La distinzione tra automatizzare un processo e aumentare l’intelligenza si decide su una sola domanda: l’output è verificabile o è un giudizio?
Un processo automatizzabile ha un criterio di correttezza stabile. Instradare un ticket, compilare un campo, riconciliare due tabelle: sai dire se l’esito è giusto, e lo sai dire ogni volta. Lì l’AI vale quanto vale la riduzione di costo, e lo scope è quello che sembra.
Aumentare l’intelligenza è un altro problema. Stai mettendo un modello dentro decisioni che prima erano giudizio umano: priorità, rischio, interpretazione di dati ambigui. Qui non esiste un esito giusto osservabile a colpo d’occhio, e questo cambia tutto. La domanda non è più quanto risparmiamo, ma come misuriamo se la decisione è affidabile, e chi risponde quando non lo è.
Il sotto-dimensionamento nasce quasi sempre da qui. Non perché un problema complesso venga scambiato per semplice, ma perché si salta la parte scomoda: definire in anticipo come si misura l’accuratezza dell’output. Se quella misura non c’è, non stai aumentando l’intelligenza. Stai spostando una decisione dentro un sistema che nessuno può ricostruire, e lo chiami progresso.
La prova del nove, prima di investire: sai dire come verificheresti che l’AI ha avuto ragione? Se sì, con ogni probabilità è automazione e costa meno di quanto temi. Se no, il lavoro vero non è il modello. È costruire il metro.
