Il 95% dei pilot di AI generativa fallisce, e quasi mai è colpa del modello.
Il modello funziona, l’accuracy è accettabile, la dashboard esiste. Il pilot muore lo stesso, e muore in un punto preciso: dove l’output dovrebbe entrare in un processo che nessuno ha riscritto.
Nessun workflow ristrutturato per consumare quella risposta. Nessun operatore addestrato a fidarsene invece di rifare il lavoro a mano. Nessun revisore convinto che regga a un controllo di conformità. Nessuna riga di conto economico che si muove.
Sei mesi dopo lo sponsor cambia ruolo e il progetto si spegne. La diagnosi ufficiale sarà “era troppo presto” o “serviva un modello migliore”. Nessuna delle due regge.
Il punto è un altro: l’output di un sistema AI è lavoro che qualcuno, a valle, deve ricevere, verificare e integrare. Se quel qualcuno - persona o processo - non esiste, l’accuracy diventa irrilevante. Un output corretto che nessuno consuma produce quanto un output sbagliato: zero.
Tre domande separano un pilot da una strategia. Quale metrica operativa muove questo sistema, di quanto, entro quando? Cosa succede al lavoro della persona che riceve l’output a valle? Chi risponde quando il modello sbaglia in un modo che conta per un regolatore?
Se una risposta inizia con “lo vediamo dopo”, non hai un sistema da scalare. Hai una demo con una data di scadenza.
