Un chatbot può spiegare un requisito di gara. Questo non significa che il requisito sia stato verificato sulle evidenze aziendali aggiornate, che un’eccezione sia arrivata al revisore giusto o che una decisione sia stata registrata. La conversazione può essere conclusa mentre l’attività aziendale è appena cominciata.

Nell’automazione dei flussi di lavoro con l’AI, la domanda più utile non è «Cosa deve dire l’assistente?», ma «Quale lavoro deve essere pronto per la persona successiva, e cosa deve accadere prima che le arrivi?». Un’interfaccia chat può restare parte dell’esperienza. Ma l’unità di progettazione dovrebbe essere il compito: i suoi input, le azioni consentite, i punti di revisione ed il risultato documentato.

Questo cambio di prospettiva modifica ciò che costruisci ed il modo in cui ne giudichi l’utilità.

Definisci cosa significa «fatto» prima di scegliere l’interfaccia

Parti da un’attività ricorrente con un inizio ed una fine riconoscibili. Evita un obiettivo ampio come «aiutare con gli acquisti». Definisci qualcosa di circoscritto, come preparare un dossier di valutazione di una gara per la decisione del bid manager.

Scrivi la condizione di completamento in termini aziendali. Un dossier utile potrebbe richiedere l’elenco dei requisiti, le evidenze a supporto, le questioni aperte e l’esito deciso da un revisore designato. «È stata generata una sintesi» è un evento tecnico, non la stessa condizione di completamento.

Separa la preparazione dall’autorità. L’applicazione può raccogliere evidenze e proporre una conclusione senza avere titolo per decidere se l’azienda debba partecipare alla gara. Allo stesso modo, una valutazione interna approvata non significa che una presentazione esterna sia stata autorizzata. Questi confini vanno resi espliciti, non dedotti da una risposta sicura di sé.

Specifica anche ciò che resta fuori dal compito. Un flusso che prepara un dossier decisionale non deve necessariamente contattare un committente o impegnare risorse. Esclusioni chiare rendono più facili da verificare i criteri di accettazione ed evitano che un passo successivo apparentemente utile vada oltre il perimetro concordato.

Mappa i passaggi di consegna, non solo i prompt

Segui le informazioni dal loro arrivo alla destinazione finale. Quali fonti sono accettate? Quale versione si applica? Quali campi vanno estratti? Quale strumento esegue un calcolo o recupera un record? Di cosa ha bisogno il passaggio successivo per procedere?

Ad ogni passaggio di consegna, definisci l’output atteso e le verifiche che gli permettono di andare avanti. Un paragrafo può andare bene per un revisore; un calcolo a valle può richiedere valori strutturati, con unità di misura e riferimenti alle fonti. Le informazioni mancanti devono restare mancanti, non trasformarsi in silenzio in un valore predefinito.

La stessa disciplina vale quando il lavoro passa ad una persona. «Per favore, verifica» è troppo vago. Indica la questione da risolvere, il materiale a supporto e le risposte possibili. Spiega se l’invio di commenti riapre un passaggio o richiede nuove evidenze.

SmoothOperator.ai riunisce casi aziendali e dati collegati, metodi di lavoro e strumenti AI. DataStudio prepara e gestisce fonti, raccolte, accessi, versioni e regole di aggiornamento. MetaBuilder definisce passaggi, decisioni, strumenti consentiti e punti di revisione umana in una definizione del flusso versionata. Queste funzionalità aiutano a rendere esplicito il metodo; le persone continuano a stabilire le regole ed a mantenere le decisioni aziendali.

L’obiettivo pratico è la continuità: ogni passaggio dovrebbe lasciare un lavoro utilizzabile per quello successivo, non l’ennesima risposta che qualcuno deve ricostruire.

Usa regole deterministiche dove la risposta è già definita

Non ogni passaggio trae vantaggio dall’AI generativa. Usa codice tradizionale o regole deterministiche (regole che producono lo stesso risultato a parità di input) per calcoli aritmetici, controlli sui campi obbligatori, transizioni di stato consentite e confronti con soglie esplicite.

L’AI è più adatta quando il lavoro richiede di interpretare un linguaggio variabile, estrarre possibili requisiti o redigere una sintesi da sottoporre a revisione. Anche in questi casi, separa l’interpretazione dalla regola che le viene applicata. Un modello può individuare l’importo assicurativo indicato; un calcolo può confrontarlo con un dato aziendale verificato. Nessuno dei due passaggi dovrebbe risolvere di nascosto una clausola ambigua.

Le indicazioni di Anthropic distinguono i workflow con percorsi predefiniti dagli agenti che dirigono in modo dinamico i propri processi e l’uso degli strumenti. Raccomandano di partire dalla soluzione più semplice che funziona e di aggiungere complessità solo quando serve.1 Per un’attività aziendale ripetibile, una sequenza nota con verifiche esplicite può essere più adatta di un agente libero di scegliere la mossa successiva.

Non è una gara tra regole ed AI. Assegna ogni parte del lavoro al meccanismo che può essere verificato con più chiarezza. Se una normale ricerca risolve un passaggio, non c’è motivo di chiedere ad un modello di improvvisarla.

Una valutazione di gara ipotetica, dall’acquisizione alla decisione

Immagina un flusso illustrativo di valutazione delle gare per un’azienda che deve decidere se perseguire un’opportunità. Si tratta di un progetto ipotetico, non di un’affermazione su un’implementazione di SmoothOperator.ai o su risultati ottenuti.

