Uso dell’IA e dell’automazione nella Consulenza di Business Digitale

La settimana scorsa la community Digital Marketing Malaga mi ha invitato a presentare il nostro caso. Vale a dire, il processo che abbiamo seguito nei progetti di Consulenza di Business Digitale in Disruptivos per adattarci all’arrivo dell’IA, che, come in tutti i settori, ha rappresentato una grande (r)evoluzione.

L’intervento è andato piuttosto bene, ma in realtà me lo aspettavo, perché sono abbastanza soddisfatto del processo che abbiamo seguito e dei risultati ottenuti. Soprattutto perché abbiamo posto le fondamenta necessarie per continuare a crescere senza dover ripartire da zero.

Se fai qualsiasi tipo di consulenza — digitale o meno — vedrai che l’80% di ciò che racconto è applicabile alla tua attività, per questo voglio riassumere qui i punti principali dell’intervento.

Motivi per usare l’IA e automatizzare i processi

Ci sono ragioni ovvie, come vedrai tra poco, ma quando ci siamo messi ad analizzare davvero ciò che volevamo ottenere con l’IA ci siamo resi conto che risparmiare tempo era solo una parte dei vantaggi.

Infatti, alcuni dei vantaggi che oggi mi sembrano più importanti hanno meno a che fare con il fare una consulenza più velocemente e più con il farla meglio e, soprattutto, in modo più coerente.

La domanda da cui parte tutto: l’IA ci dà davvero i risultati che vogliamo?

ChatGPT ci dà risultati sorprendenti. Preparavi un buon prompt, aggiungevi un po’ di contesto e in pochi secondi avevi un’analisi, una proposta o un documento che prima avrebbe richiesto molto più tempo.

Il problema emergeva quando provavi a usare quel risultato in un progetto reale. 

Spesso la qualità non era sufficiente, mancava profondità, alcune risposte erano migliori di altre e il risultato dipendeva troppo da come avevi formulato il prompt o dalle informazioni che avevi aggiunto.

Per questo alla fine abbiamo cambiato domanda. Invece di chiederci semplicemente come potevamo usare più IA, abbiamo iniziato a chiederci che cosa dovevamo cambiare nei nostri processi affinché l’IA ci desse i risultati di cui avevamo davvero bisogno.

Questo cambiamento sembra piccolo, ma per me è la base di tutto ciò che abbiamo fatto dopo. 

Usare l’IA è facilissimo. Farla diventare parte di un processo professionale, ripetibile e con standard di qualità chiari è molto più complicato.

Risparmiare tempo è solo il motivo più evidente

Il primo vantaggio dell’automazione è evidente: risparmiare tempo. Una consulenza comprende una parte importante di ricerca di informazioni, raccolta di dati, analisi preliminare, creazione di documenti e attività amministrative che sono necessarie, ma che non devono per forza essere svolte manualmente da una persona dall’inizio alla fine.

Anzi, non dovrebbero esserlo.

Perché se riusciamo a far passare un’attività che prima richiedeva quattro ore a una sola ora, abbiamo tre ore in più da dedicare ad altro. Moltiplicato per tutte le fasi di un progetto, questo ha un impatto importante.

Ma c’è un punto importante: il risparmio di tempo non poteva avvenire a scapito della qualità. Se un’attività richiede la metà del tempo ma il risultato è peggiore, per noi non c’è un vero miglioramento.

Per questo, l’importante è risparmiare tempo mantenendo lo stesso livello di qualità.

Standardizzare la qualità di tutte le consulenze

Questa è probabilmente la ragione che pesa di più per me, alla fine.

Quando più persone svolgono consulenze è inevitabile che ci siano differenze. Un consulente può essere particolarmente bravo nella SEO tecnica e un altro approfondire molto di più il link building. Uno può preparare documenti estremamente dettagliati e un altro essere molto più diretto.

Questo non è negativo per se, perché l’ideale è sfruttare l’esperienza di ogni persona, ma può creare un problema quando la profondità e la qualità del servizio finiscono per dipendere troppo dal consulente che svolge il progetto.

Noi volevamo ottenere esattamente il contrario. Se un cliente acquista una Consulenza di Business Digitale con Disruptivos, dovrebbe esserci un determinato livello di profondità e coerenza indipendentemente da chi la svolge.

