Company brain: costruirlo internamente o con un'agenzia
Lettura 8 min · AstraLoop Studio
Hai capito che un company brain ti serve davvero. La conoscenza della tua azienda e' sparsa tra chat, email, PDF di policy, Excel del fatturato e, soprattutto, nella testa di due o tre persone che se domani se ne vanno ti lasciano un buco. La domanda ora e' un'altra: lo costruisci internamente o ti affidi a un'agenzia?
E' una decisione da imprenditore, non da smanettone. Un second brain non e' una cartella condivisa fatta bene. E' un sistema progettato per essere letto e navigato da un'AI, dove ogni scelta di struttura si ripercuote sulla qualita' delle risposte per anni. Sbagliarla all'inizio significa costruire su fondamenta storte e accorgersene quando rifare tutto costa caro.
In questo articolo ti spiego cosa serve davvero (struttura, note atomiche, ontologia, controlli qualita', RAG, compliance), dove finisce il fai-da-te e perche' c'e' una cosa che non puoi mai delegare, nemmeno all'AI piu' potente: la comprensione del tuo business.
Perche' "build o agenzia" e' la domanda giusta
Molti la affrontano come una scelta tra due tool. Non lo e'. La vera posta in gioco e' il metodo. Un company brain vive o muore sulla sua architettura, e l'architettura non si vede finche' il sistema resta piccolo. Con 50 documenti qualsiasi disposizione sembra funzionare. Il problema esplode a 2.000, quando l'AI comincia a pescare la nota sbagliata, a confondere due clienti omonimi o a inventare perche' non trova la fonte giusta.
Ecco perche' non e' una questione di software da installare, ma di progettazione. E la progettazione richiede tre competenze che raramente convivono nella stessa persona: capire come una macchina ragiona sui testi, capire come strutturare la conoscenza perche' resti riutilizzabile, e capire il tuo specifico business. La terza, come vedremo, resta comunque a carico tuo.
Cosa serve davvero: i cinque strati che nessuno improvvisa
Prima di decidere chi lo costruisce, devi sapere cosa stai costruendo. Un company brain serio poggia su cinque strati. Ognuno ha un modo giusto e cento modi sbagliati di essere fatto.
1. Note atomiche: la conoscenza spezzata in unita' riutilizzabili
La conoscenza non si versa in un sistema come acqua in un secchio. Si spezza in tante piccole note, una idea per nota, tutte interconnesse. E' lo stesso principio con cui il sociologo Niklas Luhmann, col metodo Zettelkasten, gestiva 90.000 schede cartacee e ci scriveva sopra decine di libri: ogni scheda era autonoma e collegata alle altre. Una nota atomica ben fatta e' riutilizzabile in contesti diversi e, soprattutto, navigabile da un'AI. Una nota cattiva (troppo lunga, con tre concetti dentro) confonde il sistema e degrada le risposte. Se vuoi approfondire la logica, ne parliamo in dettaglio nell'articolo dedicato alle note atomiche come mattoni della conoscenza aziendale.
2. Ontologia: la differenza tra archiviare e ragionare
Qui casca il fai-da-te. C'e' una differenza sostanziale tra tassonomia (come archivi le cose, in che cartella le metti) e ontologia (come i concetti si collegano tra loro). La tassonomia la sai fare anche tu: e' l'ordine. L'ontologia e' la rete di collegamenti che permette all'AI di muoversi tra le note e ragionare, passando da un cliente al suo settore, al contratto, alla policy che lo regola. Senza un'ontologia progettata hai un archivio ordinato ma muto. Con un'ontologia progettata bene hai un cervello che connette. E' la parte piu' tecnica e la piu' facile da sottovalutare.
3. Canon: un'unica fonte di verita'
Il canon, o single source of truth, e' l'unica verita' aziendale a cui l'AI attinge. E' cio' che impedisce al sistema di inventare: l'AI non immagina, riporta solo fatti presenti nella conoscenza aziendale, riducendo drasticamente le allucinazioni. Serve una regola chiara su cosa entra nel canon, chi lo aggiorna e come si risolvono le contraddizioni (due documenti che dicono cose diverse sullo stesso prezzo). Senza governance il canon si inquina e l'AI ti risponde con dati vecchi.
4. Memoria viva: un sistema che si aggiorna da solo
Un company brain non e' una foto scattata una volta. E' una memoria viva che si aggiorna con le conversazioni e le sessioni di lavoro quotidiane. E' cio' che ti permette, sei mesi dopo, di chiedere "cosa avevamo deciso a marzo con quel cliente?" e ottenere la risposta invece di scavare in una chat morta. Ma perche' funzioni serve un meccanismo di aggiornamento affidabile e un version control che tenga lo storico e garantisca una fonte unica anche quando lavori in team.
