Dalle domande alle scelte

Terza parte della serie. Dopo aver stabilito che è il momento giusto per adottare l’AI e aver risposto alle quattro domande fondamentali sul proprio contesto, arriva il momento di scegliere quale ecosistema adottare. I tre protagonisti del mercato a fine 2025 sono Anthropic con Claude, Google con Gemini e OpenAI con ChatGPT.

Questo articolo non vuole essere una comparazione tecnica astratta dei modelli. L’obiettivo è mostrare come le risposte alle quattro domande già viste si traducono in criteri concreti di valutazione, e come questi criteri orientano verso ecosistemi diversi. Il metodo è più importante delle conclusioni specifiche: le funzionalità delle AI cambiano ogni pochi mesi, ma i criteri per valutarle restano validi.

Ovviamente quello che viene raccontato qui non tiene conto di casi particolari, situazioni specifiche con necessità particolari potrebbero portare a scelte diverse.

Dalla prima domanda: dove si lavora già oggi?

Chi ha risposto di lavorare prevalentemente su Google Workspace dovrebbe cercare un’AI che si integri nativamente in quell’ambiente. Il criterio dominante diventa la riduzione dell’attrito: l’AI migliore è quella che appare dentro gli strumenti già usati, senza richiedere di cambiare finestra, copiare contenuti o imparare interfacce nuove.

Con questo criterio oggi la risposta è ovviamente Gemini ad avere un vantaggio strutturale. Essendo di Google l’integrazione con Gmail, Drive, Docs, Sheets e Calendar è nativa e profonda. L’AI appare come funzionalità aggiuntiva degli strumenti che già si conoscono, tanto che si potrebbe partire subito senza dover configurare nulla, nessun account separato da gestire, nessun contesto da trasferire manualmente. Chi sa già usare Gmail impara a usare Gemini in Gmail in pochi minuti.

Claude e ChatGPT possono connettersi a Google Workspace, ma con un’architettura diversa. Claude offre connettori per Drive e Gmail, funzionano bene ma si tratta comunque di andare nell’ambiente Claude e da lì accedere ai documenti Google, non di avere l’AI dentro Gmail mentre si scrive. ChatGPT ha connettori simili, ma con alcune limitazioni.

Chi ha risposto di lavorare su Microsoft 365 si trova in una situazione più articolata. Microsoft ha il proprio ecosistema AI con Copilot, che meriterebbe un’analisi separata. Tra le tre AI considerate qui, Claude offre connettori nativi per SharePoint e OneDrive nei piani Team ed Enterprise. La scelta dipende da quanto si vuole restare dentro l’ecosistema Microsoft puro rispetto ad aggiungere uno strumento esterno.

Chi ha risposto di lavorare in modo frammentato, senza un ecosistema dominante, ha più libertà. L’integrazione nativa conta meno perché comunque si passa già tra strumenti diversi. In questo caso altri criteri diventano più importanti.

Dalla seconda domanda: quanto è complesso quello che si deve fare?

L’articolo precedente distingueva tre livelli di complessità: attività assistive ripetitive, attività analitiche che richiedono contesto, attività specialistiche che richiedono massima precisione.

Chi opera prevalentemente al primo livello, con email, riassunti, traduzioni e bozze standard, dovrebbe cercare un’AI accessibile e integrata nel flusso di lavoro. La potenza pura del modello conta relativamente poco perché la differenza qualitativa tra un modello di fascia media e uno di punta è marginale su questi compiti. Conta di più la facilità d’accesso.

Su questo criterio, Gemini integrato in Workspace è difficile da battere per chi è su quell’ecosistema. L’AI è già lì, un click mentre si scrive una email. Non serve decidere se vale la pena aprire un altro strumento per quel compito specifico.

Chi opera prevalentemente al secondo livello, con analisi di contratti, sintesi di documentazione complessa, preparazione di report che richiedono molto contesto, dovrebbe cercare un’AI con buone capacità di gestione della conoscenza. Il criterio diventa: posso caricare i miei documenti di riferimento e l’AI li tiene presenti mentre lavora? Posso costruire uno spazio dedicato per un cliente o un progetto che accumula contesto nel tempo?