Qui l’IA e l’automazione possono aiutarci molto, perché possiamo definire in anticipo quali elementi devono essere verificati, quali KPI vanno analizzati, quale documentazione va utilizzata e quale profondità minima ci aspettiamo in ogni blocco.  

Poi, ovviamente, il consulente può ampliare, valutare e modificare ciò che ritiene opportuno, ma esiste una base comune che tutti i progetti devono rispettare.

Lasciare al consulente il lavoro che crea davvero valore

Il valore del consulente sta soprattutto nel suo giudizio. Nel capire il business, sapere quali informazioni sono importanti e quali no, mettere in discussione una conclusione, individuare qualcosa che non torna, stabilire priorità o decidere cosa ha senso fare tenendo conto dei limiti reali del cliente.

Sta anche, ovviamente, nella relazione con quel cliente. Ci sono cose che non compaiono in Analytics, Search Console o in un CRM e che capisci solo dopo aver parlato con le persone che conoscono il business.

Per questo la nostra idea non è mai stata che l’IA facesse la consulenza, ma che si occupasse di una parte del lavoro preliminare, ripetitivo o meccanico affinché il consulente possa dedicare più tempo proprio a ciò in cui la sua esperienza crea più valore.

Aiutare i nuovi consulenti senza dipendere continuamente dai senior

C’è un altro problema che emerge appena un team inizia a crescere o quando sposti una persona su un altro progetto. Nei primi giorni o settimane, ha bisogno di fare domande continuamente perché non dispone di tutte le informazioni di contesto.

• Dove si trova un documento.
• Quale modello deve usare.
• Chi è responsabile di una determinata area.
• Quali KPI devono essere analizzati.
• Come è strutturato un determinato deliverable. 

È del tutto normale, ma ha una conseguenza piuttosto evidente: perché una persona possa andare avanti, un’altra deve interrompere continuamente il proprio lavoro.

Ed è qui che entra in gioco l’IA, perché può diventare uno strato di conoscenza del progetto e dell’azienda stessa. Se la metodologia, i processi, i modelli, le persone responsabili e la documentazione sono ben organizzati, molte di queste domande possono essere risolte direttamente senza dover ricorrere sempre a un altro consulente.

Questo non sostituisce la formazione, semplicemente riduce molte interruzioni che non creano valore e aiuta una persona nuova a diventare autonoma prima.

La metodologia di consulenza di Disruptivos

La prima cosa da spiegare è che, anche se il processo di esecuzione è cambiato, il framework o la metodologia di consulenza dell’azienda non lo è. È esattamente lo stesso prima e dopo l’IA. E, se sei un consulente, probabilmente ti suonerà familiare o avrà una certa somiglianza con ciò che già fai.

Le tre fasi di una consulenza

La nostra metodologia può essere riassunta in tre grandi fasi: capire, pensare e fare.

La prima consiste nel capire il business. Qui analizziamo l’azienda, i suoi numeri, la proposta di valore, la tecnologia e gli obiettivi, verifichiamo i suoi canali e asset digitali e completiamo il tutto con ricerca di mercato, analisi della domanda e studio dei concorrenti.

Poi arriva la fase del pensare. Con tutte queste informazioni costruiamo un piano strategico che in sostanza deve rispondere a tre domande: che cosa bisogna fare, in quale ordine e chi dovrebbe farlo.

La terza fase è l’implementazione. Non tutti i progetti arrivano fin qui, perché alcuni terminano con la consegna del piano strategico e il cliente stesso si occupa di eseguirlo, mentre in altri continuiamo a lavorare sull’implementazione dei miglioramenti proposti.

Scomporre l’intero processo

Una volta spiegata la metodologia, il passo successivo è stato scomporla.

Non bastava dire che facciamo un audit SEO, un’analisi di mercato o una proposta strategica. Siamo scesi di diversi livelli — più avanti avremmo scomposto ancora di più — e siamo arrivati a 6 passaggi con diversi traguardi in ciascuno.

Per ogni traguardo abbiamo risposto a tre domande molto semplici: quanto tempo ci richiede oggi, quale parte potrebbe essere automatizzata e quanto tempo dovrebbe richiederci dopo. Il primo dato lo avevamo calcolato, gli altri due erano stime da testare su progetti reali.

