L’intelligenza artificiale è sulla bocca di tutti. Si tratta probabilmente di una delle tecnologie più rivoluzionarie di sempre che promette di avere un impatto forse superiore a quello introdotto dall’elettricità e da internet. Una tecnologia su cui aziende di ogni dimensione vogliono investire per cavalcare l’onda e non rimanere indietro. Dall’uscita e la proliferazione di strumenti come ChatGPT, gli agenti AI e i Large Language Models (LLMs) sono al centro di investimenti di corporate, PMI e startup, e pure la maggior parte di questi si traducono in progetti fallimentari di cui non si riconosce un vero impatto all’interno della propria azienda. Ma se l’AI può davvero impattare i processi di business della tua impresa, perché è così difficile trarne davvero vantaggio? La risposta è spesso molto semplice quanto dolorosa: l’AI è uno strumento, e come tale, deve essere usato (e non abusato) nel modo giusto dove e quando è davvero necessaria.
Lavorando al fianco di corporate di diversi settori (autostradale, assicurativo, food & beverage, agritech, infrastrutture e trasporti, e manifatturiero), in Synapsi abbiamo maturato un processo strutturato in 5 step fondamentali che ci porta ad evitare questi errori.
Parti dai problemi, non dalla tecnologia
Immagina di essere un’azienda che produce trapani elettrici e che vuole rivoluzionare il mercato. Conoscendo bene il settore sai che la maggior parte dei clienti cerca un nuovo trapano quando il precedente si rompe. Decidi quindi di investire nello sviluppo di una nuova punta ricoperta di titanio per renderlo il 40% più resistente dei trapani in commercio. Le vendite aumentano per un po’, fino a quando l’uscita di un nuovo prodotto inizia ad erodere i tuoi ricavi. Si tratta delle strisce adesive appendi quadri di 3M, che consentono ai tuoi potenziali clienti di risolvere il problema di appendere un quadro senza doversi scomodare forando un muro. Hai appena appreso una delle lezioni più celebri nel mondo del marketing elaborata da Theodore Levitt.
“La gente non vuole comprare un trapano con una punta da 6mm. Vuole un foro da 6mm nel muro.”
È un concetto semplice, eppure spesso trascurato da chi propone innovazione e tecnologia alle imprese: le PMI non sono alla ricerca di chatbot, algoritmi o modelli generativi fini a se stessi. Ciò di cui hanno davvero bisogno è garantire la continuità operativa, ridurre gli errori, servire clienti più velocemente e con una gestione efficace dei costi. L’intelligenza artificiale può certamente rivelarsi uno strumento prezioso per raggiungere questi obiettivi, ma non rappresenta mai il punto di partenza. Quando si perde di vista questa dinamica fondamentale, il rischio è che l’AI si trasformi nell’ennesima promessa generica, un costo a bilancio senza un reale ritorno sull’investimento.
La sfida non è essere i primi ad applicare l’intelligenza artificiale. La vera sfida da porsi è capire dove stai impiegando persone per svolgere attività che una macchina potrebbe fare meglio, più velocemente o con meno errori? Solo da qui può partire un vero ragionamento sull’adozione dell’AI. Altrimenti si finisce per integrare tecnologie di cui nessuno aveva bisogno, solo per non sembrare in ritardo. L’AI non può sostituire le persone, ma può potenziarle rendendole più produttive. Immagina di essere un’azienda nel campo assicurativo che impiega dei periti nell’analisi delle immagini dei sinistri. Ogni volta che l’operatore analizza una nuova richiesta dovrà guardare molteplici immagini per verificare il numero di targa e di telaio dell’auto. Dovrà poi analizzare i danni e inserire manualmente i dati a sistema. Immagina questo processo ripetuto per decine o centinaia di volte al giorno. Quanto impatta sul business? Immagina ora di poter estrarre tutte queste informazioni automaticamente, in modo che i tempi di elaborazione di un transito siano più che dimezzati. Si tratta di una riduzione di costi annuali e di efficientamento del processo che consentono di offrire un servizio più veloce ai propri clienti. Questo esempio, ispirato da use use case di un nostro precedente cliente, è un esempio lampante di come l’AI possa avere un vero impatto positivo sul business.
Imposta degli obiettivi chiari e raggiungibili
Un falso mito da sfatare è che l’intelligenza artificiale possa risolvere qualunque problema. In troppi pensano che basti fornire in input a questi sistemi qualunque cosa e questi impareranno a risolvere i nostri problemi. Non è assolutamente così, anzi, tra gli esperti del settore vige spesso un mantra: “garbage in, garbage out”. Se inseriamo qualunque tipo di dato in un sistema di AI, senza assicurarci della qualità e senza un processo strutturato otterremo un sistema che ci restituisce risposte della stessa qualità. Se hai individuato un processo di business sul quale lavorare il primo obiettivo è capire quindi se i dati di cui disponi sono utilizzabili per addestrare un algoritmo di intelligenza artificiale o se puoi usarne uno già addestrato sui tuoi dati. Se la risposta è no devi partire dalle fondamenta. Un processo di acquisizione dei dati ben strutturato può portare enormi benefici. In tal caso puoi individuare delle aree di miglioramento su cui lavorare per ottenere dei dati più puliti. Per darti un esempio immagina di avere dei video acquisiti da una telecamera installata su una flotta di veicoli. In una prima fase, le telecamere sono state installate all’interno dei veicoli. Analizzando i dati ti accorgi che la maggior parte dei video presentano riflessi, una qualità dell’immagine troppo bassa e un campo visivo estremamente limitato. Se pensi che l’AI possa fare miracoli rilevando anche i dettagli più minuziosi sappi che probabilmente finirai solo per sprecare budget. Piuttosto che avviare subito un progetto di automazione potresti investire una parte di quel budget per ricollocare le telecamere all’esterno dei veicoli o per sostituirle con telecamere di qualità superiore. Con dei dati di qualità riuscirai sicuramente ad ottenere risultati migliori.
