Passa al contenuto principale

Intelligenza artificiale nelle aziende: come introdurla tra processi, regole e persone

| Paolo Boz |
Intelligenza artificiale nelle aziende. Come introdurla tra processi, regole e persone.

Portare l’intelligenza artificiale nelle aziende non significa semplicemente acquistare qualche licenza di ChatGPT, Copilot o di un altro strumento generativo.

Quello può essere un primo passo, ma l’adozione dell’AI comincia davvero quando la tecnologia entra nei processi, viene utilizzata con obiettivi chiari e le persone sanno cosa possono farci, quali limiti ha e quali regole devono rispettare.

È qui che spesso emerge la distanza tra entusiasmo e realtà.

Da una parte ci sono progetti pilota che funzionano bene durante una presentazione, ma non arrivano mai nel lavoro quotidiano. Dall’altra c’è la Shadow AI: persone che utilizzano autonomamente strumenti pubblici o account personali, magari inserendo informazioni aziendali senza sapere come vengono trattate.

Il problema, quindi, non è stabilire se l’intelligenza artificiale sia utile. La domanda più interessante è un’altra: come possiamo introdurla in azienda in modo che produca valore senza creare nuovi problemi?

Non esiste una sola intelligenza artificiale

Uno degli errori più comuni è parlare di AI come se fosse una tecnologia unica.

In realtà, strumenti diversi risolvono problemi diversi. Esistono sistemi AI predittivi che analizzano dati per individuare pattern o stimare scenari, strumenti di AI generativa capaci di produrre testi, immagini o codice e sistemi sempre più autonomi che possono eseguire sequenze di attività.

Accanto a questi troviamo anche l’automazione tradizionale, che non è necessariamente intelligenza artificiale ma può essere comunque la soluzione migliore quando un processo segue regole chiare e ripetitive.

Per questo la domanda iniziale non dovrebbe essere “Quale strumento AI dobbiamo acquistare?” quanto piuttosto “Quale problema vogliamo risolvere e come misureremo il risultato?”.

Per iniziare, spesso conviene cercare dei quick win: attività abbastanza semplici da sperimentare, con rischi contenuti e risultati osservabili.

Un esempio può essere un assistente interno che aiuta il personale a trovare informazioni presenti in procedure, manuali o documentazione aziendale. Oppure un sistema che supporta una prima classificazione dei contenuti, prepara bozze o sintetizza grandi quantità di informazioni prima della revisione umana.

In questi casi l’obiettivo non è “usare l’AI”, ma migliorare un processo.

Il ritorno dell’investimento, o ROI, dovrebbe quindi essere valutato attraverso indicatori comprensibili: tempo risparmiato, riduzione degli errori, maggiore velocità di risposta, attività manuali eliminate, risorse liberate per lavori a maggiore valore o incremento di valore mantenendo invariate tutte le altre variabili.

Focalizza bene questo concetto: un progetto AI interessante non è necessariamente quello tecnologicamente più sofisticato ma è quello che risolve un problema reale e permette di capire se il risultato ottenuto giustifica l’investimento.

Governance dell’AI: sapere chi decide, chi controlla e chi risponde

La parola governance può far pensare immediatamente a procedure, documenti e burocrazia. In realtà, una buona AI governance dovrebbe avere lo scopo opposto: creare poche regole chiare che permettano alle persone di utilizzare gli strumenti con maggiore sicurezza e autonomia.

È un po’ come la cintura di sicurezza di un’auto, non serve a impedire di partire, ma a ridurre i rischi mentre ci si muove.

Un primo passo molto semplice può essere creare un AI Registry, cioè un registro interno degli strumenti di intelligenza artificiale utilizzati nell’organizzazione.

Non serve necessariamente una piattaforma complessa. Può bastare un documento che chiarisca almeno:

  • quale strumento viene utilizzato;
  • per quale finalità;
  • quali informazioni riceve;
  • chi ne è responsabile;
  • quali controlli sono previsti.

Già questo permette di evitare una situazione abbastanza comune: scoprire che reparti diversi stanno utilizzando strumenti differenti per gli stessi scopi, magari senza che IT, management o responsabili dei dati ne siano consapevoli.

Un altro concetto importante è quello di human in the loop, cioè il mantenimento di una supervisione umana nei passaggi in cui l’output dell’AI può avere conseguenze rilevanti.

Un modello può inventare un’informazione, interpretare male un documento o produrre una risposta plausibile ma sbagliata. Delegare un’attività all’intelligenza artificiale non significa quindi eliminare il controllo e le responsabilità dell’organizzazione.

