In un panorama aziendale sempre più complesso, la capacità di prendere decisioni strategiche basate sui dati diventa cruciale. Come ceo di Techmakers, una tecno sartoria genovese specializzata in soluzioni digitali su misura, ho recentemente sperimentato l’utilizzo dell’AI generativa come copilota nel processo decisionale strategico. In questo articolo, condividerò non solo i risultati ma anche il processo e gli strumenti utilizzati, permettendo ad altri decision maker di replicare e adattare questo approccio alle proprie esigenze.
La sfida era concreta: identificare la sede ottimale in Liguria per un’azienda che punta all’internazionalizzazione verso il Regno Unito, bilanciando qualità della vita e efficienza dei collegamenti. Come base di analisi, ho utilizzato gli orari invernali 2024-2025 degli aeroporti di Pisa e Genova:
Scaricate i due pdf sul vostro computer per poi passarli allo strumento AI che preferite, ad esempio Claude o ChatGpt.
L’approccio che ho sviluppato si basa su una serie di prompt progressivi, ciascuno progettato per estrarre informazioni specifiche e costruire un’analisi stratificata. Ecco i passaggi chiave con i prompt effettivamente utilizzati:
Fase 1: Analisi Comparativa Base
Prompt iniziale:
“Confrontami la frequenza dei voli tra i due aeroporti di Genova e Pisa: quanti voli ha ciascuno a parità di periodo invernale? Quali sono le città con maggior frequenza comparandole sui due aeroporti?”
Questo prompt ha generato una panoramica quantitativa iniziale, rivelando che Pisa serve 37 destinazioni contro le 12 di Genova.
Fase 2: Analisi della Competizione
Prompt di approfondimento:
“Elencami i vettori per ognuno dei due aeroporti con il numero di tratte”
L’AI ha mappato la presenza dei vettori, evidenziando la dominanza di Ryanair a Pisa e un mix più variegato a Genova.
Fase 3: Analisi del Target
Prompt strategico:
“Dalle destinazioni dei due aeroporti come possiamo identificare il tipo di pubblico come target: lavoro, vacanza?”
Questo ha portato a una comprensione più profonda della vocazione di ciascun aeroporto.
Fase 4: Ottimizzazione Location
Prompt di sintesi:
“Volendo rimanere a vivere in Liguria, con la possibilità di raggiungere l’aeroporto di Pisa facilmente in treno o auto, quale potrebbe essere la località ideale pur godendo di aria salubre?”
Fase 5: Analisi Multi-obiettivo
Prompt di raffinamento:
“Pensiamo anche di doverci spostare una volta a settimana su Genova”
Analisi dei risultati
L’aspetto più interessante di questo approccio è stato osservare come l’Ai abbia progressivamente affinato l’analisi, integrando nuovi elementi e ricalcolando le raccomandazioni. Ad esempio, quando abbiamo aggiunto la variabile degli spostamenti settimanali verso Genova, l’Ai ha rapidamente ricalibrato la sua analisi, identificando Sestri Levante come location ottimale, una conclusione che combina dati quantitativi con considerazioni qualitative sulla vivibilità.
Nel corso di questa esperienza, ho identificato alcuni principi chiave per un utilizzo efficace dell’Ai nei processi decisionali:
Strutturare i prompt in modo progressivo, partendo da analisi ampie per poi focalizzarsi su aspetti specifici;
Integrare sempre nuovi dati e variabili per testare la robustezza delle conclusioni;
Mantenere un approccio critico, usando l’Ai come supporto e non come decisore finale;
Documentare il processo per renderlo replicabile e migliorabile
L’innovazione non deve essere non solo tecnicamente valida ma anche praticamente applicabile. Questo caso dimostra come l’Ai possa essere utilizzata in modo concreto per supportare decisioni strategiche complesse. Il valore aggiunto non sta tanto nelle singole risposte, quanto nel processo strutturato che permette di analizzare grandi quantità di dati in modo sistematico, identificare pattern non immediatamente evidenti, valutare simultaneamente molteplici variabili, generare insights actionable, documentare il processo decisionale
Consigli pratici per replicare l’analisi
La scelta dell’aeroporto è solo un esempio, per capire come l’Ai può sopportare le decisioni. I passi da fare sono sempre gli stessi. Iniziate con dati strutturati e verificabili e costruite i prompt in modo progressivo; documentate ogni passo del processo, verificando poi le conclusioni con dati reali; infine integrate sempre nuove variabili, per testare la robustezza dell’analisi.
Questa esperienza apre nuove prospettive sull’utilizzo dell’Ai come strumento di supporto decisionale. Non si tratta di sostituire il giudizio umano, ma di potenziarlo con capacità analitiche avanzate. Il prossimo passo? Sviluppare framework sempre più sofisticati per l’integrazione dell’Ai nei processi decisionali, mantenendo quel tocco umano che caratterizza la nostra filosofia di tecno sartoria.
