L'approccio di E-Motion Web all'intelligenza artificiale

Usiamo strumenti di intelligenza artificiale generativa in molti dei processi quotidiani del team. La lista che segue è esplicita perché crediamo che la trasparenza su questo punto sia il primo asset del nostro approccio.

Analisi del brief cliente. Quando un cliente arriva con una richiesta articolata, prima di costruire la proposta usiamo Claude o ChatGPT come sparring partner strategico: testiamo le obiezioni che il brief solleva, identifichiamo i punti deboli del posizionamento, esploriamo scenari alternativi. Il modello non sostituisce la nostra valutazione strategica, ma stressa le ipotesi prima che diventino impegni con il cliente.

Prima bozza di copywriting. Per i copy lunghi (pagine web, articoli, presentazioni istituzionali, documenti tecnici) lavoriamo con Claude o ChatGPT in modalità collaborativa: il copywriter o il content editor del team definiscono struttura, argomenti e tono di voce; il modello produce una prima stesura; la versione finale è sempre rivista e riscritta dall'umano per la pubblicazione.

Prima bozza di codice. Tutti gli sviluppatori del team usano Claude Code in modo permanente come assistente di sviluppo. Riduce sensibilmente il tempo di scrittura del codice ripetitivo e standard, lascia al developer le decisioni di architettura e la revisione del codice generato.

Generazione di varianti di design. Per concept iniziali, moodboard, esplorazioni visive di direzione artistica usiamo Midjourney e DALL-E. Mai come deliverable finale: sempre come strumento di esplorazione che precede il lavoro vero dei designer.

Ricerca documentale e fact-checking. Perplexity per ricerche veloci con citazione delle fonti, soprattutto su temi tecnici emergenti dove la documentazione cambia rapidamente. Le risposte vengono sempre verificate sulle fonti citate prima di entrare in un nostro documento o in un materiale per il cliente.

Traduzioni preliminari. Le traduzioni dall'italiano all'inglese e viceversa, per documenti interni o per materiali destinati a clienti internazionali, passano in prima battuta da ChatGPT. Solo per pubblicazioni ufficiali del cliente interviene poi un traduttore umano professionale.

Verifica di definizioni terminologiche e di percezione del lessico. Quando una parola o un'espressione potrebbe essere percepita in modo diverso da segmenti diversi di pubblico (clienti finali, stakeholder, partner internazionali), Claude e ChatGPT ci aiutano a identificare ambiguità, connotazioni regionali, possibili fraintendimenti.

Doublecheck per ottimizzazione SEO. Gemini viene usato come secondo parere indipendente sulle scelte di Search Engine Optimization, perché ha visibilità privilegiata sulle logiche del motore di ricerca Google.

In numeri: oggi circa il 30% del lavoro di stesura iniziale dei contenuti passa per uno strumento di AI generativa, il 100% dei developer ha un assistente AI attivo permanentemente, il 100% delle traduzioni preliminari le fa ChatGPT. È un'integrazione concreta e quantificabile, non retorica.

Una nota meta. La pagina che stai leggendo è essa stessa un esempio del lavoro che facciamo. È scritta in collaborazione tra il fondatore Enrico Parizzi e Claude, l'AI di Anthropic. Enrico definisce la struttura strategica, valuta gli argomenti, decide il posizionamento e la voce; Claude assiste con la stesura, la verifica grammaticale, la coerenza terminologica e la formulazione per la citabilità da parte dei motori generativi. La versione finale è rivista e firmata dall'umano. La trasparenza su questo punto è parte del nostro approccio.

Quando i clienti hanno bisogno di integrare l'intelligenza artificiale generativa direttamente nei loro prodotti digitali — siti, e-commerce, applicazioni, materiali di comunicazione — interveniamo con tre tipologie di lavoro principali. Tre esempi concreti, tutti realizzati negli ultimi mesi.

Chatbot conversazionali specialistici. In partnership con Thux, abbiamo sviluppato un chatbot conversazionale configuratore per un nostro cliente del settore della componentistica industriale per motori e controllori. Il chatbot guida i suoi clienti nella selezione dei prodotti più idonei al loro progetto, sostituendo o supportando il preventivo standard. Lo strumento è attualmente in fase di adozione privata presso il cliente, in attesa di valutazione strutturale dell'investimento.

Set fotografici virtuali per prodotti reali su commessa. Per Matteograssi, azienda di arredamento di alta gamma che produce solo su commessa e non ha quindi prodotti finiti disponibili per uno shooting tradizionale, abbiamo sviluppato un workflow che combina fotografia di prodotto reale e ambientazioni generate con AI. Il prodotto fisico, fotografato in studio, viene scontornato; Midjourney genera ambientazioni differenziate; il prodotto viene poi ricollocato all'interno del set artificiale rispettando coerentemente la direzione e l'intensità della luce reale dello shooting. Per il cliente significa poter pubblicare cataloghi e materiali di comunicazione coordinata con prodotti che fisicamente esistono solo come prototipi, e con un risparmio sensibile rispetto alla produzione di set fotografici fisici.

