Come integrare un'intelligenza artificiale privata con ERP, CRM e software aziendali

Cosa significa integrare AI con ERP e CRM, in pratica?

Vuol dire collegare un modello linguistico ai dati e alle funzioni dei gestionali, tramite API o connettori. Così il modello può consultarli, preparare bozze e, solo se autorizzato, agire. Il gestionale resta dov'è: l'AI diventa un modo di interrogarlo in linguaggio naturale.

Nel mio lavoro distinguo tre livelli, che crescono insieme per valore e per rischio:

Si parte dal primo livello. Il terzo arriva solo con controlli solidi.

Le basi in Italia ci sono. Secondo ISTAT, nel 2025 il 56,0% delle imprese usa un ERP e il 16,4% di quelle con almeno 10 addetti usa l'AI (8,2% nel 2024). Gli usi principali sono marketing e vendite (33,1%) e processi amministrativi (25,7%), cioè le aree dove lavorano CRM ed ERP.

Questa integrazione lavora sui dati strutturati: clienti, ordini, fatture, ticket. Il complemento naturale è il cervello aziendale sui documenti interni, che risponde su procedure, manuali e contratti.

Quali processi conviene collegare per primi all'AI?

Quelli in cui l'AI legge molti dati e ne scrive pochi, e in cui un errore si riconosce subito. Candidati tipici: il riepilogo della scheda cliente prima di una chiamata, lo stato di ordini e consegne, le bozze di risposta ai ticket, le scadenze amministrative come fatture da sollecitare e contratti in rinnovo.

I criteri che uso per scegliere:

1. Frequenza: il processo si ripete spesso, altrimenti difficilmente si ripaga.
2. Dati disponibili: le informazioni sono nel gestionale, non in fogli sparsi.
3. Qualità sufficiente: anagrafiche e codici abbastanza ordinati da fidarsi.
4. Output verificabile: una persona capisce in pochi secondi se la risposta è sbagliata.
5. Scrittura minima: la parte che modifica il gestionale è assente o ridotta.

Il terzo punto è il più sottovalutato. ISTAT riporta "dati non disponibili o di scarsa qualità" come ostacolo per il 45,2% delle imprese. Un'anagrafica disordinata produce risposte disordinate, dette con tono sicuro. Prezzi, ordini, pagamenti e dati contabili vanno lasciati per dopo.

Come si collega tecnicamente un modello privato ai gestionali?

Con connettori che chiamano le API del gestionale con permessi limitati e passano al modello solo i dati necessari. Uno standard aperto per questo livello è il Model Context Protocol (MCP).

La specifica MCP usa messaggi JSON-RPC 2.0 e prevede tre ruoli: l'host (l'applicazione dell'utente), il client che gestisce la connessione e il server che espone le funzioni di un sistema. Un server può offrire risorse da leggere, prompt e strumenti da eseguire. In pratica, un server MCP per il CRM può esporre "cerca cliente" in sola lettura e non "modifica cliente".

Il modello può stare in cloud o in azienda. Ollama, software per eseguire modelli open-weight in locale, espone un endpoint compatibile con le API OpenAI su http://localhost:11434/v1/, con /v1/chat/completions e supporto agli strumenti. Spesso il codice scritto per il cloud si può puntare a un modello interno cambiando indirizzo. La documentazione dichiara però dei limiti, come l'assenza di tool_choice e logprobs: vanno verificati prima. Ne parlo nella pagina sulla migrazione dalle API.

Installare il modello è di solito la parte breve. Il lavoro lungo è mappare quali API offre il gestionale, con quali permessi e con quali dati affidabili. Per i gestionali senza API, le alternative vanno valutate con il fornitore del software.

Quanto costa integrare AI con ERP e CRM usando le soluzioni dei fornitori?

Si paga per utente, per conversazione o a consumo, quindi il costo cresce con le persone e con l'uso. Prezzi consultati sulle pagine ufficiali il 26/10/2026: possono cambiare e vanno ricontrollati.

Le voci si sommano. Su Salesforce i componenti Sales, Service e Field Service costano 125 $ a utente al mese. Copilot Business richiede un piano Microsoft 365 Business idoneo, e alcune funzioni hanno fatturazione a consumo. La scadenza della promozione indicata in pagina (31/12/2026) non coincide con quella di una pagina Microsoft Tech Community: conviene farsela confermare per iscritto. Sulle API, gli endpoint OpenAI con residenza dei dati costano il 10% in più per i modelli rilasciati dal 5 marzo 2026, mentre per Anthropic l'inferenza solo negli Stati Uniti costa 1,1 volte.

Per il confronto su più anni, con hardware, energia e assistenza, rimando ai costi dell'AI in locale e all'articolo su quanto costa un'intelligenza artificiale privata.

Dove finiscono i dati del gestionale quando l'AI è un servizio esterno?

Passano dai server del fornitore e da ogni intermediario della catena, e ci restano per periodi che dipendono dall'endpoint e dal contratto. Non essere usati per l'addestramento non significa sparire subito.

