Caso studio · Star Energia
Da un’adozione spontanea dell’AI a un sistema strutturato per tutta l’azienda
Un percorso per trasformare un uso spontaneo e frammentato di Claude in un sistema condiviso, con una libreria di automazioni comune e un referente per l’intelligenza artificiale in ogni divisione.
Energia, service e data center · Napoli
13
automazioni create
5
AI champion formati, uno per area
25+
ore di lavoro diretto con il team
Il progetto in sintesi
Star Energia è una PMI napoletana attiva dal 2007 nel settore energetico, organizzata in tre divisioni: energia, service e data center. Da maggio 2026 Maverick AI lavora fianco a fianco con l’azienda in un percorso in sei fasi, dalla discovery con ogni divisione fino alla misurazione dei risultati, che ha coinvolto amministrazione, area commerciale, area tecnica e legale. Il punto di partenza era insolito: Claude era già in uso, con licenze per tutto il team e archivio documentale collegato, ma ogni persona lo usava a modo proprio. Il lavoro ha prodotto tredici automazioni costruite su casi reali, cinque AI champion formati (uno per area) e una formazione plenaria estesa a tutta l’azienda.
Il contesto
Chi è Star Energia
Star Energia è una PMI napoletana attiva dal 2007 nel settore energetico, organizzata in tre divisioni: energia, service e data center. Il percorso, avviato a maggio 2026, ha coinvolto amministrazione, area commerciale, area tecnica e legale.
Star Energia aveva già avviato in autonomia l’uso di Claude prima del nostro intervento: licenze attive per l’intero team, archivio documentale collegato, progetti impostati per divisione. Un punto di partenza raro tra aziende di dimensioni simili, che però nascondeva un limite organizzativo più che tecnologico.
Il punto di partenza
Per capire dove intervenire, abbiamo dedicato le prime settimane a un giro di interviste individuali con ogni area aziendale, per mappare processi e colli di bottiglia specifici di ciascun ruolo.
Un’adozione spontanea ma frammentata. Ogni persona utilizzava Claude a modo proprio, senza uno standard condiviso: i progetti configurati venivano sottoutilizzati, i prompt che funzionavano non venivano capitalizzati tra colleghi, e lo stesso tipo di attività produceva output diversi a seconda di chi la svolgeva.
Un metodo diverso da persona a persona. Anche a parità di ruolo, ognuno aveva sviluppato un proprio modo di lavorare con lo strumento, senza un riferimento comune da seguire o da trasmettere a chi si univa al team.
Attività ripetitive ancora manuali in più aree. Diverse funzioni aziendali, dall’amministrazione all’area tecnica fino al legale, continuavano a svolgere a mano compiti ricorrenti che lo strumento avrebbe potuto in parte automatizzare.
Il nostro intervento
Invece di ripartire da zero, abbiamo lavorato per strutturare e mettere a sistema ciò che l’azienda aveva già avviato, per fasi successive e sempre a contatto diretto con le persone che avrebbero usato gli strumenti ogni giorno.
1. Selezione dei reparti e delle persone da coinvolgere. Insieme alla direzione abbiamo individuato quali aree aziendali coinvolgere e, in ciascuna, l’AI champion che avrebbe guidato il percorso.
2. Sessioni verticali con gli AI champion. Sessioni di lavoro individuali con l’AI champion di ogni divisione, che erano al tempo stesso interviste per capire il suo metodo di lavoro e momenti di costruzione condivisa degli strumenti sui casi reali della propria area, per mappare i processi con il maggiore potenziale di impatto.
3. Readout e validazione con la direzione. Presentazione dei risultati dell’analisi e della proposta di lavoro, allineando con la direzione le priorità prima di procedere con l’implementazione.
4. Passaggio di consegne con gli AI champion. Attraverso call di lavoro diretto con ciascun AI champion abbiamo consolidato gli strumenti sviluppati e trasferito il metodo per usarli e aggiornarli in autonomia.
5. Formazione plenaria per tutta l’azienda. Completato il passaggio di consegne, una sessione di formazione plenaria estesa a tutta l’azienda, per dare a tutte le persone lo stesso linguaggio di base sull’utilizzo dello strumento.
