Una domanda, quattro risposte
Un piccolo negozio: 13 ordini in tre mesi, tre prodotti. Ogni riga della tabella riporta la data dell'ordine, la data di consegna, il punto vendita, il prodotto, il prezzo, la quantità e quante unità sono tornate indietro. La direzione chiede quello che ogni direzione chiede: quanto abbiamo venduto a ottobre?
Si può rispondere in quattro modi, tutti difendibili:
- vendite lorde, per data dell'ordine: 4.200 €;
- vendite lorde, per data di consegna: 3.600 €;
- vendite al netto dei resi, per data dell'ordine: 2.800 €;
- vendite al netto dei resi, per data di consegna: 2.900 €.
Tra la più alta e la più bassa ci sono 1.400 €. E la domanda successiva peggiora le cose: ottobre è andato meglio di settembre? Con le vendite lorde per data di consegna, è salito del 71,43%. Con le vendite nette per data dell'ordine, è sceso del 3,45%. La stessa tabella e lo stesso mese danno una crescita di oltre il settanta per cento oppure un calo.
Nessuno di questi conti è sbagliato. Due ordini mostrano da dove viene la differenza. Uno è stato fatto il 29 settembre e consegnato il 2 ottobre: 900 € che appartengono a settembre secondo una definizione e a ottobre secondo l'altra. L'altro, del 30 ottobre, è arrivato solo il 3 novembre, e metà è tornata indietro: otto frullatori venduti, quattro resi.
Ora sostituite la direzione con un'IA. Le consegnate l'intera tabella e scrivete "quanto abbiamo venduto a ottobre?". Vi restituirà un numero, in una frase ben costruita. Quale dei quattro?
Da dove viene
La richiesta compare spesso nei progetti di IA, quasi con le stesse parole: elaborare l'intera tabella e generare le analisi. La versione casalinga è buttare il CSV nella chat e chiedere degli "insight". La risposta arriva veloce, sicura e ben scritta. Il numero che contiene non ha un'origine, e la metrica non ha una definizione.
Questa pagina è la domanda che quella richiesta lascia aperta: che cosa cambia quando l'IA riceve le grandezze già calcolate, con definizione e periodo, invece delle righe grezze?
Nella Pagina 02 il conto era quando lasciare che l'IA risponda da sola. Qui siamo un passo prima: che cosa metterle davanti.
Calcolare è una cosa, interpretare è un'altra
Rispondere a "quanto abbiamo venduto a ottobre?" richiede due decisioni e una somma. Le decisioni: che cosa conta come vendita (quello che è uscito, oppure quello che è uscito e non è tornato) e in quale data conta la vendita (quando il cliente ha ordinato, oppure quando ha ricevuto). La somma viene dopo, ed è la parte facile:
con p il prezzo, q la quantità e d la quantità resa, sommando solo le righe in cui la data scelta cade nel mese.
Il calcolo è deterministico. Scritto in SQL o in pandas, dà lo stesso risultato ogni volta, e si può verificare con una piccola tabella di cui si conosce la risposta. L'interpretazione è un'altra attività: guardare −3,45% accanto a +40,00% e chiedersi che cosa è successo ai resi.
Quando la tabella grezza va all'IA con una richiesta di analisi, le due attività si mescolano, e tre cose succedono in silenzio:
- Sceglie la definizione al posto vostro. Per restituire un numero deve decidere tra lordo e netto, tra ordine e consegna. Può anche scegliere bene. Voi non sapete quale ha scelto, a meno di chiederlo, e alla domanda successiva può sceglierne un'altra.
- La tabella diventa un testo lungo. Per un modello linguistico, 13 righe sono un paragrafo; una tabella vera sono migliaia di righe in mezzo al contesto. Liu e colleghi hanno misurato che cosa succede all'informazione in quella posizione: le prestazioni sono più alte quando il passaggio rilevante sta all'inizio o alla fine del contesto, e calano in modo significativo quando sta nel mezzo. Lo studio usa domande su documenti e ricerca di coppie chiave-valore, non tabelle di vendita; qui interessa il meccanismo.
- Non c'è modo di rifarlo. Una query SQL resta salvata, con data e autore. Una risposta in chat dipende dal modello, dalla versione e da come è stata scritta la domanda quel giorno.