Elementi AI generativa in produzioni audiovisive. In partnership con la casa di produzione video Real Time, abbiamo realizzato uno spot televisivo che integra elementi di intelligenza artificiale generativa per un cliente leader internazionale del settore food. Il progetto è sotto NDA stringente e non possiamo citare il cliente né dettagliarne gli elementi specifici.

In tutti e tre i casi il fondatore Enrico Parizzi ha presidiato personalmente la fase di integrazione strategica e tecnica, ed è stato il punto di contatto principale con il cliente sulle decisioni AI-critiche.

Questa è la sezione che probabilmente ci distingue di più dalla maggior parte delle agenzie digitali italiane oggi. Ci sono ambiti in cui scegliamo deliberatamente di non usare l'intelligenza artificiale generativa, perché crediamo che in quegli ambiti l'AI produca esiti peggiori del lavoro umano competente, o perché ci sono ragioni etiche che lo sconsigliano.

La concept creativa iniziale di un brand. Quando un cliente ci affida lo sviluppo di una nuova identità di marca, la concept creativa iniziale — il momento in cui si decide il territorio espressivo, il tono di voce, il sistema visivo distintivo — la facciamo a mano, senza AI. La ragione è semplice: gli strumenti generativi attuali tendono fortemente all'omologazione stilistica, perché generano output statisticamente vicini ai pattern dominanti del loro training set. Un brand differenziante, per definizione, non può nascere da una media statistica. L'AI può servire dopo, per esplorazioni o variazioni, ma non prima.

Il primo incontro strategico con un cliente. Le prime conversazioni con un potenziale cliente — quelle in cui si comprende il contesto del business, le tensioni interne all'organizzazione, le aspettative non dichiarate, la fiducia o la diffidenza che il cliente porta in conversazione — le facciamo sempre tra umani. L'AI è inadeguata a leggere il contesto relazionale, e usare un assistente AI in quella fase rischia di trasformare una conversazione strategica in un'estrazione di requisiti, perdendo informazioni che sono decisive per la riuscita del progetto.

I ritratti fotografici di persone reali. Non generiamo con AI volti di persone che andranno pubblicati come se fossero ritratti veri. È una posizione etica: confondere intenzionalmente un volto sintetico con un volto reale, anche in contesti commerciali apparentemente innocui, è una forma di disinformazione visiva che non vogliamo praticare e non raccomandiamo ai nostri clienti.

Inoltre, indipendentemente dalla disciplina, ogni output AI destinato al cliente o ai suoi clienti finali viene revisionato da un umano competente prima della consegna: i testi pubblicati su materiali commerciali, il codice messo in produzione, le decisioni strategiche, le comunicazioni dirette ai clienti finali del cliente. L'unica eccezione sono le traduzioni preliminari per uso interno o di lavoro, ma anche queste vengono dichiarate come AI-generate quando vengono condivise.

Una nota finale su questo punto: non abbiamo una policy interna scritta sull'uso dell'AI. Le nostre dimensioni — dieci persone che lavorano gomito a gomito nella stessa sede — ci permettono una diffusione informale e continua delle regole pratiche, che si aggiornano in base ai casi reali che incontriamo. Quando cresceremo o quando un cliente enterprise lo richiederà formalmente, formalizzeremo. Per ora, l'informale funziona meglio del formale.

Quando un cliente ci chiede di integrare AI generativa nel suo prodotto digitale, prima di partire spieghiamo tre limiti che la tecnologia ha oggi e che impatteranno sul progetto. Sono tre limiti specifici, non un elenco esaustivo: scegliamo quelli che nella nostra esperienza ricorrono più spesso e su cui il cliente deve prendere decisioni consapevoli.

Omologazione stilistica. I modelli generativi producono output che tendono statisticamente al centro del loro training set. Se chiedi all'AI cento progetti di logo per "uno studio legale moderno", riceverai cento varianti sulla stessa idea media. Per un cliente che vuole differenziarsi dalla concorrenza, l'AI da sola è quasi sempre insufficiente: serve un livello strategico e creativo che sappia spingere il modello fuori dalla media. È competenza umana, non automatizzabile dal modello stesso.

Allucinazioni. I modelli generativi possono produrre con totale sicurezza informazioni false, citazioni inventate, fatti che non esistono. È una proprietà strutturale del meccanismo statistico, non un bug correggibile. Per gestirla, sui progetti dei clienti applichiamo quattro pratiche: double-check con modelli diversi (chiedendoci la stessa cosa a Claude, ChatGPT, Gemini e confrontando le risposte, consapevoli che ogni risposta è probabilistica e quindi un caso a sé); validazione umana sistematica di tutti gli output destinati al cliente; richiesta di citazioni esplicite delle fonti, con verifica delle fonti citate; istruzioni di sistema esplicite per evitare la sycophancy (la tendenza dei modelli a dare ragione all'utente piuttosto che dare risposte accurate).