5. RAG: la ricerca semantica per scalare a migliaia di documenti
Finche' le note sono poche basta una mappa dei contenuti e un indice. Quando diventano tante serve il RAG (retrieval aumentato): una ricerca semantica che, tra migliaia di documenti, trova solo quelli davvero rilevanti alla domanda, in modo efficiente. Come ordine di grandezza indicativo: sotto le 500 note bastano mappe di contenuto e un indice; tra 2.500 e 20.000 note serve introdurre embedding e RAG; oltre le 20.000 serve una pipeline RAG completa. Montare RAG troppo presto e' spreco, montarlo troppo tardi ti lascia un sistema che non risponde piu'. Sapere quando serve e' esattamente il tipo di scelta che distingue chi lo fa di mestiere.
Quanto costa (in tempo) sbagliare da soli
La conoscenza sparsa ha gia' un costo che paghi ogni giorno, anche senza company brain. Secondo stime McKinsey, circa il 19% della settimana lavorativa (quasi un giorno su cinque) se ne va a cercare informazioni. E' un ordine di grandezza, non una verita' assoluta, ma rende l'idea: quel giorno perso e' il prezzo del caos informativo.
C'e' poi il costo dell'onboarding. Un nuovo assunto impiega in media 8-12 mesi per diventare davvero produttivo, con una curva che varia parecchio: un top performer arriva a regime in 3-6 mesi, un profilo medio in 8-12, uno piu' lento in 14-18. Il punto interessante e' che nella prima parte della curva a guadagnare e' il dipendente (assorbe), nella seconda guadagna l'azienda (rende). Ridurre il tempo di rampa sposta il baricentro a tuo favore e, come racconto nell'articolo su come ridurre i tempi di onboarding con l'AI, abilita anche la job rotation e abbassa il turnover dei dipendenti.
Il problema del build fai-da-te e' che rischi di trasformare mesi di lavoro interno in un archivio che l'AI non riesce a usare bene. Hai speso il tempo delle persone piu' costose (quelle che conoscono l'azienda) per costruire fondamenta che poi vanno rifatte. E' il classico caso in cui il risparmio iniziale diventa il costo maggiore.
La verita' scomoda: la comprensione non si mette in outsourcing
Qui arriva l'insight che cambia la prospettiva su tutta la scelta build contro agenzia. Con l'AI oggi puoi mettere in outsourcing due cose: la competenza (l'AI scrive codice al posto tuo) e il pensiero (l'AI ti propone architetture, opzioni, strutture). Ma c'e' una terza cosa che non puoi delegare a nessuno, ne' all'AI ne' a un'agenzia: la comprensione del tuo business.
Nessun partner esterno sa perche' quel cliente va gestito diversamente dagli altri, perche' quella policy esiste, quale decisione presa due anni fa e' ancora vincolante. Quella comprensione vive dentro l'azienda. Il che significa che un buon company brain nasce sempre da una collaborazione: l'agenzia porta il metodo (struttura, ontologia, RAG, compliance), l'azienda porta il significato. Chi ti promette di costruirti il cervello aziendale "chiavi in mano" senza pretendere il tuo tempo per capire il business, ti sta vendendo un archivio, non un cervello.
Ed e' proprio per questo che la scelta non e' davvero "build interno oppure agenzia". E' "chi progetta la struttura" e "chi porta la comprensione". La struttura conviene quasi sempre affidarla a chi la fa di mestiere. La comprensione resta tua, per forza.
Vuoi capire se conviene costruirlo internamente o affidarlo a chi lo fa di mestiere? Richiedi un'analisi della tua situazione e ti diciamo con onesta' quale strada ha senso per te.
Build interno o agenzia: la tabella onesta
Semplificando, ecco come si distribuiscono forze e rischi tra le due strade.
| Aspetto | Build 100% interno | Con un'agenzia partner |
|---|---|---|
| Progettazione ontologia | Richiede una competenza rara, spesso assente in azienda | Portata dall'esterno, testata su piu' casi |
| Comprensione del business | Piena (e' tua) | Tua comunque: l'agenzia la estrae con te |
| Tempo delle persone chiave | Assorbito quasi tutto dal build | Concentrato solo sul trasferire il significato |
| Scelta del momento per il RAG | A tentativi (troppo presto o troppo tardi) | Calibrata sull'esperienza |
| Compliance e GDPR | Da gestire da zero | Impostata con DPA e version control fin dall'inizio |
| Rischio di rifare tutto | Alto se l'architettura e' sbagliata | Basso: fondamenta corrette dall'inizio |
Se hai in casa una figura che sa gia' cosa sono embedding, RAG e ontologia, e ha tempo da dedicarci, il build interno e' fattibile. Se quella figura non c'e' (e nella stragrande maggioranza delle PMI non c'e'), l'agenzia non e' un lusso: e' cio' che evita di costruire un sistema che poi va buttato. Per capire se sei nella fase giusta per partire, leggi quando un'azienda e' pronta per il second brain.
