L’AI utile è noiosa (ed è proprio per questo che funziona)

L’intelligenza artificiale che funziona davvero in azienda non somiglia per niente a quella dei titoli sui giornali. Non parla, non ha una voce sintetica, non prende decisioni al posto tuo. Nella maggior parte dei casi legge documenti, riconosce forme, mette in fila numeri. È noiosa. Ed è esattamente questa noia che la rende utile: i casi d’uso dell’AI in azienda che portano risultati sono quelli invisibili, quelli che nessuno racconterebbe in un convegno.

Il problema dell’immaginario da film

Quando parliamo di AI con un imprenditore, nella sua testa c’è quasi sempre una delle due immagini estreme. La prima è la fantascienza: il sistema che pensa, che sostituisce le persone, che un giorno manderà a casa mezzo ufficio. La seconda è il chatbot che scrive testi mediocri.

Entrambe portano fuori strada, e il risultato è lo stesso: l’azienda resta ferma. Perché nel primo caso il tema sembra troppo grande da affrontare adesso, nel secondo troppo piccolo per valere un investimento. Nel frattempo, le cose che l’AI saprebbe fare oggi, benissimo, restano sulla scrivania di qualcuno.

Leggere documenti che oggi legge una persona

Il primo caso è il più diffuso e il meno spettacolare. Ogni azienda riceve carta, o file che si comportano come carta: fatture fornitore, bolle, documenti di trasporto, ordini via PDF, referti, contratti, moduli compilati a mano.

Qualcuno li apre uno per uno, guarda dove sta il numero d’ordine, il totale, la data di scadenza, e lo ricopia nel gestionale. Un modello che legge documenti fa quel passaggio in un secondo, anche quando il layout cambia da fornitore a fornitore — ed è qui la differenza rispetto ai vecchi OCR a regole fisse, che si rompevano appena il PDF non era quello previsto.

Il lavoro della persona non sparisce: diventa controllo. Guarda i casi che il sistema segnala come dubbi, invece di digitare duecento righe identiche. E qui vale la pena essere onesti: nessuno di questi sistemi arriva al cento per cento. Si progettano proprio perché sbaglino in modo visibile, con una soglia di confidenza sotto la quale il documento passa comunque da un occhio umano.

Un occhio che non si distrae mai

La visione artificiale è la seconda cosa che vediamo funzionare bene, soprattutto nel manifatturiero qui intorno, tra Verona e il Garda. Una telecamera guarda un pezzo che passa in linea e riconosce se c’è un difetto, se l’etichetta è storta, se manca un componente, se il codice sull’imballo corrisponde a quello che dovrebbe essere.

Non è più fantascienza da anni, ed è banale nel modo migliore: il sistema controlla il pezzo numero seimila della giornata con la stessa attenzione del primo. Una persona, dopo sei ore, no — e non è un difetto della persona, è come siamo fatti. Nelle soluzioni IoT e di visione artificiale per la produzione questa parte è spesso la più semplice di tutto il progetto: la complicazione vera è portare il segnale dove serve, non riconoscere il difetto.

L’AI non è brava dove serve intelligenza. È brava dove serve attenzione costante su qualcosa di ripetitivo.

Previsioni sui tuoi dati, non su quelli del mondo

Terzo caso, quello più sottovalutato. Ogni azienda che lavora da qualche anno ha uno storico: ordini, consumi, tempi di lavorazione, resi, assenze, stagionalità. Quei dati stanno lì, dentro il gestionale, e quasi sempre servono solo a compilare report che nessuno legge fino in fondo.

Un modello addestrato su quello storico risponde a domande molto concrete. Quanto materiale mi serve la settimana prossima. Quali clienti stanno rallentando prima di dirtelo. Quanto tempo richiede realmente quel tipo di commessa, non quanto lo preventiviamo per abitudine. Non è una sfera di cristallo, è statistica applicata ai fatti tuoi — e proprio perché sono i tuoi dati, vale più di qualsiasi previsione di settore.

