Chi è Sobhan Daliry e la sua visione per l'IA aziendale
Sobhan Daliry rappresenta una figura di spicco nel panorama dell'innovazione tecnologica aziendale contemporanea. Come Chief Product Officer e responsabile della strategia AI di Pipefy dal 2023, ha guidato la trasformazione della piattaforma da semplice strumento di automazione no-code a un ecosistema complesso di orchestrazione incentrato sull'intelligenza artificiale. La sua carriera, caratterizzata da ruoli di leadership in ambito strategico, tecnologico e organizzativo, lo ha posizionato come uno dei pensatori più influenti nel campo dell'automazione intelligente dei processi aziendali.
Il percorso professionale di Daliry è notevolmente variegato e rappresentativo dell'evoluzione del panorama tecnologico negli ultimi due decenni. Ha iniziato la sua carriera nel settore delle telecomunicazioni, lavorando presso importanti operatori come Oi/Telemar e Claro, dove ha acquisito una profonda comprensione dell'infrastruttura tecnologica su larga scala. Successivamente, ha transizionato verso il settore consumer technology, ricoprendo ruoli di Product Manager presso Peixe Urbano e Director of Product Management presso PSafe, dove ha imparato a riconoscere e risolvere i problemi reali degli utenti in tempi rapidi. Ha quindi consolidato la sua esperienza di leadership come CEO e CPO di NZN per più di cinque anni, dove ha supervisionato il rilancio strategico dell'azienda. La sua esperienza imprenditoriale si è arricchita con la fondazione di Polen.me, di cui è stato CEO. Inoltre, ha maturato competenze trasversali presso aziende di consulenza e sviluppo aziendale come AIRCOM International e Planeta Tecnologia.
Pipefy: dalla automazione no-code all'orchestrazione agentica
Pipefy, fondata nel 2015, ha subito un'evoluzione significativa sotto la guida strategica di Daliry. L'azienda è nata come piattaforma specializzata nell'automazione dei processi attraverso approcci no-code, permettendo alle organizzazioni di digitalizzare i flussi di lavoro senza necessità di competenze di programmazione tradizionali. Tuttavia, con l'emergere delle tecnologie di intelligenza artificiale generativa e degli agenti AI sofisticati, Pipefy si è trasformata in una piattaforma di orchestrazione molto più complessa e intelligente.
Oggi, Pipefy è una piattaforma globale che riunisce molteplici componenti tecnologici in un'unica soluzione integrata. La piattaforma combina agenti AI autonomi, flussi di lavoro strutturati, moduli configurabili, portali utente, applicazioni personalizzate, gestione dei dati, analisi avanzate, sistemi di messaggistica e integrazioni con sistemi esterni. Questa architettura composita consente ai team aziendali di creare e gestire agenti AI utilizzando il linguaggio naturale e strumenti no-code, mantenendo simultaneamente i rigidi standard di governance, sicurezza e visibilità richiesti dalle organizzazioni enterprise.
Le capacità attuali degli agenti AI di Pipefy sono impressionanti e coprano numerosi casi d'uso aziendali critici. Gli agenti sono in grado di interpretare e analizzare documenti complessi, eseguire attività automatizzate all'interno dei flussi di lavoro, supportare processi decisionali fornendo informazioni e raccomandazioni, interagire con sistemi esterni mediante API e orchestrare processi che attraversano più applicazioni. Questi agenti trovano applicazione particolare in aree aziendali cruciali quali:
- Finanza e contabilità
- Gestione delle risorse umane
- Approvvigionamento e gestione della catena di fornitura
- Operazioni con i clienti e customer service
- Conformità normativa e gestione del rischio
Le lezioni formative di una carriera multisettoriale
L'approccio di Daliry alla costruzione di prodotti AI è profondamente radicato nelle lezioni acquisite attraverso la sua carriera eterogenea. Quando gli viene chiesto in che modo il suo percorso abbia plasmato il suo approccio pragmatico all'innovazione tecnologica, Daliry fornisce un'analisi particolarmente illuminante delle influenze che hanno modellato la sua filosofia di prodotto.