Prendo OpenAI come esempio perché la documentazione è dettagliata. Secondo la pagina sui controlli dei dati, i dati inviati alle API non sono usati per addestrare i modelli salvo adesione esplicita, ma i registri per il controllo degli abusi restano fino a 30 giorni per impostazione predefinita. Zero Data Retention richiede l'approvazione di OpenAI. Inoltre /v1/responses, /v1/files e /v1/vector_stores conservano i dati finché non vengono eliminati: un connettore che carica esportazioni del gestionale lascia copie sui server del fornitore. Esiste una regione Europa su eu.api.openai.com.

Poi c'è l'intermediario. Secondo Tech Times UK (23/10/2026, fonte secondaria che riporta una scoperta di Cybernews), il servizio 302.ai, gestito da una società di Hong Kong e usato come tramite verso ChatGPT, Claude, Gemini e altri modelli, ha lasciato esposti 17,6 milioni di file, tra cui oltre 144.000 registri di chat. L'archivio è stato chiuso l'8/9/2026, oltre un mese dopo la scoperta. Le garanzie dei fornitori dei modelli non coprono ciò che un intermediario conserva per conto suo.

Per ogni connettore, plugin o aggregatore di modelli bisogna quindi sapere dove conserva i dati, per quanto e sotto quale giurisdizione. Le opzioni contrattuali e di residenza dei fornitori vanno usate, ma lette. Ne parlo nella pagina su AI e GDPR in azienda.

Quali controlli servono prima che l'AI possa agire sui gestionali?

Permessi minimi, conferma umana sulle scritture, registri e connettori fidati. La specifica MCP chiede il consenso esplicito dell'utente prima di usare uno strumento, ma chiarisce: "MCP itself cannot enforce these security principles at the protocol level". Li deve realizzare chi progetta l'integrazione.

I controlli che prevedo:

• Permessi ereditati: l'AI vede ciò che vede l'utente. Il commerciale vede i suoi clienti, non tutti.
• Privilegi minimi: account di servizio in sola lettura, solo sui campi necessari.
• Conferma sulle scritture: nessuna modifica senza approvazione esplicita.
• Registri: chi ha chiesto cosa, quali strumenti e quali dati sono stati usati.
• Connettori verificati: server MCP solo da fonti controllate, non installati dagli utenti.
• Policy e formazione: regole scritte su cosa chiedere, spiegate a chi usa lo strumento.

Nessuna architettura rende conformi da sola. Il D.Lgs. 7 ottobre 2026, n. 179, in vigore dal 23/10/2026, indica AgID e ACN come autorità di riferimento, lascia le loro competenze a Garante privacy, Banca d'Italia, CONSOB e IVASS e rimanda per le sanzioni all'art. 99 del Regolamento UE 2024/1689. Per ruoli, DPIA e trasferimenti rimando all'articolo su intelligenza artificiale e GDPR.

Quando conviene restare sull'AI già integrata nel CRM o nella suite?

Quando l'azienda vive già dentro Salesforce o Microsoft 365, gli utenti sono pochi, l'uso è esplorativo e i dati non sono particolarmente riservati. Lì il componente del fornitore è spesso la strada più rapida.

Conta anche chi manterrà l'integrazione. ISTAT indica la mancanza di competenze come primo ostacolo all'uso dell'AI (58,6%), e per Eurostat il 70,89% delle imprese UE che non usano l'AI cita questo motivo. Se manca chi la gestisce, il prodotto del fornitore è una scelta sensata.

Il locale si valuta con volumi alti e costanti, più gestionali di fornitori diversi da collegare, dati che non dovrebbero uscire dall'azienda o gestionali già sui server interni. I modelli open-weight vanno verso architetture più leggere: Ollama v0.40.8 ha aggiunto Recursive Flint, un modello mixture-of-experts da 40B parametri con circa 2,5B attivi per token, e la v0.40.5 Nemotron 3.5 Bolt 74B, pensato per GPU da 24 GB. I punteggi dichiarati dai produttori vanno verificati sui propri casi d'uso.

Esiste anche la via ibrida: modello locale per le richieste su dati riservati, cloud per i compiti generici. Richiede regole chiare su cosa va dove, ma spesso è il compromesso più realistico.

Da dove partire

1. Inventario dei sistemi: quali gestionali usate, quali API offrono, chi li amministra, dove si trovano.
2. Un processo in sola lettura: sceglietene uno e definite prima cosa vuol dire "funziona", per esempio risposte corrette su un campione di casi.
3. Mappa dei dati: quali campi servono all'AI, quali non devono uscire, quali sono dati personali.
4. Test comparativo: stessi prompt e dati di prova su un modello cloud e su uno open-weight, per valutare qualità e costi prima di investire.

Se volete un parere indipendente sui vostri gestionali, potete richiedere una valutazione. Altri approfondimenti sono nella categoria integrazione.