L'ambizione sull'IA è alta. Lo scope è ancora troppo vago.

La maggior parte delle aziende ha superato la conversazione "dovremmo usare l'IA?". I budget sono approvati, i deck per il board menzionano gli agenti e a qualcuno ai vertici è stato detto di "fare qualcosa con l'IA questo trimestre". La pressione a muoversi è reale.

Eppure i progetti si arenano — non perché manchi l'ambizione, ma perché nessuno sa rispondere con precisione alla domanda successiva: che cosa, esattamente, costruiamo per primo, e come sappiamo che ha funzionato?

Il problema non è la mancanza di ambizione. Il problema è la mancanza di esecuzione con uno scope definito. L'ambizione ti dice la destinazione. Lo scope ti dice i primi dieci passi, chi li compie e come saprai di essere sulla strada giusta. Salta questo passaggio e non arrivi più in fretta al valore dell'IA — arrivi a un pilota costoso che non esce mai dalla demo.

L'ambizione è reale. Lo scope no.

Il quadro macro lo conferma. Nella ricerca State of AI di McKinsey, l'adozione è ormai diffusa, ma la maggior parte delle organizzazioni sta ancora sperimentando invece di catturare valore duraturo — e quelle che si stanno distanziando sono quelle che riprogettano i workflow attorno all'IA, non quelle che appiccicano un modello a un processo immutato.

BCG fa lo stesso punto in modo più diretto in Are You Generating Value from AI? The Widening Gap: la distanza tra i leader dell'IA e tutti gli altri sta crescendo, e l'IA agentica la sta ampliando ulteriormente. I leader non sono quelli con più piloti. Sono quelli che hanno definito in profondità lo scope di un piccolo numero di workflow e hanno scalato ciò che funzionava.

E la cautela è giustificata. Un report molto citato del 2025 — il "GenAI Divide" del Project NANDA del MIT — avvertiva che una quota rilevante dei piloti GenAI enterprise non si è ancora tradotta in impatto di business duraturo. Il numero in copertina è facile da sensazionalizzare; la lezione utile è più circoscritta: i piloti che non sono definiti rispetto a un owner, una metrica e un workflow reale tendono a spegnersi in silenzio, per quanto buona sia la tecnologia.

Quindi il divario non è ambizione contro cautela. È scope vago contro esecuzione con uno scope definito.

Che cos'è un Minimal Viable Agent (MVA)?

L'antidoto a uno scope vago è uno scope piccolo e dimostrabile. È il compito di un Minimal Viable Agent.

Un Minimal Viable Agent (MVA) è il più piccolo agente IA utile che dimostra un workflow end to end — i dati di cui ha bisogno, i punti di revisione umana e il valore di business che crea — prima di scalare. Un solo compito. Svolto abbastanza bene da decidere con evidenze, non con opinioni.

Un MVA non è una versione ridotta della tua piattaforma finale, e non è una demo usa e getta. È un prototipo IA deliberatamente ristretto, progettato per eliminare prima di tutto il tuo rischio più grande. Se l'ipotesi che ti spaventa di più è "il modello sarà abbastanza accurato sui nostri dati disordinati?", l'MVA dimostra quello. Se è "qualcuno lo userà davvero un martedì mattina?", l'MVA dimostra quello.

L'IA agentica rende questa disciplina più importante, non meno. Un agente che compie azioni attraverso più sistemi ha più modi di sbagliare rispetto a un chatbot che risponde a una domanda — il che significa che il workflow, l'accesso ai dati e i checkpoint human-in-the-loop devono essere definiti prima di costruire, non scoperti in produzione.

Le sei domande che trasformano l'ambizione in scope

Quando l'ambizione è alta e lo scope è vago, i team si bloccano sulle stesse sei domande. Un buon scope risponde a tutte in una sola pagina.

1. Quale use case vale la pena costruire per primo?

Non il più appariscente — quello in cui la metrica di un owner con nome e cognome si muove, i dati esistono già e il workflow è abbastanza piccolo da prototipare in poche settimane. Questa è la prioritizzazione degli use case IA, ed è la singola decisione a maggiore leva che prenderai. Un AI Scoping Workshop strutturato esiste precisamente per forzare questa classifica prima di impegnare il denaro.

