Cosa sono le microapp AI e perché le PMI ci arrivano prima

Una microapp AI è un’applicazione piccola, costruita per risolvere un problema solo. Non gestisce un reparto: fa una cosa, la fa bene, e quando quella cosa smette di servire la si butta senza rimpianti.

È anche il motivo per cui una PMI, quando decide di costruirne una, ci arriva prima di un gruppo da migliaia di persone.

Non è “le PMI sono più avanti sull’AI”: in aggregato è vero il contrario. La rilevazione Istat su imprese e ICT misura l’uso di intelligenza artificiale al 53,1% nelle imprese sopra i 250 addetti contro il 15,7% fra i 10 e i 249, con un divario che si è allargato invece di chiudersi. Il punto è più stretto: su questo tipo di strumento, piccolo e usa e getta, la piccola impresa ha vantaggi strutturali che la grande non ha.

Cos’è davvero una microapp AI

Prendi un’attività ripetitiva che oggi qualcuno fa a mano: leggere venti email di richiesta preventivo e ricopiarne i dati in un foglio. Classificare i ticket di assistenza per urgenza. Trasformare le note di un sopralluogo in un rapporto formattato.

Una microapp è un’interfaccia minima costruita attorno a quell’attività, con un modello linguistico che fa la parte interpretativa e qualche regola che fa il resto. Una schermata, un campo di input, un pulsante, un risultato.

Dal gestionale la distingue il perimetro: un gestionale prova a coprire tutto il processo, una microapp copre il passaggio in cui si perde tempo e ignora il resto.

Da un prompt salvato nei preferiti la distingue la forma. Un prompt lo usa chi lo ha scritto; una microapp la usa anche il collega che non sa cosa sia un prompt, perché vede un campo da riempire e un pulsante da premere.

Perché le PMI arrivano prima

Le grandi aziende hanno budget, reparti IT, contratti con i fornitori di AI. Eppure sulle microapp sono più lente, per tre ragioni concrete.

Il costo dell’errore è diverso. In un’azienda da 40 persone, se una microapp non funziona la spegni e sei tornato al punto di prima. In un gruppo da 4.000, qualunque cosa tocchi un processo passa da un comitato, da una valutazione dei rischi e da un fornitore certificato. Il tempo di attraversamento della decisione supera il tempo di costruzione dello strumento.

Chi ha il problema è a due passi da chi decide. Nella PMI l’impiegata che perde venti minuti al giorno parla direttamente con il titolare. Nella grande azienda, fra chi subisce il problema e chi può autorizzare la soluzione ci sono più passaggi, e a ogni passaggio il problema perde dettaglio e urgenza.

Non c’è un sistema esistente da difendere. Molte grandi aziende hanno già investito parecchio in piattaforme che, in teoria, dovrebbero fare anche quello. Nessuno vuole ammettere che una cosa costruita in poche settimane risolve un problema che la piattaforma comprata anni fa non ha risolto.

Cosa serve davvero per costruirne una

Meno di quanto si pensi, ma non zero.

Serve un problema definito con precisione. Non “gestire meglio i preventivi”, ma “estrarre nome cliente, articoli richiesti e quantità dalle email che arrivano su preventivi@”. Fra le due formulazioni c’è la differenza fra un progetto che finisce e uno che non parte.

Serve sapere qual è l’input e qual è l’output. Se non sai dire cosa entra e cosa esce, non sei pronto a costruire: sei pronto a osservare il processo.

Serve qualcuno che sappia mettere insieme i pezzi. Gli strumenti per farlo senza scrivere codice esistono e sono maturi: piattaforme di automazione come Power Automate o n8n per la parte di flusso, generatori di applicazioni come Base44 o Bubble per la parte di interfaccia. Hanno abbassato molto l’asticella, non l’hanno azzerata: chi costruisce deve saper ragionare su cosa succede quando l’input arriva sporco, quando il modello risponde male, quando il servizio è giù.

Non serve un data scientist. Non serve un progetto da sei mesi. Non serve, quasi mai, addestrare un modello.

Dove funzionano meglio

Il criterio non è il settore, è la forma del compito: rendono quando il lavoro è ripetitivo nella struttura ma variabile nel contenuto.

Compilare lo stesso modulo con dati sempre diversi. Riassumere documenti di taglio diverso che servono per la stessa decisione. Classificare richieste scritte in mille modi che vanno smistate in cinque categorie.

Se invece il compito è ripetitivo anche nel contenuto, non serve l’AI: serve una macro o un flusso di automazione classico, che costa meno e sbaglia sempre allo stesso modo, quindi si corregge una volta sola. Su questo criterio c’è un articolo dedicato: come capire se un processo aziendale è automatizzabile con l’AI.

Il rapporto con gli strumenti che hai già

Una microapp non sostituisce il gestionale e non sostituisce Excel. Si mette in mezzo, dove oggi c’è una persona che fa da ponte fra due sistemi che non si parlano.

È la posizione che spiega perché rendono: quel ponte umano è il punto più lento e più esposto a errori della catena, non perché la persona sia lenta ma perché sta facendo un lavoro che non richiede il suo giudizio.

Chi lavora molto in Excel spesso scopre che metà del problema si risolve prima ancora di costruire qualcosa: Excel e intelligenza artificiale, cosa cambia e cosa puoi fare già oggi copre quella parte.

Quanto durano

Poco, ed è una caratteristica, non un difetto.

Una microapp costruita per il modo in cui si lavora oggi diventa inutile quando il modo di lavorare cambia. Chi la progetta pensando di farla durare cinque anni la carica di opzioni, casi particolari e configurazioni, e ottiene un piccolo gestionale: cioè esattamente la cosa che voleva evitare.

L’approccio che regge è l’opposto. Si costruisce per il problema di adesso, si accetta che fra due anni non servirà più, e si tiene il costo di costruzione abbastanza basso da poterla buttare senza discussioni.

Quando invece non costruirla

Tre situazioni in cui la risposta è no, anche se il problema sembra adatto.

Quando nessuno in azienda se ne prende carico. Una microapp senza un responsabile gira finché non si rompe, e il giorno che si rompe nessuno sa dove mettere le mani.

Quando i dati che tratta sono sensibili e non è chiaro dove finiscono. Prima di far leggere email di clienti a un modello va saputo quale servizio le riceve e con che garanzie: è una domanda da fare al fornitore prima di costruire.

Quando il volume non regge il conto. Se controllare l’output costa quasi quanto fare il lavoro a mano, lo strumento non risolve niente: sposta la fatica.

Da dove partire

Non da uno strumento. Da una settimana di osservazione.

Prendi nota di ogni volta che qualcuno in ufficio ricopia dei dati da una parte all’altra, o rilegge lo stesso tipo di documento per estrarne le stesse tre informazioni. Alla fine della settimana avrai una lista. I candidati buoni sono quelli che compaiono più volte e che nessuno ha mai pensato di risolvere perché “sono solo dieci minuti”.

Dieci minuti al giorno, su circa 230 giornate lavorate in un anno, fanno quasi quaranta ore. Su quel conto si decide, non sull’entusiasmo per la tecnologia.