I grandi passaggi tecnologici producono spesso un insieme di supposizioni su dove il mercato sta andando. Queste supposizioni tendono spesso a essere corrette nella direzione, ma sottostimano la misura in cui le organizzazioni adattano le nuove tecnologie alle loro condizioni specifiche. L'intelligenza artificiale sta seguendo una traiettoria simile.

Tante discussioni attuali sull'intelligenza artificiale aziendale ipotizzano un futuro in cui i dipendenti interagiscono con i sistemi aziendali attraverso un'unica interfaccia. I dettagli variano a seconda delle previsioni, ma la destinazione spesso appare simile: un sistema conversazionale che diventa il principale modo con cui le persone accedono alle informazioni, completano le attività e interagiscono con il software.

La storia della tecnologia aziendale suggerisce però un esito più complesso. Le organizzazioni raramente adottano nuove capacità in modo uniforme perché diverse parti dell'azienda operano sotto vincoli diversi. Un team finanziario responsabile dell’esattezza dei report, dei controlli e delle approvazioni si approccia alla tecnologia in modo diverso da un gruppo analitico che esplora dati operativi. Anche la loro richiesta di utilità differisce da quella di un'organizzazione di assistenza clienti che si concentra su tempi di risposta e risoluzione dei casi.

Le transizioni verso il software cloud hanno seguito questo stesso modello: alcune organizzazioni si sono spostate rapidamente, mentre altre hanno operato per anni in ambienti ibridi. Diversi reparti hanno spesso modernizzato in tempi diversi, riflettendo le priorità specifiche del lavoro piuttosto che un consenso settoriale sul ritmo corretto di adozione.

L'intelligenza artificiale non fa eccezione

L’intelligenza artificiale ha accelerato molti aspetti nello sviluppo tecnologico, ma non ha modificato una dinamica sottostante: le organizzazioni valutano le nuove capacità attraverso il prisma dei processi esistenti, delle responsabilità e dei requisiti operativi.

Per alcuni dipendenti, le capacità più utili dell’intelligenza artificiale sono quelle meno visibili. Un manager finanziario che chiude i conti è spesso meno interessato a una nuova interfaccia, piuttosto che a ridurre il ciclo di reporting. Un dirigente operativo che affronta problemi di magazzino è concentrato su identificare i problemi in anticipo e risolverli più velocemente possibile. In questi casi, il valore dell’AI deriva dal ridurre lo sforzo necessario per completare compiti esistenti.

Nel frattempo, un altro gruppo di utenti desidera sempre più una diretta interazione con i sistemi di intelligenza artificiale. Analisti, pianificatori e team operativi traggono vantaggio dal potere esplorare informazioni in maniera conversazionale, confrontare scenari e investigare su questioni che non si adattano facilmente a report predefiniti. Per questi utenti, l'interfaccia stessa diventa significativa perché offre un modo più flessibile per lavorare con le informazioni aziendali.

Un rappresentante del servizio clienti che gestisce un gran numero di richieste ha esigenze molto diverse da quelle di un analista finanziario che esplora un trend sui costi di esercizio. A uno è utile che le informazioni gli appaiano automaticamente durante un processo preesistente, mentre l’altro beneficerà del poter formulare domande successive, esplorare spiegazioni alternative e muoversi più liberamente attraverso i dati.

Molte organizzazioni stanno scoprendo che entrambi i paradigmi coesistono, rivelando una realtà più ampia sul funzionamento delle aziende. La complessità operativa cresce gradualmente, i sistemi moltiplicati e i processi si frammentano. Le informazioni si distribuiscono su applicazioni, report, fogli di calcolo e flussi di lavoro, e i dipendenti passano sempre più tempo a cercarle prima di poter agire su di esse.

Più del 70% del valore delle applicazioni aziendali negli ultimi decenni è derivato da una riduzione di questa frammentazione. Unire finanza, operazioni, magazzino, informazioni sui clienti, pianificazione e reporting in un sistema comune ha fornito una visione più completa di come l’azienda opera.

L'AI sta cominciando ad affrontare un problema correlato. Una volta che le informazioni sono presenti nei sistemi connessi, i dipendenti le devono trovare, interpretare e applicare. I cicli di reporting consumano tempo. Le domande routinarie richiedono indagini. I dirigenti spesso spendono grandi sforzi per assemblare informazioni prima di poter prendere decisioni. Man mano che le organizzazioni crescono, queste attività diventano sempre più costose perché richiedono l'attenzione di persone le cui competenze sono spesso limitate.

L'AI riduce lo sforzo per passare da informazioni a azioni

Presso Dura Software, i flussi di lavoro connessi all’AI stanno aiutando ad automatizzare porzioni del reporting del fatturato che in precedenza richiedevano una preparazione manuale ad ogni ciclo di reporting. Sloan Session, CFO di Dura Software, spiegò l’organizzazione in termini pratici: “Gli agenti gestiscono il recupero. Gli umani si occupano della valutazione e del tocco personale.”

Questa osservazione cattura un aspetto importante dell'attuale adozione dell’AI. Molte organizzazioni non si propongono di rimuovere la valutazione da processi aziendali, ma cercano di ridurre il tempo speso a raccogliere, organizzare e preparare informazioni in modo che i dipendenti esperti possano concentrarsi sulle decisioni che richiedono esperienza.

Un modello simile è emerso presso S&B Filters. I dipendenti impiegavano alcuni minuti durante le interazioni con i clienti per recuperare informazioni sui ritardi negli ordini da diversi sistemi. Collegando l’AI ai dati operativi, l’azienda ha ridotto quel processo a pochi secondi e successivamente esteso la capacità direttamente ai clienti attraverso un servizio self-service.

Non dimenticare la governance

Negli esempi sopra menzionati, il beneficio deriva da una riduzione dell’attrito associato al trovare e usare informazioni, piuttosto che da un’interfaccia completamente nuova. Nel momento in cui le informazioni diventano più semplici da contattare, si sollevano domande più importanti sulla governance. Le permessi, le strutture di approvazione e le politiche di sicurezza esistono perché le aziende necessitano di meccanismi per controllare l'accesso alle informazioni e gestire i rischi. Questi requisiti non scompaiono quando i dipendenti iniziano ad interagire con i dati attraverso sistemi di AI. Se qualcosa, divenire più rilevanti perché l’AI può rendere le informazioni più accessibili.

Berry Carter, CEO di S&B Filters, ha spiegato chiaramente questa regola comune: se un utente non può accedere a determinate informazioni all’interno di NetSuite, quell'utente non dovrebbe ottenere lo stesso accesso attraverso un assistente intelligente. Quella dichiarazione sembra ovvia. L’applicazione coerente di essa attraverso i sistemi, i flussi di lavoro e i modelli richiede però una disciplina molto maggiore di quanto suggerisca il concetto in sé.