Quando arriviamo in azienda per parlare di Celeris, in almeno la metà dei casi qualcuno intorno al tavolo tira fuori il telefono e dice: "guarda, qui ChatGPT mi risponde già così". È un'obiezione legittima. Un modello generico di frontiera è incredibilmente capace e costa poco. Perché complicarsi la vita con infrastruttura propria, embedding, indice, retrieval?
La risposta breve: un modello generico sa tutto del mondo, ma non sa niente di te. E il valore dell'AI in azienda non è nel conoscere il mondo, è nel rispondere su quello che è solo tuo.
Scenario 1: Lo studio legale
Un avvocato ci chiede: "qual è l'interpretazione corrente della Cassazione su licenziamento per giusta causa in caso di...". ChatGPT risponde benissimo — in generale. Con giurisprudenza pubblica, ragionamento plausibile, persino riferimenti di norma.
Poi l'avvocato cambia domanda: "qual è la nostra posizione difensiva nel caso Rossi vs BetaSpa del 2023? Cosa aveva concluso il collega Bianchi nel parere di ottobre?".
ChatGPT non sa niente. I 40 GB di fascicoli dello studio, i 12 anni di pareri scritti, le strategie precedenti con quello stesso cliente — tutto fuori dal suo mondo. Qui Celeris fa una cosa sola: trova il paragrafo esatto del parere di Bianchi, lo cita con nome file e pagina, e ti dice "ecco da dove sto rispondendo".
Scenario 2: Il service desk IT
Un cliente con 40 tecnici di primo livello. Ogni ticket ha una storia: cliente X, contratto SLA Y, infrastruttura Z installata nel 2019, ticket precedenti con lo stesso tecnico. Un operatore nuovo che entra deve risolvere in 20 minuti un problema su un firewall che non conosce, per un cliente che non ha mai visto.
ChatGPT risolve il firewall in astratto. Celeris legge i 15.000 ticket chiusi nell'ultimo anno, trova i 4 con lo stesso cliente e lo stesso apparato, e suggerisce al tecnico: "l'ultima volta avevamo risolto aggiornando la policy NAT — vedi ticket #3421 del marzo scorso". Non è più magia: è memoria aziendale accessibile.
L'effetto misurabile
Time-to-resolution sui ticket di primo livello calato del 34% nei primi tre mesi, con una popolazione di operatori che include anche persone con due settimane di seniority. Questo è il numero che convince un direttore operations, non il fatto che "l'AI è figa".
Scenario 3: La manifattura con 30 anni di procedure
Qui c'è il caso più emotivo. Aziende familiari, in Veneto o in Emilia, che hanno in cartelle di rete 15.000 procedure scritte da ingegneri ormai in pensione. Quando arriva un cliente con una richiesta particolare sul macchinario "serie 400 del 1998", nessuno sa più dove guardare. La persona che lo sapeva è andata in pensione nel 2019 e la sua memoria è svanita con lei.
ChatGPT ovviamente non serve a niente: non conosce il macchinario, non conosce le procedure. Celeris, installato sul NAS aziendale, indicizza tutto e ti permette di chiedere in linguaggio naturale: "come si regola la tensione del nastro sulla serie 400?" — e ti tira fuori il documento del 2003 in cui quel parametro è stato calibrato.
"Abbiamo riportato in vita la memoria di tre persone andate in pensione. Costo: molto meno di un junior." — Direttore tecnico di un'azienda manifatturiera del nord-est.
Quando ChatGPT basta
Per onestà: ci sono casi in cui installarsi Celeris è un'overkill. Se il tuo uso dell'AI è:
- Riassumere meeting, riscrivere email, brainstorming generico;
- Generare testi di marketing o contenuti pubblici;
- Aiuto allo sviluppo software su codice non proprietario;
- Analisi di documenti pubblici (normative, concorrenti, mercato).
In tutti questi casi un abbonamento cloud è la scelta razionale. Non c'è documento interno da interrogare. Il modello generico fa il suo mestiere. E lo fa benissimo.
La domanda giusta
Quando un cliente ci chiede "mi serve un RAG o no?", noi risponiamo con un'altra domanda: cosa sanno solo i tuoi documenti che nessun modello al mondo può sapere?
Se la risposta è "niente di critico", ChatGPT Enterprise basta. Se la risposta è "sei anni di progetti, 20 anni di procedure, 12 milioni di contratti, la mia storia con ogni cliente" — allora sì, vale la pena. Non perché l'AI generica sia cattiva: perché il tuo valore è specifico, e un modello specifico lo vede. Un modello generico no.