La quantità di supervisione necessaria dipenderà naturalmente dal processo: usare l’AI per creare una prima bozza di una comunicazione interna non è la stessa cosa che utilizzarla per supportare una decisione che riguarda un cliente, un dipendente o un contratto.

AI Act, privacy e formazione

Introdurre l’intelligenza artificiale in azienda significa anche conoscere il quadro di regole nel quale ci si muove. In questo caso non è necessario trasformare ogni progetto AI in un trattato giuridico, ma alcuni principi devono diventare parte del normale processo decisionale e qui ne faccio un breve accenno.

L’AI Act europeo adotta un approccio basato sul rischio: gli obblighi cambiano in funzione del tipo di sistema e dell’utilizzo che ne viene fatto. Questo significa che non basta sapere quale tecnologia stiamo usando; conta anche perché e come la stiamo utilizzando.

Per molte organizzazioni un tema particolarmente importante è l’AI literacy, cioè la capacità delle persone di comprendere sufficientemente strumenti, opportunità e rischi dell’intelligenza artificiale in relazione al proprio ruolo.

Giusto epr essere chiari, formare il personale non significa soltanto spiegare come scrivere un prompt migliore! Significa anche insegnare a riconoscere un output poco affidabile, sapere quando è necessario verificare una risposta, comprendere quali informazioni non devono essere condivise e conoscere le regole interne sugli strumenti autorizzati.

Lo stesso vale per privacy e riservatezza.

Un errore apparentemente banale può essere copiare all’interno di uno strumento pubblico un documento contenente dati personali, informazioni sui clienti o materiale riservato senza sapere come quel servizio tratta le informazioni inserite.

La regola pratica è semplice: prima di utilizzare dati aziendali in un sistema AI bisogna sapere se quello strumento è autorizzato e come gestisce i dati.

Questo non significa bloccare l’innovazione. Significa creare condizioni nelle quali le persone possano sperimentare senza dover improvvisare ogni volta le regole.

Change management: le persone fanno la differenza tra un esperimento e una vera adozione dell’AI

La tecnologia può essere eccellente e il progetto può comunque fallire.

Succede quando l’intelligenza artificiale viene introdotta dall’alto senza spiegare alle persone quale problema dovrebbe risolvere, quando manca formazione o quando chi lavora quotidianamente sul processo non viene coinvolto nella progettazione.

Il cambiamento tecnologico è anche un cambiamento organizzativo.

Ci sono persone entusiaste di sperimentare e altre preoccupate per quello che l’AI potrebbe significare per il proprio lavoro. Entrambe le reazioni sono comprensibili e vanno gestite con trasparenza.

Presentare l’AI semplicemente come una tecnologia che “farà risparmiare tempo” può non essere sufficiente. È più utile mostrare concretamente quali attività può supportare e quali competenze umane continueranno a essere indispensabili.

L’idea del copilota rende bene questo concetto.

L’intelligenza artificiale può preparare una prima analisi, sintetizzare documenti, organizzare informazioni o automatizzare alcune operazioni ripetitive. La persona mantiene però esperienza, capacità di valutazione, conoscenza del contesto, relazione e responsabilità.

Per questo il change management è importante almeno quanto la scelta della tecnologia e tal proposito ti consiglio di approfondire il tema con la pubblicazione AI Transformation is Workforce Transformation di BCG (Boston Consulting Group) e il principio 10/20/70.

Uno strumento molto avanzato, ma imposto senza preparazione, rischia di essere ignorato o utilizzato male. Una soluzione più semplice, integrata in un processo chiaro e affidata a persone consapevoli, può invece produrre risultati molto più interessanti.

Cerca di capire dove serve davvero l’AI nella tua azienda

L’intelligenza artificiale nelle aziende funziona quando tecnologia e organizzazione crescono insieme.

Servono processi comprensibili, dati adeguati, regole proporzionate e persone che sappiano utilizzare gli strumenti in modo consapevole.

Prima di partire da una nuova licenza o dall’ennesima piattaforma, può quindi essere più utile fermarsi a osservare il lavoro quotidiano: quali attività assorbono troppo tempo? Dove si accumulano errori? Quali informazioni sono difficili da recuperare? Quali processi potrebbero beneficiare davvero dell’AI?

Da queste domande può nascere un progetto molto più concreto di qualsiasi dimostrazione tecnologica.

Da dove partire con l’intelligenza artificiale in azienda?

Se vuoi capire quali processi possono beneficiare dell’AI, quali condizioni servono per introdurla e dove può generare valore reale, possiamo partire da un confronto sulle esigenze della tua organizzazione.

Visita la pagina dedicata al mio servizio di Ai Consultant certificato secondo norma UNI 11621-8.