Il punto dove i programmi AI si bloccano non è quasi mai tecnico. Un modello che in un pilota fa il lavoro al 90% sembra pronto, poi non scala, e la spiegazione comoda diventa “manca la sponsorship della leadership”. Vera a metà.
Quello che conta è cosa significa quel 10% mancante quando l’output smette di essere una demo e diventa una decisione su cui qualcuno agisce senza ricontrollare. In un pilota c’è sempre qualcuno che ricontrolla. Su scala no, ed è quello il salto. La soglia di accuratezza che rende un output usabile senza supervisione non la può fissare l’IT: l’IT non sa cosa voglia dire “corretto” dentro un processo di credito, di acquisto, di assistenza. Lo sa chi quel processo lo possiede.
Ecco perché l’AI chiusa nell’IT non scala. Non perché manchi un CEO motivato, ma perché un agente che opera dentro un processo va trattato come chi entra in azienda: gli si definisce cosa deve produrre, con quale margine d’errore, chi risponde quando sbaglia. Decisioni di responsabilità, non di procurement. L’IT installa uno strumento; non può assumere un lavoratore al posto del business.
Il “ridisegnare i processi invece di automatizzare l’esistente” che si ripete in ogni keynote è questo: non aggiungi un tool a un flusso, inserisci un’unità di lavoro che produce, lascia traccia e va verificata come le altre. Finché resta una questione IT, nessuno fuori dall’IT ha accettato di rispondere di quello che quell’unità produce. È lì che si ferma, non in sala server.
