Prima di avviare un progetto AI: le quattro domande da farsi

Capita spesso che l’idea arrivi prima del problema. Un fornitore presenta uno strumento di intelligenza artificiale, un concorrente annuncia di averlo adottato, qualcuno in riunione propone di “usare l’AI” per una certa attività. A quel punto la domanda diventa quale strumento scegliere, mentre la domanda giusta è un’altra: questa attività merita davvero di essere affidata all’AI?

Per rispondere servono quattro domande, da farsi prima di investire tempo e budget. Quale problema concreto deve risolvere il progetto? L’attività è abbastanza ripetitiva e documentata? Quanto costerebbe un errore? Il beneficio supera i costi complessivi? Se una delle risposte è debole, il progetto va ripensato o rimandato; se sono tutte solide, ha buone probabilità di dare un risultato.

Nelle prossime sezioni trovi una spiegazione semplice di che cosa significa automatizzare con l’AI, poi ciascuna delle quattro domande con il modo pratico per rispondere, e infine un metodo per mettere insieme le risposte e decidere se procedere.

Che cosa significa automatizzare un’attività con l’AI

Per valutare un progetto AI serve prima una distinzione di base, perché da questa dipende tutto il resto: non ogni automazione richiede l’intelligenza artificiale.

L’automazione tradizionale esegue regole scritte da una persona: “se la fattura supera 1.000 euro, inviala al responsabile”. Funziona bene quando tutti i casi si possono prevedere e descrivere in anticipo, e dà sempre lo stesso risultato a parità di condizioni.

L’automazione con l’intelligenza artificiale funziona in modo diverso. Invece di seguire regole scritte una per una, il sistema ha imparato da un grande numero di esempi a riconoscere schemi, e li applica a casi nuovi. Per questo sa gestire situazioni che nessuno ha previsto in dettaglio, come leggere email scritte in modi sempre diversi o riassumere documenti che non ha mai visto.

Questa flessibilità ha un prezzo: un sistema di AI lavora per probabilità, quindi può sbagliare anche quando di solito funziona bene, e non sempre è facile capire perché. Prendiamo un caso illustrativo: un sistema che smista le email dei clienti tra “reclami”, “ordini” e “informazioni” può classificarne correttamente quasi tutte e sbagliare proprio quella scritta in modo ironico.

Le quattro domande che seguono servono a capire se, nella tua attività, la flessibilità dell’AI vale questo prezzo, o se basterebbe una soluzione più semplice.

Prima domanda: quale problema deve risolvere il progetto AI

La prima domanda riguarda il punto di partenza: un progetto AI ha senso solo se risponde a un problema reale, che esiste già oggi indipendentemente dalla tecnologia. Se il progetto nasce dallo strumento invece che dal problema, è difficile capire alla fine se ha funzionato.

Un problema è abbastanza chiaro quando si può descrivere in una frase con tre elementi: che cosa non funziona, chi ne subisce le conseguenze e come se ne accorge. “Vogliamo usare l’AI per il servizio clienti” non lo è. “Il servizio clienti impiega in media due giorni a rispondere alle email, e i clienti se ne lamentano” lo è.

Per verificarlo in pratica, prova a rispondere a queste domande prima di parlare di strumenti:

• Che cosa succede oggi? Descrivi l’attività com’è adesso: chi la svolge, quanto tempo richiede, dove si blocca.
• Come misureresti il miglioramento? Tempo risparmiato, errori ridotti, richieste gestite in più: serve almeno un indicatore che si possa confrontare prima e dopo.
• Il problema è grande abbastanza? Un’attività che occupa un’ora al mese difficilmente giustifica un progetto, anche se l’AI la svolgerebbe bene.

Se non riesci a rispondere, il passo successivo è osservare meglio l’attività per qualche settimana, prima di scegliere uno strumento. Spesso emerge che il problema vero è un altro, per esempio un passaggio di approvazione inutile, che si risolve senza tecnologia.

Seconda domanda: l’attività è ripetitiva e documentata per l’AI

Chiarito il problema, la seconda domanda riguarda l’attività in sé. L’AI impara da esempi e riconosce schemi: funziona bene sulle attività che si ripetono spesso con una struttura simile, e male su quelle che ogni volta richiedono un ragionamento nuovo.

Ripetitiva non significa identica. Le email dei clienti sono tutte diverse, ma la maggior parte rientra in poche categorie ricorrenti: questa è la combinazione in cui l’AI dà il meglio, perché unisce variabilità nella forma e regolarità nella sostanza. Una trattativa commerciale complessa, invece, ha troppe variabili uniche per essere affidata a un sistema automatico.

Il secondo elemento da controllare sono gli esempi disponibili. Per capire se l’AI sta lavorando bene servono casi già risolti con cui confrontarla: email già smistate, documenti già classificati, risposte già approvate. Spesso basta una quantità di dati contenuta, purché esistano e siano accessibili.

