Domanda iniziale
La tesi del progetto deve attraversare una catena di prove.
Chi usa il sistema, quale attività cambia e quale risultato osservabile ottiene? Se questi elementi non sono distinti, accuratezza del modello, numero di utenti o interesse commerciale non dimostrano il valore del progetto.
La due diligence tecnica e quella di business si incontrano nelle dipendenze: dati, fornitori, persone, permessi e costi che rendono possibile la prestazione.
Relazioni operative
Cinque passaggi da mantenere collegati.
Tesi
Quale relazione fra utente, problema e risultato viene sostenuta?
Prova
Quali dati o comportamenti osservabili sostengono la tesi?
Dipendenze
Che cosa deve restare disponibile, autorizzato e sostenibile?
Rischio
Quale fallimento cambia valore, sicurezza o diritto d’uso?
Milestone
Quale incertezza viene rimossa dalla prossima prova?
Confini e responsabilità
Precisione, benchmark e ROI hanno valore solo nel loro contesto.
Un punteggio può dipendere da un dataset non rappresentativo; un risparmio può escludere controllo umano e costi di esercizio; una crescita può essere sostenuta da prove gratuite o interventi manuali. Metodo e perimetro devono accompagnare ogni numero.
La valutazione deve inoltre distinguere componenti posseduti, licenziati, accessibili tramite API o ancora ipotetici. La disponibilità attuale non può essere dedotta dalla roadmap.
Oggetto operativo
Canvas delle prove del progetto AI
Compila la Canvas delle prove del progetto AI. Ogni campo rende esplicita una relazione da verificare prima di estendere il sistema.
Utente
Chi adotta, usa, paga o riceve l’effetto?
Problema
Quale lavoro o decisione è abbastanza importante?
Risultato
Che cosa cambia in modo osservabile?
Evidenza
Quali dati, test o usi reali sostengono la tesi?
Sistema
Quali parti sono proprie, esterne o ancora manuali?
Dipendenze
Quali dati, fornitori, persone e autorizzazioni sono critici?
Rischi
Quali errori, vincoli o concentrazioni cambiano il valore?
Milestone
Quale prova successiva riduce l’incertezza decisiva?
Prima prova
Una prova breve deve produrre conoscenza, non soltanto un risultato.
- 01Ricostruisci la tesi
Scrivi utente, problema, attività e risultato senza usare il nome del prodotto.
- 02Chiedi la prova primaria
Esamina dati, esempi, protocollo e casi di fallimento, non soltanto la sintesi.
- 03Scomponi il sistema
Distingui modello, dati, software, persone, servizi e componenti esterni.
- 04Stressa una dipendenza
Simula aumento dei costi, cambio fornitore, dati peggiori o perdita di una persona chiave.
- 05Definisci la milestone
Collega risorsa e tempo alla rimozione di un’incertezza verificabile.
Fonti pubbliche
Riferimenti per verificare e approfondire.
- NIST AI Test, Evaluation, Validation and Verification.
- NIST AI 600-1, Generative AI Profile.
- UK Government, Guidelines for AI procurement.
Queste fonti orientano la progettazione. Requisiti giuridici, professionali, etici e organizzativi dipendono dal caso e dalle funzioni competenti.
Domande frequenti
Investitore o valutatore di progetti: domande da chiarire prima del progetto.
Quali prove chiedere a un progetto AI?
Esempi rappresentativi, metodo di valutazione, baseline, errori, interventi umani, dipendenze e comportamento nel contesto d’uso. La demo è una prova, non l’intero dossier.
Come si valuta un sistema agentico?
Si osservano anche azioni, strumenti, stato, autorizzazioni, arresto e capacità di recupero, non soltanto la qualità del testo prodotto.
Un benchmark è sufficiente?
No. Serve conoscere dataset, metrica, confronto, rappresentatività e relazione con il lavoro reale.
Come si verifica il vantaggio economico?
Si esplicitano baseline, periodo, costi inclusi, controllo umano, infrastruttura e ipotesi. Senza questi elementi il valore resta una tesi da verificare.
Che cosa rende utile una milestone?
La capacità di eliminare un’incertezza decisiva con un risultato osservabile, invece di descrivere soltanto attività svolte.