Ed è qui che è emersa una delle idee che devi portarti via da tutto questo processo: se un processo esiste solo nella tua testa, non sei ancora pronto ad automatizzarlo.

Prima devi scriverlo, dividerlo e spiegare come si svolge. Altrimenti, quando proverai ad automatizzarlo, finirai per scoprire eccezioni, decisioni o piccoli passaggi che per una persona esperta possono essere intuitivi, ma che non avevi mai documentato.

E che, quindi, un nuovo consulente o un’IA non sanno elaborare correttamente.

Gradi di automazione

Non tutte le attività ammettono lo stesso grado di automazione.

Per esempio, una parte importante della ricerca di mercato può essere automatizzata. Possiamo raccogliere volumi di ricerca, tendenze, informazioni pubbliche di settore o analizzare una parte della presenza digitale dei concorrenti senza che una persona debba svolgere tutto il lavoro manualmente.

In altre aree la percentuale è molto più bassa. Le analisi euristiche di CRO, per esempio, continuano ad avere una componente molto elevata di giudizio umano.

Alcune attività amministrative, come creare strutture di cartelle o progetti in Asana, possono essere automatizzate quasi completamente.

Per questo non puoi vedere l’automazione come un tutto o niente. Ci sono processi in cui puoi automatizzare l’80% e altri in cui ha senso automatizzare solo il 20%, e non c’è assolutamente nulla di male.

E ricorda quello che abbiamo detto prima: la domanda non è se un’attività può essere completamente automatizzata, ma quale parte ha senso automatizzare senza peggiorare il risultato.

I nostri risultati

Quando sommiamo il tempo medio che dedicavamo a tutte le attività di una Consulenza di Business Digitale, un progetto tipico si collocava approssimativamente tra 80 e 100 ore di lavoro.

Dopo aver analizzato il potenziale di automazione di ogni blocco, il calcolo teorico ci portava a circa 38 ore. Sulla carta era una riduzione enorme, praticamente meno della metà del tempo originale.

La realtà non è ancora questa.

Attualmente siamo più vicini alle 50 ore, che significa comunque quasi dimezzare il tempo che ci serviva prima. Mantenendo i nostri standard di qualità, che, come ti dicevo prima, non erano negoziabili.

E non sono 38 ore perché i processi hanno eccezioni, compaiono errori, i clienti sono diversi e non tutte le integrazioni funzionano in modo ideale. Automatizzare il percorso perfetto può anche essere relativamente semplice, ma automatizzare tutto ciò che può andare storto è praticamente impossibile. E non ne vale la pena.

Il risultato è buono. E, cosa ancora più importante, ora abbiamo una struttura di base su cui continuare a migliorare invece di dipendere soltanto dall’aggiunta di nuovi prompt o strumenti.

I sistemi e gli strumenti che stiamo costruendo

Una volta definito il processo e capito quali parti aveva senso automatizzare, abbiamo iniziato a costruire gli strumenti.

All’inizio non ci importava se la soluzione sarebbe finita per essere un GPT, un flusso in n8n, un agente o un’applicazione proprietaria. Prima dovevamo definire esattamente il compito o processo da risolvere e poi scegliere lo strumento giusto.

Il nostro obiettivo reale era uno specifico e forse un po’ diverso da quello che ti aspetti, ma definiva molto bene ciò che volevamo ottenere: rendere la vita più facile a qualsiasi nuovo consulente senza abbassare i nostri standard.

Prima di tutto: documentare processi, metriche, KPI e modelli

Per riuscirci abbiamo dovuto documentare l’intero processo di consulenza con molti più dettagli di quanti ne avessimo prima, quando avevamo scomposto la metodologia. Ogni blocco è diventato un insieme di attività concrete con istruzioni, documenti correlati e modelli che spiegavano come doveva essere svolto.

Poi abbiamo fatto lo stesso con le metriche e i KPI.

Abbiamo diversi livelli di consulenza e, a seconda del progetto, sappiamo quali metriche esatte dovrebbero essere analizzate in ogni area del business digitale, come SEO, CRO, paid media, email o contenuti. Un consulente può aggiungere tutto ciò che ritiene necessario, ma esiste una base minima che deve verificare e che è standard per tutte le consulenze.

