Il 2024 e 2025 sono stati gli anni in cui ogni azienda doveva "fare qualcosa con l'AI". Tre anni dopo, il bilancio onesto e' che la maggior parte delle iniziative si e' fermata alla fase di PoC, con dimostratori che funzionano in demo e crollano al primo contatto con la realta' produttiva. Non e' un problema della tecnologia: e' un problema di metodo.
Il problema dei PoC infiniti
Una proof of concept nasce per ridurre l'incertezza su una specifica ipotesi, non per accumulare reputazione interna. Quando un PoC non finisce mai, di solito significa che l'ipotesi non era chiara fin dall'inizio: si stava esplorando "cosa puo' fare l'AI" invece di verificare "se questa AI puo' togliere queste 4 ore di lavoro umano al nostro processo X". Tutto cambia quando il successo viene definito in modo binario e misurabile prima di scrivere una riga di codice.
Tre criteri per scegliere il primo caso d'uso giusto
- Volume. Il processo deve essere ripetuto migliaia di volte all'anno. Risolvere un task fatto 12 volte all'anno non paghera' mai l'investimento, anche se tecnicamente funziona benissimo.
- Tolleranza all'errore. Se un singolo errore costa un cliente o una sanzione, partite da un caso meno critico e crescete.
- Dati gia' strutturati. Se per addestrare/contestualizzare il modello dovete fare prima un progetto di data quality di 8 mesi, cambiate caso d'uso.
Misurare il ROI senza imbrogliare
Il numero giusto non e' "ore risparmiate stimate", che e' uno dei preferiti dai pitch deck. E' una di queste tre metriche, scelte prima: costo unitario per pratica processata, throughput per FTE, tasso di errore rispetto alla baseline umana. Tutte e tre vanno misurate per 90 giorni dopo il go-live, non per due settimane.
Errori che continuiamo a vedere
- Lanciare un copilot generico per "tutti i dipendenti" invece di un agent verticale per una specifica funzione.
- Confondere "il modello risponde bene" con "il processo funziona bene". Un buon output del modello dentro un workflow rotto produce comunque un risultato rotto.
- Trattare l'AI come un progetto IT invece che come un progetto di trasformazione dei processi. I migliori program manager AI hanno una background operations, non engineering.
Come iniziare lunedi'
Identificate un singolo processo ad alto volume, isolatene una sotto-fase, definite due metriche di successo numeriche, fissate una deadline di 90 giorni, e accettate fin da subito che potreste fallire. Se fallite, avrete imparato qualcosa di concreto. Se riuscite, avrete il primo caso reale da cui partire per il secondo.