Ti sei mai ritrovato a lavorare una demo di un prodotto o servizio all’interno della tua azienda o per conto tuo? Una demo ben fatta ha qualcosa di irresistibile (soprattutto all’inizio).
In pochi minuti una demo software può prendere un’attività che conosciamo bene, leggere documenti, preparare una presentazione, analizzare richieste, scrivere una risposta e la completa a una velocità che sembra cambiare le regole del gioco grazie all’intelligenza artificiale. La reazione e il primo pensiero arrivano quasi da soli: se funziona qui, può funzionare ovunque.
Poi la finestra dell’entusiasmo e dei super poteri che l’intelligenza artificiale può darci per la demo si chiude e torniamo alla realtà dell’azienda…
Qui i documenti non hanno tutti lo stesso formato. I dati sono distribuiti fra gestionali, fogli di calcolo, e-mail e conoscenze che esistono soltanto nella testa delle persone. Le eccezioni sono più numerose di quanto ricordassimo. Quella funzione che sembrava immediata deve convivere con responsabilità, permessi, controlli e clienti reali.
È in questo passaggio che molti progetti si fermano. Non perché l’intelligenza artificiale non funzioni… ma perché una capacità tecnologica e un processo aziendale sono due cose diverse.
Secondo l’AI Index 2026 di Stanford, l’adozione dell’AI nelle organizzazioni ha raggiunto l’88%. Eppure, nella sua indagine globale del 2025, McKinsey rileva che quasi due organizzazioni su tre non hanno ancora iniziato a portare l’AI su scala aziendale.
Può sembrare una contraddizione ma non lo è. Ci dicono che utilizzare l’AI è diventato comune; trasformarla in valore ripetibile è ancora difficile.
La domanda, quindi, non è più: “Possiamo usare l’AI?”.
La domanda utile è: questo progetto merita davvero di entrare nel nostro modo di lavorare?
Passiamo dalla prova al caso d’uso
Quando esploriamo una nuova tecnologia tendiamo a chiamare “progetto” qualsiasi esperimento produca un risultato interessante. Ma fra una prova e un processo esistono almeno quattro livelli a voler essere ottimisti…
Inizia identificando la possibilità
Scopri che un modello può sintetizzare un contratto, generare una descrizione prodotto o classificare una richiesta. Si tratta di una prima informazione utile: certifica che quella capacità esiste davvero.
Quello che ora devi dimostrare è se quella capacità funziona sui tuoi contenuti o su quelli della tua azienda, con la tua qualità e le tue condizioni (comprese quelle dell’azienda stessa).
Prosegui con un esperimento
Prova la capacità che hai identificato su un insieme limitato di materiali aziendali. Inizia a vedere errori, eccezioni e differenze fra un risultato spettacolare e uno semplicemente accettabile. Se cominci dai piccoli casi sarà molto più semplice sistemare i malfunzionamenti rispetto a creare un sistema complesso da subito che però scricchiola da tutte le parti.
L’esperimento ti serve per imparare. Non deve ancora dimostrare un ritorno economico, ma deve ridurre un’incertezza ben precisa.
Crea un caso d’uso
Collega la tecnologia a un problema reale, fatti delle domande: chi la utilizza, in quale momento, con quali informazioni e per ottenere quale risultato.
Attento, “Usare l’AI per il marketing” non è un caso d’uso. “Preparare una prima classificazione delle richieste ricevute dal sito, affinché il team possa rispondere con priorità più chiare” comincia già ad esserlo molto di più perché inizi a creare un contesto reale. Qui c’è il passaggio importante tra il concetto astratto al concreto, riconducibile ad una situazione reale che merita di essere descritta nel dettaglio. Solo in questo modo comprendi se stai creando qualcosa di davvero utile oppure un esercizio di stile fine a sé stesso.
Analizza in profondità il processo
Seguendo queste indicazioni ti renderai ben presto conto che il caso d’uso diventa presto parte del lavoro. Hai identificato un responsabile, i dati accessibili, le regole, i controlli… un percorso per le eccezioni e una misura del risultato.
Soprattutto, ti sei reso conto che continua a funzionare quando la persona che ha condotto l’esperimento non è nella stanza…
Questi livelli vanno seguiti con attenzione. Chiedere a ogni prova di diventare subito un processo significa soffocare l’esplorazione ed è la strada più rapida per arrivare ad un potenziale fallimento. Trattare ogni prova come se fosse già pronta per l’azienda significa automatizzare l’improvvisazione.
Le cinque condizioni che fanno la differenza
Quando valuto un’applicazione AI, cerco di separare l’entusiasmo per ciò che ho appena visto dalla qualità del problema che voglio risolvere. Ti condivido queste cinque condizioni che possono aiutarti a farlo (le puoi personalizza su di te ovviamente).
Parti da un problema riconoscibile
Un progetto parte meglio quando possiamo descrivere l’attrito prima di nominare la tecnologia.
Quanto tempo richiede oggi? Con quale frequenza accade? Che cosa succede quando viene gestito male? Quali persone ne subiscono le conseguenze?
Se la risposta resta vaga, probabilmente stiamo partendo dalla soluzione… Riprova!
Un’attività frequente, ripetitiva e sufficientemente stabile può essere una buona candidata. Ma anche un’attività poco frequente può meritare attenzione, se un errore ha un costo elevato o se rallenta una decisione importante. Qui non devi cercare la formula universale: esiste un problema che dobbiamo saper riconoscere.
Cerca informazioni disponibili e utilizzabili
L’AI non conosce automaticamente il nostro contesto. Il contesto è importantissimo e fa la differenza, sempre!.