Tre verifiche pratiche aiutano a rispondere:

• Conta le ripetizioni. Quante volte a settimana o al mese si presenta questa attività? Poche decine di casi raramente giustificano uno strumento dedicato.
• Cerca lo schema. Una persona esperta saprebbe spiegare a un nuovo collega come svolgerla, con criteri ed esempi? Se nemmeno chi la fa sa descrivere come decide, sarà difficile valutare il lavoro dell’AI.
• Raccogli dieci casi reali. Se fatichi a trovarli, o sono sparsi in archivi diversi, il progetto dovrà partire da lì.

Terza domanda: quanto costa un errore dell’AI nell’attività

La terza domanda è quella che più spesso viene saltata. Poiché un sistema di AI può sbagliare anche quando di solito funziona bene, non basta chiedersi quanto spesso sbaglia: bisogna chiedersi che cosa succede quando sbaglia.

Lo stesso tasso di errore ha conseguenze molto diverse a seconda dell’attività. Un suggerimento sbagliato per l’oggetto di una newsletter costa pochi secondi di correzione. Un dato sbagliato in un preventivo inviato al cliente costa denaro e fiducia. Una valutazione sbagliata su un candidato o su un dipendente può avere effetti seri sulla persona e conseguenze legali per l’azienda.

Per stimare il costo di un errore aiutano tre domande:

• Chi se ne accorge, e quando? Un errore che resta interno e viene notato subito è molto meno grave di uno che arriva a un cliente o emerge mesi dopo.
• Si può rimediare? Una bozza si riscrive; un pagamento eseguito o una comunicazione ufficiale inviata sono più difficili da annullare.
• Chi ne subisce le conseguenze? Quando l’errore tocca diritti o interessi di persone, come clienti, candidati o dipendenti, servono più cautele e spesso ci sono anche vincoli di legge.

Un errore costoso non esclude l’AI, ma cambia il suo ruolo. Più alto è il costo dell’errore, più l’AI dovrebbe preparare e suggerire, lasciando la decisione finale a una persona. In quel caso il risparmio di tempo sarà minore del previsto, ed è un dato da portare alla quarta domanda.

Quarta domanda: il beneficio del progetto AI supera i costi

L’ultima domanda mette insieme le precedenti in un confronto economico. Il punto delicato è che il costo di un progetto AI non coincide con il prezzo dello strumento: spesso la parte più consistente sta in ciò che serve intorno.

Nel conto dei costi conviene includere almeno queste voci:

• Il tempo per avviare il progetto: preparare gli esempi, configurare lo strumento, collegarlo ai software già in uso.
• Il tempo di controllo: le persone che verificano i risultati, tanto più alto quanto più costa un errore (terza domanda).
• La formazione: chi usa lo strumento deve sapere come funziona e quali sono i suoi limiti.
• La manutenzione: gli strumenti di AI cambiano spesso, e un sistema che funziona oggi va ricontrollato nel tempo.

Dall’altra parte del confronto c’è il beneficio misurato con l’indicatore scelto nella prima domanda: ore risparmiate, errori evitati, tempi di risposta più brevi. Il beneficio va stimato al netto del lavoro di controllo. Se l’AI svolge un compito in pochi minuti ma una persona deve poi verificarlo con attenzione, il risparmio reale è la differenza tra le due cose.

Infine vale la pena confrontare l’AI con le alternative più semplici. A volte un modello di documento ben fatto, una regola automatica tradizionale o la riorganizzazione di un passaggio danno gran parte del beneficio a un costo molto minore. L’AI conviene quando fa qualcosa che queste alternative non riescono a fare.

Come usare le quattro domande per decidere sul progetto AI

Prese una per una, le quattro domande aiutano a vedere un aspetto del progetto; messe insieme diventano un metodo per decidere. Il modo più semplice è rispondere a ciascuna per iscritto, con una o due frasi, e poi guardare dove la risposta è debole.

La tabella seguente collega le combinazioni di risposte più comuni alla decisione che ne deriva. Serve a rendere esplicito il ragionamento: ogni caso va comunque valutato nel suo contesto.

In pratica, una sola risposta debole basta a fermarsi e riconsiderare, perché ognuna delle quattro domande copre un modo diverso in cui un progetto AI può non dare risultati.

Prendiamo un caso illustrativo: un’azienda di distribuzione riceve ogni giorno decine di ordini via email, in formati diversi, che un’impiegata ricopia a mano nel gestionale, cioè il software in cui l’azienda registra ordini e clienti. Il problema è chiaro e misurabile (le ore di trascrizione e gli errori di battitura), l’attività è ripetitiva e ci sono mesi di ordini già trascritti da usare come esempi. Un errore costa poco se l’impiegata controlla l’ordine prima della conferma, e anche contando quel controllo il tempo risparmiato resta consistente. Le quattro risposte sono solide: ha senso una prova di qualche settimana su una parte degli ordini.

Il metodo ha però dei limiti. Non sostituisce una valutazione tecnica dello strumento, né quella legale quando l’attività coinvolge dati personali o decisioni sulle persone. Serve a decidere se vale la pena andare avanti; la riuscita del progetto dipende poi da come viene realizzato.

Se hai in mente un’attività da affidare all’AI, il primo passo concreto è scrivere su un foglio le risposte alle quattro domande e farle leggere a chi quella attività la svolge ogni giorno: è la persona che più facilmente vedrà dove una risposta è troppo ottimista.