Non è il modello di AI a cambiare la tua azienda, ma saperlo usare

Quando faccio formazione c’è un momento che si ripete quasi sempre. Mostro cosa sa fare un modello nuovo e la stanza si accende: domande, entusiasmo, “aspetta, e questo lo fa davvero?”. È bello, ed è giusto stupirsi. Ma è anche il momento in cui li fermo e dico la frase che ripeto in ogni aula. Il modello non è ciò che cambierà la vostra azienda. A cambiarla è saperlo usare: i flussi di lavoro giusti e le competenze per metterlo a terra sui vostri processi. E questa capacità non è un talento per pochi, si impara. È esattamente quello che insegno alle persone che ho in aula: alcune la useranno ogni giorno in prima persona, altre la porteranno dentro il loro team. Il modello è la parte facile, e sempre più economica. Saperlo far funzionare è la parte difficile, ed è oggi la più preziosa.

E questa settimana i più grandi al mondo mi hanno dato ragione nel modo più clamoroso possibile. Nel giro di pochi giorni quasi tutti i giganti dell’intelligenza artificiale hanno annunciato la stessa mossa. Non un modello più potente. Eserciti di persone da mandare dentro le aziende.

Anthropic, insieme al colosso finanziario Blackstone e a Hellman & Friedman, il 15 luglio ha lanciato una società che si chiama Ode: un miliardo e mezzo di dollari, cento ingegneri, con un solo scopo, sedersi dentro le aziende clienti e costruire lì i sistemi di AI che risolvono un problema concreto. Il suo amministratore delegato, Chris Taylor, l’ha detto senza giri di parole: “È facile immaginarla come un’azienda da mille miliardi di dollari, se eseguiamo bene.”

Pochi giorni prima Microsoft aveva annunciato Microsoft Frontier: due miliardi e mezzo di dollari e seimila esperti dedicati esattamente a questo, far funzionare l’AI dentro le imprese. Amazon ha messo circa un miliardo su un’iniziativa simile. Meta sta creando un’unità che piazza i suoi ingegneri direttamente negli uffici dei clienti. Quattro giganti, la stessa scommessa, nella stessa settimana.

E la parte più interessante è chi ci mette i soldi. Blackstone non è un’azienda di tecnologia, è uno dei più grandi gestori di capitali al mondo. Quando la finanza, quella che deve far tornare i conti, scommette un miliardo e mezzo non sul modello ma su chi lo installa, ti sta dicendo dove pensa che siano i profitti dei prossimi dieci anni. Non vuol dire che abbia ragione per forza, ma quando quel tipo di capitale si muove, i conti se li è fatti.

C’è un nome per questo lavoro: forward deployed engineer

Un AI forward deployed engineer è un tecnico che lavora dentro l’azienda cliente invece che in laboratorio: prende un problema aziendale concreto, costruisce la soluzione di intelligenza artificiale collegandola ai sistemi e ai processi reali dell’impresa, e la segue fino a un risultato misurabile. Il termine arriva dal gergo militare e indica chi è schierato in prima linea, vicino all’azione. Non è chi costruisce il modello. È chi lo fa funzionare dove il lavoro accade davvero. Oggi quella persona vale più del modello che usa.

Il nome non è nuovo. Lo ha inventato Palantir a inizio anni 2010. Palantir mandava i suoi ingegneri dentro i clienti, agenzie di intelligence e poi grandi aziende, a costruire le soluzioni sul posto, perché i dati erano riservati e i problemi non si potevano risolvere da un ufficio lontano. La novità di oggi è che quel modello, prima raro e riservato a pochi, si sta applicando all’AI e sta diventando mainstream. OpenAI, Anthropic, Google e altri lo stanno copiando in blocco. Ed è per questo che ha senso parlare di AI forward deployed engineer: la stessa figura di sempre, ora al centro dell’ondata AI.

