AI deployment · customer operations enterprise
Porto gli agenti AI dalla demo alla produzione dove sbagliare costa caro.
Dieci anni a trasformare strategie aziendali in progetti consegnati, gli ultimi dentro una grande azienda italiana che usa la GenAI su decine di migliaia di conversazioni con i clienti al giorno. Questo è il diario di bordo: cosa ho rilasciato, cosa si è rotto e gli strumenti che ho costruito strada facendo.
- 70K+
- conversazioni al giorno gestite dall'AI in produzione
- 10+ anni
- di trasformazione enterprise: advisory Big 4, system integrator globali, in-house
- 70
- aziende europee analizzate sulla maturità GenAI nel customer service
Deployment, strumenti ed esperimenti
Ogni voce segue lo stesso schema: il problema, l'architettura, tre numeri, cosa si è rotto. I lavori in produzione sono anonimizzati.
- LOG-012025–26
Migrare un voicebot da 70K conversazioni al giorno dall'NLU a una GenAI ibrida
Superare la classificazione degli intenti in un assistente regolamentato e ad alti volumi, senza rompere ciò su cui contano clienti e azienda.
Dimostra → Responsabilità end-to-end di una migrazione in produzione: divisione dell'architettura, eval, nuovi KPI, SLA con i fornitori, gestione del cambiamento.
In produzioneGrande azienda italiana · regolamentata · voce + chat - LOG-022026
Un business case per agenti AI, neutrale rispetto ai fornitori
Un calcolatore aperto che collega un agente AI al conto economico: rampa di contenimento, ricontatti, prezzo al minuto o a risoluzione, payback.
Dimostra → Tradurre le prestazioni di un agente in soldi che un CFO firma, sapendo dove i numeri mentono.
OnlineStrumento pubblico · gira nel browser - LOG-032026
GenAI Evaluation Kit: misurare se un agente conversazionale funziona davvero
Il metodo di valutazione usato in produzione, trasformato in un kit: tre pilastri di qualità, 18 prompt LLM-as-judge, un template di golden dataset e una dashboard di punteggio.
Dimostra → Mentalità da eval: golden dataset, calibrazione del giudice, soglie di qualità prima del traffico reale.
RilasciatoProdotto digitale · venduto a team che gestiscono assistenti GenAI - LOG-042026
Deployment in a box: un agente vocale per una utility fittizia, dall'inizio alla fine
Un deployment completo, in formato compatto: discovery, un agente vocale con tre tool via MCP su API simulate, eval, una dashboard di KPI e un post-mortem onesto.
Dimostra → Cosa fa un deployment strategist nei primi 90 giorni, in una forma che si può eseguire.
In sviluppoDeployment di riferimento open source · cliente fittizio - LOG-052026
AI-to-AI call lab: cosa succede quando l'agente di un cliente chiama il tuo voicebot
Un banco di prova in cui un agente AI dalla parte del cliente chiama un voicebot aziendale. Si misurano loop, riconoscimento reciproco, superficie di frode e costi.
Dimostra → Pensare un passo avanti al cliente: il prossimo modo in cui falliranno i deployment vocali.
In sviluppoPrototipo di ricerca · seguito del mio paper sulle chiamate AI-to-AI
Collegare l'agente al conto economico
Quasi tutti i business case sugli agenti AI sono una slide del fornitore. Questo mostra le sue ipotesi.
Strumento · calcolatore del business case
OnlineRampa di contenimento, ricontatti, prezzo al minuto o a risoluzione, payback.
Neutrale rispetto ai fornitori. Inserisci volumi e prezzi, guarda dove si incrociano i due modelli di prezzo e stampa un riepilogo di due pagine per l'area finanza, con tutte le ipotesi.
Apri il calcolatore// la riga che quasi tutti i business case saltano
per_minute = p_min × (c·d_contained + (1−c)·d_escalated)
per_resolve = p_res × c
// costano uguale quando
c* = p_min·d_esc / (p_res + p_min·(d_esc − d_cont))
// sotto c* conviene pagare a risoluzione, sopra al minuto.
Come porto avanti un deployment
Cinque passi, ognuno raccontato in un articolo o trasformato in uno strumento. Conta più l'ordine che gli strumenti.
01
Capire
Mappare motivi di contatto, volumi e i soldi che ci sono dietro, prima di toccare un modello.
Calcolatore02
Scomporre
Dividere il percorso in flussi deterministici (autenticazione, pagamenti) e generativi (triage, FAQ, troubleshooting).
Architettura ibrida03
Valutare
Golden dataset da trascrizioni reali, LLM-as-judge calibrato sui giudizi umani, test di regressione a ogni modifica.
Metodo di valutazione04
Rilasciare a tappe
Lab → shadow → pilota → rollout. Traffico reale solo quando il sistema sbaglia senza danni in laboratorio.
Rilascio graduale05
Dare valore
Misurare completamento dei task, costo per risoluzione e sforzo del cliente, non l'accuratezza degli intenti. Ogni numero va legato al conto economico.
Costo per risoluzione
Note dal campo
- 20 marzo 2026Dall'NLU alla GenAI: cosa si rompe davvero quando migri un voicebot enterprise6 min
- 20 marzo 2026Il framework S.H.I.F.T.: come ragiono sulla governance dell'AI in azienda6 min
- 17 marzo 2026Lab → Shadow → Pilot → Rollout: come testiamo la GenAI prima che parli con clienti veri5 min
- 15 marzo 2026Perché la GenAI in azienda è un'altra cosa5 min
- 12 marzo 2026Perché ho lasciato la consulenza per costruire l'AI enterprise dall'interno4 min
Consulente per formazione, builder per scelta
Ho passato dieci anni nella consulenza enterprise, dall'advisory Big 4 ai system integrator globali, poi sono passato in azienda per costruire. Oggi lavoro su assistenti GenAI vocali e chat per una grande azienda italiana: architettura, valutazione, KPI e il lavoro lento di convincere operations, ufficio legale e fornitori a fidarsi di un sistema probabilistico.
Lo schema che vedo ripetersi: i deployment raramente falliscono per colpa del modello. Falliscono per integrazioni che nessuno aveva previsto, metriche che non significano più nulla e stakeholder a cui è stata venduta una demo. Quella distanza tra demo e produzione è il lavoro che voglio fare.
Strumenti di lavoro
- Agenti vocali e chat
- Eval con LLM-as-judge
- Integrazioni MCP / tool
- Conversation design
- Routing tra persone e AI
- KPI e business case
- Next.js · Python
- Claude Code
- Formazione
- MBA, LUISS Business School
- Prima
- Advisory Big 4 · system integrator globali
- Lingue
- Italiano · inglese