2. Come dovrebbe essere concretamente il Minimal Viable Agent?

Definisci l'unico workflow, gli input, gli output e il momento in cui un umano resta nel loop. Un Minimal Viable Agent (MVA) Sprint poi costruisce o coordina quell'MVA per testare l'ipotesi più rischiosa — invece di sovracostruire una v1 che non doveva esistere.

3. Cosa va validato — workflow, dati e revisione umana?

Tre cose fanno fallire la maggior parte dei progetti IA: il workflow non corrisponde a come le persone lavorano davvero, i dati non sono così disponibili o puliti come si presumeva, e non c'è un punto chiaro in cui un umano rivede o corregge l'agente. Lo scope nomina ciascuna come test esplicito, il che di solito significa un po' di riprogettazione del workflow con l'IA prima che un solo modello venga addestrato.

4. Quale tipo di partner si adatta allo scope?

Boutique FDE, agenzie IA, product studio, specialisti di automazione, freelance e grandi società di consulenza risolvono problemi diversi. Il partner di implementazione IA giusto dipende dallo scope e dal vincolo determinante — velocità, compliance, integrazione o costo. Chiarisci prima lo scope; poi la selezione indipendente del partner diventa un esercizio breve e basato su evidenze invece che un'ipotesi. (Se stai valutando specificamente ingegneri embedded, il nostro approfondimento sul Forward Deployed Engineering spiega quando quel modello è adatto.)

5. Qual è un budget ragionevole?

Un primo passo dovrebbe assomigliare a un workshop di scoping nell'ordine delle poche decine di migliaia di euro e a un prototipo mirato di poco superiore — non a una piattaforma a sei cifre prima che qualcosa sia dimostrato. Se una proposta salta direttamente a un grande programma, una revisione indipendente della proposta IA troverà quasi sempre l'over-scoping.

6. Come evitiamo di sovracostruire, il vendor lock-in e i piloti che non scalano mai?

Resta vendor-neutral finché i dati non ti dicono altrimenti, mantieni piccola la prima build e mappa il panorama degli strumenti prima di impegnarti — la nostra mappa dell'ecosistema IA esiste perché tu scelga i componenti in base al merito, non in base a chi ha fatto il primo pitch. Il costo nascosto del partner IA sbagliato raramente è la fattura; sono il lock-in e la cosa costruita a metà che nessuno può buttare via.

Lo scope ora include la governance

In Europa in particolare, lo scope non è più solo "cosa funziona" — è "cosa è difendibile". Il NIST AI Risk Management Framework e il suo Generative AI Profile inquadrano la governance dell'IA come lavoro sull'intero ciclo di vita: valutazione, affidabilità e supervisione umana progettate fin dall'inizio. L'AI Act europeo spinge nella stessa direzione — le decisioni sull'IA richiedono sempre più uno scoping consapevole del rischio, non solo sperimentazione.

Non ti serve un dipartimento compliance per agire su questo. Ti serve uno scope che nomini dove un umano rivede l'agente, quali dati tocca e come spiegheresti una decisione se ti venisse chiesto. È più economico progettarlo in anticipo che riadattarlo dopo.

Prima di ingaggiare il partner, definisci lo scope

Questa è la frase da tenere a mente: prima di ingaggiare il partner, definisci lo scope. Un partner selezionato può costruire quasi qualsiasi cosa. Ciò che non può fare è dirti — in modo indipendente — se la cosa vale la pena di essere costruita, quanto piccola dovrebbe partire o se la sua stessa proposta è sovradimensionata. Quello è il lavoro che deve avvenire prima, e deve essere indipendente da chi alla fine realizzerà il progetto.

Definisci bene lo scope e il resto è procurement. Sbaglialo e stai comprando biglietti della lotteria con un piano di progetto allegato.

Punti chiave

• L'ambizione non è più il vincolo. Lo scope vago sì.
• Un Minimal Viable Agent dimostra un workflow — dati, revisione umana e valore — prima di scalare.
• Rispondi alle sei domande (use case, forma dell'MVA, cosa validare, tipo di partner, budget, anti-overbuild) in una sola pagina.
• La governance ora fa parte dello scope, non è una fase successiva.
• Definisci lo scope prima di scegliere il partner di implementazione IA — in modo indipendente.