Quattro strade per introdurre l’AI in azienda

Il punto di partenza della ricerca è la tensione che caratterizza l’attuale fase dell’AI: fortissimo interesse e pressione competitiva da un lato, poca chiarezza, ambiguità tecnologica e necessità di massa critica rilevante per poter approcciare il tema dall’altro. Molte imprese hanno dati non completamente solidi e sistemi ancora frammentati, ma sentono l’urgenza di “esserci” nel mondo dell’intelligenza artificiale.

Gli autori si sono chiesti: come stanno effettivamente procedendo le aziende italiane? E quali responsabilità organizzative e tecnologiche derivano da queste scelte?

La ricerca ha coinvolto 16 imprese italiane di medio-grandi dimensioni, attraverso case study, interviste a manager e analisi comparativa. Ne emerge un panorama variegato: l’AI viene sperimentata nella progettazione di nuovi prodotti, nella gestione della supply chain, nel marketing e nel customer service, ma anche nei processi amministrativi, nell’IT e nelle risorse umane.

I benefici ricercati sono soprattutto maggiore efficienza nei processi; riduzione dei costi e degli errori; scalabilità e produttività; migliore esperienza del cliente.

La parte più interessante riguarda però i modelli organizzativi di implementazione. Lo studio ha individuato quattro archetipi di adozione:

• Infused AI, con moduli già incorporati negli ERP, dove gran parte delle responsabilità resta in capo al fornitore.
• AI on demand, in cui gli strumenti esterni vengono usati senza integrazione nativa, con potenziali rischi di governance, ma con l’aspetto positivo di flessibilità nella scelta degli strumenti di mercato e possibilità di evoluzione .
• Interfaced AI, basata su moduli verticali che interagiscono nativamente con i sistemi aziendali.
• Hybrid architecture, in cui moduli di intelligenza artificiale si interfacciano con una architettura ibrida composta da sistemi gestionali differenziati.

Questi archetipi non sono alternative equivalenti: a cambiare sono i livelli di responsabilità e presidio richiesti all'azienda che adotta le soluzioni e dall'altro lato il livello di customizzazione che si può ottenere. Più si va verso soluzioni complesse e personalizzate, più cresce l’onere di governance in capo all’azienda.

La lezione per i manager è duplice. Primo, l’AI non può essere un “cerotto” per sistemare processi mal disegnati: senza dati puliti e architetture coerenti si rischia di innescare un circolo vizioso.

Secondo, l’adozione richiede un percorso graduale e bilanciato:

• approccio incrementale, iniziando da progetti nativamente coerenti con le priorità di business;
• governance bilanciata, con l’IT a presidiare sicurezza e compliance e le funzioni di business libere di sperimentare;
• investimenti in cultura e competenze, per accompagnare le persone nell’uso critico degli strumenti.

Infine, il ruolo dei provider è tutt’altro che marginale: in un mercato in cui i player cambiano di continuo, avere un fornitore capace di integrare progressivamente nuove soluzioni è ciò che può aiutare le aziende a tradurre l’hype in valore duraturo.