Quando uno strumento di intelligenza artificiale costa più di quanto fa risparmiare
Un team di comunicazione presenta un Agente di intelligenza artificiale per monitorare la copertura mediatica, preparare un briefing mattutino e redigere bozze di risposte suggerite. Lo strumento produce rapidamente una prima versione. Un dipendente senior provvede poi a eliminare i riferimenti irrilevanti, a verificare le fonti, a correggere il tono e a riscrivere le raccomandazioni prima che il briefing giunga alla direzione. L’azienda non ha automatizzato l’attività, ma ha aggiunto una nuova fase di produzione.
Calcoli simili stanno ora emergendo nei settori del marketing, della comunicazione, della ricerca e dei servizi professionali. L’intelligenza artificiale è stata inizialmente adottata perché prometteva costi inferiori e risultati più rapidi. Molte organizzazioni stanno scoprendo che il costo diretto della tecnologia rappresenta solo una parte della spesa complessiva. La revisione umana, gli abbonamenti duplicati, il materiale di partenza di scarsa qualità, i contenuti superflui e ulteriori cicli di approvazione possono annullare il risparmio previsto.
In alcuni casi, un modello di IA più piccolo risolverà il problema. In altri, sarà sufficiente un software convenzionale o un flusso di lavoro più efficiente. Ci sono poi compiti in cui un dipendente competente rimane più economico e affidabile di un agente autonomo.
Le aziende hanno bisogno di un criterio più chiaro: quanto costa oggi svolgere quell’attività, quali parti del processo saranno eliminate dall’intelligenza artificiale e chi dovrà ancora verificare il risultato?
Calcolare il costo totale dell'attività
I costi dell'intelligenza artificiale sono difficili da interpretare perché le aziende raramente pagano un prezzo fisso per un singolo lavoro completato. Pagano abbonamenti, canoni di piattaforma e costi variabili in base all'utilizzo. Un agente può richiamare diversi modelli, effettuare ricerche nei database, rivedere i propri risultati e ripetere le operazioni senza mostrare all'utente la quantità di elaborazione effettuata.
Una richiesta che sembra consistere in una sola istruzione può generare decine di operazioni fatturabili.
Solo il 35% delle organizzazioni in un Sondaggio KPMG potessero avere una visione completa e monitorare costantemente la propria spesa per l'IA. Un altro 42% aveva solo una visibilità parziale, mentre il 13% veniva a conoscenza dell'importo totale solo dopo aver ricevuto la fattura. La metà aveva già limitato o rinviato i progetti relativi agli agenti di IA a causa dei costi.
Il calcolo non dovrebbe limitarsi alla fattura. Un’analisi di fattibilità completa include i costi relativi al modello e alla piattaforma, l’implementazione e l’integrazione, la formazione dei dipendenti, il tempo impiegato per verificare e correggere i risultati, la revisione legale e in materia di sicurezza dei dati, il lavoro aggiuntivo generato per i clienti o i team di approvazione, nonché il costo degli errori o del materiale inutilizzabile.
Si consideri un report mensile che in precedenza richiedeva a un analista otto ore di lavoro. Uno strumento di intelligenza artificiale riduce il tempo necessario per la stesura a un’ora, ma l’analista impiega quattro ore a verificare i dati e a riformulare le conclusioni. Il risparmio è di tre ore, non di sette. Quando lo strumento, l’implementazione e la supervisione costano più di quelle tre ore, il business case non è sostenibile.
Il confronto deve basarsi su dati operativi effettivi piuttosto che su una percentuale stimata del tempo risparmiato.
Decidi quanto vale il lavoro prima di scegliere la modella
Molte aziende utilizzano il modello più potente disponibile per le attività di routine. Ciò semplifica gli acquisti e consente ai dipendenti di utilizzare un unico sistema a loro familiare, ma può rendere il lavoro semplice inutilmente costoso.
