Piattaforme di machine learning senza codice nel 2026: una guida all’acquisto onesta

Scegli in base al tipo di dati che hai, non al marketing della piattaforma. Per le previsioni aziendali su dati tabellari (abbandono dei clienti, valutazione dei lead, previsioni), scegli Obviously AI, H2O o DataRobot. Per le immagini, usa Teachable Machine per una prova rapida e Roboflow o Vertex AI AutoML per qualsiasi progetto reale. Sempre più spesso, per classificare il testo non serve affatto una piattaforma dedicata. Due strumenti ancora presenti nella maggior parte delle comparazioni del 2026 non sono più scelte sensate: è da qui che parte questa guida.

La rosa di candidati a colpo d'occhio

Da escludere: Lobe (discontinuato) e, per un primo progetto di un piccolo team, Akkio (solo enterprise da luglio 2026). Dettagli qui sotto.

Come è stata preparata questa guida

Questa è una guida per chi deve acquistare, non un benchmark. Nessuno ha elaborato lo stesso dataset su otto piattaforme e cronometrato i risultati, e qualsiasi comparativa che assegni un punteggio a stelle all'«accuratezza» senza pubblicare il dataset ti chiede di fidarti di un numero inventato. Le informazioni che seguono provengono dalla documentazione aggiornata e dai prezzi pubblicati di ciascun fornitore, verificati ad agosto 2026, oltre che da ciò che la maggior parte delle liste omette: se il prodotto esiste ancora.

Quando i prezzi sono disponibili solo dopo un contatto con il reparto vendite, lo diciamo anziché fare supposizioni.

Due piattaforme da escludere subito dalla tua rosa di candidati

Lobe non esiste più

Il classificatore di immagini drag-and-drop di Microsoft compare ancora tra i primi risultati della maggior parte delle liste dei «migliori strumenti di machine learning no-code», solitamente descritto come gratuito e adatto ai principianti. Lo sviluppo si è fermato nel 2021, il suo modello di classificazione delle immagini è stato deprecato a gennaio 2023 e le app desktop non vengono più distribuite. Se una guida pubblicata quest'anno consiglia Lobe, l'autore non ha verificato.

Le alternative sono Teachable Machine per una prova rapida e Roboflow o Vertex AI AutoML di Google per qualsiasi progetto che intendi mettere in produzione.

Akkio si è spostata verso il mercato enterprise

Per anni Akkio è stata la risposta onesta a «team non tecnico, primo modello, budget ridotto», con un prezzo self-service di circa 49 $ per utente al mese. A luglio 2026 non pubblica più prezzi self-service: il sito propone un unico livello, Enterprise AI Analytics Platform, rivolto alle agenzie media e accessibile tramite un modulo per contattare il reparto vendite.

Potrebbe comunque essere lo strumento giusto per te. Non è più lo strumento iniziale giusto per un team marketing di due persone, e le liste che riportano ancora la tariffa da 49 $ descrivono un prodotto che non puoi acquistare.

Cosa fa il machine learning no-code e dove si ferma

Queste piattaforme automatizzano la modellazione, non il ragionamento. Carica una tabella, indica la colonna da prevedere e la piattaforma prova diversi algoritmi, li ottimizza e ti restituisce il migliore con una stima delle prestazioni. Un tempo questa operazione richiedeva davvero una settimana a un data scientist.

Cosa non fanno:

• Decidere se vale la pena porre la domanda. Un modello che prevede l’abbandono dei clienti con un’accuratezza del 92 percento è inutile se nessuno ha deciso cosa fare quando lo segnala.
• Correggere i tuoi dati. Tutti questi strumenti addestrano volentieri un modello usando una colonna che contiene di nascosto la risposta, per poi segnalare un’accuratezza spettacolare che crolla una volta messo in produzione.
• Dirti che il modello è sbagliato in un modo che conta. L’accuratezza complessiva nasconde i casi in cui il modello è eccellente sul 90 percento dei clienti che non abbandona mai il servizio e inutile sul 10 percento che invece lo fa.

Quest’ultimo è il modo più comune in cui un progetto di apprendimento automatico senza codice fallisce senza che nessuno se ne accorga. Se non hai mai creato un modello, inizia con la nostra guida passo passo per creare un modello di apprendimento automatico senza codice, poi torna a scegliere la piattaforma.

Senza codice, a basso codice e AutoML: cosa significano queste etichette

Le piattaforme senza codice funzionano interamente tramite un’interfaccia visiva: carica i dati, scegli la colonna da prevedere, leggi il risultato. Obviously AI e Teachable Machine rientrano in questo gruppo. Le piattaforme a basso codice aggiungono la possibilità di usare script per le operazioni non coperte dall’interfaccia: è qui che si collocano H2O, DataRobot e Vertex AI per la maggior parte dei team. AutoML è il motore alla base di entrambe: selezione e ottimizzazione automatiche degli algoritmi. Uno strumento può essere AutoML senza essere senza codice, ed è per questo che «AutoML gratuito» e «non serve una persona tecnica» raramente descrivono lo stesso prodotto.

Per le previsioni aziendali su dati tabellari

Abbandono dei clienti, valutazione dei lead, previsione della domanda, segnalazione delle frodi. È qui che si concentra la maggior parte dell’apprendimento automatico aziendale e dove questi strumenti sono davvero efficaci.

Obviously AI

Collega una fonte di dati, indica cosa vuoi prevedere e ottieni un modello in pochi minuti. È il percorso più rapido da un foglio di calcolo a una previsione e la scelta giusta per capire se esiste un segnale prima che qualcuno si impegni a stanziare un budget. È meno adatto ai modelli che si intende usare e monitorare per un anno.

