Il salto tra demo e produzione non è un dettaglio di engineering. È il momento in cui entrano dati reali, casi limite, costi, permessi, persone e responsabilità. Ignorarlo rende fragili anche i prototipi più convincenti.
La qualità deve essere definita prima
“Sembra buono” non è una metrica. Occorre costruire un set di casi rappresentativi, concordare cosa conta come errore e stabilire una soglia accettabile per ogni tipo di output. Senza evaluation, non potete sapere se il sistema migliora o peggiora nel tempo.
Il workflow conta quanto il modello
Chi vede il risultato? Cosa succede nei casi incerti? Dove viene registrata la correzione umana? Come si gestiscono fonti cambiate, richieste fuori perimetro e indisponibilità del provider? Queste domande definiscono il prodotto reale.
Osservabilità e costi non sono optional
Un sistema operativo registra le informazioni minime per capire qualità, latenza, volume, fallimenti e costo per task, evitando di conservare dati sensibili non necessari. Senza questa visibilità è impossibile governare la spesa o intervenire prima che un problema diventi grave.
Portare l'AI in produzione significa progettare anche il momento in cui non è sicura della risposta.
Assegnate ownership
Ogni sistema ha bisogno di un proprietario di business, un responsabile tecnico e un processo per aggiornare dati, prompt, modelli e policy. Quando questa ownership manca, la demo resta un progetto laterale anche se la tecnologia funziona.