Cosa costruisco davvero quando un cliente dice «aggiungi l’AI al prodotto»

«Aggiungi l’AI al prodotto» è il brief che sento più spesso ora, e quasi mai è una singola funzionalità. Sotto di solito c’è uno di quattro compiti diversi: una chat o una ricerca che trasmette una risposta invece di mostrare uno spinner, un passaggio design-to-code che abbozza un componente da Figma invece di scriverlo da zero, uno strumento interno che legge qualcosa di disordinato (uno screenshot, un PDF, un foglio di calcolo) invece di costringere qualcuno a ridigitarlo, o una vera funzionalità multimodale dove l’input non è affatto testo. Nominare qual è davvero decide tutta la costruzione.

Preferisco passare la prima chiamata a smistare il brief in queste quattro categorie piuttosto che iniziare con un foglio di confronto tra modelli. Il modello raramente è la parte difficile. L’impianto attorno - lo stato mentre i token arrivano in streaming, un file Figma che un agente può davvero fare il parsing, una coda per gli screenshot che un bot interno deve processare - è lì che se ne vanno le settimane.

1. UI in streaming con il Vercel AI SDK

Una chat che risponde tutta insieme, dopo cinque secondi di attesa, sembra rotta anche quando il modello è veloce - le persone leggono la prima frase mentre viene ancora scritta, non dopo. Gli hook useChat e useCompletion del Vercel AI SDK gestiscono il flusso di token, ma ciò che i clienti giudicano davvero è quello che sta intorno: un pulsante stop che annulla davvero la richiesta, un regenerate che non duplica l’ultimo messaggio, e una UI che non scatta quando un blocco di codice o una tabella arrivano in streaming a metà frase.

Il modo di fallimento più frequente che vedo nelle build esistenti non è lo streaming in sé - è lo stato. Un componente React che ri-renderizza tutta la lista dei messaggi a ogni token, un flag di caricamento che non si resetta mai dopo una richiesta interrotta, un campo di input che resta disabilitato dopo un errore. Niente di tutto ciò si vede in una demo con un solo messaggio a percorso felice; tutto ciò si vede dopo il decimo messaggio di un utente in giornata.

2. Figma-to-Code via MCP, e dove l’umano deve ancora guardare

Un server MCP che espone un file Figma permette a Cursor o Claude di leggere il layout reale - nomi dei frame, token di spaziatura, varianti dei componenti - invece di indovinare da uno screenshot. Questo porta velocemente una prima bozza di componente a uno stato ragionevole: struttura corretta, spaziatura più o meno corretta, nomi di classe reali invece di placeholder.

Non riesce a fare bene i breakpoint responsivi, l’accessibilità, o gli stati che un designer non ha mai disegnato - hover, disabled, vuoto, caricamento - senza che una persona controlli. Tratto l’output di MCP come una bozza veloce, non una PR pronta per il merge: il tempo che fa risparmiare sta nel digitare il boilerplate, non nella revisione.

3. Strumenti interni potenziati dall’AI, e dove il multimodale si ripaga davvero

La funzionalità AI con il miglior ROI che costruisco raramente è rivolta al cliente. Uno strumento interno che legge la fattura PDF di un fornitore e compila i campi che un contabile prima ridigitava, o uno che guarda uno screenshot di un bug report e abbozza il ticket - posta in gioco più bassa di un chatbot pubblico, volume più alto di quanto la maggior parte si aspetti, e a nessuno importa di uno spigolo grezzo perché fa risparmiare il proprio tempo.

È anche lì che l’AI multimodale - un modello che legge un’immagine o un PDF invece di solo testo - si ripaga. Aggiungere input immagine a una funzionalità rivolta al cliente «perché si può» di solito non vale la superficie di fallimento aggiuntiva. Aggiungerla a un modulo che un dipendente compila quaranta volte al giorno, sostituendo un documento che altrimenti ridigiterebbe, si ripaga nel primo mese.

Conclusione: nominate la funzionalità prima di nominare il modello

«Aggiungi l’AI al prodotto» diventa un piano solo quando è una di queste cose: una chat che trasmette correttamente, un passaggio di design che abbozza invece di sostituire uno sviluppatore, uno strumento interno che automatizza un preciso lavoro di riscrittura, o un vero input multimodale. Costruisco tutte e quattro, collegate con il Vercel AI SDK, MCP e il modello adatto al lavoro, non quello di cui si parla di più quel mese. Scrivete tramite il modulo cosa deve effettivamente leggere o dire l’AI, e vi dirò quale delle quattro è.