Può avere bisogno di cataloghi aggiornati, procedure, storico delle interazioni, regole commerciali o documenti interni. Se queste informazioni sono incomplete, contraddittorie o inaccessibili, il progetto eredita il problema.
È un passaggio poco spettacolare, me ne rendo conto, ma diventa decisivo. Molte iniziative presentate come progetti di intelligenza artificiale diventano, appena le osserviamo da vicino, progetti di organizzazione della conoscenza.
È un’occasione concreta: rimettere ordine nei dati può creare valore già prima dell’integrazione dell’AI. Se non curi bene questa fase, ti ritroverai a farlo alla fine con una perdita di tempo esponenziale rispetto ad averlo fatto all’inizio del progetto.
Identifica un punto preciso nel flusso di lavoro
Rifletti su questo punto. Una tecnologia isolata richiede alle persone di ricordarsi di usarla. Un processo, invece, chiarisce quando entra in gioco. Si! Ancora domande che devi farti ma ti assicuro che ne vale la pena.
Quando si attiva il processo. Prima di un incontro? Dopo l’arrivo di una richiesta? Durante la preparazione di un’offerta? Nel controllo finale di un contenuto?
La posizione conta perché determina quali informazioni sono disponibili, chi valida il risultato e che cosa accade dopo. Se non sappiamo disegnare il “prima” e il “dopo”, stiamo ancora osservando una funzione, non progettando un processo.
Nelle ricerche sull’adozione aziendale, la riprogettazione dei workflow emerge come uno dei fattori maggiormente associati alla creazione di valore. Il passo utile consiste nel capire come organizzare meglio il lavoro, prima di aggiungere un pulsante AI al processo di ieri.
Una responsabilità umana
Chi decide che il risultato è utilizzabile? Chi interviene quando il caso è ambiguo? Chi risponde se l’output produce un danno?
“C’è una persona nel processo” non è una risposta sufficiente. Se quella persona deve approvare cento risultati al giorno senza tempo e senza criteri, la supervisione esiste soltanto sulla carta.
Il controllo umano deve essere progettato: cosa verificare, con quali segnali, entro quali limiti e con quale possibilità di fermare il flusso.
L’obiettivo non è controllare manualmente ogni virgola per sempre. È concentrare il giudizio nei punti in cui può cambiare davvero l’esito.
Una misura collegata al risultato
Il numero di testi generati, documenti sintetizzati o richieste classificate misura un’attività. Non ci dice ancora se il progetto funziona.
Per capirlo dobbiamo tornare al problema e osservare il cambiamento: il tempo di risposta, la qualità, le attività a cui le persone possono dedicarsi, la frequenza degli errori, la velocità delle decisioni e l’esperienza del cliente.
La misura migliore non è sempre economica e non è sempre immediata. Deve però essere legata a un cambiamento osservabile.
Quattro direzioni possibili
Siamo quasi alla fine e ti ritroverai nella situazione di fare una valutazione che vada oltre “approvato” e “bocciato”. A questo punto puoi prendere almeno una di queste quattro decisioni.
Fase esplorativa
La tecnologia è promettente, ma non conosci ancora abbastanza capacità e limiti. Continui a osservare con un obiettivo di apprendimento.
Sperimentare
Esiste un problema plausibile e vuoi verificare un’ipotesi su un perimetro ridotto, con dati non critici e criteri chiari.
Integrare
Il caso d’uso ha dimostrato utilità. Puoi progettare dati, responsabilità, sicurezza, adozione e misurazione necessarie per renderlo parte del processo.
Fermare
Questa è la situazione in cui verifichi che il valore prodotto è debole, il rischio è sproporzionato o il problema può essere risolto in modo più semplice. Fermarsi non rende inutile l’esperimento: significa aver imparato prima di investire di più.
Questa, forse, è la decisione che prendiamo più raramente. Ci affezioniamo agli strumenti, soprattutto quando abbiamo dedicato tempo a provarli. Ma un buon portafoglio di innovazione non contiene soltanto progetti avviati. Contiene anche esperimenti chiusi con una ragione comprensibile.
Il test della riunione senza demo
C’è un esercizio che trovo particolarmente utile: discutere il progetto senza mostrare lo strumento. Niente interfaccia, niente risposta generata in pochi secondi, niente effetto “wow”. Soltanto il processo.
Domande, si, ancora domande: Qual è il problema? Chi lo incontra? Quali informazioni servono? Dove entra l’AI? Che cosa resta alla persona? Come riconosciamo un errore? Quale risultato vogliamo migliorare?
Hai letto quante domande vero? Beh… Se il progetto continua ad avere senso, hai probabilmente trovato qualcosa che merita attenzione.
Se perde improvvisamente fascino, forse ciò che ci aveva conquistati era la demo, non il valore per la tua azienda.
Guardare oltre la novità
Arriviamo alle conclusioni e ai suggerimenti. Io credo che le aziende non debbano rallentare l’esplorazione dell’intelligenza artificiale. Al contrario: provare, confrontare e imparare è diventato necessario per cogliere le opportunità in un mercato sempre più competitivo e “tecnologicamente avanzato”.
Quello che ti invito a fare è sperimentare “bene”. Con bene intendo il costruire un ponte fra possibilità e realtà. Un ponte fatto di dati, persone, responsabilità e misure. È lì che la tecnologia smette di essere una promessa e comincia a diventare una scelta aziendale.
Quindi… La prossima volta che una demo ti farà pensare “lo voglio”, prova a fermarti un minuto prima di parlare dello strumento e fatti una domanda più difficile: quale decisione o attività cambierebbe davvero, se questo progetto funzionasse?