Per tre anni la gara è stata su chi aveva il modello più intelligente. Quella gara sta diventando secondaria. Il modello ormai è una materia prima: potente e sempre più economica. Per darti un’idea, far elaborare a un modello di fascia media l’equivalente di settecentocinquantamila parole oggi costa pochi dollari. Il vero problema, e quindi il vero valore, è un altro. Come fai a far funzionare questa roba dentro un’azienda che non è stata progettata per l’AI, con i suoi processi, i suoi dati sparsi, le sue abitudini? È da lì che nasce la scommessa da mille miliardi.

E c’è una notizia dentro la notizia. Se persino Anthropic e Microsoft, che i modelli li costruiscono, hanno capito che venderti solo lo strumento non basta e devono mandare persone dentro le aziende, allora è la prova definitiva di una cosa: il divario tra avere lo strumento e ottenere un risultato è così ampio che ci stanno costruendo sopra aziende da miliardi. E i numeri lo confermano. Secondo la ricerca del MIT sullo stato dell’AI nelle imprese, il 95% dei progetti pilota di AI generativa non produce alcun impatto misurabile sui conti. E la causa, dice lo studio, non è la qualità dei modelli. È il modo in cui vengono integrati nell’organizzazione.

Ma è davvero un ingegnere? Le competenze che servono

A questo punto una domanda onesta: è davvero un ingegnere? Ai piani alti sì, senza sconti. L’AI forward deployed engineer di OpenAI, Anthropic o Palantir scrive codice di produzione, costruisce le pipeline dei dati, collega API e modelli, lavora su cloud e infrastruttura. È un ruolo tecnico vero, e il mercato lo prezza così: negli Stati Uniti si parla di stipendi da trecento a oltre cinquecentomila dollari, e le offerte di lavoro per questa figura sono cresciute di circa l’800% nel 2025. Non è un titolo gonfiato.

Ma la parte rara non è il codice. È un profilo “a T”: competenza tecnica profonda più la capacità, che la maggior parte dei tecnici non ha, di sedersi con un cliente, capire il suo problema vero e portarlo a un risultato misurabile. Programmatori bravi ce ne sono tanti. Persone che sanno fare anche quello, pochissime. È lì che sta il valore, ed è per questo che si pagano cifre simili.

Le competenze stanno su due piani. Il primo è quello che conta di più, e che spesso un professionista ha già: inquadrare il problema giusto, conoscere a fondo un settore, parlare con le persone e gestire il cambiamento, definire il numero che deve cambiare, e lasciare il team capace di andare avanti da solo. Il secondo è la parte tecnica, cioè collegare l’AI ai sistemi reali. Ai piani alti è ingegneria del software vera. Alla scala di una PMI è più leggera: API, strumenti di automazione, integrazione con il gestionale e il CRM, un po’ di scripting, costruire una ricerca intelligente sui documenti dell’azienda. Più leggera, ma non zero.

E qui la nota che tiene in piedi tutto il discorso. L’AI ha abbassato l’asticella tecnica: oggi un esperto di un settore che impara a costruire può fare cose che tre anni fa richiedevano un intero team di sviluppo. Ma “costruire” resta la parola chiave. Se sai solo consigliare e non sei capace di far girare davvero l’AI dentro i sistemi del cliente, non sei un forward deployed engineer, sei un consulente. La differenza, ancora una volta, è il risultato che funziona, non il consiglio.

Lo abbiamo già visto, con internet

Ti do un parallelo storico, perché aiuta a capire dove siamo. Alla fine degli anni Novanta, quando arrivò internet, per un po’ i riflettori erano tutti sui browser e sui motori di ricerca, sull’infrastruttura. Ma i soldi veri, per la maggior parte delle aziende normali, non sono arrivati dal costruire un browser. Sono arrivati da chi ha saputo portare l’azienda online: chi ha costruito il sito, il gestionale, l’e-commerce, chi ha ripensato i processi attorno alla rete. L’infrastruttura era il presupposto, non il valore.