Una volta compreso questo primo step fondamentale, il passo successivo è impostare degli obiettivi chiari e misurabili. Quali performance dovrà raggiungere il sistema perché possa davvero avere un impatto tangibile nella tua azienda? Su quali processi interviene? Senza dei KPI finirai per navigare al buio. Che si tratti di migliorare la soddisfazione del cliente, ridurre i costi operativi o aumentare la produttività dei dipendenti, assicurati che questi KPI riflettano l’impatto che ti aspetti da ogni integrazione dell’AI. Se non sai da dove partire potresti elaborare un benchmark di soluzioni di AI già presenti sul mercato o open source. In alternativa puoi prendere le performance umane nell’attività che vuoi automatizzare come valore verso il quale il sistema dovrà tendere.
Inizia con un progetto pilota
L’adozione dell’intelligenza artificiale è un percorso, non un punto di arrivo. Non è necessario raggiungere l’obiettivo in un colpo solo. Ogni progetto di AI è unico e dovrebbe essere sempre caratterizzato da un processo sperimentale. Il nostro suggerimento è di iniziare sempre dallo sviluppo di una Proof of Concept (PoC), un progetto pilota che permetta ai team di lavorare per obiettivi chiari in un contesto limitato. L’obiettivo di una PoC non è integrare l’AI al giorno zero, quanto piuttosto comprenderne le limitazioni. Si tratta di un processo iterativo, nel quale si sperimenta, si individuano aree di miglioramento e si testa le reali potenzialità di un sistema di intelligenza artificiale in un contesto operativo. Può sembrare una inutile perdita di tempo, ma l’AI non è una scatola magica e non funzionerà come ti aspetti dal primo momento in cui la applicherai. Un progetto pilota ti aiuta a comprendere come sfruttarla al meglio e traccerà la strada per una adozione più consapevole nei processi di business.
Tornando all’esempio della compagnia assicurativa, invece di puntare ad estrarre tutte le informazioni di cui hai bisogno dal primo momento potresti concentrare le energie nello sviluppo di un sistema di AI in grado di leggere le targhe dei veicoli accidentati. Parti da veicoli europei, e misura le performance del sistema. Dopo una prima fase di test potresti scoprire ad esempio che il sistema fatica a distinguere alcuni caratteri. Ad esempio, il sistema potrebbe confondere spesso caratteri simili come “D” e “B”, “0” e “O”, o “C” e “G”. Si tratta di un problema comune in questo tipo di task. Concentrati su questo aspetto e migliora le performance del sistema. Una volta raggiunti i KPI, potrai facilmente rendere il sistema in grado di riconoscere targhe provenienti da Paesi extra UE. La PoC serve a strutturare il sistema nella giusta configurazione e a individuare una serie di azioni per renderlo robusto. Solo una volta che avrai verificato l’efficacia dell’intelligenza artificiale potrai integrarla nei processi di business.
Affianca il sistema al processo attuale
Prima di automatizzare l’attuale processo con l’AI assicurati che questo mantenga delle buone performance nel tempo. Come un nuovo dipendente, l’AI avrà bisogno di un periodo di affiancamento nel quale potrai monitorare le performance del sistema in uno scenario reale per un periodo sufficientemente rappresentativo. Per esempio, se sei un’azienda autostradale e il tuo obiettivo è analizzare i transiti dovresti assicurarti di affiancare il nuovo sistema di AI per un periodo di tempo sufficientemente lungo da coprire periodi di traffico “normale” e periodi di traffico più intenso come nelle festività. Questa fase serve ad assicurarsi che il sistema rimanga affidabile in ogni scenario operativo e a correggere eventuali comportamenti imprevisti.
Integrala nel business e scala la soluzione
Una volta che il sistema sarà stato sufficientemente testato potrai finalmente integrarlo nei processi di business. In questo ultimo step è cruciale ricordarsi che l’AI è uno strumento e come ogni altro strumento integrato nella tua azienda dovrà avere un impatto sul business. In questa fase è cruciale monitorare costantemente i KPI che hai definito nello step 2. Conduci periodicamente delle sessioni di revisione per valutare l’utilizzo e l’efficacia degli strumenti. Non si tratta solo di monitorare le metriche; l’obiettivo è comprendere la storia che si cela dietro i numeri. In che modo gli strumenti di intelligenza artificiale stanno rimodellando i flussi di lavoro, il processo decisionale e le interazioni con i clienti? Stanno soddisfacendo, superando o deludendo le aspettative? Questo ciclo di valutazione continuo ti aiuterà a identificare i modelli di successo, le aree di miglioramento e le opportunità per un’ulteriore esplorazione dell’AI.
Se stai ancora leggendo queste righe avrai compreso che integrare l’AI nella tua azienda è un processo iterativo, nel quale ad ogni step puoi misurare l’impatto che questa sta avendo nella tua azienda. Si tratta sicuramente di un processo complesso, che può spaventare, ma che porta a risultati concreti e tangibili. Noi di Synapsi lo sappiamo bene e se vorrai potremo guidarti in questo processo step by step.