Intelligenza artificiale per aziende: su un problema alla volta.

Si parte dal processo, non dalla tecnologia. La prima riunione serve a trovare un'attività che oggi occupa parecchie ore alla settimana, che è ripetitiva e che ha un esito verificabile — cioè un caso in cui si può dire con certezza se il risultato è giusto o sbagliato. Se non riusciamo a identificarne uno, il progetto non parte: è il momento in cui vi diciamo di aspettare.

Poi si misura la situazione di partenza, prima di toccare qualsiasi cosa. Quante ore, quanti errori, quanto tempo di attesa. Senza questo numero, sei mesi dopo nessuno saprà dire se l'investimento è servito, e la conversazione diventa una questione di impressioni.

Si costruisce un prototipo su dati veri, non su esempi scelti bene. È il passaggio dove i progetti di AI mostrano la loro vera qualità: un sistema che legge correttamente le fatture in un campione preparato può cadere sul fornitore che manda un PDF scansionato storto. Se il prototipo non regge i vostri casi difficili, meglio saperlo dopo tre settimane che dopo il collaudo.

In produzione si va con un controllo umano nei punti in cui un errore costa. L'AI propone, una persona conferma finché i numeri non dimostrano che si può alzare la soglia. È un approccio noioso ed è il motivo per cui questi progetti restano in funzione invece di essere spenti dopo il primo incidente.

Vale la pena dirlo prima, perché il divario fra quello che si racconta e quello che funziona in produzione è ancora ampio.

L'AI generativa produce risposte plausibili anche quando è sbagliata, e non vi avvisa. Su un testo di marketing è irrilevante; su una scheda tecnica, una quotazione o un adempimento è un rischio serio. Per questo tutto ciò che riguarda numeri, prezzi e norme lo colleghiamo ai vostri dati reali e ci mettiamo un controllo, invece di lasciare che il modello risponda a memoria.

Non funziona bene dove i dati di partenza sono pochi o disordinati. Se le informazioni sono in fogli di calcolo incoerenti e anagrafiche duplicate, il primo lavoro utile non è l'AI: è mettere in ordine i dati. Lo diciamo spesso e non è la risposta che le aziende sperano.

E non sostituisce le persone che conoscono il mestiere. Toglie il lavoro ripetitivo attorno alla decisione, non la decisione. I progetti che abbiamo visto fallire sono quelli venduti come sostituzione; quelli che reggono sono quelli in cui la stessa persona, alla fine della giornata, ha fatto tre volte le pratiche di prima.