Il collo di bottiglia dell’adozione AI in azienda non è il modello. È tutto quello che gli sta intorno.
Un modello che brilla in demo si inceppa appena lo cali in un’organizzazione reale, per tre motivi che non hanno a che fare con la sua intelligenza.
I dati che gli servono sono sparsi tra sistemi che non si parlano, o non esistono in forma leggibile: il modello ragiona solo su ciò a cui accede.
I percorsi per agire sull’output mancano. Una risposta corretta che nessun sistema raccoglie e trasforma in azione resta un suggerimento, non lavoro svolto.
Il ritorno non è misurabile. Le bollette dei token salgono, ma poche aziende sanno dire quale valore generi quella spesa, e ancora meno hanno un modo per tenerla sotto controllo.
Da qui la mossa dei grandi laboratori: invece di passare dai consulenti, mandano le proprie persone dentro le aziende, sul modello Palantir. La scommessa implicita è che il problema sia di profondità e non di intelligenza: capire mille processi aziendali pesa più di un altro punto di benchmark.
È una scommessa sensata, ma sposta dove si fa il lavoro difficile, non lo elimina. Un agente calato dall’alto non rende di più solo perché a calarlo è chi ha costruito il modello. Rende quando sta dentro il flusso: vede i dati giusti, può eseguire, lascia traccia di cosa ha fatto e con quale margine di errore. Senza quella tracciabilità non c’è ROI da misurare, perché non c’è nulla da misurare.
La domanda non è chi porta l’AI in azienda. È se l’azienda ha le fondamenta perché qualcosa, una volta entrato, produca lavoro verificabile.
