General Membrane opera nel settore delle membrane impermeabilizzanti e ha coinvolto nel cantiere AI più reparti: amministrazione, controllo di gestione, IT, marketing, ufficio tecnico e laboratorio. I partecipanti avevano livelli molto diversi, da chi aveva già agenti attivi a chi non aveva esperienza pregressa.
L'obiettivo è stato applicare l'AI su casi reali aziendali, rendere autonomi i partecipanti nell'interazione con gli strumenti e strutturare richieste efficaci per ottenere output effettivamente utilizzabili.
Link utili
Attività svolte e applicazioni AI
Le esigenze emerse si sono concentrate su quattro aree operative, comuni a più reparti:
1. Gestione documentale
Sintesi di documenti interni, estrazione di informazioni strutturate e supporto alle attività di verifica e archiviazione. Un'area ad alto impatto per reparti che gestiscono grandi volumi di carta e file.
2. Analisi e lavorazione di file Excel complessi
Uso dell'AI per interrogare dataset, automatizzare confronti e ridurre il tempo speso su fogli di calcolo articolati. Esigenza emersa trasversalmente in più funzioni aziendali.
3. Gestione della posta elettronica
Generazione di risposte email strutturate a partire da contesti e richieste specifiche, con riduzione del tempo su comunicazioni standard e maggiore coerenza del tono.
4. Contenuti marketing tecnici
Supporto nella creazione di testi tecnici per il marketing, con AI che adatta il linguaggio al pubblico target mantenendo la correttezza tecnica richiesta dal settore.
Esercizi pratici
Il tema centrale del cantiere è stata la qualità delle istruzioni. Gli esercizi hanno lavorato su questo:
- costruzione di prompt strutturati con obiettivo, contesto e risultato atteso
- analisi di casi reali interni per singolo reparto
- confronto tra output generici e output guidati da istruzioni precise
Foto del corso AI
Risultati e impatto sui processi
La qualità dell'output dipende dalla qualità delle istruzioni
Il punto operativo più chiaro emerso dal cantiere: chi struttura meglio le richieste ottiene output migliori. Il valore non è nello strumento, ma nel modo in cui viene interrogato.
Da esecuzione a pianificazione
Il passaggio chiave per i partecipanti è stato spostare l'attenzione dall'esecuzione alla pianificazione: definire prima obiettivo, contesto e risultato atteso, poi usare l'AI.
Autonomia differenziata per livello di partenza
Chi partiva da zero ha ottenuto risultati strutturando meglio le richieste. Chi aveva già agenti attivi ha trovato conferme e nuovi spunti per migliorare i flussi esistenti.