Con l’AI sta succedendo la stessa cosa, ma più in fretta. Il modello è il browser di oggi. L’implementazione è il sito che vende. E questa volta la finestra per posizionarsi si sta aprendo adesso, non tra cinque anni.

Perché riguarda proprio te, che guidi una PMI o lavori da solo

Qui arriva la parte che conta, sia che tu guidi una piccola azienda sia che tu lavori da solo.

Ode e Microsoft Frontier puntano alle multinazionali. Non verranno mai a lavorare per la tua impresa da trenta persone, e non toccheranno mai lo studio di commercialisti sotto casa. Ma sotto le multinazionali c’è un oceano di PMI italiane che nessun esercito di ingegneri raggiungerà mai. E in Italia questo oceano è enorme: l’adozione dell’AI nelle imprese è più che raddoppiata in un anno, dall’8,2% al 16,4%, ma restiamo sotto la media europea. E il freno non è tecnologico. È la mancanza di competenze.

Sedici per cento vuol dire che oltre otto imprese su dieci non usano ancora l’AI in modo strutturato. Chi si muove adesso ha una finestra competitiva reale. Ma il vantaggio non lo compri con lo strumento: lo costruisci con qualcuno che lo sappia collegare ai processi. Prima di spendere in tecnologia, la domanda è una sola: chi, nella tua azienda, la sa usare davvero? Se la risposta è nessuno, quello è il primo investimento, non il software.

E se sei un professionista, questo dato è oro. La domanda di competenze AI sta esplodendo esattamente dove l’offerta scarseggia. Il ritardo delle imprese è la tua opportunità. Che è poi il motivo per cui i soldi seri dell’AI oggi arrivano dalle imprese e non dagli abbonamenti personali: circa l’85% dei ricavi di Anthropic viene dalle aziende e dagli sviluppatori, non dai consumatori. Il denaro segue le imprese, e le imprese cercano chi le aiuta.

Due esempi concreti di implementazione AI

Immagina uno studio di commercialisti con quaranta persone. Può comprare l’abbonamento a Claude o a ChatGPT domani mattina. Ma non cambia niente, se nessuno sa collegarlo ai gestionali, ai documenti dei clienti, ai processi dello studio. Il valore non è nell’abbonamento. È nella persona che si siede lì una settimana e costruisce il flusso che fa risparmiare venti ore a settimana su un’attività ripetitiva. L’abbonamento costa venti euro. Quel risultato ne vale migliaia.

O prendi una piccola azienda manifatturiera che gestisce le richieste di offerta via mail. Oggi un tecnico legge la mail, cerca i prezzi a mano, scrive il preventivo. Due ore a preventivo. Il modello di AI, da solo, non risolve niente: non conosce il tuo listino, non sa le tue regole di sconto, non tocca il tuo gestionale. Il valore nasce quando qualcuno costruisce il ponte tra quella casella di posta, il listino e il gestionale, e trasforma due ore in dieci minuti di controllo. Ecco cos’è, in pratica, un AI forward deployed engineer.

Prima la strategia, poi il modello

C’è un punto, però, dove vedo sbagliare più spesso, ed è quello che mi sta più a cuore. Collegare il modello ai processi non è solo un lavoro tecnico. È strategia, prima ancora dello strumento.

Ti faccio l’esempio che uso nella formazione marketing. Prima di lasciare che qualcuno tocchi un modello di AI, pretendo che sia chiaro chi è il cliente ideale e a chi stiamo parlando. Non è una casella da spuntare, è la condizione. Perché un modello, senza quella strategia, non resta neutro: fa danni. Scrive testi perfetti rivolti alla persona sbagliata. Prende un messaggio impreciso e lo moltiplica per mille, in automatico, alla velocità della macchina. Riempie il mercato di contenuti generici che indeboliscono la tua marca invece di rafforzarla, proprio mentre la visibilità si sta spostando dentro le risposte dell’AI. La stessa potenza che, con una direzione chiara, ti fa volare, senza direzione amplifica l’errore e lo fa più in fretta.

