Nelle mie conversazioni con i leader aziendali emerge spesso uno schema ricorrente.
Hanno investito nell’AI. Hanno sperimentato e realizzato proof of concept. Hanno implementato modelli. Ma quando il CEO o il CFO chiede: “Che cosa ha effettivamente portato tutto questo al business?”, spesso è sorprendentemente difficile dare una risposta precisa.
Da quello che ho osservato, il motivo più comune è che le organizzazioni tendono a concentrarsi eccessivamente sull’implementazione tecnica dell’AI, trascurando tutti gli altri elementi necessari per ottenere risultati finanziari significativi. In altre parole, introducono l’AI in azienda senza cambiare davvero il modo in cui l’azienda opera.
Non automatizzare il vecchio processo: reinventalo
Quando si pensa a come introdurre l’AI in un processo, spesso il punto di partenza è il potenziamento delle capacità umane: in che modo uno strumento di AI può aiutare una persona a svolgere più velocemente il lavoro che già fa? Non c’è nulla di sbagliato in questo approccio, ma così facendo si rinuncia a una parte significativa del valore potenziale.
L’opportunità più grande emerge quando ci si pone una domanda diversa: se progettassimo questo processo oggi, sapendo che cosa può fare l’AI, avrebbe lo stesso aspetto?
Spesso la risposta è no. Il vero valore deriva dal ripensare il processo stesso e dal sostituire molte delle sue fasi con l’AI. Le persone possono continuare a essere coinvolte — e spesso è giusto che lo siano — ma ciò che fanno, il momento in cui intervengono e gli ambiti in cui il loro giudizio aggiunge valore possono cambiare profondamente.
Per affrontare questo aspetto, incoraggio i clienti ad abbandonare le soluzioni puntuali e frammentate. Invece di implementare un caso d’uso di AI qui e un altro là, analizzano un processo end-to-end e ne trasformano una parte significativa, ad esempio facendo lavorare insieme 10 o 20 casi d’uso interconnessi all’interno di una specifica area aziendale.
Il principio è semplice: non sovrapporre l’AI a processi operativi inefficienti. Ridisegna le operation sulla base di ciò che oggi è possibile. In questo modo avrai molte più probabilità di ottenere un impatto concreto sui risultati economici.
Non tutto ha bisogno dell’AI
C’è un altro equivoco che vale la pena chiarire: più AI non significa automaticamente operation migliori. A volte, l’automazione tradizionale è esattamente ciò di cui si ha bisogno.
Se una fase del processo è altamente deterministica, con regole chiare, poche variazioni e una necessità limitata di giudizio umano, una tecnologia basata su regole come la robotic process automation (RPA) può essere perfettamente adeguata: se accade A, fai X; se accade B, fai Y. Non serve un modello di AI per risolvere questo tipo di problema.
L’AI diventa molto più interessante quando il processo è probabilistico, ovvero quando presenta variazioni, ambiguità o richiede quel tipo di giudizio che tradizionalmente necessitava dell’intervento umano.
E con gli agenti possiamo spingerci ancora oltre. Gli agenti ci offrono una forma autonoma di AI in grado di eseguire una parte maggiore di un processo con un minore intervento umano. È qui che l’automazione può compiere un salto di livello e iniziare a generare un valore significativo.
La tecnologia è solo una parte dell’equazione
È qui che molti programmi di AI incontrano difficoltà. È possibile creare un modello eccellente e implementarlo con successo, ma questo non significa che il valore si materializzerà automaticamente. È necessario intervenire sul processo, sulle persone, sui dati, sul modello operativo e sulla governance che li circonda.
A mio avviso, devono essere presenti cinque elementi:
- Trasformazione end-to-end dei processi. È necessario ripensare l’intero workflow, non limitarsi a interventi tecnologici isolati.
- Sponsorship — e intendo una sponsorship concreta. Nell’era dell’AI, non può trattarsi semplicemente di un’agenda del CIO o di un’iniziativa del CFO. È necessario il sostegno del CEO e l’allineamento dell’intera C-suite. Senza una chiara volontà da parte dei vertici di creare una strategia AI a livello aziendale e promuoverne l’adozione, la trasformazione procederà lentamente.
- Change management. Se si reinventa un processo, le persone devono capire come verrà svolto il lavoro nel nuovo scenario e, soprattutto, quale sarà il loro ruolo all’interno del nuovo processo.
- È necessario modernizzare il digital core alla base di tutto questo. L’AI pone nuovi requisiti alle piattaforme dati e all’infrastruttura. I dati devono avere latenza, granularità e metadati adeguati affinché l’AI possa utilizzarli come contesto. In alcuni casi, per ogni dollaro speso nell’attivazione dell’AI, se ne potrebbero spendere quattro per modernizzare la piattaforma dati che la rende possibile.
- Infine, la governance non può essere qualcosa da aggiungere in un secondo momento. Sono necessarie pratiche di AI responsabile, sicurezza, privacy, controlli degli accessi e, sempre più, discipline FinOps applicate al consumo dell’AI. Man mano che l’AI viene adottata su larga scala, i dirigenti devono comprendere sia il valore che stanno creando sia quanto costa generarlo.
L’autonomia non rende le persone irrilevanti
Credo inoltre che sia necessario parlare con chiarezza di ciò che tutto questo significa per le persone.
Ci saranno situazioni in cui alcuni posti di lavoro verranno eliminati, in particolare nei processi di routine e ripetitivi che possono essere replicati con relativa facilità attraverso l’RPA, l’AI o una combinazione delle due. Ma questa è solo una parte della storia.
Ciò che sento molto più spesso dai dirigenti riguarda la possibilità di liberare capacità. Se l’AI può farsi carico delle attività ripetitive, le persone possono concentrarsi su attività di livello più elevato e maggiormente strategiche, nelle quali il loro giudizio ha più valore.
Questo richiede una riprogettazione consapevole. Non si tratta semplicemente di introdurre una tecnologia e sperare che, in seguito, ciascuno riesca a capire quale sia il proprio ruolo. I ruoli devono essere riprogettati insieme al processo.
Tutto parte da una decisione della leadership
In questo momento, sul mercato si avverte una reale urgenza. Le organizzazioni vogliono uscire dalla “terra delle POC”. Hanno investito nell’AI e ora devono dimostrare che questa tecnologia è in grado di generare valore su larga scala. Allo stesso tempo, stanno acquisendo una consapevolezza molto maggiore dei costi legati all’utilizzo dell’AI su larga scala.
Da dove iniziare, quindi? Per me, tutto si riduce a una decisione della leadership apparentemente semplice: volete davvero fare sul serio oppure no?
I dirigenti devono avere ben chiaro che ciò che stanno facendo con l’AI contribuisce alla strategia aziendale. A quel punto qualcuno — in ultima analisi, il CEO e il leadership team — deve decidere di sostenere e guidare il cambiamento.
Dopodiché, ci sono molti modi per procedere. È possibile avanzare in modo incrementale, sperimentare o sviluppare progressivamente il modello operativo. Ma il punto di partenza rimane lo stesso.
L’autonomia guidata dall’AI non consiste realmente nell’implementare più AI. Significa avere la determinazione di ripensare il modo in cui opera l’azienda — end-to-end — e poi affrontare tutto il lavoro complesso e meno visibile necessario per trasformare questo nuovo modello in realtà.
COSA FARE ORA
Scopri di più sui servizi AI di NTT DATA e scopri come possiamo aiutarti a reinventare le operation core per l’era dell’AI.