SONG OF THE WEEK: Jackson Browne – Running On Empty
Salgo sul treno di ritorno a Milano, stanco ma con la testa piena di idee dopo tre giorni intensi di conferenze e incontri. Ho parlato con CEO di grandi aziende, con responsabili dell’innovazione tecnologica e, soprattutto, con persone che stanno tentando concretamente di implementare l’intelligenza artificiale nelle loro organizzazioni. E sai cosa ho scoperto?
Che la maggior parte di loro è bloccata.
Gli analisti presentano dati preoccupanti: solo il 30% delle iniziative AI nelle grandi aziende supera la fase pilota. Il resto si arena in quello che ormai viene chiamato “il purgatorio dell’AI” – il limbo dei progetti tecnologici che non muoiono mai ufficialmente, ma non arrivano nemmeno a produrre risultati concreti.
Cosa succede? Perché con tutta questa tecnologia a disposizione, con ChatGPT che ha raggiunto un miliardo di utenti, con le aziende che investono miliardi in queste tecnologie, i risultati sono ancora così deludenti?
La risposta che ho trovato è tanto semplice da dire quanto difficile da implementare: per portare davvero l’AI in azienda servono due binari paralleli.
Ed entrambi devono muoversi simultaneamente.
Il fallimento del modello a binario singolo
Prendiamo l’esempio di Johnson & Johnson, colosso farmaceutico che ha recentemente condiviso la propria esperienza (e onestamente, va dato loro merito per la trasparenza). Il loro primo tentativo di adozione dell’AI è stato prevalentemente bottom-up: “facciamo fiorire mille fiori“, un approccio dal basso dove tutti erano incoraggiati a sperimentare.
Il risultato? Tanta sperimentazione, poca coerenza, molte sovrapposizioni, e alla fine poca adozione reale. Dopo un anno hanno dovuto cambiare completamente strategia.
Dall’altro lato dello spettro c’è chi ha tentato l’approccio puramente top-down: il CEO o il CTO che decidono che “ora usiamo l’AI” e impongono strumenti specifici a tutta l’organizzazione, magari dopo aver letto qualche articolo entusiastico su Harvard Business Review. Anche qui, fallimento quasi garantito.
Ma allora che fare? Ci serve un doppio binario!
Il primo binario: la vision dall’alto
Il primo binario è quello che parte dall’alto, dalla leadership. Serve, è chiaro, una direzione chiara che riduca l’incertezza e permetta ai team di adottare l’AI con fiducia e continuità.
Come in ogni iniziativa strategica, senza leadership i team esitano, le policy restano vaghe, l’adozione si blocca. È esattamente quello che vedo accadere in tante aziende che incontro.
Ma attenzione, non sto parlando di tecnici che dicono ad altri tecnici come usare l’AI. Il leader che guida questa trasformazione dovrebbe essere un business leader che comprende l’azienda a 360 gradi, creativo, imprenditoriale, capace di portare la tecnologia nel tessuto dell’organizzazione.
Ci sono 3 elementi fondamentali che devono venire dall’alto:
-
Una data policy vincente – La maggior parte delle policy sull’uso dei dati deprime l’adozione. Una policy vincente è sicura ma pratica, e incoraggia l’uso. Deve avere chiarezza (cosa si può fare, cosa non si può fare) ed essere progettata per l’adozione, non per limitare.
-
Un manifesto AI – Non parlo delle solite linee guida tecniche, ma di una vera e propria dichiarazione culturale. Una parte centrale di un manifesto AI in azienda dovrebbe essere tanto semplice quanto diretta: “Usare l’AI non è pigrizia. Non è un shortcut. Non è barare. Lavorare con l’AI è lavorare più intelligentemente.” Il tuo team ha bisogno di sentirlo da te.
-
Leadership che usa l’AI – La parola “leadership by example” è abusata, ma qui è cruciale. I leader devono usare personalmente l’AI, non solo parlarne. Faccio sempre la stessa domanda quando incontro CEO entusiasti dell’AI: “Mi fai vedere l’ultimo prompt che hai scritto?” È impressionante quanti non sappiano cosa rispondere.
Quando ero giovane, mio padre mi diceva sempre: “Guarda quello che faccio, non quello che dico”. Aveva ragione. I tuoi collaboratori guardano le tue azioni, non i tuoi discorsi motivazionali.
