Dove l’AI serve, e dove no
La domanda che vi state facendo è probabilmente sbagliata. Non è «come usiamo l’AI», è «quale lavoro, fra quelli che facciamo oggi, ha la forma giusta». La forma conta più del settore: due aziende diversissime hanno lo stesso problema se il lavoro assomiglia a leggere e smistare del testo.
Dove serve
Testo che qualcuno legge e smista.
Richieste che arrivano via mail, segnalazioni, ordini scritti a mano libera. Qualcuno le apre, capisce di cosa parlano e le manda alla persona giusta. È lavoro ripetitivo su linguaggio, ed è il caso in cui l’AI rende di più.
Dati sporchi che qualcuno sistema a mano.
Lo stesso cliente scritto in tre modi diversi, indirizzi senza formato, doppioni che nessuno ha tempo di unire. Non è un lavoro difficile: è un lavoro noioso che nessuno finisce mai.
Prime stesure che poi qualcuno corregge.
Una risposta, un riassunto di una riunione, la descrizione di un prodotto. La macchina scrive la prima versione, una persona la sistema. Funziona perché il controllo umano è già nel processo.
Cercare dentro roba senza indice.
Contratti, offerte vecchie, documentazione interna. Quando la risposta c’è ma è sepolta in trecento file, il problema è trovarla, e quello l’AI lo fa bene.
Il filo comune: un risultato approssimativo è accettabile, e qualcuno lo guarda comunque.
Dove non serve
Quando la regola esiste già.
«Se l’importo supera cinquemila serve una firma in più» non è una cosa da imparare: è una riga di codice, esatta e gratuita. Ci si mette un modello quando la regola non si riesce a scrivere.
Quando la risposta deve essere sempre la stessa.
Calcoli, IVA, scadenze. Non volete un sistema che quasi sempre calcola giusto.
Quando il problema è che due sistemi non si parlano.
Questo capita più spesso di tutti gli altri, ed è il caso che merita una sezione sua, qui sotto.
Quando i dati non ci sono.
L’AI su dati sbagliati non produce risposte sbagliate ogni tanto: le produce in fretta e con sicurezza, che è peggio.
Il caso più comune: «vogliamo l’AI nel CRM»
Ci viene chiesto spesso, e quasi sempre sotto c’è un altro problema.
Un CRM rende quanto vale quello che ha dentro. Se i clienti sono duplicati, se metà delle trattative non viene aggiornata perché aggiornarla richiede sei clic, se il gestionale non gli passa gli ordini e qualcuno li ricopia il lunedì — quel CRM non ha un problema di intelligenza artificiale. Ha un problema di dati e di integrazione. L’AI sopra un CRM mezzo vuoto non trova niente, perché non c’è niente da trovare.
L’ordine giusto è noioso e funziona: prima far arrivare i dati da soli, poi renderli puliti, poi — se a quel punto serve ancora — metterci sopra qualcosa che li legga.
Quando il CRM è in ordine, l’AI ha finalmente materia: capire quali richieste somigliano a quelle già chiuse, scrivere la prima risposta a un cliente, dire a un venditore cosa è successo su un conto senza fargli leggere due anni di note.
Prima l’integrazione, poi l’intelligenza. Nell’altro ordine si paga due volte.
Quello che nessuno vi dice del costo
Un modello non è un acquisto, è un abbonamento con delle conseguenze.
Costa a ogni utilizzo, e il conto cresce quando le cose vanno bene. Cambia sotto di voi: il fornitore aggiorna, e una cosa che funzionava comincia a rispondere in un altro modo. Va guardato: se nessuno controlla mai le risposte, gli errori si accumulano in silenzio. E soprattutto qualcuno deve restare responsabile di quello che il sistema dice a un cliente. Quel qualcuno è sempre una persona.
Non è un argomento contro l’AI. È il motivo per cui va messa dove il ritorno è chiaro, e non ovunque.
Come si decide, in quattro domande
Prima di mettere l’AI in un processo, chiedetevi:
- È lavoro ripetitivo su testo o su dati disordinati?
- Una risposta approssimativa va bene?
- C’è già qualcuno che guarderebbe il risultato?
- I dati che servono esistono, e sono attendibili?
Se una risposta è no, probabilmente non è un lavoro da AI — ed è quasi sempre una buona notizia, perché le altre soluzioni costano meno e si rompono meno.
Non siete sicuri di quale sia il vostro caso?
Nemmeno noi, finché non guardiamo. Si comincia da un’analisi dei processi: da lì si vede se il vostro problema ha la forma giusta per l’AI, o se è un’altra cosa travestita.
Come funziona l’analisi