Un imprenditore ci ha detto una cosa che ci e rimasta: «abbiamo comprato l'abbonamento, l'hanno usato in tre per due settimane, adesso nessuno lo apre più». Non è un caso isolato. È il modo normale in cui finisce l'AI in azienda quando si parte dallo strumento invece che dal lavoro.
Il problema non è tecnico. E che l'AI viene comprata come si compra un gestionale, cioè come una cosa che poi qualcuno userà, mentre funziona come un macchinario: va messa in linea su una lavorazione precisa, con un pezzo che entra e un pezzo che esce. Finché resta una possibilità generica, il team non la usa. E ha ragione lui, non l'AI.
Perché l'AI generica non attecchisce
Quando lo strumento e disponibile ma non assegnato, ogni persona deve decidere da sola quando conviene usarlo. Questa decisione costa fatica, e nelle giornate piene la fatica in più perde sempre. Il risultato è prevedibile: lo usa chi ha già tempo, cioè quasi nessuno.
C'è poi un secondo motivo, meno detto. Il lavoro ripetitivo non è distribuito a caso: è concentrato su poche persone, spesso amministrazione e back office, che sono anche le meno coinvolte quando si scelgono gli strumenti. Se non le si ascolta, si automatizza ciò che il management immagina sia ripetitivo, non ciò che lo è davvero.
Partire dalle ore, non dalla tecnologia
Un'ora recuperata si conta. È l'unica unità di misura che tutti in azienda capiscono allo stesso modo, e serve a decidere prima e a verificare dopo.
La domanda di partenza non è «dove possiamo usare l'AI», ma quali attività si ripetono ogni settimana o ogni mese, quante volte, e quanto durano. Sono due colonne su un foglio. Il risultato quasi sempre sorprende: le voci che pesano di più non sono quelle che ci si aspettava.
| Attività | Frequenza | Durata | Ore/anno |
|---|---|---|---|
| Preventivi ricopiati dalla mail al gestionale | 12 a settimana | 9 min | 94 |
| Report mensile assemblato a mano | 1 al mese | 4 ore | 48 |
| Solleciti fatture scadute, uno per uno | 25 al mese | 6 min | 30 |
| Risposte alle stesse domande dei clienti | 20 a settimana | 5 min | 87 |
Questa è una tabella di esempio, costruita su valori tipici di un'azienda da diciotto addetti. Sono 259 ore l'anno, cioè circa un mese e mezzo di lavoro di una persona. Il punto non è il totale in se: e che finché quel numero non esiste, la scelta di cosa automatizzare resta un'opinione, e le opinioni in azienda le vince chi parla più forte.
I quattro passaggi che funzionano
1. Mappare parlando con chi fa il lavoro
Mezza giornata, tre o quattro persone, una domanda sola: raccontami la tua giornata di ieri, dall'inizio alla fine. Non il mansionario, la giornata vera. Le attività ripetitive emergono da sole, e di solito emergono anche due o tre cose che nessuno sapeva venissero fatte a mano.
2. Scegliere un processo, uno solo
Il criterio non è «il più grosso», è il rapporto fra ore recuperate e difficoltà di intervento. Un processo ideale per partire ha input prevedibile, regole scrivibili a parole, un errore che non è catastrofico se capita, e una persona sola che lo presidia.
3. Costruire, collaudare in parallelo, misurare
Per due o tre settimane il processo nuovo gira accanto a quello vecchio, e si confrontano gli output. È la fase che quasi tutti saltano e che quasi sempre è la ragione per cui poi il sistema non viene creduto. Serve anche a fissare il numero di partenza: quanto durava prima, quanto dura adesso.
4. Estendere solo dopo il primo risultato reale
Il secondo processo si sceglie quando il primo ha un mese di dati. A quel punto la conversazione interna cambia: non si discute più se l'AI serva, si discute quale sia la prossima attività in lista. È una differenza enorme, e non si ottiene con una presentazione.
Il test delle tre domande. Prima di automatizzare qualcosa, chiedetevi: succede almeno una volta a settimana? Le regole si possono scrivere a parole in dieci righe? Se il risultato esce sbagliato, qualcuno se ne accorge prima che faccia danno?
Se una risposta e no, quel processo non è il primo da cui partire. Non significa che non si possa fare, significa che non è da qui che si comincia.
Il team: come non farselo contro
La prima domanda che arriva, mai a voce alta, è sempre la stessa: sto costruendo la cosa che mi sostituira. Va affrontata subito e in modo diretto, perché se resta sottotraccia il progetto si insabbia da solo attraverso mille piccole non collaborazioni.
Nelle aziende di questa dimensione le ore recuperate non producono esuberi: rientrano quasi sempre su lavoro rimasto indietro, che in ogni PMI abbonda. Vale la pena dirlo esplicitamente, e vale ancora di più far scegliere alla persona che presidia il processo cosa farà con il tempo che si libera.
Il secondo accorgimento è più banale ma pesa: chi ha descritto il processo deve vedere il prototipo prima di chiunque altro, e deve poterlo bocciare. Un'automazione costruita sopra la testa di chi fa il lavoro viene aggirata entro un mese.
Cosa misurare dopo
Tre numeri bastano, e vanno guardati una volta al mese, non ogni giorno:
- Ore risparmiate sul processo, confrontate con la misurazione iniziale.
- Tasso di correzione: quante volte su cento l'output va sistemato a mano. Sopra il 15% il processo va rivisto, non tollerato.
- Tempo di attraversamento: quanto ci mette una richiesta ad arrivare in fondo. Spesso migliora più delle ore, e i clienti se ne accorgono prima che ve ne accorgiate voi.
Se dopo tre mesi questi numeri non si muovono, la risposta giusta e fermarsi e cambiare processo, non aggiungere strumenti. È una conclusione legittima, e va messa per iscritto tanto quanto un successo.
Domande che ci fanno sempre
Quanto tempo serve per vedere un risultato?
Sul primo processo, due o tre settimane fra mappatura, costruzione e collaudo. Il risparmio di ore diventa misurabile dal secondo mese, quando il processo ha girato abbastanza volte da poter confrontare il prima e il dopo.
Serve un reparto IT interno?
No, e nelle aziende da 10 a 50 addetti quasi mai c'è. Serve una persona che conosca bene il processo e possa dedicargli un'ora alla settimana durante la messa a punto. Il presidio tecnico può restare esterno.
I nostri dati finiscono dentro un modello pubblico?
Dipende da come viene configurato lo strumento, ed è una scelta che va fatta prima, non dopo. Nella maggior parte dei casi si lavora su descrizioni di processo e dati sintetici, e i sistemi che trattano dati personali vengono configurati per non alimentare l'addestramento dei modelli.
Scritto dal team Benhanced Aggiornato il