Integrazione, processi e diversità umana
Per un po’ è bastato aprire ChatGPT, scrivere una domanda e guardare lo schermo. Blog scritti in pochi secondi, analisi immediate. Immagini, codice, riassunti, presentazioni più o meno performanti. La sensazione era quella di avere davanti qualcosa capace di cambiare il lavoro da un giorno all’altro.
In parte è andata proprio così. In parte no.
L’intelligenza artificiale è entrata molto velocemente nella quotidianità lavorativa di milioni di persone. Molto meno rapidamente, però, è entrata nelle aziende.
Quasi il 75% delle imprese europee , secondo una recente ricerca di BearingPoint, dichiara di avere già ottenuto ritorni economici positivi dai propri progetti di AI. Eppure, meno del 30% riesce a portarli oltre la fase pilota e appena il 13% delle organizzazioni sta avanzando in modo efficace nel proprio percorso di integrazione dei sistemi di intelligenza artificiale.
Quindi: di per sé l’AI funziona e può essere utile. Il problema è farla funzionare dentro un’organizzazione reale .
Dall’uso sporadico al processo quotidiano
L’adozione di singoli strumenti AI da parte di singoli professionisti o lo sviluppo di funzioni circoscritte è piuttosto semplice: i dati sono disponibili, l’obiettivo chiaro, qualcuno ha già scelto quale tool usare e preparato il contesto necessario perché dia il meglio di sé.
Un’azienda, però, funziona in modo più complesso e meno prevedibile.
Si usano software sviluppati in epoche differenti, database che non comunicano tra loro, informazioni archiviate in Excel, e-mail, CRM, ERP e cartelle condivise. Procedure costruite o improvvisate nel tempo. Eccezioni che sono diventate regole. Ruoli, abitudini, responsabilità e competenze diverse.
È di fronte a questa moltitudine che molti progetti di integrazione si fermano.
Tra le principali difficoltà nella diffusione dell’AI su larga scala, infatti, l studio BearingPoint emergono proprio la scarsa sinergia con i sistemi IT esistenti e la gestione degli aspetti normativi . Il salto più importante, quindi, non è quello tra un modello di AI e il successivo, ma quello tra un tool che funziona e un processo che funziona meglio grazie a quello strumento.
Automatizzare un problema non significa risolverlo
Immaginiamo una situazione comune. Ogni settimana una persona raccoglie dati da tre file Excel, li controlla, li riordina e produce un report destinato all’uso interno. La tentazione è immediata: automatizziamo tutto con l’AI.
Potrebbe essere una buona idea. O un fallimento.
Prima, bisognerebbe porsi qualche domanda: perché esistono tre file diversi? Chi produce quei dati? Sono tutti davvero necessari? Perché non sono già raccolti in un unico sistema? Quali decisioni deve supportare il report e quali informazioni servono davvero per guidare queste scelte?
Le risposte potrebbero sorprenderci e spingerci verso l’uso dell’intelligenza artificiale oppure verso altre soluzioni, come l’integrazione dei software, la riorganizzazione della business intelligence o la costruzione di una semplice automazione. O magari verso la revisione completa del processo.
Perché rendere più veloce qualcosa che funziona male significa, molto spesso, farlo funzionare male più velocemente. L’innovazione , insomma, non coincide sempre con la tecnologia .
Prima del tool viene il processo
Negli ultimi anni, abbagliati dalla promessa di ottimizzazione e velocità, abbiamo imparato a partire spesso dalla soluzione o, peggio ancora, dall’output.
“Serve un chatbot.”
“Automatizziamo l’invio.”
“Creiamo la presentazione con Affinity.”
La domanda più utile, purtroppo, è molto meno affascinante: dove stiamo perdendo tempo, informazioni, qualità o opportunità?
Da lì può partire un percorso diverso, tortuoso, ma molto più impattante: trovare il problema, revisionare il processo, leggere i dati, coinvolgere le persone, integrare la tecnologia, verificare i risultati.
