La verticalità è il superpotere

Il modello più grande non è quello più efficace

C’è una scena che si ripete sempre più frequentemente nelle software house.
Un cliente alza la cornetta - o scrive su WhatsApp, che ormai è uguale - e fa la domanda del 2026:

“Voi ce l’avete l’AI?”

E lì, dall'altra parte, cala il silenzio. Perché una risposta davvero onesta non è e non può essere né sì né no. La risposta che bisognerebbe dare è:

“dipende da cosa intendi per Intelligenza Artificiale e soprattutto da cosa ti aspetti che faccia nella tua azienda”.

Ma questa risposta, per quanto corretta, suona come una scusa. E infatti nessuno la dà.

Oggi noi però proviamo a prenderla sul serio. Smettiamo per un attimo di guardare l’AI dall’alto, come la raccontano le conferenze e i titoli di giornale, e proviamo a guardarla dal basso. Dal punto di vista delle PMI italiane che ci convivono ogni giorno e delle software house che provano a servirle al meglio.

Prima di entrare nel vivo, come sempre apriamo Spotify e tiriamo fuori la nostra playlist Data Grooves:

🎵 “Down to Earth” — Peter Gabriel, WALL·E (2008)

La colonna sonora di un robottino che impara a capire il mondo un oggetto alla volta. Ecco, a noi l’AI davvero utile sembra proprio questa: non quella che plana alta nei cieli del general-purpose, ma quella che scende a terra. Nel vostro specifico, nel vostro gergo, nel vostro modo di lavorare.

Il mito dell’AI che sa tutto.

Lo storytelling dominante ci racconta più o meno questa storia: vince chi ha il modello più grande. Più parametri, più dati di addestramento, più potenza. Si tratta di una corsa, e chi non la corre a perdifiato perde.

Tuttavia è palese che chi ha scritto questa storia quasi sicuramente non è mai entrato in una PMI italiana.

Se lo avesse fatto infatti si sarebbe subito reso conto che nelle aziende vere, quelle che producono, vendono, consegnano e fatturano, l’AI che serve non è quella che sa rispondere a qualunque domanda su qualunque argomento. È quella che conosce a menadito una cosa sola — il proprio settore, il proprio business — e la sa meglio di chiunque altro.

Provate un esperimento veloce.

Chiedete al miglior modello in circolazione: “quanti ordini chiusi ho avuto il mese scorso?”

Beh certo, non sa nulla della mia azienda, è ovvio che non sappia rispondere. Oltre questo non sa neanche cosa vuol dire “chiuso” per voi. E poiché non lo sa, nel dubbio, sceglierà una definizione generica. Che quasi certamente non è la vostra.

Il peso del “dipende”:

• Un ordine è chiuso quando la merce esce dal magazzino?

• Quando viene fatturato?

• Quando il cliente firma la bolla?

• Quando arriva il pagamento sul conto?

La risposta è sempre la stessa: dipende. Dipende dal settore, dal modello di business, dalle abitudini che la specifica realtà ha costruito in dieci o vent’anni di lavoro.

Ed è qui che il “dipende” smette di essere una scusa e diventa un fatto: l’AI generica, quella che “sa tutto”, non può sapere tantissime cose al posto vostro. E non può neanche arrivarci da sola. Nel dubbio, inventerà una risposta elegante, coerente, plausibile. E vi farà lavorare su un dato che non è il vostro dato.

Stesso discorso per “cliente attivo”, “margine”, “vendita persa”, “progetto terminato”, “consegna”. Parole che usate tutti i giorni, ma con significati molto diversi a seconda di dove le pronunciate.

Un “cliente attivo” dentro un gestionale per centri estetici non ha niente a che vedere con un “cliente attivo” in una supply chain alimentare. Eppure l’AI generalista userà la stessa parola con lo stesso peso. A meno che qualcuno non le insegni il contrario.

E qui entrano in gioco le software house.

Non sarà il vendor del modello a insegnarglielo. Non può. Lavora su scala globale, sul comune denominatore, sul generico.

Lo farà chi il settore lo conosce davvero. Chi ci lavora dentro da dieci, quindici, vent’anni. Chi ha visto tre generazioni di clienti, due crisi di mercato e quattro cambi normativi.

Sono le software house verticali: quelle che servono il retail, il manifatturiero, i servizi professionali, la sanità, la scuola, la logistica, la ristorazione.

Sono loro i traduttori semantici dell’AI.

Sono loro che prendono un motore generale e lo trasformano in uno strumento che, dentro la vostra azienda, sa di cosa state parlando.

E qui arriva la parte scomoda anche per loro, perché non è affatto un ruolo facile. Una software house oggi deve decidere se diventare un pezzo attivo di questa catena — portando la propria verticalità dentro l’AI — oppure restare a guardare mentre qualcun altro si prende quello spazio.

Il paradosso della grandezza.

Ora il passaggio controintuitivo, quello che secondo noi vale il viaggio.

Più il modello è grande, più forte è il suo default generalista. Più è addestrato sul mondo, più tende a rispondere “come il mondo risponderebbe”. Non come il vostro settore risponderebbe.

Quindi: non esiste un modello così grande da poter fare a meno del vostro contesto.

Anzi, è l’esatto contrario. Più il modello è potente, più pesa il contesto verticale. Più serve qualcuno che gli dica “no, guarda, qui un ordine chiuso è questo, un cliente attivo è quello, e se un collaudo non arriva entro quindici giorni contiamo lo stesso il progetto come consegnato”.

AI generale e AI verticale non sono due mondi alternativi. Sono due strati che devono incontrarsi.

La domanda giusta oggi non è “quanto è grande il modello?”, ma “quanto a fondo conosce il mio settore?”

Il motore può essere universale. Il carburante no. Il linguaggio, le regole, le metriche operative: quelli sono sempre vostri. E l’efficacia dell’AI, nella vita reale delle PMI, si gioca esattamente su questo incontro.

Un esercizio per questa settimana:

prendete cinque parole che usate tutti i giorni in azienda. Le solite: ordine, cliente, margine, consegna, chiuso.

Per ciascuna, scrivete la vostra definizione operativa. Non quella della Treccani, quella che conta davvero quando si lavora.

Poi chiedete di fare lo stesso esercizio a un collega di un altro ufficio.
E confrontate.

Se emergono differenze — e vi garantiamo che emergeranno — avete appena misurato quanto contesto verticale serve a qualsiasi AI per essere davvero efficace dentro la vostra azienda.

E voi?

La vostra azienda ha un linguaggio condiviso sui dati? Quando in una riunione si parla di “cliente”, “ordine” o “margine”, state davvero dicendo tutti la stessa cosa? E se un’AI stesse ascoltando, capirebbe o tirerebbe a indovinare?

Dove invece stiamo noi.

Noi siamo nati con un’idea semplice ma ostinata: l’accessibilità. Accessibilità del dato, democratizzazione della Business Intelligence, accessibilità di strumenti che troppo a lungo sono stati riservati a pochi.

Ma “accessibile” per noi non ha mai significato “generico”. Anzi.

Per questo il valore di Elly non si misura solo sulla potenza del motore, che pure cresce ogni mese. Si misura su quello che succede quando quel motore incontra il vostro mondo: il linguaggio di un partner che il vostro settore lo conosce davvero, le vostre parole, le vostre regole, le vostre metriche.

Con quel contatto, inizia finalmente a fare la cosa per cui è stata costruita: rendervi più efficaci, tutti i giorni.

👉 Scoprite come Elly può potenziare il vostro software o il vostro business su ellybi.com