6. Affiancamento e misurazione dell’adozione. Dopo la consegna del sistema, il team ha iniziato a usarlo in autonomia sul campo, con un presidio leggero da parte nostra e una misurazione dei risultati raggiunti.
L'approccio
I criteri che hanno guidato il lavoro
Le scelte di metodo alla base del percorso.
Si valorizza quello che c’è già
Star Energia aveva già investito in Claude prima di noi: il lavoro è partito da un audit di quella configurazione, per costruire sopra le fondamenta esistenti invece di ripartire da zero.
Si parte sempre da un caso vero
Ogni automazione è stata costruita e testata sul materiale reale di un caso già gestito dal team, mai su un esempio teorico o un template generico.
Le persone restano proprietarie dello strumento
Ogni referente ha provato in prima persona le automazioni e dato un feedback diretto prima che venissero considerate pronte, mantenendo il controllo sul risultato finale.
Il punto di arrivo
Cosa è cambiato
L’azienda dispone oggi di un metodo di lavoro condiviso per usare l’intelligenza artificiale, con una libreria di automazioni comune al posto di un uso frammentato persona per persona.
Diverse funzioni aziendali, dall’amministrazione all’area tecnica fino al legale, hanno ridotto il lavoro manuale su attività ricorrenti, guadagnando tempo da dedicare ad attività a maggiore valore.
In ogni divisione è nato un punto di riferimento interno sull’intelligenza artificiale, una persona capace di aiutare i colleghi a usare gli strumenti nel modo giusto.
Approfondimenti
Domande sul progetto
Perché avete puntato sulla creazione di AI champion in ogni area aziendale?
L’obiettivo fin dall’inizio era creare in ogni area una persona di riferimento capace di padroneggiare l’intelligenza artificiale e di trasferire quella conoscenza ai colleghi, oltre a formare chi avrebbe usato gli strumenti nell’immediato. Questo rende l’adozione più solida nel tempo, perché la competenza non resta concentrata in una sola persona e non dipende da un supporto esterno continuo.
Cosa continua a fare manualmente il team dopo l’introduzione delle automazioni?
Le automazioni restano uno strumento di supporto: la logica di utilizzo e il controllo dell’output rimangono sempre in mano al team. Ogni risultato generato viene verificato da chi conosce il contesto del caso specifico, perché uno strumento da solo, senza il controllo delle persone, non produce valore.
Perché partire da sessioni individuali con l’AI champion di ogni area invece che da un’analisi centralizzata?
Ogni AI champion veniva da un’area diversa, con un metodo di lavoro e colli di bottiglia specifici legati al proprio ruolo, quindi le sessioni individuali erano il modo più diretto per capirli davvero e costruire gli strumenti giusti. Quando poi emergevano esigenze simili tra aree diverse, le abbiamo affrontate insieme, per costruire soluzioni coerenti invece che frammentate tra un reparto e l’altro.
Perché la formazione plenaria è arrivata dopo le sessioni verticali con gli AI champion, e non prima?
Abbiamo scelto di partire dalle sessioni verticali con gli AI champion, dove sono stati costruiti gli strumenti sui casi reali di ciascuna area e trasferito il metodo con il passaggio di consegne. Solo una volta che gli AI champion erano pronti a supportare i colleghi abbiamo organizzato la formazione plenaria per tutta l’azienda, così che il momento collettivo potesse partire da strumenti già pronti e da referenti interni in grado di rispondere alle domande concrete di ciascun gruppo.
Quanto è durata la fase di implementazione e che tipo di supporto continua adesso?
La fase di sviluppo e formazione si è conclusa a luglio, dopo circa due mesi di lavoro fianco a fianco con il team. Da agosto siamo entrati in una fase di supporto continuativo, in cui restiamo a disposizione per raccogliere feedback sull’utilizzo quotidiano, intervenire quando emergono nuove esigenze e affinare gli strumenti già consegnati, con l’obiettivo di consolidare l’autonomia raggiunta dal team.
Contatti
Un progetto simile in mente?
Raccontaci il contesto e ti diciamo se e come ha senso muoversi. Se non ha senso, lo diciamo lo stesso.