Prima serve comprende cosa debba migliorare. Poi osservare come funziona oggi l’azienda o una parte di essa, verificando quali dati siano disponibili e affidabili. Poi si dialoga con chi utilizzerà il nuovo sistema e si decidono le sue responsabilità. Infine, si sceglie la tecnologia più adatta.
Sembra un approccio meno rivoluzionario, ma è ciò che permette all’innovazione di smettere di essere una promessa e diventare qualcosa di utile.
Cose che l’AI non dovrebbe toglierci: la possibilità di dire no
C’è poi un altro elemento che rischiamo di sottovalutare quando immaginiamo processi sempre più automatizzati e guidati da agenti di intelligenza artificiale.
L’essere umano non ha valore soltanto perché sa fare qualcosa che una macchina non sa ancora fare, ma anche perché porta in sé empatia, capacità relazioni e la possibilità di scegliere .
Un sistema può proporre la soluzione statisticamente più performante, ma persona può decidere che, in quel particolare contesto, non sia quella giusta. Può dire no.
Può scegliere tra diverse opzioni senza limitarsi a quella più efficiente, considerando una relazione, un precedente, una conseguenza difficile da trasformare in dato. Può cambiare idea.
E soprattutto può fare qualcosa che in azienda conta enormemente: affiancare un’altra persona e spiegarle non soltanto cosa fare, ma come e perché farlo.
Esperienza, responsabilità, empatia e cultura organizzativa contano ancora, oggi più che mai.
Per questo integrare l’intelligenza artificiale non significa eliminare le persone dal processo, ma lasciar loro lo più spazio per esercitare il loro valore.
L’AI è anche un progetto organizzativo
Se cambia il modo in cui si lavora, cambia inevitabilmente anche qualcosa nell’organizzazione.
Chi controlla un risultato generato dall’AI? Chi decide quando utilizzarlo? Quali informazioni possono essere condivise con uno strumento esterno? Quando è obbligatorio o utile l’intervento umano? Come cambiano le competenze richieste a una persona quando una parte delle attività operative viene automatizzata? E cosa succede a chi quella tecnologia dovrebbe usarla ogni giorno, se nessuno gli spiega perché sia stata introdotta?
Queste sono solo alcune delle domande che ha senso porsi quando si vuole davvero integrare e far funzionare l’intelligenza artificiale in azienda.
La tecnologia c’entra solo in parte: i quesiti riguardano formazione, governance, responsabilità, fiducia e cultura aziendale.
La tecnica: permette a tecnologie, dati e sistemi di comunicare tra loro. La governance umana fa convivere nuovi strumenti, competenze, responsabilità e permette al modus operandi di evolvere.
Senza la tecnica, l’AI rimane uno strumento isolato. Senza il valore umano rischia di essere un esperimento molto costoso.
Non tutte le aziende hanno bisogno della stessa AI
Non esiste un livello ideale di adozione dell’intelligenza artificiale valido per tutti.
Un’azienda può ottenere molto automatizzando poche attività ripetitive. Un’altra può integrare modelli nei propri prodotti. Un’altra ancora può usare l’AI per analizzare migliaia di documenti, supportare la rete commerciale o interrogare dati aziendali.
Il punto non è utilizzare più AI, ma sfruttarla al meglio dove il rapporto tra investimento, rischio e valore prodotto offre un saldo positivo.
Prima di tutto vengono gli obiettivi aziendali, poi i processi e le persone che li vivono ogni giorno: compreso il contesto e chiarita la strada verso i traguardi desiderati, si può pensare all’adozione e all’integrazione di sistemi di intelligenza artificiale.
Quando smetteremo di parlare di AI
Oggi diciamo “progetto AI” quasi quanto, un quarto di secolo fa, avremmo potuto dire “progetto internet”, o dieci anni fa “progetto social”.
Tra qualche tempo parleremo semplicemente di un processo commerciale migliore, di un servizio clienti più efficace, di un software più intelligente, di un’organizzazione capace di prendere decisioni più velocemente.
Dentro ci sarà l’intelligenza artificiale, ma anche un’esperienza umana più ricca e sfaccettata.
E la tecnologia, forse, non sarà nemmeno la parte più interessante della storia.