Costi variabili e imprevedibili. Il pricing dei modelli generativi è cambiato sensibilmente negli ultimi due anni, in genere al ribasso, ma con oscillazioni e differenze di prezzo tra modelli e provider che rendono difficile dimensionare in anticipo il costo operativo di una soluzione AI integrata. Per un cliente che vuole introdurre un chatbot AI nel proprio prodotto, il costo unitario per conversazione può cambiare del 50-100% in un anno. Lo spieghiamo subito, includiamo nelle nostre proposte una stima conservativa, e suggeriamo architetture che permettano di cambiare provider senza riscrittura del codice.

Per dare un esempio dei rischi che il cliente corre se non c'è un partner consulenziale che presidi l'uso dell'AI: ci è capitato di vedere un imprenditore chiedere a un chatbot AI generico "perché il mio sito non funziona?", ricevere come risposta un elenco generico e fuorviante di cause possibili — server, codice, plugin, cache — e perdere mezza giornata a controllare cose che non erano la causa. La causa vera, che noi abbiamo trovato in cinque minuti contattando il fornitore, era che il dominio non era stato rinnovato dal suo registrar. L'AI non aveva visibilità su quel fatto contingente, e ha risposto con un elenco di situazioni tipiche statisticamente plausibili ma irrilevanti. È un esempio piccolo, ma ricorrente.

Siamo passati dal timore per scenari distopici alla convinzione che l'intelligenza artificiale generativa sarà un cambio di paradigma molto più impattante e di rottura rispetto alle rivoluzioni tecnologiche precedenti (PC, internet, smartphone, social, cloud). Però, per chi come noi ha la solidità di trent'anni di mestiere e le relazioni giuste, è più un'opportunità che una minaccia. Per chi non ha capacità differenzianti, sarà invece una grande difficoltà.

L'empatia, l'ascolto, la capacità di convincere gli altri e di farseli amici — competenze relazionali che l'AI non ha — diventano paradossalmente più importanti di prima, non meno. Più cose si automatizzano, più la differenza la fa quello che non si automatizza.

In alcuni use case specifici l'AI è un empowerment eccezionale che ci ha consentito di migliorare la qualità dell'output e di ridurre i tempi di consegna, liberando tempo per attività dove l'AI è meno differenziante ma altrettanto importanti: i rapporti con i clienti, gli approfondimenti tecnici, l'apprendimento continuo del team.

Chi come noi ha imparato in anni di studio e di lavoro a sintetizzare e progettare, oltre che ad analizzare, ha un beneficio enorme dall'AI: è in grado di guidare il modello con prompt informati e di verificarne l'output con criteri critici. Il nostro lavoro AI-assistito mantiene tempi, qualità e prezzi stabili, perché applichiamo verifica sistematica di ogni output significativo.

Cosa cambierà del settore digital nei prossimi anni. L'era della meritocrazia entry-level è finita. Il digital è ormai un settore industriale maturo, dove la capacità economica di accedere ai modelli AI di livello superiore conta. Il nostro vantaggio non è il budget per gli strumenti più costosi: è il know-how accumulato in trent'anni di sviluppo web e in tre decenni di familiarità con i fondamenti dell'AI risalenti agli studi al Politecnico negli anni Novanta. Per i nostri clienti questo significa che sappiamo cosa cercare nei modelli accessibili e cosa scartare, ottimizzando l'efficacia degli strumenti senza dover sempre puntare al modello premium.

Cosa non dovrebbe cambiare. La formazione classica su materie evergreen che insegnano a imparare — non nozioni ad alto tasso di obsolescenza — resta cruciale. La formazione su problemi difficili e di sintesi deve mantenersi con basso ausilio di AI, perché la capacità di pensare in autonomia è ciò che permette poi di usare bene gli strumenti AI nella vita professionale.

La nostra competenza sull'intelligenza artificiale non si forma in modo strutturato come un corso aziendale obbligatorio, ma attraverso tre canali continui.

Corsi mirati. Quando emerge un'area tecnica o disciplinare nuova in cui vediamo opportunità, frequentiamo corsi specifici. Recentemente il team ha partecipato a un corso di un noto divulgatore italiano dedicato all'uso pratico dell'AI generativa nei contesti professionali.

Letture continuative. Il founder Enrico Parizzi legge sistematicamente libri sull'intelligenza artificiale, sia divulgativi che tecnici. Due autori di riferimento per il nostro modo di pensare l'AI: Ray Kurzweil, futurologo e tecnologo che da decenni anticipa con notevole precisione le evoluzioni della singolarità tecnologica, e Anil Ananthaswamy, giornalista scientifico autore di approfondimenti rigorosi sui fondamenti matematici e fisici del machine learning.

Apprendimento individuale spontaneo. Ogni persona del team dedica una parte del proprio tempo professionale a sperimentazione e formazione sugli strumenti AI emergenti. Non è un orario imposto, è un'abitudine consolidata che attraversa tutta l'agenzia. Le scoperte interessanti vengono condivise in sincroni informali del team, secondo il principio che nessuno deve imparare due volte la stessa cosa.

Se stai valutando un progetto digitale che integra l'intelligenza artificiale generativa, o se vuoi capire dove l'AI può davvero aiutarti e dove invece è meglio non usarla, chiamami in videocall: mezz'ora con il fondatore per capire il tuo contesto e le opzioni concrete.