Il compito parte da un insieme approvato di documenti di gara e da una raccolta concordata di evidenze aziendali. La fase di acquisizione registra le versioni dei documenti e segnala il materiale illeggibile o mancante. Il flusso non dovrebbe considerare un insieme incompleto di allegati come una base completa per la valutazione.

L’AI propone un elenco strutturato dei requisiti, con la posizione nella fonte per ciascuna voce. Controlli deterministici confermano la presenza dei campi obbligatori. I requisiti numerici espliciti possono essere confrontati con valori verificati; una formulazione ambigua passa ad uno specialista invece di trasformarsi in un esito positivo o negativo tirato ad indovinare.

La fase successiva compone un dossier di valutazione, che separa le conclusioni supportate dalle lacune e dalle questioni interpretative. Supponiamo che un requisito faccia riferimento all’esperienza in «progetti analoghi», ma che i documenti non definiscano cosa sia analogo. L’output utile è la clausola, le evidenze aziendali potenzialmente pertinenti ed una domanda per il revisore, non una conclusione inventata sull’ammissibilità.

Il responsabile esamina la proposta e la approva, la respinge o la restituisce con commenti. Quella decisione entra a far parte del registro. Se vengono richieste ulteriori evidenze, la conclusione interessata resta irrisolta finché non viene riesaminata.

In questo perimetro illustrativo, completamento significa un dossier di valutazione verificato ed un esito registrato. Non significa che un’offerta sia stata presentata, che l’ammissibilità sia stata accertata dal punto di vista legale o che l’opportunità sia stata aggiudicata. Si tratta di attività e decisioni distinte.

Affianca autorizzazioni e percorsi di errore ad ogni azione

L’accesso ad uno strumento non è un permesso generico di agire. Leggere una fonte approvata, preparare una bozza e modificare un record aziendale sono capacità diverse. Definisci ciascuna in modo ristretto e decidi quali azioni richiedono un’approvazione prima dell’esecuzione.

OWASP individua in funzionalità, autorizzazioni ed autonomia eccessive le cause dell’«excessive agency», cioè di un margine d’azione eccessivo. Tra le sue raccomandazioni: ridurre al minimo strumenti e privilegi disponibili, richiedere un’approvazione umana per le azioni ad alto impatto ed applicare le autorizzazioni nei sistemi a valle, invece di affidarsi al modello per decidere cosa sia consentito.2 Un prompt che dice «non inviare» non sostituisce la limitazione della capacità di invio.

La stessa attenzione vale per la gestione degli errori. Una fonte non disponibile dovrebbe produrre un blocco visibile, non una conclusione priva di supporto. Una chiamata ad uno strumento negata non dovrebbe spingere il flusso a cercare accessi più ampi. Una verifica fallita dovrebbe impedire che l’output interessato venga presentato come pronto per l’approvazione.

Anche i nuovi tentativi richiedono regole. Ripetere una lettura può essere sicuro; ripetere una scrittura può creare record duplicati. Se uno strumento va in timeout dopo un possibile aggiornamento, verifica lo stato effettivo del sistema prima di riprovare. Definisci in fase di implementazione tentativi limitati, escalation ed eventuali azioni di ripristino. Non dare per scontato che l’applicazione possa annullare ogni modifica esterna.

Questi controlli fanno parte della progettazione del compito, non di un avviso aggiunto all’ultima schermata.

Consegna un risultato verificabile ed un registro di ciò che è accaduto

L’AI con supervisione umana è utile solo quando la persona ha abbastanza contesto per mettere in discussione la proposta. Metti le evidenze pertinenti accanto alla conclusione. Distingui i valori strutturati confermati dalle interpretazioni del modello, e mostra quali verifiche sono state eseguite e quali questioni restano aperte.

Il Generative AI Profile del NIST avverte che gli output generati possono contenere contenuti falsi, compresi ragionamenti o citazioni inventati. Raccomanda di esaminare e verificare fonti e citazioni durante la misurazione dei rischi prima dell’implementazione e nel monitoraggio continuo.3 Un riferimento è qualcosa da controllare, non la prova che la conclusione sia corretta. Allo stesso modo, lo stato di validazione descrive le verifiche eseguite; non può garantire che ogni errore sia stato trovato.

In SmoothOperator.ai, TruthFlow esegue il flusso configurato, coordina modelli e strumenti, verifica fonti, dati strutturati e regole aziendali, e registra fonti, versioni, modelli, chiamate agli strumenti e decisioni dei revisori. I punti irrisolti passano ad una persona. L’applicazione propone; il responsabile approva, respinge o restituisce commenti.

Quel registro può aiutare a spiegare cosa è successo ed a supportare le analisi. La sola registrazione non dimostra la conformità. I controlli e le evidenze pertinenti vanno comunque valutati per la singola implementazione, le cui integrazioni, validazione e configurazione si definiscono caso per caso.

Valuta i flussi AI aziendali sull’intero compito: se le evidenze sono complete, se i passaggi di consegna sono utilizzabili, se le eccezioni arrivano alla revisione e se i risultati autorizzati vengono registrati. Nei test includi documenti mancanti, fonti contraddittorie e guasti degli strumenti, non solo i casi lineari.

Se hai un’attività ricorrente che richiede più di un’altra risposta, presenta il tuo flusso a SmoothOperator.ai. Parti da ciò che dovrebbe essere pronto alla fine, da ciò che deve restare una decisione umana e dai punti in cui oggi il lavoro si blocca.

Riferimenti

  1. Anthropic: Building effective agents
  2. OWASP: LLM06:2025 Excessive Agency
  3. NIST: Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile
Tutti gli articoli