Dopo aver implementato Odoo per oltre 50 aziende, abbiamo notato uno schema che ci infastidiva. Passavamo mesi a configurare un sistema, migrare dati, formare gli utenti e distribuire tutto. Sei mesi dopo, il CEO - la persona che aveva approvato il progetto - chiedeva comunque alla sua assistente di estrarre i numeri da Odoo. Non accedeva mai personalmente. Non perche il sistema fosse cattivo, ma perche aprire un browser, navigare al menu giusto, impostare filtri e leggere una dashboard e troppo attrito quando si vuole solo sapere il fatturato del mese scorso.
Questo non e un problema specifico di Odoo. Succede con SAP, con Microsoft Dynamics, con ogni ERP. Le persone che hanno piu bisogno dei dati - dirigenti, fondatori, manager in movimento - sono quelli che meno probabilmente si siedono davanti a un'applicazione desktop e cliccano tra i menu. Vogliono risposte, non interfacce.
Abbiamo iniziato con un semplice prototipo alla fine del 2025. Un bot Telegram che poteva collegarsi a un'istanza Odoo e rispondere a domande in linguaggio naturale. La prima versione utilizzava un matching di parole chiave di base - se si digitava 'fatturato', estraeva il totale da account.move. Era rudimentale ma la reazione dei nostri clienti fu immediata. Il CEO di un'azienda manifatturiera ci disse che aveva controllato i suoi numeri piu nella prima settimana con il bot di quanto avesse fatto nel trimestre precedente usando la dashboard Odoo.
La vera svolta arrivo quando integrammo Claude come spina dorsale IA. Invece di un rigido matching di parole chiave, gli utenti potevano fare domande in modo naturale: 'Quante unita dello SKU-4521 abbiamo spedito la scorsa settimana?' oppure 'Quale agente commerciale ha avuto il margine piu alto nel Q1?' L'IA analizza l'intenzione, la mappa sulle query dei modelli Odoo, recupera i dati tramite XML-RPC e formatta una risposta leggibile. Gestisce domande di follow-up con il contesto, quindi si puo chiedere 'E il Q2?' e sa che si sta ancora parlando dei margini degli agenti commerciali.
La scelta di Telegram come interfaccia e stata deliberata. Abbiamo considerato di sviluppare un'app mobile personalizzata, una dashboard web, un'integrazione Slack. Ma i nostri clienti sono prevalentemente in Medio Oriente e nella regione CIS, dove Telegram e lo strumento di comunicazione aziendale predefinito. Le persone lo hanno gia aperto tutto il giorno. Zero installazione app, zero attrito di onboarding. Si aggiunge il bot, ci si autentica una volta e si iniziano a fare domande.
L'architettura tecnica e passata per tre iterazioni. La versione uno era un monolite - bot, IA e integrazione Odoo tutti in un unico processo Node.js. Funzionava per le demo ma era impossibile da scalare. La versione due fu suddivisa in microservizi ma introdusse troppa complessita per il nostro piccolo team. La versione tre - quella che gira in produzione - e un monorepo pragmatico con Grammy.js per il bot Telegram, Fastify per il livello API e Prisma per il nostro database. Non microservizi, non un monolite, solo una separazione sensata all'interno di un'unica unita distribuibile.
Una cosa che ci ha sorpreso e stata quanto lavoro richieda il rilevamento dello schema. Ogni istanza Odoo e diversa. I clienti aggiungono campi personalizzati, installano moduli diversi, usano convenzioni di denominazione diverse. Il nostro bot deve capire che il cliente A chiama il suo campo prodotto 'x_brand' mentre il cliente B lo chiama 'product_brand_id'. Abbiamo costruito un sistema di profilazione automatica dello schema che legge i metadati Odoo del cliente alla prima connessione e mappa i loro nomi di campo specifici sui nostri template di query standard.
Il pricing è stata un'altra lezione importante. Inizialmente avevamo pianificato un semplice modello per utente, ma i clienti enterprise volevano costi prevedibili mentre le piccole imprese volevano barriere d'ingresso basse. Abbiamo finito per creare quattro livelli: una prova gratuita di 14 giorni per i test (1 utente, 20 query, tutti i report principali), Starter a $39/mese per piccoli team (3 utenti, 150 query al mese, tutti i 43 report, 4 report schedulati), Pro a $149/mese per aziende in crescita (10 utenti, 500 query al mese, tutti i report più MRP, 15 report schedulati, memoria della conversazione, supporto prioritario), ed Enterprise con pricing personalizzato per organizzazioni più grandi (utenti illimitati, strumenti enterprise, deployment on-premise o VPN, strumenti personalizzati definiti in YAML, SLA 99,9%, account manager dedicato). L'insight chiave è stato che il volume di query, non il numero di utenti, è l'asse di pricing corretto per un prodotto AI in cui ogni query ha un costo computazionale reale.
Il problema di ingegneria piu difficile non era l'IA o l'integrazione Odoo - era gestire correttamente i diritti di accesso di Odoo. Quando un utente chiede 'Mostrami tutti gli stipendi dei dipendenti', il bot deve rispettare gli stessi diritti di accesso che Odoo applicherebbe se quell'utente accedesse direttamente. Risolviamo questo eseguendo le query attraverso un account di servizio con permessi accuratamente circoscritti, ma significa che alcune query restituiscono 'Non hai accesso a questi dati' - che e un comportamento corretto, non un bug.
Abbiamo anche imparato che l'allucinazione dell'IA e un rischio reale quando si trattano dati aziendali. Se il bot afferma con sicurezza che il fatturato del Q1 era 2,3 milioni quando in realta era 2,1 milioni, e peggio di nessuna risposta. Mitighiamo questo non lasciando mai che l'IA generi numeri - si limita a formattare e spiegare i dati che arrivano direttamente dalle query Odoo. L'IA scrive la narrativa, ma ogni numero nella risposta risale a un record effettivo del database.
Sei mesi dopo il lancio, abbiamo clienti nel manifatturiero, istruzione, retail e servizi professionali che usano il bot quotidianamente. Il cliente medio invia 15-20 query al giorno, principalmente da mobile durante le ore non lavorative - esattamente il caso d'uso per cui l'abbiamo progettato. Le query piu popolari sono riepiloghi finanziari, livelli di inventario e stato della pipeline commerciale.
Cosa c'e di nuovo: stiamo costruendo un sistema di avvisi proattivi. Invece di aspettare che gli utenti facciano domande, il bot monitorera le metriche chiave e li notifichera quando qualcosa richiede attenzione - inventario sotto la soglia, fatture scadute oltre un certo importo, target di vendita a rischio. L'obiettivo non e solo rispondere alle domande ma assicurarsi che le domande giuste vengano poste in primo luogo.