La tua azienda è pronta per l'AI? L'assessment prima del progetto

Un AI readiness assessment è la verifica che si fa prima di investire in un progetto di intelligenza artificiale: misura se dati, processi, persone e infrastruttura dell'azienda sono in grado di sostenere il progetto, e restituisce un esito operativo — pronti, quasi pronti, meglio costruire prima le fondamenta.

La ragione per farlo sta in due numeri. Il 95% dei progetti pilota di AI aziendali chiude senza ritorni misurabili, secondo un rapporto del MIT. E Gartner stima che la maggior parte dei progetti AI venga abbandonata perché i dati aziendali erano in disordine. In quasi tutti i fallimenti, la causa era visibile prima di partire: l'assessment serve a guardarla in faccia, quando correggere costa poco. Se l'azienda è all'inizio del percorso digitale, conviene partire dalla digitalizzazione dei processi.

Cosa verifica un assessment serio

Le cinque aree di verifica coprono l'intero perimetro del progetto, e la prima pesa il doppio.

I dati. Esiste una fonte unica di verità per clienti, prodotti, prezzi e commesse, oppure convivono il gestionale, tre Excel e la memoria di due persone? Le informazioni chiave stanno in sistemi interrogabili, o in PDF ed email? Il sapere aziendale — come si tratta quel cliente, perché quel prezzo — è scritto da qualche parte? L'AI è uno strato sopra i dati: risponde bene su dati ordinati, e con grande sicurezza dice sciocchezze su dati in disordine.

I processi. Il processo candidato all'AI è scritto, stabile e misurato? "Lo sa fare la Paola" descrive una persona preziosa e un processo che ancora manca. Un lavoro va descritto — input, passaggi, eccezioni, output — prima di poterlo delegare a un sistema.

Le persone. C'è un responsabile interno con ore vere in agenda? Chi userà lo strumento è stato coinvolto? Le aspettative sono su un perimetro piccolo e verificabile, o sull'AI che sistema tutto? I progetti senza padrone interno appartengono al fornitore, e i fornitori hanno tanti clienti.

L'infrastruttura e la riservatezza. Quali dati possono uscire dall'azienda e quali devono restare? Serve una mappa prima di qualunque scelta tecnologica, anche per gli obblighi GDPR. Da lì discende la scelta tra cloud, on-premise e ibrido, processo per processo.

Il caso d'uso. Il primo progetto è specifico, con un ritorno calcolabile, e abbastanza piccolo da fallire in economia? "Mettere l'AI in azienda" descrive un desiderio; "ridurre da venti minuti a due la ricerca delle specifiche nelle richieste d'offerta" descrive un progetto.

Come si legge l'esito

L'assessment produce un punteggio, e il punteggio indica una di tre strade.

Pronti. Fondamenta solide su tutte le aree: si sceglie il caso d'uso più piccolo con ritorno misurabile e si parte. Il rischio residuo è l'ambizione: il perimetro si allarga dopo il primo ritorno dimostrato.

Quasi pronti. Fondamenta parziali: si sistemano le aree scoperte dentro un progetto a due tempi — prima i dati e il processo del caso d'uso scelto, poi l'AI sopra. È l'esito più comune nelle PMI, e il percorso più sano.

Meglio costruire prima. Con i dati sparsi e i processi non scritti, partire ora significa finanziare l'ennesimo pilota senza ritorno. Il progetto giusto diventa un altro: costruire la fonte unica di verità — la knowledge base aziendale — e mettere in fila i processi. Questo lavoro produce ritorni da solo, prima e indipendentemente dall'AI, e cambia il punteggio nel giro di mesi.

L'esito "meglio aspettare" è quello che nessun venditore di AI ti darà mai, ed è il motivo per cui l'assessment conviene farlo con criteri scritti, o con qualcuno che guadagna anche quando ti dice di aspettare.

Perché conviene farlo adesso

L'assessment costa un'ora di lavoro onesto in versione checklist, e qualche giornata in versione accompagnata. Un pilota AI fallito costa mesi e decine di migliaia di euro, più un danno che i bilanci non registrano: la prossima proposta di innovazione, in azienda, partirà con il freno tirato.

C'è anche un guadagno collaterale: le domande dell'assessment — dove sono i dati, chi sa cosa, quali processi sono scritti — fotografano lo stato digitale dell'azienda al di là dell'AI. Molte aziende scoprono così il loro vero prossimo progetto, che magari è un'area operativa da digitalizzare prima ancora di parlare di intelligenza artificiale. E quando l'esito è "pronti", il percorso per integrare l'AI partendo dai dati è già tracciato.

Le domande che ci fanno più spesso