Le sue esperienze nel settore delle telecomunicazioni gli hanno insegnato una lezione fondamentale sull'infrastruttura tecnologica: l'affidabilità non è negociabile. Nel settore delle telecomunicazioni, l'infrastruttura deve funzionare correttamente ogni singola volta, su scala globale massiccia, senza alcuno spazio per il "funziona quasi sempre". Una chiamata telefonica interrotta non rappresenta semplicemente il fallimento di una dimostrazione in un'aula conferenze: rappresenta un cliente effettivo che abbandona il servizio, potenzialmente per sempre. Questa mentalità, che Daliry chiama "affidabilità prima della novità", non l'ha mai abbandonato durante la sua carriera successiva.
Tuttavia, le sue esperienze nel settore consumer technology presso Peixe Urbano e PSafe gli hanno insegnato una lezione apparentemente contraddittoria. Nel mercato consumer, i prodotti vivono o muoiono molto rapidamente in base alla loro capacità di risolvere un problema reale e percepito dagli utenti oggi, non uno puramente teorico o futuro. La velocità di market fit è critica, e le aziende che tardano nella risoluzione di problemi tangibili rischiano di essere sorpassate dalla concorrenza.
Il suo ruolo di CEO e CPO presso NZN lo ha costretto a riconciliare queste due verità apparentemente contraddittorie. Ha imparato che non si può compensare una tesi strategica sbagliata con un'esecuzione eccellente, né una cattiva esecuzione con una tesi eccellente. Entrambi gli elementi devono essere presenti simultaneamente per il successo del prodotto.
L'esperienza più "costosa" dal punto di vista educativo è arrivata quando ha fondato Polen.me. Come imprenditore, Daliry ha acquisito una comprensione viscale del fatto che il capitale e il tempo sono risorse finite e limitate. Ogni funzione costruita esclude inevitabilmente un'altra funzione che avrebbe potuto essere sviluppata. Il costo reale di inseguire dimostrazioni impressionanti e "wow moments" invece di costruire flussi di lavoro veramente funzionali emerge mesi dopo il lancio, non sul palco di una conferenza, quando i clienti reali tentano di utilizzare il prodotto in condizioni reali.
Quando Daliry è arrivato in Pipefy, ha portato con sé una domanda fondamentale che applica a ogni nuova funzione AI proposta: la funzione regge veramente in produzione, sotto carico reale, quando nessuno la sta osservando e misurando attentamente? Se un agente AI funziona esclusivamente in un ambiente dimostrativo curato e controllato, con dati selezionati ad arte per mostrare il prodotto nel migliore dei casi, allora non è veramente un prodotto. È semplicemente il trailer di un prodotto, una promessa di futuro ma non una soluzione presente.
L'evoluzione della visione sull'intelligenza artificiale aziendale
Dalla sua assunzione come responsabile della strategia AI di Pipefy nel 2023, Daliry ha guidato la definizione e l'attuazione di una strategia complessiva per l'integrazione dell'IA nella piattaforma. Nel corso di questo processo, diverse ipotesi iniziali sull'IA aziendale si sono rivelate errate man mano che la tecnologia maturava e i clienti aziendali acquisivano esperienza pratica con gli agenti AI.
Il collo di bottiglia non è il modello, ma il contesto
L'ipotesi più critica che Daliry ha dovuto abbandonare riguardava l'identificazione del vero collo di bottiglia nell'IA aziendale. Nel 2023, l'industria intera, Daliry compreso, era focalizzata su un'ottimizzazione errata. La domanda dominante era: "Quale Large Language Model (LLM) è il più intelligente? Quale fornitore ha il modello più capace?" Tuttavia, attraverso l'esperienza pratica, è diventato chiaro che questa non era affatto la domanda corretta.
Il vero collo di bottiglia si è rivelato essere il contesto. Un agente AI può essere alimentato dal modello più sofisticato e intelligente del mondo, ma se non comprende veramente come funziona il processo aziendale specifico, quali sono i vincoli operativi reali e che cosa significa concretamente "completato" per quella specifica versione della procedura di contabilità fornitori di quel particolare cliente, allora l'agente non sarà utile.
Nel frattempo, la qualità dei modelli linguistici continuava a migliorare lungo una curva prevedibile e ampiamente prevista. I ricercatori hanno continuato a rilasciare modelli più capaci, ma questi miglioramenti seguivano un trend atteso. Il contesto dei processi aziendali, invece, non migliorava da solo. Nessuno aveva strutturato quel contesto, nessuno aveva codificato la conoscenza procedurale in una forma che gli agenti AI potessero comprendere e utilizzare. Questo rimane un lavoro manuale che richiede esperienza e comprensione del dominio.