Su questo criterio, Claude ha sviluppato l’approccio più strutturato con Projects: spazi di lavoro dedicati che possono contenere centinaia di pagine di documentazione, istruzioni specifiche per quel contesto, e una memoria persistente tra le conversazioni del progetto. Quando si lavora in un Project, Claude ha sempre presente tutto quel materiale senza doverlo ricaricare. Per chi gestisce più clienti o progetti paralleli con documentazione distinta, questa organizzazione fa una differenza pratica.

Gemini offre funzionalità simili con i Gems, assistenti personalizzabili, e con NotebookLM per gestire knowledge base documentali. ChatGPT ha i Custom GPT che possono essere addestrati su documenti specifici. Tutte e tre le piattaforme permettono di gestire contesto, ma con architetture diverse che si adattano meglio a stili di lavoro diversi.

Chi opera al terzo livello, con lavoro specialistico dove la precisione è critica, dovrebbe cercare il modello più capace nel proprio dominio specifico, anche a scapito di altri aspetti. I benchmark generali danno indicazioni, ma la vera verifica è provare i modelli sui propri compiti reali. A questo livello di esigenza, la sperimentazione diretta è insostituibile.

Un criterio spesso sottovalutato: la produzione di documenti

C’è un aspetto che interessa la maggioranza dei professionisti: la necessità di produrre output in formati specifici. Non basta che l’AI generi buon testo, serve che quel testo finisca in un documento Word da mandare al cliente, in un foglio Excel con formule funzionanti, in una presentazione PowerPoint.

Su questo criterio, Claude ha fatto progressi significativi con le Skills: può creare e modificare direttamente file Excel con formule, presentazioni PowerPoint, documenti Word e PDF compilabili. Non sono esportazioni approssimative ma file utilizzabili immediatamente. Per uno studio professionale che produce molti deliverable documentali, questo può essere un fattore decisivo.

Gemini lavora nativamente con i formati Google (Docs, Sheets, Slides) ma l’esportazione in formati Microsoft richiede i passaggi di conversione standard di Google. ChatGPT può generare contenuti esportabili ma con meno controllo sui formati finali.

Dalla terza domanda: chi deve usare l’AI e quali competenze ha?

Chi ha risposto che l’AI sarà usata da un team con competenze digitali variabili dovrebbe cercare la soluzione con la curva di apprendimento più bassa. Il criterio diventa: quanto tempo serve per formare le persone? Quanto supporto continuo richiederà?

Su questo criterio, Gemini in Workspace ha un vantaggio: se il team sa già usare Gmail e Docs, le nuove funzionalità AI sono un’estensione di strumenti familiari. La formazione si riduce a mostrare dove cliccare per attivare l’assistenza AI.

Claude richiede di imparare un ambiente nuovo, anche se l’interfaccia è intuitiva. Projects, Artifacts e le varie funzionalità richiedono qualche ora di familiarizzazione. Non è complesso, ma è un investimento iniziale.

ChatGPT è nel mezzo: l’interfaccia base è semplice, ma sfruttare funzionalità avanzate come Custom GPT o Canvas richiede più esplorazione.

Chi ha risposto che l’AI sarà usata principalmente da persone con buone competenze digitali può permettersi di valutare strumenti più sofisticati. Claude con il suo ecosistema di Projects, Skills e la possibilità di integrazioni avanzate via Model Context Protocol offre più possibilità a chi sa sfruttarle. Il Model Context Protocol in particolare apre la strada a integrazioni con sistemi aziendali specifici: database, gestionali, strumenti di settore. Non è necessario essere sviluppatori per beneficiarne, ma serve qualcuno con competenze tecniche o un consulente che configuri le integrazioni.

Chi ha risposto che serve gestione centralizzata con controlli amministrativi dovrebbe verificare cosa offre ogni piattaforma. Tutte e tre hanno piani business con gestione utenti, ma con livelli diversi di granularità. Google si appoggia alla console di amministrazione Workspace che molti già conoscono. Claude e ChatGPT hanno le proprie dashboard amministrative nei piani Team ed Enterprise.

Dalla quarta domanda: quanto budget c’è e come allocarlo?

Chi ha risposto di avere budget limitato e preferire costi prevedibili dovrebbe sapere che tutte e tre le piattaforme offrono piani a canone fisso mensile per utente. I prezzi dei piani individuali professionali si aggirano tutti intorno ai venti dollari al mese. I piani team partono da venticinque-trenta dollari per utente al mese.