Ecco perché il lavoro che conta, quello che crea valore, non è tecnico. È capire il problema e la direzione prima di accendere lo strumento. È esattamente ciò che un abbonamento non può fare per te, e che un AI forward deployed engineer mette al centro: prima la strategia e il workflow, poi il modello. Chi inverte l’ordine compra velocità per andare più in fretta nel posto sbagliato.

Chi lo costruisce per te e chi ti insegna a costruirlo

E qui ti dico dove mi colloco io, perché è una distinzione che conta. Ci sono due modi per colmare il divario. Il primo è portarti dentro un forward deployed engineer che ti costruisce il sistema in produzione: profondamente tecnico, chiavi in mano, ha senso quando sei abbastanza grande da permettertelo. Il secondo, quello in cui lavoro io, è costruire la capacità dentro il tuo team: entro, individuo dove l’AI serve davvero, e insegno ai tuoi i flussi di lavoro e le competenze, come progettare, schedulare e far girare gli agenti AI sui vostri processi reali. Ti lascio un sistema che funziona e la capacità di tenerlo vivo e ampliarlo. Non teoria: un risultato costruito, più le competenze per mantenerlo. Il test resta lo stesso per entrambe le strade, il numero deve cambiare.

Insegnare a usarla bene, tra l’altro, vuol dire anche insegnare a non farsi travolgere: chi lavora con l’AI tutto il giorno paga un conto cognitivo preciso, e ne ho scritto in AI brain fry.

E quando serve il livello tecnico da produzione, quello vero, non lo improvviso: lo affido a un partner tecnico con cui collaboro, Broken Ice Technologies. Io porto la strategia, la formazione e la conoscenza dei processi commerciali; loro portano le mani tecniche quando il progetto richiede di costruire in profondità. Per una PMI, il più delle volte, la strada sostenibile è tenersi in casa la capacità invece di noleggiarla progetto dopo progetto.

Cosa fare adesso, senza inseguire un AI forward deployed engineer

Se guidi una PMI, smetti di aspettare che i giganti scendano da te, perché non lo faranno. La mossa giusta è interna e chirurgica:

1. Scrivi le cinque attività che nella tua azienda mangiano più ore ogni settimana.
2. Scegline una sola, la più ripetitiva e meno creativa, perché è lì che l’AI rende di più e rischia di meno.
3. Assegna quel problema a una persona con un obiettivo chiaro e una scadenza. Per esempio: tra sei settimane questa attività deve costare la metà del tempo.

Non comprare dieci licenze sperando che succeda qualcosa da solo. Compra un risultato su un problema preciso, e poi replica. Se quella persona in casa non ce l’hai, è esattamente il momento in cui la formazione mirata ripaga, perché investi su un risultato e non su un corso generico che poi nessuno applica.

E se il problema richiede un livello tecnico che in casa non hai e non vuoi costruire, la buona notizia è che non devi cercare l’unicorno da mezzo milione di dollari all’anno. Esistono aziende specializzate, come Broken Ice Technologies, che questo lavoro lo fanno su misura per una PMI: entrano, costruiscono la parte tecnica e la collegano ai tuoi sistemi. Il tuo compito resta scegliere il problema giusto e pretendere il numero.

Se invece sei un professionista, qui ti devo una precisazione onesta, perché è il punto in cui si fanno più danni. Non ti sto dicendo di spacciarti per un forward deployed engineer. Quella è una figura con una preparazione tecnica seria, e improvvisarla significa promettere a un cliente cose che non sai mantenere. Il tuo vantaggio è un altro, e vale molto: conosci i problemi veri di un settore, e il problema vero è ciò che si paga. Puoi essere quello che capisce dove l’AI serve davvero, che costruisce le automazioni più leggere sui processi che già conosce, e che per la parte tecnica pesante si appoggia a chi la sa fare. Non vendere “l’AI”, un concetto astratto che spaventa. Vendi un problema risolto, e sii chiaro su dove finisce la tua competenza. È esattamente il modello con cui lavoro io.

