Prima di intraprendere qualsiasi progetto di Intelligenza Artificiale, una PMI deve assicurarsi che la propria infrastruttura digitale sia solida. Un progetto AI basato su dati incompleti, sistemi non integrati o processi non conformi rischia infatti di produrre risultati inaffidabili e perfino controproducenti.
Questa checklist è pensata per fornire un quadro pratico e veloce dello stato di maturità tecnologica della tua azienda, evidenziando aree di forza e punti da migliorare. Compilandola con il tuo team (IT, amministrazione, responsabili di funzione) otterrai una fotografia realistica della tua readiness digitale e potrai definire priorità concrete prima di avviare iniziative di Intelligenza Artificiale.
Dati
La qualità dei dati è il fondamento di ogni soluzione AI.
I dati aziendali sono centralizzati (non dispersi in Excel, email o hard disk personali).
I dati sono aggiornati regolarmente e non presentano duplicati.
I formati sono coerenti (es. date, codici prodotto).
Ci sono procedure per la qualità dei dati (pulizia, validazione).
Esistono regole di nomenclatura e catalogazione (es. data dictionary).
È disponibile una visione unica del cliente (CRM integrato con fatturazione e supporto
Le fonti di dati esterni (open data, fornitori) sono certificate e tracciate.
Qualità del dato per l’AI
L’Intelligenza Artificiale non può “inventarsi” la qualità: se i dati non sono adeguati, i risultati saranno distorti.
I dati hanno un livello sufficiente di completezza (pochi campi mancanti).
I dati sono accurati (coincidono con la realtà, non ci sono errori di inserimento).
I dataset sono rappresentativi (coprono tutti i casi tipici, non solo una parte limitata).
È monitorata la consistenza temporale (es. cronologia vendite senza “buchi”).
È valutata la non distorsione/bias (evitare dataset che discriminano categorie di clienti o prodotti).
Esistono KPI di qualità del dato (es. % campi mancanti, % duplicati, accuratezza rispetto a fonti ufficiali).
Viene prodotto un data quality report periodico.
Sistemi
L’AI non funziona in un vuoto: richiede sistemi integrati e sicuri.
I software aziendali sono integrati tra loro (ERP, CRM, contabilità).
Sono disponibili API o connettori per scambio dati con altri sistemi.
Esiste un backup regolare dei dati.
La rete aziendale è protetta da firewall e sistemi di sicurezza aggiornati.
Gli accessi ai sistemi sono gestiti con credenziali individuali e MFA (multi-factor authentication).
È implementato un monitoraggio della sicurezza (log accessi, alert, intrusion detection).
Esistono policy di gestione dispositivi personali (BYOD) per dipendenti e collaboratori.
La documentazione dei processi IT è disponibile e aggiornata.
Compliance e privacy
La conformità normativa non è opzionale: è un prerequisito per qualsiasi iniziativa AI.
I dati sensibili sono trattati secondo le normative LPD (Svizzera).
È nominato un responsabile della protezione dati o equivalente.
Sono attivi processi di consenso informato e informativa privacy per clienti e fornitori.
Sono definiti tempi di conservazione dei dati e procedure di cancellazione.
Esistono contratti chiari con fornitori cloud (responsabilità, giurisdizione, data residency).
La gestione dei dati sensibili (sanitari, finanziari) è supportata da procedure di cifratura.
Sono svolte verifiche periodiche di compliance e audit interni
Come usare questa checklist
Stampala e compilala con il tuo team IT / amministrativo.
Evidenzia i punti deboli (box non spuntati).
Stabilisci azioni correttive prima di partire con un progetto AI.
