La cartella “da sistemare dopo”
Hai presente quel file. Quello che il collega del controlling ti ha mandato giovedì scorso con oggetto “dati aggiornati v3_FINALE.csv”. Lo hai scaricato, lo hai aperto in Excel, e hai visto le colonne impazzite, le lettere accentate trasformate in geroglifici, i numeri con la virgola che Excel ha deciso di interpretare come date.
Hai chiuso il file. Lo hai spostato in una cartella. Ti sei detto che ci avresti pensato dopo.
Sono passati tre giorni, ma non hai ancora fatto niente: è la resistenza verso un compito che sai essere stupido ma inevitabile. Pulire un file non è un problema intellettuale, non richiede creatività, non premia la competenza, non insegna nulla di nuovo. Ed è proprio per questo che lo eviti: perché il costo cognitivo non è nel fare, ma nell’accettare che devi farlo.
Eppure quel file blocca tutto il resto.
Il vero costo di un file sporco
Quanto tempo dedichi ogni settimana a correggere file con delimitatori sbagliati, decimali con la virgola che il sistema di destinazione vuole col punto, date in formato ambiguo, colonne inutili da eliminare prima del caricamento?
Se la risposta è “poco, ormai lo faccio in automatico”, fermati. Ma Quel “poco” moltiplicato per ogni file, ogni settimana, diventa una montagna di tempo perso e non solo, capita sempre l’errore silenzioso: quella data 03/04/2024 che hai importato come 3 aprile ma era 4 marzo, e te ne accorgi solo quando il report trimestrale non torna, purtroppo decisioni sbagliate nascono da dati che sembravano corretti.
La parte che cambia tutto
Ma sarebbe una bugia.
Ora dovrei dirti che ho passato giorni a programmare uno strumento per risolvere questo problema. Sarebbe una bella storia: il diligente professionista esperto che si rimbocca le maniche e scrive codice.
Non ho scritto io quel programma. Non una riga. L’ha scritto un’intelligenza artificiale generativa, partendo da una mia descrizione del problema.
Quando dico “l’ha scritto l’AI”, la maggior parte delle persone immagina una scena semplice: apri una chat, scrivi “fammi un programma che pulisce i CSV”, e il gioco è fatto. La realtà è un po’ diversa. Quello che ho fatto è stato scomporre un problema che conosco a fondo — dopo vent’anni di lavoro con dati aziendali — in requisiti precisi: il file deve essere visualizzabile prima dell’importazione, il tool deve rilevare automaticamente codifiche e delimitatori, deve permettere di cambiare il tipo di dato di ogni colonna con un clic, deve mostrare statistiche per intercettare anomalie, e alla fine deve esportare un file pulito nel formato che scelgo io.
Non ho chiesto “fammi qualcosa”. Ho descritto un flusso di lavoro che ho ripetuto tantissime volte, con la precisione che solo l’esperienza può dare.
Questa è una differenza che molti non colgono: l’AI ha scritto il codice, ma la competenza che ha reso quel codice utile è tutta umana.
L’AI ci sostituirà?
C’è una narrazione molto diffusa che si divide in due estremi. Chi riduce l’AI a un giocattolo — “fa cose carine, ma per il lavoro vero serve il professionista”. E chi la trasforma in minaccia esistenziale — “sostituirà tutti, non serve più studiare niente”.
Entrambe le posizioni sono sbagliate, e lo sono per la stessa ragione: confondono l’esecuzione con la comprensione.
L’AI può generare 1600 righe di codice Python in pochi minuti. Ma non può sapere che i file bancari italiani arrivano quasi sempre con codifica ISO-8859-1 e separatore punto e virgola. Non può sapere che la data 03/04/2024 in un export SAP significa qualcosa di diverso rispetto allo stesso dato in un file americano. Non può sapere che un controller vuole vedere la mediana oltre alla media, perché i valori estremi distorcono la percezione.
Queste cose le sa chi ha aperto quei file per anni. Chi ha sbagliato, corretto, e imparato dalla frizione.
Il punto non è “l’AI sa programmare”. Il punto è che saper descrivere un problema con precisione è diventata una competenza produttiva. Ciò che prima richiedeva un team — analista, sviluppatore, tester — oggi può essere condensato in una conversazione strutturata tra un professionista esperto e uno strumento di AI generativa.
Non è magia. È un cambio di paradigma nel rapporto tra sapere e fare.
Lo strumento, in concreto
Il risultato si chiama DataImport Preview Tool. Apri un file CSV o Excel, vedi immediatamente cosa c’è dentro, correggi quello che non va, e salvi un file pulito. (qui una breve presentazione del Tool se ti interessa)
Il tool rileva automaticamente delimitatore, codifica dei caratteri e intestazioni. Analizza ogni colonna e assegna un tipo di dato con un codice colore che ti mostra a colpo d’occhio se qualcosa non torna. Un clic destro sull’intestazione ti permette di cambiare tipo, formato data, separatore decimale. Puoi escludere colonne inutili, vedere le statistiche di ogni campo, e quando tutto è corretto, esportare con il formato che preferisci.
L’ho testato sui file che ricevo quotidianamente: export da software gestionali più disparati, dati bancari, listini fornitori con formati inconsistenti. Il tipo di file che prima richiedeva quindici minuti di pulizia manuale in Excel.
La domanda che dovresti farti
Non è “mi serve questo tool?” la risposta la conosci già, perché hai pensato ad almeno due file mentre leggevi questo articolo.
La domanda vera è: quanti problemi che conosci perfettamente stai ancora risolvendo con la fatica invece che con la precisione? Quello che è cambiato è che oggi, quella conoscenza — quella che accumuli in silenzio, file dopo file, errore dopo errore — ha un canale diretto per trasformarsi in uno strumento concreto.
Il primo passo non è imparare a programmare. È imparare a descrivere. Il secondo passo è smettere di rimandare.
DataImport Preview Tool è disponibile gratuitamente, contattami direttamente a guida@intdata.it e ti fornirò il codice python completo e funzionante e la guida per usarlo.
