Collegare l'AI ai dati aziendali: perché serve un AI Company OS

In sintesi. Collegare ChatGPT, Claude o Copilot alla posta, a Drive e al CRM oggi richiede pochi minuti, e quasi tutte le aziende lo stanno provando. Il risultato però dipende da com'è organizzata la conoscenza che il modello legge: senza tipi e regole di approvazione l'assistente produce risposte plausibili di cui nessuno conosce l'origine. Un AI Company OS è lo strato che mette ordine prima del modello, e decide quali dati vanno a quale AI e con quali permessi.

Nell'ultimo anno i connettori hanno cambiato il modo in cui le aziende usano l'AI generativa. Con il Model Context Protocol (MCP), lo standard aperto pubblicato da Anthropic a novembre 2024 e adottato nei mesi successivi da OpenAI, Google e Microsoft, un assistente può leggere una casella di posta, aprire un documento, consultare un calendario o interrogare un gestionale senza che qualcuno copi e incolli niente. La parte tecnica, che fino a poco tempo fa richiedeva un progetto di integrazione, è diventata un'impostazione da attivare.

Questo ha spostato il problema altrove, e molte aziende se ne accorgono dopo qualche settimana di uso.

La conoscenza aziendale è dispersa in troppi posti

In quasi tutte le organizzazioni la conoscenza di un progetto vive in sette o otto posti diversi: le registrazioni delle riunioni, la posta, una cartella su Drive e un'altra su Dropbox, il calendario, il CRM, i canali di Slack o di Teams, le schede di Jira o di Asana, le note personali. Ciascuno funziona bene da solo, e nessuno sa dell'esistenza degli altri.

A queste fonti se n'è aggiunta una che fino a due anni fa non esisteva, le conversazioni che ogni persona ha con il proprio assistente AI mentre prepara una proposta o analizza un problema. Lì finisce spesso il ragionamento più utile della giornata, e sparisce quando si chiude la finestra, perché nessun sistema aziendale lo raccoglie.

Cosa succede quando un LLM legge tutto

La reazione più diffusa è collegare il modello a tutte le fonti e aspettarsi che dal collegamento nasca una visione d'insieme. Succede quasi sempre il contrario. Il modello ricostruisce da solo il significato delle informazioni, ogni volta in modo leggermente diverso, e due risposte alla stessa domanda a una settimana di distanza non coincidono.

I casi tipici sono tre. Un cliente compare nel CRM con un decisore e in un verbale di riunione con un altro, e l'assistente sceglie a caso quale citare. Una decisione presa in call contraddice un documento di qualche giorno prima, e il riassunto le fonde come se dicessero la stessa cosa. Un'informazione riservata, come un margine o un dato personale, finisce in una risposta letta da chi non avrebbe dovuto vederla, perché il connettore usava un'utenza con accesso a tutto.

Nessuno di questi errori dipende dalla qualità del modello. Un modello più capace produce risposte più convincenti sugli stessi frammenti, e rende l'errore più difficile da vedere.

Cos'è un AI Company OS

Chiamiamo AI Company OS lo spazio di lavoro in cui la conoscenza dell'azienda diventa leggibile dai modelli e governata dalle persone. Ogni informazione, una nota di riunione, un task, un documento, un referente, diventa un oggetto con un tipo, un autore, una data e un posto nel progetto. I modelli lo leggono con i permessi reali di chi li usa, e niente entra nella memoria comune senza che una persona l'abbia approvato.

Il sistema si progetta in sei livelli: centralizzazione, ontologia, grafo, connettori e modelli, skill, governo. Il dettaglio del metodo e della piattaforma con cui lo realizziamo è nella pagina del servizio AI Company OS; qui conviene fermarsi sui tre punti che cambiano di più il modo di lavorare.

Il significato viene prima dei dati

L'ontologia è il punto in cui un'azienda decide cosa significano le sue informazioni, prima che lo decida un modello al suo posto. Si stabilisce che un appunto non pesa quanto una decisione, che un rischio genera attenzione, che i tag hanno un vocabolario controllato e non nascono tre varianti dello stesso nome.

La parte più delicata riguarda le contraddizioni. Quando due fonti affermano cose diverse sullo stesso punto, un sistema ingenuo tiene l'ultima o le fonde in un riassunto. In un AI Company OS la divergenza diventa un collegamento esplicito, apre una verifica assegnata a una persona e si chiude con una nota che dichiara quale fonte è stata confermata e quale superata, lasciando intatti gli originali.

Quale AI per quali dati

Se la conoscenza è strutturata, la scelta del modello diventa una decisione di costo e di riservatezza. Il cuore del sistema è un server di accesso, oggi quasi sempre un server MCP, indipendente dal modello: lo stesso server serve Claude, ChatGPT o un modello aperto installato su una macchina aziendale, e opera sempre con i permessi della persona che lo sta usando, mai con un'utenza tecnica onnipotente.

Un modo pratico di decidere è classificare le informazioni su tre livelli. Quelle che possono uscire, come ricerche pubbliche e bozze, vanno al modello commerciale più capace. Quelle interne vanno solo verso fornitori con garanzie contrattuali adeguate. Quelle che non devono uscire, come dati economici riservati o dati personali, restano su un modello locale o vengono anonimizzate prima dell'invio. Cambiare fornitore, o affiancarne due, non richiede di migrare niente.

Il lavoro delle persone cambia natura

Con un AI Company OS si inseriscono meno dati e si approvano molte più informazioni preparate dal modello. Il verbale di una riunione arriva già scritto, con i task estratti e collegati alle persone giuste, e il compito di chi lo riceve è dire se è corretto. Il modello prepara proposte con la fonte, un estratto e un livello di confidenza, e quando la confidenza è bassa non sceglie: la decisione torna a una persona.

Questa regola produce anche tracciabilità, perché ogni oggetto ha un'origine e un responsabile. Se tra sei mesi qualcuno chiede perché è stata presa una decisione, la risposta porta a una riunione, a una persona, a una data, ed è lo stesso tipo di evidenza che un sistema di gestione dell'AI secondo la ISO/IEC 42001 chiede di poter mostrare.

Da dove partire

Chi parte da zero dovrebbe cominciare dalla carta e lasciare gli strumenti per dopo: un inventario delle informazioni che il team produce in una settimana normale, comprese quelle che oggi si perdono nelle chat e nelle conversazioni con l'AI, e del sistema che ne è proprietario. La parte tecnica è spesso la più rapida, perché le fonti hanno già i loro connettori. Il lavoro lungo è mettersi d'accordo su cosa conta come decisione e su chi può chiudere una divergenza.

Noi lo facciamo partendo da un solo team, con un metodo e una piattaforma che abbiamo costruito prima per noi stessi. Se volete capire come applicarlo nella vostra azienda, potete prenotare una sessione di inventario di 30 minuti oppure leggere come funziona il servizio AI Company OS.