Perché l'AI premia chi ha già un metodo

Il tuo commerciale ha passato il pomeriggio su un'offerta. Tre ore. Due delle quali a ricopiare cose che esistono già: tempi di consegna, condizioni di pagamento, la descrizione della lavorazione, il paragrafo sulla garanzia.

Ogni settimana un fornitore ti propone un assistente AI che quelle due ore le farebbe sparire. La domanda seria arriva prima di scegliere lo strumento: cosa troverà da lavorare, una volta acceso.

L'AI amplifica il metodo che hai.

Essere piccoli conta meno di quanto sembri

In Germania hanno misurato quante imprese di taglia media usano davvero l'intelligenza artificiale: una su cinque, contro una su venticinque di cinque anni prima. Le due cose che usano di più: far scrivere testi e far leggere documenti.

Il dato sorprendente riguarda le piccole. Le aziende sotto i cinque dipendenti stanno a un soffio dalla media generale su quelle due funzioni. Sulle tecnologie complesse la distanza con le grandi si allarga. Su quello che serve ogni giorno a un reparto commerciale, essere piccoli pesa poco.

Quello che separa chi la usa da chi la guarda è di altra natura. La stessa ricerca indica tre caratteristiche ricorrenti: persone con formazione alta, attività di innovazione continua, spesa digitale sopra la media. Chi fa ricerca e sviluppo in modo regolare ha una probabilità molto più alta di usarla.

Una precisazione: sono aziende che vanno insieme a quelle caratteristiche, e lo studio evita di dire che vanno meglio grazie a quelle. Resta un punto in comune tra le tre: descrivono aziende dove qualcuno ha scritto come si lavora. Progetti documentati, dati in un sistema invece che nella testa delle persone, procedure che reggono a distanza.

L'esperimento che spiega il meccanismo

Un gruppo di ricercatori ha seguito 5.172 operatori del servizio clienti di una grande azienda americana, mentre un assistente AI veniva introdotto un reparto alla volta.

Il risultato medio: 15% di produttività in più. Il risultato che conta: quel guadagno si concentra quasi tutto sui meno esperti, che migliorano di circa un terzo. Chi lavorava lì da due mesi arrivava ai risultati di chi ne aveva sei senza assistente. Sui più esperti l'effetto sulla velocità resta vicino a zero, con piccoli cali di qualità.

Il motivo sta in come era costruito l'assistente: veniva addestrato sulle conversazioni degli operatori migliori di quella azienda. Ha preso il metodo che esisteva già lì dentro e lo ha distribuito a chi ancora lo ignorava.

Tradotto nel tuo reparto: l'AI alza il pavimento e lascia il soffitto dov'è. Dove il metodo vive nella tua testa, l'assistente ha poco da distribuire.

Due aziende, stesso assistente

Due aziende da 8 milioni, stesso settore, stesso mese di adozione, stesso strumento per preparare le offerte.

La prima ha tre cose scritte: come si qualifica una richiesta, quali sconti decide il commerciale da solo, quali numeri si guardano ogni mese. L'assistente pesca lì dentro.

La seconda decide caso per caso, e ogni offerta nasce da una conversazione diversa. L'assistente pesca in quello che trova sul web.

Dopo dodici mesi, in quale delle due le due ore risparmiate si vedono nelle offerte firmate? E in quale il titolare ha ricominciato a rileggere ogni offerta prima dell'invio?

Cosa fai lunedì mattina

Tre cose, un'ora e mezza.

Prendi l'ultima offerta mandata e sottolinea tutto quello che era già scritto altrove. Quella parte è il lavoro che un assistente può fare.

Scrivi il profilo del cliente ideale in cinque righe: settore, dimensione, chi decide, cosa fa partire l'acquisto, cosa lo blocca.

Scrivi le soglie di sconto. Chi decide cosa, fino a quale percentuale, con quale contropartita.

Questi tre fogli sono quello che qualsiasi strumento userà. Senza, comprerai un assistente che improvvisa.

Tre obiezioni, anticipate

"La mia azienda è troppo piccola per queste cose." Vero che le tecnologie complesse restano a chi ha struttura. E le due più usate, scrivere testi e leggere documenti, mostrano quote quasi uguali tra le imprese minuscole e la media.

"I dati sono tedeschi e americani, qui è diverso." Vero, quote e contesti cambiano da paese a paese. La struttura del risultato si ripete ovunque venga misurata, e il tessuto familiare tedesco somiglia alle PMI di Lombardia e Ticino più di quanto somigli alle aziende quotate.

"L'AI sbaglia, e su una trattativa grossa non me lo posso permettere." Vero, e l'esperimento lo conferma: sui più esperti la qualità cala leggermente. La lettura utile è proprio quella: l'assistente lavora bene sotto supervisione, sulle attività ripetitive, e lascia le decisioni dove stanno.

In chiusura

Prima di scegliere lo strumento, guarda cosa troverà acceso. Il profilo del cliente, i criteri di qualifica, le dieci risposte ricorrenti, le soglie di sconto: sono il materiale su cui qualsiasi assistente lavora. E sono tre fogli, zero software.

L'AI amplifica il metodo che hai.

Fastmarketing non promette che l'AI sostituisca il tuo commerciale. Promette di mettere per iscritto il metodo che oggi vive nella testa delle persone, così che strumenti e nuovi assunti abbiano qualcosa da cui partire.

Fonti e trasparenza

• KfW Research (2026). Einsatz von Künstlicher Intelligenz im Mittelstand. Fokus Volkswirtschaft n. 554, luglio 2026. Ventitreesima rilevazione del KfW-Mittelstandspanel, primavera 2025, circa 5.200 risposte, periodo osservato 2022-2024. Uso di almeno una tecnologia AI: 20% contro il 4% del 2016-2018. Generazione di testo 14%, lettura di documenti 10%. Imprese sotto i 5 dipendenti: 13% e 9%.
  
  
• Brynjolfsson, E., Li, D., Raymond, L. (2025). Generative AI at Work. The Quarterly Journal of Economics, 140(2), 889-942. 5.172 operatori, introduzione scaglionata: più 15% in media, circa più 36% per i meno esperti, effetto vicino a zero sui più esperti.
  
  
• Gartner (20 maggio 2026). Il 69% dei compratori B2B preferisce verificare con un commerciale le informazioni prodotte dall'AI generativa. 645 compratori, stessa rilevazione. Alla domanda su quale fonte rischia di più di fornire informazioni fuorvianti: AI generativa per il 51%, commerciale per il 49%. Si tratta di preferenze e percezioni dichiarate dai compratori.
  
  
• Doney, P. M., Cannon, J. P. (1997). An Examination of the Nature of Trust in Buyer-Seller Relationships. Journal of Marketing, 61(2), 35-51. Oltre 200 responsabili acquisti industriali.

Autore: Massimo Ronchi. Supporto: Fastmarketing (Agentic Engine) e Claude (LLM).