Lo stesso vale per gli audit. Abbiamo creato dei modelli affinché, invece di chiedere semplicemente all’IA di «fare un audit», le forniamo la struttura che utilizziamo, le aree che devono essere analizzate e il tipo di informazioni che ci aspettiamo di trovare.

Un altro aspetto fondamentale da ricordare: non lasciamo che sia l’IA a decidere che aspetto deve avere una buona consulenza. Prima definiamo noi lo standard e poi facciamo lavorare l’IA al suo interno.

Scegliere il grado di automazione: i tre approcci

Da qui possiamo scegliere diversi gradi di automazione.

Il primo e più semplice consiste nell’ usare l’IA come assistente. Può essere un GPT personalizzato, un Gem, un progetto con determinate istruzioni o qualsiasi strumento simile a cui forniamo la nostra metodologia e documentazione.

È l’opzione con meno automazione, ma anche quella che permette di ottenere risultati più rapidamente e senza dover sviluppare troppe cose.

Il secondo livello consiste nell’ automatizzare le attività collegando diversi strumenti. Qui entrano in gioco sistemi come n8n, con cui possiamo far passare automaticamente le informazioni da un’applicazione all’altra, integrare modelli di IA in determinate parti del processo e mantenere validazioni umane quando necessario.

E il terzo livello sarebbe costruire un sistema completo, tramite agenti oppure tramite un nostro SaaS con front-end e back-end.

Quando abbiamo iniziato a lavorare su tutto questo, gli agenti erano meno sviluppati di oggi, quindi abbiamo puntato soprattutto sui primi due percorsi. Se partissimo oggi da zero, probabilmente studieremmo molto più nel dettaglio un’architettura basata su agenti, anche se continuo a credere che abbia senso validare prima ogni parte del processo prima di costruire un sistema enorme.

Gli strumenti che abbiamo sviluppato

Da tutto questo processo sono nati diversi strumenti ed esperimenti. Alcuni stanno già funzionando, altri continuano a evolversi e probabilmente diversi cambieranno parecchio nei prossimi mesi.

La cosa interessante non è tanto lo strumento specifico che utilizziamo, perché probabilmente tra due anni molti saranno diversi, ma quale problema risolve ciascuno all’interno del processo.

Oráculo: una base di conoscenza per ogni progetto

Una delle prime cose che abbiamo sviluppato è stata quella che internamente chiamiamo Oráculo.

Il nome può sembrare più avanzato di quanto sia. In sostanza consiste nell’avere una base di conoscenza in cui si trovano le informazioni necessarie per lavorare sul progetto: 

1. Contesto del progetto.
2. Comunicazioni con il cliente.
3. I nostri deliverable (audit, guide…)
4. Informazioni dal nostro gestore di progetto.
5. Report mensile dei KPI.

Tutto questo all’interno di un sistema di IA affinché il consulente possa fargli domande.

Qualsiasi cosa.

Di fatto, con queste fonti, è difficile avere un dubbio a cui Oráculo non sappia rispondere bene.

Abbiamo un Oráculo per cliente e un altro per ogni progetto diverso, così qualsiasi nuovo consulente può orientarsi facilmente.

Ovviamente, questo funziona solo se le informazioni di partenza sono ben organizzate e aggiornate; inserire documentazione disordinata in un’IA non fa sì che magicamente smetta di essere disordinata.

Automatizzare la gestione del progetto con n8n, Drive e Asana

Un altro esempio è un flusso che abbiamo creato in n8n per automatizzare una parte del livello di gestione dei progetti.

Quando il reparto vendite chiude un progetto, genera un report seguendo una struttura determinata. Il consulente deve solo copiare quelle informazioni e passarle al flusso, dove utilizziamo un nodo di IA per interpretarle e preparare automaticamente sia la struttura di cartelle e documenti in Google Drive sia il progetto e le attività corrispondenti in Asana.

Prima di creare qualsiasi cosa, il sistema mostra le informazioni e chiede una convalida al consulente. Se c’è qualcosa di sbagliato, possiamo modificarlo prima che venga eseguito il resto del processo.

Questo sviluppo ci ha inoltre insegnato un’altra cosa importante: automatizzare quando tutto funziona bene è relativamente facile, ma gestire errori ed eccezioni è molto più complicato.

Una persona applica intuitivamente un sacco di piccole regole che spesso non sa nemmeno di stare applicando. Quando automatizzi un processo, tutte queste regole devono essere scritte e il sistema deve sapere che cosa fare quando qualcosa non corrisponde al caso previsto.

