Un pilota AI che funziona è la prova più debole che si possa raccogliere.
Gira su casi scelti, in condizioni pulite, con chi l’ha costruito che lo osserva. In quel contesto quasi tutto sembra promettente: è il momento della demo e dello screenshot al management. Ma dimostra solo che il sistema può funzionare una volta, non che funzioni quando serve.
La produzione è un altro problema. Input veri, casi limite, volumi, utenti che non seguono lo script. E lì diventa centrale la domanda che nessuno ha posto prima: con che accuratezza risponde sui casi che contano, e come si verifica senza andare a sensazione?
Chi resta bloccato nella sperimentazione non ha un problema di idee o di modello. Ha saltato la parte noiosa: definire cosa il sistema deve produrre, misurare quanto spesso lo produce bene, tracciare gli errori, correggerli. Un agente che non lascia traccia di cosa ha fatto e con quale affidabilità non è pronto, per quanto convincente fosse la demo.
Il gap tra pilota e produzione non è tecnico. Il pilota ottimizza per stupire, la produzione per reggere input che non hai scelto tu. Sono due obiettivi diversi, e quasi nessuno cambia obiettivo quando cambia fase.