Grandezza è una parola della fisica
Nessuno consegna a un fisico l'elenco delle posizioni di un'auto chiedendo la velocità media senza dire tra quali istanti e in quale unità. E anche così resta una scelta. Un'auto va fino alla città vicina e torna. Se la grandezza è lo spostamento diviso per il tempo, la velocità media del viaggio è zero. Se è la distanza percorsa divisa per il tempo, non lo è. Tutti e due i conti sono giusti; misurano cose diverse. Le vendite lorde sono la distanza percorsa. Le vendite nette sono lo spostamento: ciò che è andato e tornato non conta. Prima si definisce la grandezza, poi si calcola, e solo allora si interpreta. L'analisi dimensionale è l'abitudine di non saltare quest'ordine.
Una tabella di vendite non contiene "le vendite di ottobre". Ne contiene diverse, e qualcuno deve scegliere quale prima di chiedere.
Fate voi il conto
Il banco di prova qui sotto mostra la tabella grezza, con i 13 ordini, e pone la domanda dell'inizio: quanto abbiamo venduto a ottobre? Rispondete prima di proseguire. Va bene la calcolatrice, va bene il foglio di calcolo, va bene fare il conto a mente.
Banco di prova · Fate voi il conto
13 ordini inventati · da settembre a novembre 2026Quanto abbiamo venduto a ottobre? Fate il conto con la tabella qui sotto prima di aprire le risposte. I valori sono in euro.
| ordine | data dell'ordine | data di consegna | punto vendita | prodotto | prezzo | quantità | resi |
|---|---|---|---|---|---|---|---|
| P01 | 2026-09-03 | 2026-09-05 | Centro | caffettiera | 200 | 2 | 0 |
| P02 | 2026-09-10 | 2026-09-12 | Nord | frullatore | 150 | 4 | 0 |
| P03 | 2026-09-18 | 2026-09-21 | Centro | tostapane | 100 | 5 | 1 |
| P04 | 2026-09-24 | 2026-09-26 | Nord | caffettiera | 200 | 3 | 0 |
| P05 | 2026-09-29 | 2026-10-02 | Centro | frullatore | 150 | 6 | 0 |
| P06 | 2026-10-02 | 2026-10-05 | Nord | tostapane | 100 | 4 | 0 |
| P07 | 2026-10-08 | 2026-10-10 | Centro | caffettiera | 200 | 5 | 2 |
| P08 | 2026-10-14 | 2026-10-16 | Nord | frullatore | 150 | 2 | 0 |
| P09 | 2026-10-20 | 2026-10-23 | Centro | tostapane | 100 | 6 | 3 |
| P10 | 2026-10-27 | 2026-10-29 | Nord | caffettiera | 200 | 2 | 0 |
| P11 | 2026-10-30 | 2026-11-03 | Centro | frullatore | 150 | 8 | 4 |
| P12 | 2026-10-31 | 2026-11-02 | Nord | tostapane | 100 | 3 | 1 |
| P13 | 2026-11-04 | 2026-11-06 | Centro | caffettiera | 200 | 1 | 0 |
Verifica: le quattro risposte
| definizione | ottobre |
|---|---|
| Vendite lorde, per data dell'ordine | 4.200 € |
| Vendite lorde, per data di consegna | 3.600 € |
| Vendite al netto dei resi, per data dell'ordine | 2.800 € |
| Vendite al netto dei resi, per data di consegna | 2.900 € |
Cercate la vostra risposta nell'elenco. Se c'è, è quella la definizione che avete usato senza che nessuno ve lo chiedesse. Se non c'è, rifate il conto: è probabile che due definizioni si siano mescolate. Tra la risposta più alta e la più bassa ci sono 1.400 €.
La seconda parte: la tabella delle grandezze
| grandezza | ottobre | settembre | variazione |
|---|---|---|---|
| Vendite lorde, per data dell'ordine | 4.200 € | 3.000 € | +40,00% |
| Vendite lorde, per data di consegna | 3.600 € | 2.100 € | +71,43% |
| Vendite al netto dei resi, per data dell'ordine | 2.800 € | 2.900 € | −3,45% |
| Vendite al netto dei resi, per data di consegna | 2.900 € | 2.000 € | +45,00% |
Vendite lorde: prezzo × quantità. Vendite nette: prezzo × (quantità − resi). Per data dell'ordine: conta nel mese in cui l'ordine è stato fatto. Per data di consegna: conta nel mese in cui è arrivato. Il reso si sottrae nel mese della vendita stessa.
