Quando un progetto AI in azienda si arena, quasi mai è colpa del modello.
Il modello fa quello che gli chiedi. Il problema sta a monte: il processo che vuoi automatizzare non è mai stato descritto né misurato. Stai chiedendo a una macchina di svolgere bene un lavoro di cui nessuno ha definito cosa significhi “bene”.
Un agente che gestisce preventivi, ticket o pratiche non è diverso da una persona appena assunta. Se non hai messo per iscritto come è fatto il lavoro, quali sono i casi limite e come si riconosce un output corretto, non hai modo di valutarlo. E ciò di cui non puoi misurare l’accuratezza non puoi darlo per affidabile.
È questo che vendono, in fondo, i servizi di diagnosi dei workflow: rendere un processo misurabile prima di consegnarlo a una macchina. Non è un passaggio preliminare all’AI, è la condizione che separa uno strumento utile da un esperimento costoso.
Chi parte comprando tecnologia salta l’unico lavoro che conta: definire cosa il sistema deve fare e come ci si accorge quando lo sta facendo bene.