L'autonomia delimitata è preferibile all'autonomia totale
La seconda ipotesi capovolta riguardava le aspettative relative all'autonomia degli agenti AI. Daliry aveva inizialmente presunto che il mercato aziendale desiderasse agenti completamente indipendenti il più rapidamente possibile: sistemi in grado di operare con autonomia totale senza intervento umano. Questa era una percezione logica basata sulla narrativa popolare sull'IA e l'automazione.
La realtà si è dimostrata molto diversa. Ciò che le organizzazioni aziendali volevano veramente, e vogliono ancora oggi, è un'autonomia delimitata e controllata. Le imprese desiderano agenti che prendono decisioni reali e significative, ma rigorosamente entro un insieme di regole predefinite che non possono violare sotto alcuna circostanza. Allo stesso tempo, desiderano che ogni decisione dell'agente lasci una traccia di audit che dimostri come quella decisione è stata raggiunta e perché.
Questa richiesta di autonomia governata è il riflesso di considerazioni molto pratiche e concrete. Le organizzazioni devono conformarsi a normative stringenti, devono essere in grado di dimostrare il motivo delle loro decisioni a regolatori e auditor, devono proteggersi da responsabilità legale, e devono mantenere il controllo su risultati che influiscono direttamente sulla loro operatività. La piena autonomia senza governance non rappresenta un'ambizione avanzata: è semplicemente rischio camuffato da un'interfaccia utente più sofisticata.
Questo riordino delle priorità ha rappresentato quello che Daliry descrive come "il più grande errore che ho commesso all'inizio" nella sua tenure come responsabile della strategia AI. Ha sottovalutato quanto rapidamente il mercato aziendale avrebbe maturato nei suoi requisiti di fiducia e controllo, mentre sovrastimava l'urgenza della capacità pura e della performance del modello.
Automazione deterministica vs. agenti AI intelligenti
Una delle distinzioni critiche che Pipefy mantiene è tra due paradigmi diversi di automazione: l'automazione deterministica e gli agenti AI che possono ragionare in situazioni complesse e ambigue. Daliry ha sviluppato un criterio chiaro e pragmatico per aiutare le organizzazioni a decidere quale approccio utilizzare per ogni situazione specifica.
Il criterio decisionale semplice
Il criterio che Daliry applica è deliberatamente semplice, ma profondamente efficace: se si può scrivere la regola, allora bisogna scrivere la regola. Non c'è alcuna ragione di complicare una decisione che è già strutturata e prevedibile.
L'automazione deterministica rimane la risposta giusta per tutto ciò in cui l'albero decisionale è completamente noto in anticipo e rimane stabile nel tempo. Un esempio tipico è l'instradamento automatico di fatture: "Se questa fattura è inferiore a 5.000 dollari, instradala al responsabile dell'approvazione di livello 1; se è tra 5.000 e 50.000 dollari, instradala al responsabile di livello 2; se supera i 50.000 dollari, instradala al CFO". Questo è un compito perfetto per l'automazione deterministica. Fingere che un agente AI sia necessario per questa situazione aggiunge semplicemente latenza, imprevedibilità e complessità inutile a qualcosa che era già stato risolto in modo elegante e affidabile.
Quando gli agenti AI diventano essenziali
Un agente AI si guadagna il suo posto e la sua giustificazione quando la situazione contiene un'ambiguità intrinseca che una regola fissa non può risolvere anticipatamente. Consideriamo la gestione delle discrepanze nelle fatture fornitori: la fattura non corrisponde esattamente all'ordine di acquisto originale, manca un campo critico, la richiesta del cliente non rientra in nessuna categoria esistente nel sistema. In questi scenari, il ragionamento intelligente ha un valore reale e tangibile: decidere cosa fare successivamente quando quel "successivamente" non è già stato pre-scritto in un insieme di regole.
È in questi momenti di ambiguità che un agente AI che può interpretare il contesto, considerare molteplici fonti di informazione, e prendere una decisione ragionata diventa un asset prezioso. L'agente può non solo identificare che c'è una discrepanza, ma può analizzare la natura della discrepanza, cercare informazioni aggiuntive dai sistemi correlati, e proporre una risoluzione che ha senso nel contesto specifico.
L'errore comune nelle implementazioni attuali
Daliry osserva continuamente un errore sistematico nelle implementazioni di agenti AI che ha visto in molte organizzazioni. Le imprese costruiscono un agente intelligente per gestire l'80% dei casi che sono già completamente deterministici, per