Il vincolo è chiaro: se lo storico è sporco, disperso in tre sistemi che non si parlano, il modello non fa miracoli. Prima si mettono in ordine i dati, poi si prevede. Mai il contrario.

Smistare, classificare, instradare

Quarto caso: le richieste che arrivano. La casella info@ che riceve ordini, reclami, curriculum, offerte commerciali e una richiesta urgente di un cliente storico, tutto nello stesso mucchio. Qualcuno apre, capisce di cosa si tratta, gira a chi di dovere. Ogni giorno, per anni.

Un sistema che legge il testo, capisce la categoria e assegna la pratica alla persona giusta con la priorità giusta è tra le automazioni meno visibili e più apprezzate: nessuno se ne accorge, e improvvisamente le cose non si perdono più. Lo stesso vale per la ricerca dentro l’archivio aziendale — trovare in quale contratto del 2019 avevate scritto quella clausola, senza sapere il nome del file.

Abbiamo raccontato una parte di questo lavoro parlando di come usiamo l’AI per togliere il lavoro ripetitivo in una PMI: la logica è sempre la stessa, cambiano i pezzi.

Il criterio per scegliere i casi d’uso dell’AI in azienda

Arriviamo al punto che conta più degli esempi. Come si decide dove applicarla, tra le mille cose che si potrebbero fare?

Il criterio che usiamo è uno, e non è tecnologico: cerca i compiti ripetitivi che stanno sottraendo tempo a persone di valore. Non “cosa può fare l’AI”, ma “chi in azienda sta usando la testa per un lavoro che non richiede testa”.

Il responsabile acquisti che passa due ore al giorno a ribattere dati di fatture. La persona dell’ufficio tecnico che aggiorna a mano lo stesso file per tre reparti diversi. Il commerciale che ricostruisce lo storico di un cliente aprendo sei cartelle. Sono tutte persone pagate per pensare, che stanno eseguendo. Quel divario è il posto giusto dove mettere l’AI, e si vede a occhio nudo: sono le stesse ore invisibili che non compaiono in nessun bilancio.

Un secondo filtro, pratico: il compito deve essere ripetitivo, con un esito verificabile e un volume che vale la candela. Se una cosa succede tre volte l’anno, lasciala fare a mano. Se succede trecento volte al mese e il risultato si può controllare, è candidata seria.

Dove l’AI non va messa

Serve dirlo, perché è la parte che nessuno mette nelle presentazioni. L’AI non va messa dove le decisioni hanno conseguenze serie e non c’è nessuno a controllare l’esito. Non va messa dove i dati non ci sono. Non va messa su processi che nessuno ha mai definito: automatizzare il caos produce caos più velocemente.

E non va messa per poter dire che si usa l’AI. È il motivo più comune per cui questi progetti finiscono in un cassetto dopo sei mesi: nascono da una voce di budget o da un articolo letto in aereo, non da un problema che qualcuno sentiva sulla pelle.

Da dove partire, concretamente

Se vuoi capire se ha senso per te, il primo passo non è scegliere una tecnologia. È guardare una settimana di lavoro vera e segnare dove le persone ricopiano, cercano, smistano, controllano a occhio. Da quella lista, quasi sempre, uno o due punti si prestano subito: piccoli, misurabili, con un prima e un dopo che si vedono.

È il tipo di lavoro che facciamo nella fase di analisi dei processi prima di scrivere una riga di codice, ed è anche la parte in cui più spesso concludiamo che l’AI non serve — basta un’integrazione tra due sistemi che già hai. Va bene così: il risultato utile è togliere lavoro inutile, non usare la parola giusta.

Il resto lo puoi vedere tra i nostri servizi di sviluppo software su misura. Ma la parte importante di questo articolo non è quella: è che l’AI utile assomiglia molto più a un buon impianto elettrico che a un robot. Nessuno la nota. E quando funziona, nessuno vuole più tornare a prima.