L’elemento più rilevante sul fronte economico nel 2025 è che Gemini è ora incluso nei piani Google Workspace Business Standard e superiori. Chi già paga per Workspace ha l’AI integrata senza costi aggiuntivi. Questo cambia significativamente il calcolo per chi è già su quell’ecosistema.

Chi ha un’organizzazione più grande dovrebbe considerare i piani Enterprise, che tipicamente richiedono un numero minimo di utenti e offrono funzionalità aggiuntive di sicurezza, compliance e personalizzazione. I prezzi sono negoziabili e dipendono dal volume.

Un aspetto da non trascurare nel calcolo economico è il costo della migrazione. Se si sceglie un ecosistema e dopo alcuni mesi si decide di cambiare, i costi sono significativi: riformare il team, rifare le configurazioni, ricostruire la conoscenza accumulata. Meglio investire tempo nella valutazione iniziale che trovarsi a dover cambiare strada.

Le attitudini diverse delle AI

I criteri discussi fin qui riguardano tutti il contesto dell’organizzazione: dove si lavora, cosa si deve fare, chi userà lo strumento, quanto si può spendere. Ma c’è un’altra dimensione da considerare: le AI hanno caratteristiche proprie che le rendono più o meno adatte a certi tipi di lavoro, indipendentemente dalle integrazioni e dalle funzionalità dell’ecosistema.

Claude tende a eccellere nella scrittura. Il testo che produce ha uno stile più naturale, meno riconoscibile come “generato da AI”. Segue istruzioni complesse con maggiore precisione e mantiene coerenza su documenti lunghi. Per chi produce molti contenuti scritti, relazioni, documenti per clienti, comunicazioni articolate, questa differenza si nota nel lavoro quotidiano.

ChatGPT ha punti di forza diversi. L’integrazione nativa con DALL-E permette di generare immagini direttamente nella conversazione, cosa utile per chi ha bisogno di visual a supporto del lavoro. L’ecosistema di Custom GPT già pronti offre soluzioni immediate per molti casi d’uso comuni. In certi contesti creativi mostra una maggiore “disinvoltura” nell’esplorare direzioni inaspettate.

Gemini beneficia dell’integrazione con la ricerca Google per accedere a informazioni aggiornate in modo più fluido. Ha anche capacità notevoli nel ragionare su contesti molto lunghi e nel sintetizzare grandi quantità di materiale, cosa che si riflette in funzionalità come Deep Research.

Queste sono tendenze osservabili oggi, non certezze permanenti. I modelli migliorano continuamente e i punti di forza relativi cambiano. Sei mesi fa alcune di queste osservazioni sarebbero state diverse, e tra sei mesi potrebbero esserlo di nuovo.

Il suggerimento pratico è di non fidarsi delle comparazioni astratte, inclusa questa, ma di verificare sui propri compiti reali. Prendere un documento tipico del proprio lavoro e chiedere alle diverse AI di elaborarlo. Prendere un’email complessa da scrivere e confrontare i risultati. Prendere un’analisi che si fa regolarmente e vedere come la gestiscono. Mezz’ora di sperimentazione concreta vale più di ore di lettura di recensioni.

Come valutare un’AI non trattata qui

Il metodo illustrato fin qui si applica a qualsiasi ecosistema AI. Le domande da porsi sono sempre le stesse:

• Si integra con gli strumenti che già uso? Quanto è nativa l’integrazione, quanto richiede configurazione?

• Permette di gestire contesto su progetti complessi? Posso creare spazi dedicati con documentazione persistente?

• Produce output nei formati di cui ho bisogno? Se devo consegnare documenti in certi formati, l’AI li supporta direttamente?

• Ha una curva di apprendimento gestibile per chi deve usarla? Quanto tempo richiede la formazione?

• Offre i controlli amministrativi di cui ho bisogno? Posso gestire utenti e policy in modo adeguato alla mia organizzazione?

• Qual è la struttura di costo e come scala? Ci sono costi nascosti o limitazioni che emergono con l’uso?

Queste domande valgono per Claude, Gemini e ChatGPT oggi, e varranno per qualsiasi nuova AI domani.

La conformità normativa: un aspetto da non trascurare

Per le aziende italiane, la questione della conformità al GDPR e della localizzazione dei dati merita attenzione specifica.

