Limiti
Grandi aziende volontarie; contenuto e qualità non osservati direttamente; partecipazione del produttore Microsoft. Tempo nelle applicazioni non equivale all’intero lavoro. L’HTML mostra una data incoerente: qui si usa il PDF v4 verificato.
Applicazione proposta a Core/Discovery
Proposta: riepilogo email e recupero informazioni nel flusso abituale, confrontando gestione completa e qualità delle risposte.
Leggi la fonte primaria
Aggiornamento metodologico di esperimenti randomizzati

METR — We are Changing our Developer Productivity Experiment Design

2026-02-24; studio iniziale 2025-07-10

Risultato / novità
Lo studio iniziale: 16 sviluppatori esperti, 246 task, +19% tempo con AI (IC +2%/+39%). Il seguito suggerisce accelerazione, ma METR giudica il segnale attuale inaffidabile.
Metodo
Task reali su repository conosciuti. Il seguito soffre selezione dei partecipanti/task, compenso diverso e problemi di misura degli agenti paralleli.
Limiti
Non dimostra né che AI rallenti sempre né una percentuale attuale di guadagno. Le percezioni dei partecipanti possono divergere dai tempi.
Applicazione proposta a Core/Discovery
Proposta: misurare anche prompting, supervisione, revisioni e correzioni, mantenendo risultati negativi e distinguendo tempo attivo e trascorso.
Leggi la fonte primaria
Management Science; tre esperimenti randomizzati sul campo

The Effects of Generative AI on High-Skilled Work — Cui, Demirer, Jaffe, Musolff, Peng, Salz

2026-02-27 (pubblicazione online)

Risultato / novità
4.867 sviluppatori: stima aggregata +26,08% task completati a settimana tra gli adottanti, errore standard 10,3%. Benefici maggiori fra i meno esperti.
Metodo
Microsoft, Accenture e una Fortune 100; assistente per codice. Esperimenti 2022–2023.
Limiti
Più task non significa −26% ore. Singoli esperimenti rumorosi, adozione incompleta, indicatori indiretti di qualità; non è una prova sui modelli 2026. Partecipazione del produttore.
Applicazione proposta a Core/Discovery
Proposta: assistenza nel flusso esistente; valutare consegne accettate, difetti e ore insieme, per esperienza e tipo di lavoro.
Leggi la fonte primaria
Sintesi istituzionale di consultazione; progetto in sviluppo

NIST/NCCoE — Summary of Comments on the Software and Agentic AI Identity and Authorization Concept Paper

2026-09-29 (annuncio ufficiale)

Risultato / novità
Oltre 600 risposte: identità degli agenti, deleghe delimitate, revoca, tracciabilità e privacy sono punti centrali. Primo caso previsto: sviluppo software.
Metodo
Sintesi dei commenti e confronto con portatori d’interesse, non esperimento di produttività.
Limiti
Non è uno standard finale o certificazione. Le soluzioni tecniche non hanno consenso completo; nessun risparmio misurato.
Applicazione proposta a Core/Discovery
Proposta: ogni automazione indica delegante, azioni consentite, dati, durata e prova dell’esito; autorizzazioni applicate dal software.
Leggi la fonte primaria
Guida ufficiale dell’autorità francese per la protezione dei dati

CNIL — Développement des systèmes d’IA : les recommandations pour respecter le RGPD

2025-07-22

Risultato / novità
Indicazioni pratiche su sviluppo AI con dati personali: finalità, minimizzazione, responsabilità, conservazione, sicurezza e diritti.
Metodo
Raccomandazioni regolatorie, soprattutto per dataset e addestramento.
Limiti
Non copre da sola l’intera messa in esercizio e non certifica la conformità di GIAN-AI in Italia. Non misura ore risparmiate.
Applicazione proposta a Core/Discovery
Proposta: inventario dei dati e dei fornitori, uso minimo dei campi, conservazione esplicita e valutazione delle protezioni richieste per il trattamento concreto.
Leggi la fonte primaria
Apri il metodo completo per confrontare i tempi
Minuti netti per pratica = tempo manuale completo − tempo assistito completo. Ore nette/settimana = (minuti netti × volume settimanale)/60 − ore di manutenzione settimanale.
  • Nel tempo assistito includere preparazione, prompting, controllo, correzioni ed eccezioni; contare una volta sola ogni componente.
  • Separare tempo umano attivo, tempo del software, attesa e durata totale della pratica. L’intervallo fra eventi non dimostra lavoro attivo.
  • Setup e formazione sono costi iniziali separati. Recupero del setup in settimane solo se le ore nette settimanali sono positive.
  • Tempo recuperato può diventare capacità aggiuntiva: non è automaticamente riduzione di costi o guadagno incassato.
  • Valori inseriti nel calcolatore sono stime dell’utilizzatore finché un confronto tracciato non li supporta. Mantenere anche zero o risparmi negativi.
  • Confrontare casi equivalenti e stessa qualità; usare, quando possibile, assegnazione casuale o ordine alternato. Includere casi falliti e comunicare dimensione del campione.
  • Per un primo pilota esplorativo: 10–20 pratiche comparabili con procedura attuale e assistita, criteri fissati prima. Non è una soglia di validità statistica.

Esempio ipotetico, non risultato GIAN-AI

Procedura manuale: 20 minuti. Procedura assistita: 12 minuti in totale, comprendendo preparazione, prompting, revisione e correzioni. Differenza: 8 minuti per pratica.

Con 30 pratiche/settimana: 4 ore recuperate. Tolta 1 ora/settimana di gestione aggiuntiva non già contata per pratica: 3 ore nette/settimana. Se setup e formazione richiedono 6 ore, si recuperano in 2 settimane a questi stessi volumi e prestazioni. Se la qualità peggiora o le eccezioni aumentano, il confronto va rifatto.

Queste ore indicano capacità: diventano risparmio economico solo se cambia una spesa reale o viene generato un beneficio economico documentato.