Da dove iniziare con l’IA in azienda
Prima di introdurre l’IA in azienda, spieghiamo quali attività sono adatte all’automazione, come preparare i dati e avviare un piccolo progetto pilota.
Team rabbitclipPubblicato: 7 min di lettura
Quando un imprenditore inizia a considerare l’intelligenza artificiale, di solito finisce in uno dei due estremi. O tenta di automatizzare tutti i processi in una volta, o pensa che non gli sarà utile e non la prende nemmeno in considerazione. Entrambi sono punti di partenza sbagliati, perché l’intelligenza artificiale non è una cosa sola, ma un insieme di strumenti che si adattano in modo diverso a compiti diversi. Un’impostazione che funziona in un’azienda può non dare lo stesso risultato in un settore completamente diverso.
La domanda giusta non è devo usare l’intelligenza artificiale, ma quale mio processo è adatto a questo. In questo articolo spieghiamo come rispondere a quella domanda, quali attività sono pronte per l’automazione, quali devono restare in mano alle persone, cosa preparare sul lato dei dati e come impostare, passo dopo passo, un piccolo progetto pilota. La risposta a queste domande richiede di solito meno competenze tecniche del previsto e più conoscenza di come funziona davvero il lavoro quotidiano.
Prima di tutto, chiarisca quale attività automatizzare
Prima di affidare un processo all’intelligenza artificiale, annoti con quale frequenza si ripete, quanto tempo richiede e quanto sono chiare le sue regole. Se la maggior parte delle domande dei clienti rientra in cinque o sei schemi, se lo stato di un ordine viene controllato di continuo, se documenti dello stesso formato vengono verificati più volte; questi sono buoni candidati. Un compito che richiede ogni volta una decisione diversa, che cambia a seconda del contesto, è ancora presto per l’automazione.
La misurazione del tempo è un passaggio che di solito viene saltato. Chiedere a un membro del team quante ore alla settimana dedica a un compito è il modo più semplice per capire quale attività ha la priorità. Se la risposta non è chiara, gli chieda di annotare i tempi per qualche giorno; la stima è spesso molto lontana dal tempo reale.
- È un compito che si ripete e occupa almeno qualche ora alla settimana
- Dietro la decisione ci sono regole chiare, o ogni volta si valuta il contesto
- Se il margine di errore deve essere basso (per esempio il controllo delle fatture), serve ancora l’approvazione di una persona
- Ha a disposizione dati storici sufficienti su questa attività
- Quanto costa se qualcosa va storto
Quali attività devono restare in mano alle persone
Il primo contatto con il cliente, i reclami delicati, la trattativa sul prezzo devono in genere restare in mano a una persona; almeno l’ultima parola deve spettare a qualcuno. L’intelligenza artificiale può comunque essere presente, ma come supporto che propone suggerimenti in background, senza essere chi decide.
Prima di affidare un’attività all’automazione si chieda: se questa cosa va storta, chi se ne accorge? Se la risposta è nessuno, significa che prima di cederla serve un punto di controllo. A volte questo controllo può essere semplice come un’analisi settimanale di un campione.
Un esempio: un’attività di e-commerce ha affidato a un assistente la maggior parte delle domande dei clienti, ma quando arriva una contestazione sul prezzo o una richiesta di reso, la conversazione viene indirizzata automaticamente a un dipendente. Definire questa distinzione fin dall’inizio ha protetto la soddisfazione del cliente e ha permesso al team di dedicare il proprio tempo alle decisioni davvero difficili.
Senza dati pronti nessun modello funziona
La maggior parte dei progetti parte con l’idea prima impostiamo l’intelligenza artificiale, i dati li sistemiamo dopo, e si blocca esattamente lì. Fogli di calcolo disordinati, anagrafiche clienti tenute in formati diversi, campi mancanti; finché questi problemi non si risolvono, nessun modello dà un risultato corretto.
Preparare i dati è un passaggio noioso ma che non si può saltare. Dedicare una settimana a capire dove si trovano i dati esistenti, quali campi mancano, quali record sono duplicati velocizza ogni passaggio successivo e riduce le sorprese che emergerebbero più avanti.