DataRobot

Apprendimento automatico automatizzato con gli aspetti su cui le aziende vengono effettivamente sottoposte ad audit: governance dei modelli, monitoraggio, rilevamento delle derive, documentazione. L’interfaccia non richiede codice, ma i concetti sì: è quindi più adatto a un analista di dati che a un addetto al marketing. Prezzi aziendali, definiti per singola trattativa.

H2O AutoML

Open source e gratuito, competitivo con AutoML commerciali nelle attività standard sui dati tabellari. Serve qualcuno che sappia usare un notebook o un server attivo: è quindi un’ottima scelta per un team con una persona tecnica e senza budget, piuttosto che per un team senza nessuna delle due cose.

Una volta che la piattaforma ti fornisce una previsione

Hannah - Skill AI per le previsioni di vendita

$19questa Skillcontro150+ $/oraassumere un analista delle previsioni

La piattaforma produce un numero. Hannah elabora il metodo che ci sta intorno: quali input della pipeline sono idonei, cosa implica l'intervallo di confidenza per l'impegno e come presentare una previsione che la dirigenza non finirà per ignorare.

Visualizza Hannah →

Per il testo

Prima la domanda scomoda

Le piattaforme dedicate alla classificazione del testo sono state create quando i classificatori personalizzati erano l'unico modo per smistare i ticket di assistenza in base all'intento o taggare le recensioni per argomento. Oggi un modello generalista può farlo seguendo un'istruzione scritta, senza bisogno di dati di addestramento. Per volumi inferiori a qualche migliaio di documenti al mese, un prompt ben scritto eseguito in batch di solito è più efficace del lavoro necessario per etichettare un set di addestramento.

Un classificatore dedicato è ancora una scelta sensata con volumi elevati, quando contano il costo per chiamata e la latenza e serve che la stessa decisione venga presa in modo identico ogni volta.

MonkeyLearn, ora parte di Medallia

MonkeyLearn è stata acquisita da Medallia nel 2022 e la sua tecnologia è stata integrata in Medallia Experience Cloud. Se la trovi consigliata come prodotto autonomo self-service a prezzo mensile fisso, considerala un'informazione non aggiornata e verifica cosa offre davvero Medallia oggi prima di basarci i tuoi piani.

Qualunque sia la piattaforma che produce il risultato

Clara - Skill AI per l'analisi dei dati

$19questa Skillcontro150+ $/oraassumere un analista di dati

Un'esportazione di previsioni non è una risposta. Clara formula prima la domanda, verifica se i dati possono sostenerla e trasforma il file in qualcosa su cui una parte interessata non tecnica può prendere una decisione.

Visualizza Clara →

Per le immagini

Teachable Machine

Lo strumento gratuito di Google, utilizzabile nel browser. Nessun account, nessuna installazione: un classificatore funzionante di immagini, suoni o pose in circa quindici minuti, usando la webcam o file caricati. È il modo giusto per scoprire se la tua idea è anche solo plausibile. Non è un sistema di produzione e non pretende di esserlo.

Roboflow

La scelta pratica una volta che la versione giocattolo funziona: gestione dei set di dati, etichettatura, aumento dei dati, addestramento e distribuzione in un unico posto, progettata appositamente per la visione artificiale. È qui che finisce la maggior parte dei team dopo Teachable Machine.

Google Vertex AI AutoML

Classificazione personalizzata delle immagini e rilevamento degli oggetti con ricerca automatizzata dell'architettura, all'interno di Google Cloud. Vale la pena se usi già GCP, hai un ampio set di dati etichettato e ti serve una distribuzione aziendale. È eccessivo per qualsiasi progetto più piccolo.

Clarifai

Visione artificiale con una libreria di modelli predefiniti per attività comuni come il riconoscimento degli oggetti e la moderazione dei contenuti, oltre all'addestramento personalizzato senza codice e a un'API. Dà il meglio quando un modello predefinito copre già la tua attività, perché puoi saltare del tutto l'etichettatura.

Come scegliere, in un passaggio

• Foglio di calcolo, vuoi una previsione e ti serve oggi: Obviously AI.
• Foglio di calcolo, una persona tecnica, nessun budget: H2O AutoML.
• Ambito regolamentato, soggetto a verifiche, con necessità di monitoraggio e documentazione: DataRobot.
• Immagini, vuoi testare un'idea: Teachable Machine.
• Immagini, vuoi realizzare qualcosa di concreto: Roboflow, oppure Vertex AI AutoML se usi già Google Cloud.
• Immagini, un modello predefinito potrebbe già bastare: Clarifai.
• Testo, volume moderato: prova un prompt prima di acquistare una piattaforma.

Una regola vale per tutto: scegli lo strumento più semplice che risponde alla domanda che hai adesso. Il costo di passare a uno strumento a pagamento dopo aver esaurito le possibilità di quello gratuito è un fine settimana. Il costo di un contratto aziendale di cui non avevi bisogno è un anno.

La parte che nessuna piattaforma risolve

Tutti gli strumenti qui sopra automatizzano la parte centrale del lavoro. Gli errori più costosi si verificano agli estremi: scegliere una variabile obiettivo che non corrisponde a una decisione che qualcuno prenderà davvero e fornire a uno stakeholder una colonna di probabilità senza alcuna raccomandazione.

Se il tuo team non ha una funzione dedicata ai dati, colma prima questa lacuna, prima ancora di scegliere una piattaforma.

Stato della piattaforma e prezzi verificati ad agosto 2026. I fornitori modificano le condizioni senza preavviso, quindi verifica i prezzi aggiornati sul sito del fornitore prima di impegnare il budget.