Il campo, le tre domande e l'AI che non ci sostituisce

Qualche mese fa ho smesso di contare gli articoli, i podcast, le newsletter e i post LinkedIn che arrivavano ogni mattina sull'AI. Erano troppi. E la sensazione, per chi come me prova a capire come applicare davvero questa tecnologia dentro processi aziendali reali, era quella di stare in piedi in mezzo a un campo con troppe voci che parlavano tutte insieme.

Ogni giorno un nuovo modello, un nuovo agente, un nuovo framework. Un nuovo use case "che cambierà tutto". Un nuovo guru che spiegava perché era il momento di muoversi ora, altrimenti sarebbe stato troppo tardi.

L'ansia di perdere il treno è diventata parte del lavoro di chi si occupa di operations e di trasformazione digitale. E come tutte le ansie da rumore di fondo, produceva più paralisi che movimento.

La cosa che ha cambiato le cose per me è stata controintuitiva: ho smesso di inseguire. Ho iniziato a leggere meno, a parlare di più con persone che stavano provando cose, a prendere appunti su cosa funzionava davvero nel mio lavoro quotidiano.

E soprattutto ho iniziato a fare una domanda diversa. Non più "qual è l'ultimo strumento?", ma "cosa stiamo cercando di ottenere?".

È una domanda che sembra banale e non lo è. Quasi tutti i progetti AI che ho visto fallire o deludere nascono da uno strumento in cerca di un problema, non da un problema in cerca di uno strumento. Si parte da "usiamo ChatGPT" e si finisce a cercare cosa farci fare. Dovrebbe essere il contrario.

Negli ultimi mesi sono arrivato a tre domande che uso come filtro prima di qualsiasi decisione che riguardi l'AI — mia personale, del mio team, o di aziende con cui mi confronto.

La prima: siamo pronti, noi? Non tecnologicamente. Organizzativamente. Abbiamo processi mappati abbastanza bene da sapere dove l'AI può inserirsi? Le persone sono pronte a cambiare il modo in cui lavorano, o ci aspettiamo che lo strumento faccia il lavoro di convincimento da solo? Perché spoiler: non lo farà mai.

La maturità organizzativa è un prerequisito di cui quasi nessuno parla, forse perché non si vende. Ma la realtà è che calare un tool di AI su un'organizzazione confusa produce un'organizzazione confusa con un tool di AI in più.

La seconda: i dati sono pronti? Questa è la domanda scomoda che quasi tutti saltano. L'AI lavora sui dati che le diamo. Se i dati sono frammentati, sporchi, residenti in sistemi che non si parlano, custoditi in fogli Excel personali di colleghi sparsi per l'azienda — il modello più avanzato del mondo produrrà risposte avanzate ma sbagliate.

Prima dell'AI, quasi sempre, viene un lavoro di igiene dei dati. Noioso, poco glamour, invisibile nei convegni. Ma è il lavoro che fa la differenza tra un progetto che porta valore e un progetto che produce slide entusiastiche e zero impatto.

La terza: quanto ci costa davvero? Non il costo della licenza. Il costo totale. Infrastruttura, persone da formare, tempo per adattare i processi, manutenzione continua, aggiornamento dei modelli, governance. E soprattutto il costo di opportunità: cosa non stiamo facendo mentre facciamo questo?

Molti progetti AI di cui si legge hanno un ROI che, se fosse calcolato onestamente, sarebbe imbarazzante. Non perché l'AI non funzioni, ma perché i costi reali vengono raramente messi tutti sul tavolo.

Un'altra cosa che ho capito è che la parola dirompente viene usata male. Un'innovazione è dirompente quando cambia la struttura economica del settore e crea un vantaggio competitivo difendibile — non quando permette di fare più velocemente quello che si faceva già.

Molta AI che vediamo oggi in azienda è nella seconda categoria. Riduce i tempi di certe attività. Non è poco. Ma non è neanche la rivoluzione che ci raccontano. Chiamare "dirompente" qualsiasi cosa abbia un'API crea aspettative sbagliate, che poi producono delusione, che poi producono scetticismo eccessivo — e alla fine rallentano proprio quella che è un'opportunità vera.

L'ultima riflessione — forse la più importante — è che la competizione non è uomo contro macchina. È tra aziende che sanno integrare uomo e macchina e aziende che non lo sanno fare. La macchina va più veloce, più precisa in certe cose, più scalabile. L'uomo porta contesto, giudizio, relazione, etica, cura.

Il valore si crea dove le due cose si incontrano. Non dove una sostituisce l'altra.

Ed è forse per questo che la domanda più importante, prima ancora delle tre che ho scritto sopra, è un'altra: "che tipo di organizzazione vogliamo diventare?". Perché l'AI finirà per amplificare quello che già siamo. Se siamo chiari, ci renderà più chiari. Se siamo confusi, ci renderà più confusi. E più in fretta.

Non ho certezze, e probabilmente è il punto. Ho una direzione: partire dai problemi, non dagli strumenti; lavorare sui dati prima che sull'intelligenza; contare i costi in modo onesto; e non dimenticarsi mai che al centro ci sono le persone che useranno, subiranno o ignoreranno quello che stiamo costruendo.

Se anche tu stai provando a orientarti in questo momento e hai trovato una strada diversa, o se sei in mezzo alla stessa confusione — scrivimi. Ne parliamo davanti a un caffè.