Implementazione AI o fuffa: una regola per distinguere

Un’avvertenza, perché non voglio venderti una favola. Attorno alla parola implementazione sta già nascendo un enorme mercato di fuffa: gente che rimette l’etichetta AI su vecchie consulenze e chiede il triplo. Come distingui il valore vero dal rumore? Con una regola sola, valida sia se compri sia se vendi: il valore vero si misura con un numero prima e dopo. Ore risparmiate, errori ridotti, preventivi in meno tempo, clienti gestiti in più. Se qualcuno ti propone AI e non ti sa dire quale numero cambia e di quanto, non è implementazione, è teatro. Chiedi sempre il numero.

La domanda giusta, ormai, non è più quale intelligenza artificiale usare. È chi la sa far funzionare, e se quella capacità può crescere dentro la tua azienda invece di restare sempre fuori. I modelli continueranno a migliorare e a costare meno, e va bene così, è la parte facile. La parte difficile, quella che crea valore e che oggi vale miliardi, è il pezzo in mezzo: tra lo strumento e il risultato. Che tu guidi un’azienda o lavori da solo, è lì che ti conviene mettere la tua attenzione nei prossimi mesi.

Domande frequenti

Cos’è un AI forward deployed engineer?

È un tecnico che lavora dentro l’azienda cliente invece che in laboratorio: prende un problema aziendale concreto, costruisce la soluzione di intelligenza artificiale collegandola ai sistemi e ai processi reali dell’impresa, e la segue fino a un risultato misurabile. Non è chi costruisce il modello, è chi lo fa funzionare dove il lavoro accade davvero.

Quali competenze servono per fare questo lavoro?

Stanno su due piani. Il primo, che spesso un professionista ha già: inquadrare il problema giusto, conoscere a fondo un settore, gestire il cambiamento con le persone, definire il numero che deve cambiare. Il secondo è tecnico: API, strumenti di automazione, integrazione con gestionale e CRM, un po’ di scripting, ricerca intelligente sui documenti aziendali. Nelle aziende di frontiera è ingegneria del software vera. Alla scala di una PMI l’asticella è più bassa, ma non è zero.

Quanto guadagna un forward deployed engineer?

Negli Stati Uniti, nelle aziende di frontiera come OpenAI, Anthropic e Palantir, si va da circa trecentomila a oltre cinquecentomila dollari all’anno. Le offerte di lavoro per questo ruolo sono cresciute di circa l’800% nel 2025.

Che differenza c’è tra un forward deployed engineer e un consulente AI?

Il forward deployed engineer costruisce: fa funzionare l’AI dentro i sistemi del cliente e la porta a un numero. Il consulente si ferma al consiglio. Se sai indicare la strada ma non sei in grado di far girare l’AI sui processi reali dell’azienda, non sei un forward deployed engineer.

La mia PMI deve assumere un forward deployed engineer?

Quasi mai, e comunque non devi cercare un profilo da mezzo milione di dollari. Hai due strade più realistiche: costruire la capacità dentro il tuo team con la formazione, e affidarti a un’azienda specializzata per la parte tecnica di produzione. Nella maggior parte dei casi è la combinazione delle due a funzionare.

Vuoi che l’AI, in azienda, produca un risultato misurabile e non solo l’ennesima licenza inutilizzata?

È esattamente quello di cui mi occupo: porto le competenze AI dentro le PMI con percorsi pratici, costruiti sui vostri processi reali e non su slide generiche. L’obiettivo non è farvi provare uno strumento, è lasciarvi in casa la capacità di ottenere risultati. Dai un’occhiata ai miei percorsi di formazione per team commerciali e per team marketing. E se sei un professionista che vuole imparare a portare l’AI dentro il suo settore in modo serio, senza promettere ciò che non può mantenere, seguimi: sto preparando contenuti e corsi pensati proprio per te.