Che cosa sono i modelli decisionali AI

I modelli decisionali sono LLM specializzati a generare valutazioni e decisioni anziché semplici testi. Ricevono in input un oggetto JSON che descrive lo stato corrente (ad esempio un ticket) e una serie di domande, e restituiscono un JSON con le risposte e un grado di confidenza.

Questi modelli sono particolarmente adatti a scenari aziendali perché:

    • possono essere eseguiti offline con risorse computazionali limitate;
    • offrono prestazioni elevate grazie a versioni “lightweight”;
    • semplificano processi decisionali ricorrenti, liberando personale per compiti a più alto valore.

Il modello più noto di questa classe è JEV, ma sono disponibili varianti open‑weight, tra cui clef‑flash, una versione raffinata di Qwen3.5‑9B orientata alle decisioni.

Formato di scambio: JSON come lingua comune

Non esiste ancora uno standard API, ma la maggior parte dei modelli accetta richieste JSON e restituisce risposte JSON. Ollama, ad esempio, espone la cosiddetta System API, che permette di inviare un prompt strutturato come segue:

{

"state": {"description": "Il portale non si apre"},


"questions": [


{"id": "type", "instruction": "Classifica il problema: amministrativo, applicativo, autenticazione, rete"},


{"id": "urgency", "instruction": "Assegna un livello di urgenza da 1 (bassa) a 5 (alta)"},


{"id": "complexity", "instruction": "Stima la complessità della risoluzione (bassa, media, alta)"}


]


}

Il modello risponde con un oggetto simile:

{

"type": "applicativo",


"urgency": 4,


"complexity": "media",


"confidence": {"type": 0.93, "urgency": 0.88, "complexity": 0.81}


}

Tipi di domande

Le domande possono essere di due categorie:

    • Classificazione: l’output è una etichetta fissa (es. “applicativo”).
    • Valutazione numerica o testuale: l’output è un valore o una stima (es. livello di urgenza).

Caso d’uso reale: gestione ticket per studenti

Il progetto parte da un form Microsoft Forms utilizzato dagli studenti dell’Università di Pisa per segnalare problemi al portale. Il form raccoglie due campi:

    • oggetto del problema;
    • descrizione libera.

L’obiettivo è classificare automaticamente il ticket in una delle quattro categorie (amministrativo, applicativo, autenticazione, rete), determinarne l’urgenza e la complessità, e inviare un’email al team competente.

Prompt completo fornito a Claude

Per generare lo script PowerShell è stato chiesto a Claude di produrre un prompt che includa tutte le specifiche necessarie. Il prompt contiene:

    • descrizione del flusso (lettura Excel, chiamata a clef‑flash, invio SMTP);
    • regole di routing per ciascuna categoria;
    • formato di output desiderato.

Script PowerShell generato

Il risultato è uno script .ps1 che:

    • Scarica il file Excel esportato da Microsoft Forms;
    • Parsa il foglio XML per estrarre le righe;
    • Per ogni riga costruisce il JSON di input e lo invia a Ollama tramite curl;
    • Interpreta il JSON di risposta, seleziona l’indirizzo email di destinazione e invia la notifica usando il server SMTP di Microsoft.

Ecco una sintesi del codice (estratto):

$excelPath = "C:\tickets\export.xlsx"


$xml = [xml](Get-Content $excelPath)


foreach ($row in $xml.Workbook.Worksheet.Table.Row) {


$description = $row.Cell[1].Data.'#text'


$subject = $row.Cell[0].Data.'#text'


$payload = @{


state = @{ description = $description }


questions = @(


@{ id = "type"; instruction = "Classifica il problema..." },


@{ id = "urgency"; instruction = "Assegna livello di urgenza..." },


@{ id = "complexity"; instruction = "Stima complessità..." }


)


} | ConvertTo-Json -Depth 4


$response = Invoke-RestMethod -Method Post -Uri "http://localhost:11434/api/chat" -Body $payload


$type = $response.type


$urgency = $response.urgency


$to = switch ($type) {


"amministrativo" { "[email protected]" }


"applicativo"   { "[email protected]" }


"autenticazione"{ "[email protected]" }


"rete"          { "[email protected]" }


}


$mailParams = @{


From = "[email protected]"


To   = $to


Subject = "[Ticket $urgency] $subject"


Body = "Descrizione: $description`nCategoria: $type`nComplessità: $response.complexity"


SmtpServer = "smtp.unipi.it"


}


Send-MailMessage @mailParams


}

Lo script è stato testato con un set di cinque ticket di prova e ha funzionato al primo tentativo, dimostrando la praticità dell’integrazione.

Competenze richieste e best practice

Per replicare questo approccio in azienda è sufficiente:

    • conoscenze base di PowerShell o di un linguaggio di scripting;
    • capacità di esportare i dati dal sistema di origine (Excel, API Graph, ecc.);
    • una installazione locale di Ollama con il modello clef‑flash;
    • comprensione delle regole di routing e delle priorità aziendali.

Consigli pratici:

    • mantieni il prompt separato in un file .txt per poterlo aggiornare senza ricompilare lo script;
    • verifica sempre la confidenza delle risposte prima di automatizzare l’invio delle email;
    • implementa un log di audit per tracciare decisioni AI e facilitare eventuali revisioni.

Prospettive future e opportunità

I modelli decisionali possono essere estesi a molti altri processi aziendali:

    • prioritizzazione automatica di richieste di assistenza clienti;
    • valutazione preliminare di candidature HR;
    • classificazione di segnalazioni di sicurezza informatica;
    • indirizzamento di documenti legali a reparti competenti.

In tutti i casi, l’obiettivo è ridurre il carico decisionale ripetitivo, aumentare la coerenza delle risposte e liberare risorse umane per attività a più alto valore aggiunto.

Conclusioni

I modelli decisionali AI, sebbene ancora privi di uno standard API, sono già pronti per l’uso pratico grazie a soluzioni come Ollama e clef‑flash. Il caso d’uso presentato dimostra che è possibile costruire un flusso completo – dalla raccolta dei dati alla decisione automatica e alla comunicazione – con competenze tecniche limitate. L’integrazione di questi modelli nei processi aziendali rappresenta una leva strategica per migliorare efficienza e precisione decisionale.