Scegliere uno studio di consulenza in IA in Svizzera: ciò che distingue un approccio serio

Nota rivista il 25 maggio 2026. Articolo inizialmente pubblicato nel marzo 2026 — riscrittura integrale.

Il mercato svizzero della consulenza in intelligenza artificiale si è densificato man mano che l'IA generativa diventava un argomento di direzione. Sono apparse strutture di ogni forma: studi strategici generalisti che hanno aggiunto una practice IA, agenzie digitali rinominate, indipendenti specializzati, integratori tecnologici che hanno ampliato la propria offerta, spin-off accademici. La diversità dell'offerta non è un problema in sé. Lo diventa quando il dirigente che cerca un partner non dispone di un quadro per distinguere un approccio serio da un'offerta opportunistica.

Questa nota espone il quadro che lo studio utilizza per qualificare un fornitore IA nel contesto svizzero. Non stabilisce una classifica; propone criteri verificabili.

Ciò che la Svizzera ha come contesto strutturale

La Svizzera dispone di un ecosistema accademico e tecnico riconosciuto in intelligenza artificiale. I politecnici federali e diversi istituti di ricerca attivi sul territorio mantengono una produzione scientifica sostenuta in machine learning, elaborazione del linguaggio e visione artificiale. Un programma federale struttura dal 2024 un coordinamento nazionale fra le scuole universitarie e gli attori economici.

Questa densità accademica alimenta un tessuto di spin-off e PMI specializzate che non scomparirà. Per un'impresa svizzera che cerca un partner IA, il mercato dei fornitori competenti è reale; non c'è penuria. Il problema di decisione non è la rarità, è la qualifica.

Il primo criterio: cosa vende effettivamente lo studio?

Un approccio serio inizia dal porre ciò che non vende. Uno studio che presenta l'IA come una rottura tecnologica negoziabile a colpi di POC concatenati vende una grammatica d'urgenza che non regge né la durata di un mandato né il riscontro d'esperienza su due anni. Uno studio che annuncia un ritorno sull'investimento quantificato prima di aver misurato lo stato iniziale vende una promessa, non un metodo.

Un approccio serio vende una logica di misura. Ciò significa: una diagnosi che stabilisce la situazione attuale dell'impresa sul perimetro osservato (che si tratti di visibilità, di produttività, di automazione o di uso interno dei modelli generativi), una priorizzazione esplicita delle correzioni, e una cadenza stabile di nuova misurazione nel tempo.

Il test è semplice. Sulla prima ora di scambio, lo studio propone una vendita di prestazioni o un quadro di qualifica della situazione? Se vende, non ha iniziato a comprendere. Se qualifica, ha la postura che permetterà il mandato.

Il secondo criterio: la conformità LPD integrata all'inquadramento, non aggiunta alla fine

La Legge federale sulla protezione dei dati rivista, entrata in vigore il 1° settembre 2023, impone un quadro esigente ai trattamenti di dati personali, in particolare quando questi trattamenti implicano trasferimenti internazionali o decisioni automatizzate. I modelli generativi accessibili via API ospitate fuori dalla Svizzera sollevano questioni precise^[1].

Uno studio serio integra questa dimensione fin dall'inquadramento del mandato. Non tratta la LPD come una casella da spuntare a fine progetto. Propone, secondo la sensibilità dei dati interessati, un'architettura che può combinare hosting in Svizzera per i dati più sensibili, modelli open weights distribuibili su infrastruttura controllata per i casi d'uso in cui l'autonomia conta, e API pubbliche soltanto per gli usi che non toccano alcun dato personale o strategico.

L'ecosistema svizzero di hosting permette effettivamente questa architettura a strati. Diversi attori propongono da molti anni infrastrutture cloud con residenza in Svizzera, e i grandi fornitori internazionali hanno strutturato regioni svizzere operative. La scelta tra queste opzioni non discende da una preferenza ideologica, discende da una qualifica del rischio per caso d'uso. Uno studio che non sappia condurre questa qualifica non dovrebbe condurre il mandato.

Il terzo criterio: la dipendenza tecnologica limitata

Il mercato dei modelli generativi evolve a una velocità che rende obsoleta ogni scommessa tecnologica fatta in un istante dato. Uno studio che àncora la propria pratica a un solo editore indebolisce le imprese che accompagna.

Un approccio serio mantiene un'indipendenza tecnologica operativa. Ciò significa capacità di comparare i modelli disponibili su un caso d'uso dato, capacità di far passare un sistema di produzione da un fornitore a un altro senza riscrittura completa, capacità di utilizzare modelli open weights quando il contesto lo esige.

Il test pratico: chiedere allo studio, su un caso d'uso preciso, perché raccomanda tale modello piuttosto che un altro, e cosa succederebbe se occorresse migrare fra sei mesi. Una risposta argomentata segnala una pratica reale. Una risposta evasiva segnala una pratica mono-fornitore camuffata.

Il quarto criterio: la misurazione della citabilità IA quando rientra nel perimetro

Per i mandati che toccano la visibilità d'impresa negli ambienti aumentati dall'IA, un criterio supplementare si applica dal maggio 2026: lo studio propone una misurazione codificata della citabilità, o si limita a produrre contenuti scommettendo che saranno citati?

La doctrina ufficiale di Google pubblicata il 15 maggio 2026 sull'ottimizzazione per le funzionalità generative della ricerca ha chiarito che i sistemi centrali di posizionamento governano queste funzionalità^[2]. Questa chiarificazione squalifica gli approcci che presentano l'ottimizzazione per l'IA come una disciplina separata dal SEO. Non squalifica la misurazione della citabilità in sé, che resta un oggetto strategico. Ma invita a esigere dai fornitori che sappiano misurare ciò che promettono di migliorare.

Lo studio MCVA Consulting SA ha stabilizzato per questo uso lo Score GEO™, esposto integralmente nel Quaderno MCVA n°1. Altri metodi esistono e possono legittimamente coesistere. Il criterio non è di utilizzare tale o tale strumento, è di utilizzarne uno, in modo trasparente e riproducibile.

Il quadro di valutazione in pratica

Messi insieme, questi quattro criteri disegnano una griglia di qualifica semplice. Lo studio propone una logica di misura piuttosto che un catalogo. Integra la LPD nell'inquadramento iniziale. Mantiene un'indipendenza tecnologica operativa. Sa misurare ciò che promette di migliorare, o dice onestamente che non lo sa.

Questa griglia non esaurisce l'argomento. Non dice nulla dell'expertise settoriale, della qualità umana della relazione, delle referenze effettivamente verificabili o dell'affidabilità operativa. Ma filtra l'essenziale: la postura di metodo, per opposizione alla postura commerciale.

Un'impresa svizzera che prepari un mandato IA vi troverà, se non una certezza, almeno un quadro d'arbitraggio che resiste alla pressione del marketing.

Sources

[1] Legge federale sulla protezione dei dati (LPD), revisione del 25 settembre 2020, entrata in vigore il 1° settembre 2023. Testo ufficiale: www.fedlex.admin.ch/eli/cc/2022/491/it [↩]

[2] Google Search Central, Optimizing your website for generative AI features on Google Search, pubblicato il 15 maggio 2026. developers.google.com/search/docs/fundamentals/ai-optimization-guide [↩]

Jérôme Deshaie è CEO di MCVA Consulting SA, studio svizzero di consulenza strategica in intelligenza artificiale, con sede in Vallese.