Dopo la verifica, il banco di prova mostra le quattro definizioni e dice con quale coincide la vostra risposta. Se coincide con una, notate che avete scelto una definizione senza che nessuno ve lo chiedesse, probabilmente quella che usate al lavoro. Se non coincide con nessuna, è probabile che ne abbiate mescolate due: contato un ordine per data di consegna e un altro per data dell'ordine, oppure sottratto un reso e dimenticato un altro. È l'errore che la tabella grezza invita a commettere, chiunque la riceva.
La seconda parte del banco di prova sostituisce la tabella grezza con la tabella delle grandezze:
- vendite lorde, per data dell'ordine: 4.200 € a ottobre, 3.000 € a settembre, +40,00%;
- vendite lorde, per data di consegna: 3.600 € a ottobre, 2.100 € a settembre, +71,43%;
- vendite nette, per data dell'ordine: 2.800 € a ottobre, 2.900 € a settembre, −3,45%;
- vendite nette, per data di consegna: 2.900 € a ottobre, 2.000 € a settembre, +45,00%.
Sono quattro righe al posto di tredici, e ogni numero ha un nome. Con questa tabella davanti, "quanto abbiamo venduto a ottobre?" smette di essere una domanda con la risposta nascosta: dipende da quale riga volete, e ogni riga dice che cos'è. E compare la domanda che vale la pena fare a un'IA, o a un analista: perché le vendite lorde sono salite del 40,00% e quelle nette sono scese del 3,45% nello stesso mese? La risposta sta nei resi. Gli ordini di ottobre hanno avuto 1.400 € di resi, contro 100 € per quelli di settembre.
La tabella che l'IA dovrebbe ricevere
La tabella delle grandezze non è solo la tabella riassunta. È un riassunto con tre cose scritte accanto a ogni numero:
- la definizione: che cosa entra, che cosa resta fuori e in quale data conta. Per esempio: "le vendite nette sono prezzo per quantità, meno ciò che è stato reso; il reso si sottrae nel mese della vendita stessa";
- il periodo e il confronto: ottobre 2026 rispetto a settembre 2026, e non rispetto a ottobre dell'anno precedente;
- l'origine: quale query ha prodotto il numero, chi l'ha verificato e quando.
Così la richiesta all'IA cambia natura. Invece di "analizza questa tabella", diventa "ecco le quattro misure delle vendite di ottobre, con la definizione di ciascuna e il confronto con settembre; spiega la differenza tra loro e di' che cosa merita attenzione". L'aritmetica arriva già fatta e verificata. All'IA resta confrontare, spiegare e scrivere.
C'è un vantaggio pratico in più: si può verificare la risposta senza lente d'ingrandimento. Ogni numero che compare nel testo dell'IA deve essere uno dei numeri della tabella delle grandezze, oppure un conto semplice tra due di essi. Un numero che non c'è è stato inventato, e un programma breve lo trova.
Dove sono i soldi
- Nel numero che arriva alla direzione. "Ottobre è cresciuto del 40%" e "ottobre è sceso del 3,45%" portano a decisioni opposte su scorte, obiettivi e campagne. Un numero sbagliato in un rapporto per la direzione può costare più dell'intero progetto di IA. E qui entrambi i numeri sono giusti: l'errore è non dire quale è quale.
- Nel lavoro da rifare. Una grandezza calcolata in codice gira allo stesso modo il mese prossimo. Un'analisi chiesta alla chat sulla tabella grezza va rifatta, e verificata, ogni volta.
- Nella quantità di testo che l'IA legge. Nell'uso da programma, i modelli linguistici si pagano in base al volume di testo in entrata e in uscita. Una tabella grezza vera ha migliaia di righe; quella delle grandezze ha le righe che servono alla decisione. Questo testo non ha misurato quella differenza in denaro.
Come usarlo in pratica
1. Scrivete la definizione prima della query
Per ogni metrica che l'IA userà: che cosa entra, che cosa resta fuori, in quale data conta e con quale periodo si confronta. Basta una frase per metrica. Se due aree usano definizioni diverse, entrano tutte e due, ciascuna con il suo nome.
2. Calcolate in codice che si può verificare
SQL, pandas, quello che il team usa già. E un test con una piccola tabella di cui si conosce la risposta, come quella di questa pagina: 13 righe, quattro risposte, tutte verificate a mano. Quando qualcuno tocca la definizione, il test avvisa.
