Negli ultimi anni molte aziende hanno adottato l’AI partendo dalla tecnologia: si sceglie lo strumento e poi si cerca dove metterlo. È l’ordine che produce progetti dimostrativi che non entrano mai in uso: funzionano nella riunione in cui vengono presentati e poi restano fermi, perché non erano collegati a nulla che qualcuno dovesse fare tutti i giorni.

L’ordine che funziona è quello inverso, ed è lo stesso di qualsiasi altro progetto: si parte da un lavoro che oggi costa tempo o produce errori, si guarda come viene svolto, e solo a quel punto si decide con che tecnologia affrontarlo. A volte la risposta è l’AI. Spesso è un’automazione normale. A volte è un software tradizionale, o un modulo fatto meglio.

Cosa sa fare bene un modello linguistico

Vale la pena essere concreti su dove questi strumenti sono forti, perché è una lista più ristretta di quanto suggerisca il dibattito pubblico e più utile di quanto suggerisca lo scetticismo.

Trasformare testo non strutturato in dati strutturati. Estrarre da una email il nome dell’azienda, il tipo di richiesta e l’urgenza; leggere una fattura o un documento e restituirne i campi; ricondurre a categorie una descrizione scritta in libertà. È il caso d’uso più solido e il meno appariscente.

Classificare e smistare. Assegnare un ticket alla categoria giusta, capire se un messaggio è una richiesta commerciale o un problema tecnico, riconoscere un tono che merita una risposta rapida.

Sintetizzare. Riassumere una conversazione lunga, un documento, una serie di segnalazioni ricorrenti, in modo che una persona possa decidere senza leggere tutto.

Rispondere su una base di conoscenza definita. Una ricerca interna che funziona anche quando la domanda è posta con parole diverse da quelle usate nei documenti. È l’applicazione che più spesso viene sottovalutata e che più spesso fa risparmiare tempo reale, perché il costo del non trovare un’informazione aziendale è distribuito e invisibile.

Preparare una prima stesura. Una risposta, un riepilogo, una descrizione di prodotto: materiale che una persona corregge, non materiale che parte così com’è.

Il tratto comune è che in tutti questi casi l’AI lavora su un input definito e produce un output che qualcuno controlla o che alimenta un passo successivo verificabile.

Il valore sta nel contesto, non nel modello

Un assistente AI che non ha accesso ai dati dell’azienda può solo rispondere in modo generico. La differenza fra uno strumento utile e una demo sta quasi sempre nel materiale che gli viene messo a disposizione e negli strumenti che può usare.

Questo comporta un lavoro preliminare che raramente è divertente: capire dove sono le informazioni, in che stato sono, quali sono aggiornate e quali no, quali possono essere esposte e quali no. Una base documentale disordinata produce risposte disordinate, e nessun modello compensa una fonte sbagliata.

Il secondo elemento è la possibilità di agire. Un assistente che può consultare lo stato di un ordine, cercare in un archivio o creare una bozza in un gestionale è utile in modo diverso da uno che sa solo scrivere testo. Ed è qui che AI e automazione smettono di essere due argomenti separati: il modello interpreta e decide il passo, il flusso automatico lo esegue in modo prevedibile.

Il modo più affidabile di usare l’AI in un processo aziendale è darle la parte ambigua (capire cosa sta chiedendo una persona) e lasciare a un sistema deterministico la parte che deve andare sempre allo stesso modo.

Il problema degli errori, detto senza giri di parole

Questi sistemi producono risposte plausibili, e plausibile non vuol dire corretto. Possono affermare con sicurezza qualcosa che non è vero, citare una procedura che non esiste o applicare a un caso una regola valida per un altro. Non è un difetto che si elimina scegliendo un fornitore migliore: è una caratteristica del funzionamento, e va progettata di conseguenza.

Le conseguenze pratiche sono tre.

La prima riguarda dove si mette l’AI. Nei punti in cui un errore è recuperabile (una bozza, una proposta di categoria, un suggerimento) il rischio è accettabile. Nei punti in cui un errore esce verso il cliente o tocca un importo, serve una verifica umana.

La seconda riguarda le fonti. Un assistente che risponde citando il documento da cui ha preso l’informazione permette a chi legge di controllare in pochi secondi. Uno che risponde e basta chiede fiducia cieca.

La terza riguarda il passaggio a una persona. Un sistema che parla con i clienti deve avere un modo esplicito e rapido per passare la conversazione a qualcuno, e deve usarlo quando non è sicuro. Un assistente che insiste è peggio di un modulo di contatto.

Dati, privacy e responsabilità

Usare l’AI su materiale aziendale significa decidere dove finiscono quei dati. Vanno stabilite alcune cose prima di cominciare: quali informazioni possono essere inviate a un servizio esterno, quali devono restare all’interno, cosa viene conservato e per quanto, chi ha accesso agli storici delle conversazioni.

Se nel materiale ci sono dati personali si applicano gli obblighi del GDPR come per qualsiasi altro trattamento, compresa la scelta del fornitore e le informazioni da dare agli interessati. Non è un tema legale da affrontare a progetto finito: cambia le scelte tecniche, e cambiarle dopo costa.

Quando è meglio non usare l’AI

Quando la regola è già scritta. Se il criterio è «ordini sopra i cinquecento euro vanno approvati dal responsabile», quella è una condizione, non un problema di interpretazione. Una riga di logica è più veloce, costa meno, non sbaglia e si può spiegare a chiunque.

Quando serve un risultato identico ogni volta. Calcoli, riconciliazioni, generazione di documenti a partire da campi noti. Un sistema deterministico è esattamente ciò che serve, e la variabilità qui è un difetto.

Quando i dati non ci sono. Se le informazioni necessarie non esistono, sono sparse o sono sbagliate, l’AI non le ricostruisce. Il progetto giusto in quel momento è sistemare i dati.

Quando il volume è basso. Un’attività che si presenta poche volte al mese raramente giustifica la complessità di manutenzione, il monitoraggio e i controlli che un sistema di questo tipo richiede per essere affidabile.

Quando serve solo per dire che c’è. È il caso più costoso, perché il progetto non ha un criterio per essere considerato riuscito e quindi non finisce mai.

Un modo pratico di scegliere

Davanti a un processo, tre domande in ordine chiariscono quasi sempre la direzione.

La prima: il criterio di decisione è scrivibile come regola? Se sì, serve software, non AI.

La seconda: il lavoro consiste nello spostare o trasformare dati già strutturati? Se sì, serve un’automazione.

La terza: il lavoro richiede di interpretare qualcosa di scritto in linguaggio naturale, o di produrre testo? È qui che l’AI ha un vantaggio reale, e conviene usarla per quella parte soltanto, lasciando il resto ai sistemi che già lo facevano bene.

Uno strumento, con un compito

L’AI non è né una rivoluzione da abbracciare in blocco né una moda da ignorare. È una capacità nuova e concreta, quella di leggere e produrre linguaggio con una competenza che il software prima non aveva, e diventa utile quando viene collegata a un processo reale, con dati veri, un obiettivo verificabile e una persona che resta responsabile del risultato.

Aggiungerla a un prodotto solo perché è AI, invece, si nota, soprattutto da parte di chi dovrebbe usarla tutti i giorni.

ApprofondisciAI & Automazioni