Il secondo binario: l’energia dal basso
Il secondo binario parte dal basso, dalle persone che dovranno effettivamente usare questi strumenti ogni giorno. E qui entrano in gioco due elementi fondamentali:
-
I champion dell’AI – Ogni trasformazione ha bisogno dei suoi pionieri. Quelli che sperimentano per primi, che scoprono cosa funziona e cosa no, che contagiano gli altri con il loro entusiasmo. Non possono essere nominati dall’alto; devono emergere naturalmente. Sono quelli che già stanno sperimentando l’AI, che ne parlano a pranzo, che sono entusiasti delle possibilità.
-
Formazione efficace e continua – Non bastano i video tutorial o le policy scritte. Serve formazione hands-on, pratica, e soprattutto continua. L’AI evolve ogni mese; la formazione deve fare altrettanto.
Ripensando alla mia esperienza personale, quando ho iniziato a usare ChatGPT due anni fa, ero il classico champion. Passavo ore a sperimentare, a trovare nuovi modi di usarlo, e poi li condividevo con il mio team. Ma il vero cambiamento è avvenuto quando abbiamo trasformato quell’entusiasmo in casi d’uso concreti, ripetibili, misurabili.
Perché questa è la chiave del secondo binario: trasformare l’entusiasmo in casi d’uso specifici.
L’incontro dei due binari: i casi d’uso concreti
Quando i due binari – direzione dall’alto ed energia dal basso – si incontrano, nascono i veri casi d’uso che generano valore. E questo è l’elemento più importante della strategia.
Vedo troppe aziende concentrarsi sugli strumenti (“quale LLM dovremmo usare?”) e troppo poche sui casi d’uso (“come possiamo usare l’AI per migliorare questo specifico processo?”).
In realtà ci sono solo due approcci che funzionano:
-
Personal wins – Sono i piccoli miglioramenti personali che ciascuno trova per sé. Dopo aver ricevuto formazione, avendo un manifesto che li incoraggia, le persone trovano naturalmente modi per usare l’AI nel loro lavoro quotidiano. È l’approccio DIY all’adozione dell’AI.
-
Workflow wins – Sono i casi d’uso più strutturati a livello di team o dipartimento. Si parte da una decomposizione dei processi attuali (come vengono svolti oggi, quali input, quali output, quali dipendenze), e poi si individua dove l’AI potrebbe aiutare.
È qui che vedo le aziende fare l’errore più comune: saltare la fase di decomposizione dei processi. Si limitano a dire “l’AI potrebbe fare questo” senza capire davvero come funziona il processo oggi. Il risultato? Poc che falliscono e frustrazione (ah certo, anche l’idea per cui “l’AI non funziona”… si l’ho sentito).
Io stesso sono caduto in questa trappola quando abbiamo provato a usare l’AI per migliorare il processo di feedback dei clienti di una banca digitale qualche tempo fa. Abbiamo saltato la fase di analisi dettagliata del processo attuale, e dopo settimane di tentativi ci siamo resi conto che stavamo cercando di risolvere il problema sbagliato.
L’obiettivo finale di questa strategia a due binari è arrivare a un’adozione diffusa dell’AI. Non parlo del 10% o del 20% dei dipendenti, ma dell’80% o più.
Se la tua organizzazione ha meno di 1000 dipendenti, questo obiettivo è raggiungibile in un anno. Se sei oltre i 5000, potrebbero volerci due anni. Moderna, con i suoi 5000 dipendenti, ci ha messo due anni per arrivare all’80% di adoption su base settimanale.
È un obiettivo ambizioso, certo. Ma considerando i potenziali benefici (Moderna parla di aumenti di produttività del 25%), vale decisamente lo sforzo.
Diventare AI-ready
Insomma, più cerchiamo di controllare dall’alto l’adozione dell’AI, meno controllo effettivo abbiamo sui risultati. Ma se ci limitiamo a lasciare che tutti sperimentino senza direzione, otteniamo solo caos e progetti ridondanti.
La soluzione forse è questo modello a due binari: una chiara direzione dall’alto che si incontra con l’energia e la sperimentazione dal basso.
Non è facile. Non esiste una ricetta perfetta. E sarà un viaggio accidentato, con successi e fallimenti. Ma è l’unico modo per trasformare davvero un’organizzazione e renderla “AI-ready” (in attesa di scoprire come sono fatte le aziende AI-native…)
Sempre avanti, condannati all’ottimismo!
Giuseppe
