Una risposta generata dall'intelligenza artificiale ai dati del vostro hotel arriva in pochi secondi e sembra convincente. Che sia corretta o meno dipende da un fattore che la richiesta non è in grado di rilevare.
Un albergatore carica su ChatGPT o Claude l’analisi mensile fornita dal commercialista in formato PDF e chiede come sta andando la sua attività. La risposta arriva in pochi secondi, sembra competente, ma è corretta solo in parte.
Ormai succede continuamente, e la motivazione alla base è ben comprensibile. I dati sono comunque già disponibili in formato PDF. Il commercialista spesso impiega giorni per rispondere alla stessa domanda, perché prima deve ordinare i documenti e chiarire eventuali dubbi. L’IA, invece, risponde immediatamente, gratuitamente e con una sicurezza che lascia ben poco spazio ai dubbi. Ed è proprio questo il problema: non viene nemmeno in mente di chiedere su cosa si basi effettivamente questa sicurezza.
Due esempi tratti dalla vita quotidiana
L'analisi mostra un calo dei costi delle materie prime nel ristorante rispetto all'anno precedente. A prima vista sembra una buona notizia. Tuttavia, l'anno scorso il ristorante è rimasto chiuso per quattro settimane a causa di lavori di ristrutturazione. Un chatbot che non ne è a conoscenza festeggia un calo che in realtà era una perdita di fatturato.
Un secondo esempio, altrettanto frequente: la quota dei costi del personale a gennaio è pari al 38%. Per un hotel turistico in montagna, che a gennaio è in piena stagione, si tratta di un valore del tutto normale. Per un hotel di città, che a gennaio ha pochissimi ospiti, lo stesso valore sarebbe un segnale d’allarme. Il dato di per sé non dice nulla, finché nessuno sa cosa sia normale per quella struttura in quel periodo dell’anno.
Il problema fondamentale: un file PDF non conosce la vostra azienda
Un singolo file PDF non mostra come sono strutturati i centri di costo all’interno dell’azienda, quali voci li compongono e come si evolve l’azienda nel corso dell’anno. Non tiene conto della stagionalità e non sa se i dati siano aggiornati a oggi o risalgano alla chiusura del mese scorso. Ciononostante, un'intelligenza artificiale risponde con la stessa sicurezza, indipendentemente dal fatto che il dato sia corretto o meno. Quando si tratta di prendere una decisione finanziaria, un dato che sembra plausibile ma è errato è peggiore di nessun dato, perché ci si fida di esso proprio come ci si fiderebbe di uno corretto.
Il secondo punto cieco: dove finiscono i vostri dati
Chi carica buste paga, turni di servizio o estratti conto bancari in un chatbot pubblico, cede dati sensibili senza sapere dove vengono trattati e per quanto tempo vengono conservati. Non si tratta di un rischio teorico: nel novembre 2025, alcuni hacker hanno ottenuto l’accesso ai dati dei clienti aziendali tramite un fornitore esterno di servizi di analisi di OpenAI; sono stati compromessi nomi, indirizzi e-mail, ubicazioni e dettagli tecnici relativi ai loro sistemi. Pertanto, nemmeno i clienti aziendali paganti sono automaticamente protetti. L’attuale rapporto IBM sulle violazioni della protezione dei dati mostra quanto possa costare, alla fine, una fuga di dati: in Germania, il danno medio per ogni incidente ammonta ormai a 4,25 milioni di euro. Per un hotel che dispone di dati dei dipendenti e coordinate bancarie, non si tratta di una questione da poco, ma di un interrogativo a cui occorre rispondere prima del prossimo caricamento.
Cosa fa di diverso profitize
proprio su questo punto profitize adotta un approccio diverso: non l’ennesimo chatbot che formula ipotesi sulla base di un file PDF caricato, bensì la banca dati che rende possibile una risposta affidabile. La differenza sta nell’elaborazione dei dati, non nel modello linguistico.
profitize integra costantemente dati provenienti da PMS, sistemi di cassa, contabilità, elaborazione delle buste paga e dati bancari, assegnando automaticamente le registrazioni ai centri di costo corretti – anche se i testi delle registrazioni sono non uniformi, multilingue o formattati in modo errato. Un calo dei costi del costo del venduto dovuto a una ristrutturazione o alla chiusura dell’attività non viene quindi celebrato, ma contestualizzato, poiché il sistema conosce già il contesto dell’azienda, invece di doverlo dedurre da un singolo file.
Lo stesso principio vale per il rapporto tra costi del personale e fatturato: profitize conosce la stagionalità della singola struttura, poiché questa è costantemente registrata nel sistema, anziché essere stimata ex novo ad ogni richiesta. Un valore del 38% non viene quindi valutato in modo forfettario, ma rispetto alla stagione precedente e ad aziende comparabili.
Anche per quanto riguarda il modello linguistico stesso, profitize separa due compiti che un chatbot generico mescola. Previsione, categorizzazione e rilevamento dei valori anomali avvengono tramite modelli specifici sviluppati per il settore alberghiero, che tengono conto della stagionalità, dei piani tariffari e delle strutture multi-proprietà. I grandi modelli linguistici vengono utilizzati solo in un secondo momento, per spiegare i risultati e tradurre gli indicatori in linguaggio quotidiano. La decisione spetta all’albergatore, mentre l’IA fornisce le basi per prenderla.
Non se, ma quale banca dati
La vera domanda, quindi, non è se mostrare i propri dati a un’IA, ma quale base di dati ci sia dietro. Un’IA è valida solo quanto i dati su cui effettua i calcoli. Chi vuole sapere quanto guadagna realmente la propria azienda ha bisogno di qualcosa di più di una risposta veloce a un file PDF caricato online. Ha bisogno di dati che conoscano davvero la propria azienda: la stagionalità, la struttura dei costi, il contesto, che trasformano un singolo dato in un'informazione significativa.
Fonti
Euronews: «OpenAI conferma la fuga di dati su ChatGPT: ecco cosa sappiamo», 27 novembre 2025 (fuga di dati relativi a clienti aziendali tramite il fornitore di servizi di analisi Mixpanel) – de.euronews.com/next/2025/11/27/openai-bestatigt-datenleck-bei-chatgpt-das-wissen-wir
IBM Newsroom: «Una fuga di dati su quattro è causata dall’IA – Le fughe di dati costano alle aziende tedesche in media 4,25 milioni di euro», Cost of a Data Breach Report 2026, 29 luglio 2026 – de.newsroom.ibm.com/IBM-Studie-Jedes-vierte-Datenleck-wird-durch-KI-ermoglicht-Datenlecks-kosten-deutsche-Unternehmen-im-Schnitt-4,25-Millionen-Euro