Le affermazioni false ma plausibili generate dai modelli di intelligenza artificiale, chiamate allucinazioni, sono uno dei problemi più seri di questa tecnologia. Lo riconosce la stessa OpenAI, l'azienda di ChatGPT, che nel settembre 2025 le ha definite “una sfida fondamentale per tutti i grandi modelli linguistici”. È un limite da conoscere prima di affidare all'AI compiti che riguardano clienti, offerte e decisioni.

Sapere quando non usare l'intelligenza artificiale significa riconoscere tre tipi di situazioni. Alcune riguardano il lavoro da svolgere: compiti che una semplice regola esegue meglio, o processi che non sono ancora stati definiti. Altre riguardano le condizioni di partenza, come dati mancanti o costi che superano i benefici. Altre ancora riguardano le conseguenze: errori troppo costosi, relazioni con i clienti da proteggere, decisioni che qualcuno deve poter spiegare. In tutti questi casi esiste un'alternativa più semplice, più economica o più sicura.

Perché saper dire di no fa parte di una strategia AI

Una strategia AI non è un elenco di strumenti da adottare, ma un insieme di scelte su dove l'intelligenza artificiale crea valore e dove no. La seconda parte è importante quanto la prima: ogni progetto avviato nel posto sbagliato consuma budget, tempo e fiducia del team, e rende più difficili i progetti successivi.

I dati dell'Istat sulle imprese italiane con almeno 10 addetti mostrano quanto siano concreti gli ostacoli. Tra le imprese che nel 2025 non usavano l'AI, il 58,6% indicava la mancanza di competenze adeguate, il 47,3% la normativa poco chiara, il 45,2% la mancanza o la scarsa qualità dei dati, il 43,2% le preoccupazioni per la privacy e il 43,0% i costi elevati. Il 14,8% riteneva semplicemente che non fosse utile.

Non sono ostacoli da superare a ogni costo: in molti casi sono segnali utili, che indicano cosa sistemare prima o dove l'AI non serve. Un'azienda che sa riconoscerli evita progetti destinati a fermarsi dopo pochi mesi e concentra le risorse dove possono davvero fare la differenza. Per un fornitore serio, dirlo con franchezza fa parte del lavoro. Se stai iniziando ora a valutarla, leggi la nostra guida su da dove iniziare con l'AI in una PMI: qui scendiamo nei casi concreti in cui conviene fermarsi.

Sette casi in cui l'AI non è la scelta giusta

I casi che seguono sono quelli che incontriamo più spesso in marketing e vendite. Per ciascuno indichiamo l'alternativa da valutare. Gli esempi sono illustrativi.

Quando basta una regola

Inviare una conferma dopo la compilazione di un modulo, assegnare un contatto al commerciale di zona, ricordare un preventivo in scadenza: sono compiti con passaggi sempre uguali. Un'automazione a regole li svolge in modo prevedibile, economico e senza errori di interpretazione.

Usare l'intelligenza artificiale in questi casi aggiunge costi e incertezza senza benefici. È lo stesso principio che Anthropic, una delle aziende che sviluppano modelli di AI, suggerisce agli sviluppatori: trovare la soluzione più semplice possibile e aumentare la complessità solo quando serve.

Quando il processo non è ancora definito

Se ogni commerciale gestisce le richieste a modo suo, se le fasi della trattativa non sono condivise, se nessuno sa chi deve rispondere a un cliente, l'AI non porta ordine: automatizza il disordine e lo rende più veloce.

L'alternativa è definire prima il processo: chi fa cosa, in quale ordine, con quali criteri. Spesso questo lavoro, da solo, risolve gran parte del problema. Se il processo da sistemare è quello commerciale, scopri come lo organizziamo con CRM e automazione.

Quando i dati mancano o non sono affidabili

Un sistema che deve dare priorità ai lead ha bisogno di uno storico di trattative registrate in modo coerente. Un assistente che risponde ai clienti ha bisogno di informazioni aggiornate su prodotti, condizioni e tempi. Se i dati sono incompleti, sparsi in fogli diversi o contraddittori, le risposte lo saranno altrettanto.

L'alternativa è un lavoro sui dati: raccoglierli in un unico punto, definire chi li aggiorna, pulire i duplicati. È meno visibile di un progetto di AI, ma ne è la condizione.

Quando un errore costa troppo

Un'offerta con un prezzo sbagliato, una risposta tecnica inesatta su un componente di sicurezza, un'informazione errata su tempi o garanzie: sono errori che possono costare un cliente o creare responsabilità. Le allucinazioni descritte da OpenAI rendono questi rischi concreti, perché un'affermazione falsa può essere formulata in modo del tutto convincente.