Chi ha requisiti stringenti sulla residenza dei dati in Europa dovrebbe sapere che le tre piattaforme hanno posizioni diverse. Google permette di configurare la residenza dati in Unione Europea per i clienti Workspace e dichiara di non usare i dati dei clienti per addestrare i modelli. OpenAI ha introdotto la residenza dati europea nel 2025, ma solo per i piani Enterprise ed Education, non per i piani individuali o Business. Claude attualmente elabora i dati negli Stati Uniti; Anthropic offre accordi contrattuali standard per la conformità GDPR, ma non dispone di data center europei.

Per molte attività professionali queste distinzioni non sono bloccanti. Ma per settori regolamentati, per chi tratta dati particolarmente sensibili, o per organizzazioni che devono documentare la compliance per audit interni, sono elementi da verificare prima della scelta.

Quando i criteri generali non bastano

Le indicazioni presentate fin qui sono ragionamenti generali che funzionano nella maggior parte dei casi. Seguono una logica lineare: hai risposto X alla domanda sul team, quindi cerca un’AI con curva di apprendimento Y. Ma la realtà delle organizzazioni è spesso più sfumata, e ci sono situazioni in cui questa linearità non funziona.

Un caso frequente è quando un gruppo ristretto di persone genera valore sproporzionato rispetto al numero. Uno studio con dieci persone dove due senior producono l’ottanta per cento del fatturato potrebbe dover calibrare la scelta sulle esigenze di quei due, non sulla media del team. Se quei due hanno bisogno di gestire progetti complessi con molto contesto, la curva di apprendimento più ripida di uno strumento sofisticato può essere giustificata anche se il resto del team userebbe l’AI solo per compiti semplici.

Un altro caso è quando esiste un’attività critica ma occasionale che richiede capacità diverse dal lavoro quotidiano. La due diligence annuale, l’analisi di un’acquisizione, il progetto speciale per il cliente importante. Il novanta per cento del tempo si fanno email e documenti standard, ma quel dieci per cento richiede analisi approfondite su documentazione complessa. Ottimizzare solo per il lavoro quotidiano significherebbe trovarsi senza strumenti adeguati quando serve di più.

C’è poi la variabile delle competenze ponte. La presenza di una persona con competenze tecniche che può fare da tramite per gli altri cambia l’equazione sulla complessità accettabile. Uno strumento che richiede configurazione iniziale diventa accessibile se c’è qualcuno che può occuparsene. Integrazioni avanzate diventano possibili se c’è chi sa implementarle. Questa persona non deve necessariamente essere interna: può essere un consulente, un collaboratore esterno, il nipote che studia informatica.

Riconoscere queste situazioni particolari è importante perché suggeriscono soluzioni diverse dalla scelta unica per tutti.

Quando ha senso usare due ecosistemi

Per la maggior parte dei casi, scegliere un solo ecosistema AI è l’approccio corretto perché riduce complessità e costi. Esistono però scenari in cui usare due piattaforme in parallelo può avere senso.

Il primo scenario è la separazione tra uso quotidiano e uso specialistico. Ad esempio Gemini in Workspace per le attività ripetitive di tutti i giorni, Claude per i progetti complessi che richiedono molto contesto e documenti strutturati.

Il secondo scenario è quando diversi ruoli hanno esigenze diverse. L’area amministrativa può beneficiare dell’integrazione con Workspace, mentre chi fa lavoro più analitico può preferire un ambiente dedicato.

Il terzo scenario è la riduzione del rischio di dipendenza. Mantenere competenza su due piattaforme permette di migrare più facilmente se una dovesse cambiare condizioni.

Se si decide di usare due ecosistemi, è fondamentale definire regole chiare su quale usare per cosa. La divisione dovrebbe basarsi sul tipo di compito, non sulla preferenza personale. Senza questa chiarezza, si rischia di frammentare la conoscenza e confondere il team.

Il prossimo passo

Ora che si è identificato quale ecosistema sembra più adatto alla propria situazione, il passo successivo è passare dall’analisi all’azione.

Ma prima di procedere con l’adozione definitiva, serve una verifica pratica per assicurarsi che la scelta teoricamente corretta funzioni anche nella realtà del lavoro quotidiano.