- I dati sono tenuti in un unico posto, o sono sparsi su più sistemi diversi
- Campi come nome, data, importo vengono inseriti in un formato coerente
- Qual è la percentuale di record mancanti o errati
- Se contengono dati personali, è chiaro a quali regole siete soggetti
Inizi con un piccolo progetto pilota
Invece di cambiare tutto il processo in una volta, testi un solo compito, in un solo team, per un periodo limitato. Quattro o sei settimane sono di solito sufficienti; alla fine di questo periodo può vedere se ha davvero fatto risparmiare tempo, se il tasso di errore è aumentato o diminuito.
Non decida di estenderlo a tutta l’azienda prima che il pilota sia finito. Un problema che passa inosservato su piccola scala si moltiplica su scala grande, e tornare indietro costa di più.
Anche raccogliere un riscontro regolare dal team durante il pilota conta quanto i dati numerici. Che uno strumento appaia bene in un report non significa che semplifichi il lavoro di chi lo usa ogni giorno; se le due cose sono in contrasto, di solito conviene fidarsi dell’osservazione di chi lo usa.
Strumento pronto o sviluppo su misura
Per un piccolo pilota, di solito basta uno strumento già pronto; gli assistenti conversazionali per il servizio clienti o gli strumenti di classificazione delle email si possono attivare in pochi giorni. Lo sviluppo su misura entra in gioco quando il suo lavoro si basa davvero su un processo specifico o quando gli strumenti pronti non coprono le sue esigenze.
Non prenda questa decisione prima che il pilota sia finito. Provi prima con uno strumento pronto; se il risultato funziona e la scala d’uso cresce, passare allo sviluppo su misura è spesso meno rischioso che costruire fin dall’inizio un sistema dedicato.
Come si misura il risultato
Non confonda il successo di un progetto di intelligenza artificiale con lo stiamo usando. Quello che va misurato è se c’è una vera riduzione del tempo di lavorazione, come è cambiato il tasso di errore, se il team si fida di questo strumento.
L’errore più comune è avviare il pilota e non misurare mai il risultato. Dopo tre mesi, quando si chiede se funziona, nessuno sa dare una risposta chiara; per questo definisca fin dall’inizio del pilota quale numero terrà d’occhio e lo controlli a intervalli regolari.
Per la misurazione non serve una dashboard complessa. Annotare ogni settimana in un semplice foglio il tempo di lavorazione, il numero di errori e la soddisfazione del team, dopo qualche mese, restituisce un quadro chiaro; e quel quadro aiuta a scegliere quale attività testare nel prossimo pilota.
Introdurre l’intelligenza artificiale in azienda non deve essere per forza un grande progetto di trasformazione. Scegliendo l’attività giusta, preparando i dati, iniziando in piccolo e misurando il risultato, in pochi mesi vede dove fa davvero la differenza. Fare bene un solo compito, invece di provare ad automatizzare tutto insieme, dà un risultato più solido e più misurabile.
Quanto budget devo destinare a un progetto di intelligenza artificiale
Dipende dalla portata dell’attività scelta; abbonarsi a uno strumento pronto e sviluppare un modello su misura richiedono budget molto diversi. Per un piccolo pilota di solito non serve un grande investimento; il primo passo utile è chiarire quale attività automatizzare.
Il mio team non ha competenze tecniche, possiamo comunque iniziare
Sì, molti strumenti pronti si attivano senza competenze tecniche. La parte davvero difficile non è tecnica; è decidere quale attività è adatta e tenere i dati in ordine, e questo richiede che il suo team conosca bene il processo.
L’intelligenza artificiale sostituisce il mio team attuale
Un sistema impostato correttamente non prende in carico l’intero lavoro, ma la parte ripetitiva, e libera il team per compiti che richiedono più decisioni e meno routine. La paura di essere sostituiti nasce di solito dalla scelta sbagliata dell’attività da automatizzare.