In questi casi l'AI può al massimo preparare una bozza, ma la decisione e la verifica devono restare a una persona competente. Se il controllo umano costa quanto fare il lavoro da zero, conviene non usarla.

Quando conta la relazione

Una trattativa importante, un reclamo di un cliente storico, una situazione delicata con un fornitore: sono momenti in cui contano ascolto, empatia e capacità di leggere tra le righe. Delegarli a un sistema automatico può far risparmiare qualche minuto e costare un rapporto.

Anche la trasparenza conta. Secondo la Commissione europea, chi interagisce con un chatbot deve sapere che sta parlando con una macchina, e le regole di trasparenza dell'AI Act si applicano da agosto 2026. Ma anche al di là dell'obbligo, un cliente che si accorge di aver parlato con un sistema quando si aspettava una persona perde fiducia.

Quando la decisione va spiegata

Alcune decisioni hanno bisogno di una motivazione chiara: perché un cliente ha ricevuto un certo prezzo, perché una richiesta è stata scartata, perché un fornitore è stato escluso. Se la decisione nasce da un sistema che nessuno sa spiegare, diventa difficile difenderla con il cliente, con il team e, nei casi più delicati, sul piano legale.

L'alternativa è usare criteri espliciti e condivisi, eventualmente supportati da strumenti, ma comprensibili a chi li applica. L'AI può aiutare a raccogliere le informazioni; la decisione resta a chi può spiegarla.

Quando il costo supera il beneficio

Un progetto di AI ha costi che non si vedono subito: licenze e consumi, integrazioni, manutenzione, controllo dei risultati, formazione del team. Se il compito si presenta poche volte al mese o richiede pochi minuti, è difficile che l'investimento si ripaghi.

L'alternativa è misurare il problema prima di scegliere la soluzione: quanto tempo richiede oggi, quanto costa, quante opportunità si perdono. Se i numeri sono piccoli, la soluzione giusta è spesso un'altra, o nessuna.

Un test in quattro domande prima di introdurre l'AI

Prima di avviare un progetto, conviene rispondere a quattro domande, possibilmente insieme a chi lavora ogni giorno sul processo.

  1. Il problema è chiaro e misurabile? Se non si sa quanto tempo, denaro o opportunità costa oggi, non si potrà dire se l'AI lo ha risolto.
  2. Una soluzione più semplice lo risolverebbe? Una regola, un'automazione tradizionale, un modulo migliore, un processo più chiaro.
  3. I dati necessari esistono e sono affidabili? Se la risposta è no, il primo progetto riguarda i dati, non l'AI.
  4. Cosa succede se l'AI sbaglia, e chi se ne accorge? Se l'errore è grave e nessuno lo intercetta in tempo, il progetto va ripensato o accompagnato da una supervisione stabile.

L'AI ha senso quando la prima e la terza risposta sono sì, la seconda è no e la quarta descrive un rischio accettabile e controllato. In tutti gli altri casi la scelta migliore è un'altra, almeno per ora.

Cosa fare invece

Dire di no all'AI in un caso specifico non significa rinunciare a migliorare. Significa scegliere lo strumento giusto. Le alternative più frequenti sono cinque.

  • Automatizzare con regole. Molti compiti ripetitivi di marketing e vendita si risolvono con automazioni tradizionali, più semplici da gestire. Se vuoi capire quali, scopri come progettiamo flussi di marketing automation.
  • Sistemare il processo. Ruoli, passaggi e criteri definiti risolvono problemi che nessuno strumento può risolvere da solo.
  • Lavorare sui dati. Un CRM ordinato e informazioni aggiornate sono la base di qualsiasi progetto futuro, AI compresa.
  • Investire nelle competenze. La mancanza di competenze è l'ostacolo più citato dalle imprese. Dal 2 febbraio 2025, inoltre, l'AI Act prevede obblighi di alfabetizzazione in materia di intelligenza artificiale per chi la utilizza.
  • Aspettare. A volte la scelta migliore è rimandare: quando il processo sarà definito, i dati affidabili e il team pronto, lo stesso progetto avrà molte più probabilità di funzionare.

È il motivo per cui il nostro percorso di AI Strategy parte sempre da un'analisi della situazione e prevede esplicitamente anche dei no. Se vuoi capire come lavoriamo, scopri come valutiamo dove l'AI serve e dove no.

Saper dire di no all'intelligenza artificiale non è un segno di arretratezza, ma di metodo. Le aziende che ottengono risultati non sono quelle che la usano ovunque, ma quelle che la usano dove serve, con dati affidabili e persone che ne controllano i risultati. Il resto lo fanno regole semplici, processi chiari e buone decisioni umane.