E la compliance? "Ma i miei dati?"
E' l'obiezione numero uno, e ha una risposta in due tempi. Primo: nella maggior parte delle aziende i dati sensibili sono gia' finiti dentro ChatGPT, incollati dai dipendenti senza alcun controllo (il fenomeno della shadow AI). Un company brain governato, con regole chiare su chi accede a cosa, e' oggettivamente piu' sicuro di questo far west. Secondo: la gestione corretta passa da DPA firmati, conformita' al GDPR e version control che garantisce backup e fonte unica di verita'. Su questo aspetto approfondiamo nell'articolo su GDPR e sicurezza del second brain.
Impostare bene la compliance dall'inizio e' un altro di quei passaggi dove il fai-da-te scivola. Non perche' sia impossibile, ma perche' e' facile scoprire a sistema avviato che i permessi non sono stati pensati e i dati sensibili sono accessibili a chi non dovrebbe.
La finestra di arbitraggio si sta chiudendo
Un'ultima ragione per non rimandare la decisione. La tua AI e' intelligente quanto cio' che puo' leggere della tua azienda. Se tu e il tuo concorrente usate ChatGPT allo stesso modo, senza contesto aziendale, ottenete le stesse risposte: e' il livello zero, nessun vantaggio. Il vantaggio nasce quando l'AI e' allenata sui tuoi dati, e cresce con rendimenti composti: piu' il brain conosce l'azienda, migliori sono le risposte, piu' viene usato, piu' impara.
Chi costruisce ora accumula un vantaggio che si compone nel tempo, mentre chi aspetta parte con un ritardo di dati che non recupera facilmente. La finestra si chiudera' man mano che la consapevolezza cresce nel mercato. Ecco perche' conviene farlo bene ora, non in fretta e male tra due anni. Ne parliamo in perche' adottare un second brain adesso.
Come lo affrontiamo in AstraLoop
Noi progettiamo, costruiamo e gestiamo il company brain per l'azienda. Portiamo il metodo (note atomiche, ontologia, canon, RAG dimensionato sul volume reale, compliance impostata bene) e lo mettiamo al servizio della tua comprensione del business, che estraiamo insieme a te. Non ti consegniamo un archivio da riempire: costruiamo un cervello che cresce e resta tuo, anche nella gestione quotidiana. Se vuoi capire se ha senso per la tua realta', il primo passo e' una conversazione, non un preventivo.
Domande frequenti
Conviene costruire un company brain internamente o con un'agenzia?
Dipende dalle competenze in casa. La progettazione (ontologia, RAG, compliance) richiede figure rare che nella maggior parte delle PMI non ci sono: in quei casi l'agenzia evita di costruire un sistema da rifare. La comprensione del business resta comunque tua, perche' non e' delegabile a nessuno.
Qual e' la differenza tra tassonomia e ontologia in un second brain?
La tassonomia e' come archivi le informazioni (in quale cartella le metti). L'ontologia e' come i concetti si collegano tra loro. E' l'ontologia, non la tassonomia, a permettere all'AI di ragionare muovendosi tra note collegate. Un archivio ordinato senza ontologia resta muto.
Quando serve il RAG in una knowledge base aziendale?
Come ordine di grandezza: sotto le 500 note bastano mappe di contenuto e un indice; tra 2.500 e 20.000 note servono embedding e RAG; oltre le 20.000 serve una pipeline RAG completa. Montarlo troppo presto e' spreco, troppo tardi rende il sistema inutilizzabile.
Un company brain e' sicuro per i dati aziendali?
Un sistema governato e' piu' sicuro dell'alternativa reale, cioe' i dipendenti che gia' incollano dati in ChatGPT senza controllo. La gestione corretta passa da DPA firmati, conformita' GDPR e version control per backup e fonte unica di verita'.
Perche' non posso semplicemente far costruire tutto all'AI?
Con l'AI puoi mettere in outsourcing la competenza (scrive codice) e il pensiero (propone architetture), ma non la comprensione. Nessuno conosce il tuo business al posto tuo. Per questo un buon company brain nasce sempre da una collaborazione tra metodo esterno e significato interno.
Quanto tempo interno richiede costruire un second brain con un'agenzia?
Con un partner il tempo delle tue persone chiave si concentra solo sul trasferire il significato del business, non sulla costruzione tecnica. E' molto meno del build 100% interno, dove le figure piu' costose vengono assorbite quasi interamente dal lavoro di struttura.
Progettare bene un company brain richiede metodo: struttura, ontologia, controlli qualita', RAG e compliance. Parlane con noi e vediamo insieme come costruirlo sulla tua azienda.