3. Consegnate la tabella delle grandezze, con il glossario
L'IA riceve le misure calcolate, la definizione di ciascuna e il periodo. Le righe grezze restano nel database.
4. Chiedete interpretazione, non aritmetica
"Spiega la differenza", "che cosa merita attenzione", "scrivi il riassunto per la direzione". Se l'analisi richiede un nuovo taglio, per punto vendita o per prodotto, il taglio torna al passo 2: diventa una nuova grandezza, calcolata in codice.
5. Verificate i numeri della risposta
Ogni numero del testo finale deve esistere nella tabella delle grandezze. Questa verifica è automatica e costa poco. Dopo, qualcuno con nome e cognome firma il rapporto prima che salga.
Dove si rompe
- "L'IA esegue codice, quindi il problema è sparito." In parte sì. C'è un filone di lavoro in cui il modello scrive il programma e un esecutore fa il conto: Cheng e colleghi legano il modello a un linguaggio come SQL, e Wang e colleghi fanno passare il ragionamento per tabelle intermedie, un'operazione alla volta. La somma esce giusta. Ma la somma di che cosa? Il codice che l'IA scrive ha bisogno di una definizione di vendita. Se nessuno l'ha scritta, porta con sé un'ipotesi, ora con l'aspetto di un numero esatto. Questo testo non ha messo alla prova nessun modello; l'argomento riguarda la definizione, non le prestazioni.
- La definizione "giusta" è più di una. Aree diverse usano definizioni diverse, a ragione. La soluzione non è sceglierne una e cancellare le altre. È dare un nome a ciascuna e non mostrare mai un numero senza il nome.
- La tabella delle grandezze nasconde il dettaglio. Chi vede solo le quattro righe non vede l'ordine di otto frullatori con quattro resi. Se la causa sta in una riga, l'IA non ha modo di trovarla in un riassunto. Per questo il passo 4 rimanda il nuovo taglio al codice, e non alla tabella grezza.
- Il reso non rispetta il mese. Qui il reso si sottrae nel mese della vendita stessa. Nella realtà arriva settimane dopo, e "in quale mese sottrarlo" è una terza scelta, con altre risposte giuste.
- Le definizioni invecchiano. Cambia la politica dei resi, cambia che cosa conta come consegna. Un glossario senza responsabile e senza data diventa la stessa tabella grezza, solo più piccola.
Per riprodurre
Il nucleo del conto sta in poche righe, con la sola libreria standard di Python:
def vendas(linhas, mes, valor, data):
"""Totale del mese secondo la definizione scelta.
valor: "bruto" (lordo) o "liquido" (netto); data: "pedido" (ordine) o "entrega" (consegna)."""
total = 0
for linha in linhas:
if linha["data_" + data][:7] != mes:
continue
quantidade = linha["quantidade"]
if valor == "liquido":
quantidade -= linha["devolvida"]
total += linha["preco"] * quantidade
return total
vendas(linhas, "2026-10", "bruto", "pedido") # 4200
vendas(linhas, "2026-10", "bruto", "entrega") # 3600
vendas(linhas, "2026-10", "liquido", "pedido") # 2800
vendas(linhas, "2026-10", "liquido", "entrega") # 2900Riferimenti
Contesti lunghi
- Liu, N. F., Lin, K., Hewitt, J., Paranjape, A., Bevilacqua, M., Petroni, F. & Liang, P. (2023). Lost in the Middle: How Language Models Use Long Contexts. arXiv:2307.03172, accettato su Transactions of the Association for Computational Linguistics.le prestazioni calano quando l'informazione rilevante sta nel mezzo di un contesto lungo
Il modello scrive, il programma calcola
- Cheng, Z., Xie, T., Shi, P. et al. (2022). Binding Language Models in Symbolic Languages. arXiv:2210.02875.il modello traduce la domanda in un programma; un esecutore fa il conto
- Wang, Z., Zhang, H., Li, C.-L. et al. (2024). Chain-of-Table: Evolving Tables in the Reasoning Chain for Table Understanding. arXiv:2401.04398.il ragionamento passa per tabelle intermedie, un'operazione alla volta
Volete sapere se le vostre tabelle sono pronte per l'IA?
Vettore Data fa la diagnosi: elenca le metriche che l'IA userà, scrive la definizione di ciascuna con chi conosce il business e dice che cosa calcolare prima. La versione per chi decide di questa pagina, con un test di tre domande, è lì.
Vedi la diagnosi su Vettoreo scrivimi