Solo il 4% di chi guida la customer experience riesce a dire quanto l’AI incida sul conto economico. Nello stesso quadro, il 42% dei programmi enterprise non porta i ritorni promessi.
Le due cifre non sono indipendenti: descrivono lo stesso buco. Un progetto che non sai misurare è un progetto che non sai correggere, e quasi sempre è un progetto partito senza il caso di ROI scritto prima della spesa, non rabberciato dopo.
Ciò che emerge dai fallimenti di adozione è che il modello quasi non c’entra. La parte difficile sta a monte: dati puliti, processi mappati, casi d’uso scelti per valore commerciale e non per quanto rendono in demo. Quando manca questa base, il pilota gira, impressiona in sala, e si ferma lì. Non scala perché sotto non c’era niente su cui scalare.
Lo conferma l’agenda delle conferenze di settore: l’evento di punta del contact center quest’anno ha messo in programma una sessione su come ricostruire la fiducia dopo un rollout di automazione andato male. Quando il calendario ufficiale dedica spazio al ‘dopo che non ha funzionato’, il collo di bottiglia non è più la tecnologia. È l’organizzazione che non era pronta a riceverla.
Un sistema che lavora in produzione va trattato come una risorsa operativa: misurabile, tracciabile, agganciata a un processo che esiste davvero. L’affidabilità non è una proprietà del modello, è la conseguenza di come lo si inserisce nel lavoro. Chi costruisce questa base prima di firmare è chi l’anno prossimo parlerà di ritorni. Gli altri torneranno alla sessione sulla fiducia da ricostruire.
