L’AI amplifica le aziende disorganizzate.
Ogni settimana qualcuno mi descrive lo stesso scenario: hanno implementato uno strumento AI con la certezza che tanto basti a trasformare l’azienda. Automazione dei processi, produzione di documenti, gestione di progetti, clienti e conoscenza.
Tutte cose ragionevoli da volere, purtroppo non si possono ottenere con un abbonamento.
Non mi stancherò mai di ripeterlo: il problema non è lo strumento, l’agente o l’abbonamento a questo o quell’altro tool. Il nocciolo della questione risiede in quello che c’è prima dell’AI, o più spesso in quello che manca prima dell’AI.
L’AI si basa su quello che trova
Un sistema AI non inventa struttura dove non esiste, si limita a lavorare con ciò che ha davanti: documenti, dati, procedure, knowledge base.
Spesso, tutto questo si traduce in un archivio di file nominati “finale_v3_definitivo_usoquesto.xlsx”, una cartella condivisa cresciuta per accumulo in dieci anni, e una serie di processi che esistono solo nella testa di tre persone.
Secondo te, in questo contesto, che risultati può produrre l’AI?
Veloci. Convincenti. Sbagliati.
L’AI funziona, fa il suo lavoro e lo fa bene. Se poi glielo fai fare su premesse sbagliate ti troverai con un sistema che accelera e rende più efficace la propagazione degli errori.
La fantasia del “pensaci tu”
C’è una domanda che sento spesso, formulata in modi diversi ma sempre con lo stesso sottotesto:
“Possiamo darle tutti i nostri documenti e chiederle di capire come funziona l’azienda?”
Sarebbe bello. Purtroppo l’AI si limita a elaborare pattern, e se i patterņ sono disordinati, incompleti o contraddittori, produce risposte che sembrano corrette a causa della sycophancy propria delle intelligenze artificiali.
Sguinzagliare l’AI nelle tue cartelle non risolve il problema. La conoscenza aziendale va strutturata, organizzata e quindi può essere governata. E non c’è Intelligenza artificiale che possa fare tutto questo.
Chi salta questa fase e compra comunque uno strumento AI ottiene un sistema costoso che produce output medi ad alta velocità, con la falsa sensazione di aver risolto il problema.
Tre situazioni che ho visto
Azienda manifatturiera, 80 dipendenti. Vogliono un chatbot interno che risponda alle domande sulla manutenzione delle macchine. La documentazione esiste (manuali PDF, note tecniche, procedure scritte negli anni). Il problema è che nessuno sa quali versioni sono aggiornate, alcune procedure contraddicono quelle più recenti, e il tecnico di riferimento è andato in pensione sei mesi fa portandosi dietro le eccezioni non scritte da nessuna parte. L’AI risponde attingendo a tutto, indiscriminatamente.
Ufficio tecnico, settore impiantistico. Vogliono generare automaticamente le sezioni ricorrenti del fascicolo tecnico. Splendida idea! Ma le informazioni di prodotto sono distribuite tra ERP, cartelle di rete, email e un gestionale della revisione che nessuno aggiorna più da due anni. L’AI può automatizzare la scrittura. Non può sanare la fonte.
PMI, direzione commerciale. Vogliono che l’AI scriva le offerte. Ma le clausole cambiano cliente per cliente, le condizioni variano per canale di vendita, e la logica di pricing esiste solo nella testa di chi ha sempre fatto i preventivi. Risultato: offerte che sembrano professionali e che contengono impegni che l’azienda non aveva intenzione di prendere.
In tutti e tre i casi, il problema non era l’AI. Era l’assenza di un sistema di conoscenza su cui l’AI potesse lavorare in modo affidabile.
Cosa serve prima
Non un tool. Non un agente. Non un’integrazione.
Serve che la conoscenza dell’azienda esista da qualche parte in forma leggibile dalle persone prima, e dalla macchina, poi.
Questo significa: identificare dove sta la conoscenza critica, chi la detiene, in che forma è (o non è) documentata.
Significa decidere cosa deve essere strutturato, cosa può restare informale, cosa va eliminato perché è solo rumore accumulato nel tempo.
Significa costruire un sistema non necessariamente complesso, ma coerente nel quale le informazioni hanno una collocazione, una versione, una responsabilità.
Solo dopo quel lavoro ha senso chiedersi quale AI introdurre, per fare cosa, con quali dati, con quali controlli sull’output.
Il punto che di solito non piace sentire
Le aziende che ottengono risultati reali dall’AI non sono quelle che hanno trovato lo strumento giusto. Sono quelle che avevano già un sistema di conoscenza funzionante — e hanno aggiunto l’AI come strato operativo sopra qualcosa di solido.
Non è una questione di dimensione o budget. È una questione di ordine delle operazioni.
Prima la struttura. Poi l’automazione.
Chi inverte l’ordine compra velocità su fondamenta instabili. E le fondamenta instabili, più le acceleri, prima si rompono.
Making in Italy lavora con aziende industriali che vogliono strutturare la propria conoscenza prima di automatizzarla. Il framework CPK — Company, Projects, Knowledge — è il metodo con cui affrontiamo questo lavoro, una business unit alla volta.