Assistente di consulenza

Un altro strumento che stiamo costruendo ha un obiettivo un po’ diverso: fare da assistente durante la consulenza stessa.

Qui l’idea è che una persona possa inserire il tipo di business e i KPI principali e che il sistema la aiuti progressivamente a individuare che cosa dovrebbe controllare e dove potrebbero esserci problemi.

Per farlo, il sistema deve conoscere i KPI che consideriamo rilevanti e lavorare con benchmark pubblici e informazioni interne che gli consentano di fornire contesto e valutare le metriche.

Non vogliamo che l’assistente prenda le decisioni al posto del consulente, ma che gli dia indicazioni e riduca il lavoro necessario per arrivare al punto in cui inizia la parte davvero fondamentale dell’analisi.

Creare la prima bozza di un audit con l’IA

Il passo successivo consiste nell’utilizzare tutto quanto visto finora per generare la prima bozza di un audit.

Utilizziamo modelli di progetto per Claude Code, Codex o Antigravity, preparati specificamente per un’area, con la nostra metodologia, i modelli e le istruzioni, in modo che l’IA possa generare una prima versione del documento di audit a partire dalle informazioni disponibili che le forniamo.

Stiamo già testando questo approccio in aree come la SEO, anche se è ancora una parte in sviluppo.

Una cosa: generare una prima bozza non significa generare il deliverable finale.

Il consulente deve comunque rivedere, modificare, ordinare e dare priorità alla bozza. L’IA può far sì che inizi a lavorare da un documento che è già al 50%, 60% o alla percentuale corrispondente, invece di partire sempre da una pagina bianca.

Questo è l’obiettivo: non sostituire il consulente, ma dargli un punto di partenza molto migliore.

Conclusioni e un piccolo esercizio

Dopo tutto questo processo ci sono diverse idee che ti consiglio di tenere a mente.

La prima è che automatizzare non significa semplicemente risparmiare tempo. Documentare una metodologia, definire standard e decidere che cosa deve succedere in ogni situazione è più importante che scegliere lo strumento che poi eseguirà il processo.

La seconda è che non esiste un’unica soluzione per tutto. A volte basta un buon prompt, altre volte ha senso creare un GPT personalizzato, in alcuni casi ci servirà n8n e in altri finiremo per sviluppare un agente o persino un’applicazione completa.

Quello che ti serve è sapere quali tipi di strumenti esistono e quale si adatta meglio al problema che vuoi risolvere.

La terza riguarda il ruolo del consulente. Più l’esecuzione diventerà economica e veloce, più valore avranno il giudizio, la capacità di decidere, la gestione e la relazione con il cliente.

E c’è una quarta e ultima conseguenza che non tutti tengono presente: l’IA amplia enormemente ciò che una sola persona può fare.

Uno specialista di marketing che prima non poteva sviluppare un piccolo strumento perché non sapeva programmare ora può farlo. Una persona specializzata in CRM può creare automazioni che in precedenza avrebbero richiesto uno sviluppatore, e una persona di business può prototipare soluzioni che prima non avrebbe nemmeno pensato di costruire.

Questo non significa che siamo diventati tutti sviluppatori, designer o analisti, ma che la barriera dell’esecuzione si è abbassata così tanto che sarà sempre più importante sapere che cosa vogliamo costruire, perché e come dovrebbe funzionare e non tanto sapere come costruirlo, dato che l’IA lo farà per noi con le istruzioni adeguate.

Per concludere l’articolo e l’intervento, ti lascio con un esercizio molto semplice che credo valga la pena fare.

Pensa a un’attività che svolgi abitualmente nel tuo lavoro e chiediti quale parte di quell’attività potresti smettere di fare manualmente entro sei mesi. 

Poi pensa a che cosa ti serve per riuscirci: forse uno strumento, qualche ora per documentare il processo, l’aiuto di un’altra persona o semplicemente imparare come funziona una determinata tecnologia.

Avrai già fatto il primo passo sulla strada dell’automazione.

Se vuoi fare il secondo, scegli qualcosa di concreto che puoi testare questa stessa settimana in un progetto reale. 

È così che inizierai a scoprire come può davvero cambiare il tuo modo di lavorare.