Un modello premium può essere giustificato nel caso di un incarico di ricerca complesso che comporti prove contrastanti, un linguaggio tecnico e diverse giurisdizioni. Raramente è necessario per la trascrizione, la formattazione, gli adattamenti di testi approvati o un semplice riassunto di una riunione.
Una ripartizione concreta potrebbe avvenire come segue.
Utilizza un software convenzionale o un modello semplice per la trascrizione e la formattazione. Queste attività seguono regole chiare e non richiedono un ragionamento avanzato.
Utilizzare un modello di piccole dimensioni o ospitato localmente per sintetizzare i documenti interni approvati. Il materiale di partenza è già definito e il requisito principale è l’estrazione controllata piuttosto che un’analisi aperta.
Utilizza un modello di livello base o intermedio per le varianti dei testi approvati. La formulazione può variare, ma le affermazioni, il tono e i limiti dovrebbero essere già definiti.
Riservare i modelli avanzati alle ricerche complesse che coinvolgono fonti contrastanti. La loro maggiore capacità può essere giustificata quando l’incarico richiede un’interpretazione tecnica, riguarda diversi mercati o si basa su dati incompleti.
Le dichiarazioni esterne soggette a regolamentazione devono rimanere sotto il controllo di personale esperto. L’intelligenza artificiale può aiutare a confrontare i documenti, a verificare la formulazione o a preparare una prima bozza, ma spetta a un professionista responsabile decidere cosa l’organizzazione è disposta a pubblicare.
Lasciate che siano le persone a prendere le decisioni finali in materia di reputazione, politiche e clienti. Questi incarichi dipendono dal giudizio, dal contesto istituzionale e dal senso di responsabilità, piuttosto che dalla qualità della prima bozza.
L'assegnazione dovrebbe riflettere il profilo di rischio specifico dell'organizzazione. Un'azienda farmaceutica classificherà le attività in modo diverso rispetto a un marchio di prodotti di consumo. Una banca potrebbe necessitare di un'infrastruttura protetta per determinati dati, mentre un'altra azienda potrebbe gestirli tramite un servizio cloud standard.
L'obiettivo è smettere di considerare ogni incarico come un banco di prova per le tecnologie più recenti. Le capacità del modello dovrebbero essere commisurate al valore commerciale e alle implicazioni del lavoro.
Confronta l'intelligenza artificiale con le alternative reali
L'alternativa all'intelligenza artificiale non è sempre una persona che esegue manualmente lo stesso processo.
Un sistema basato su regole può gestire un calcolo ripetitivo con maggiore precisione. Una ricerca può individuare un documento approvato in modo più affidabile rispetto a un modello linguistico. Un modello standard può produrre un rapporto per il cliente più solido rispetto a quello redatto da un agente incaricato di creare una nuova struttura ogni settimana.
Potrebbe essere necessario semplificare anche il processo stesso.
Un’azienda che pubblica cinque report settimanali può chiedersi se tutti e cinque vengano effettivamente letti e utilizzati prima di automatizzarne la produzione. Un team di marketing che genera decine di varianti per i social media può ridurre il numero di versioni anziché ricorrere all’intelligenza artificiale per produrne ancora di più. Una società di consulenza con file di origine incoerenti dovrebbe correggere la propria base di conoscenza prima di integrarvi un’interfaccia conversazionale.
L'intelligenza artificiale può velocizzare le attività di scarso valore. Non rende però l'attività stessa di valore.
Ogni caso d'uso proposto dovrebbe essere valutato alla luce di quattro opzioni: continuare ad affidarsi a una persona, supportare la persona con uno strumento di intelligenza artificiale dalle funzionalità limitate, ricorrere all'automazione convenzionale oppure eliminare o semplificare l'attività.
L'automazione completa dovrebbe prevalere perché garantisce il miglior risultato operativo, non perché sembra la più avanzata.
Misurare il lavoro dopo la revisione umana
I piloti di IA vengono spesso valutati in base alla velocità, al volume di produzione o al grado di adozione da parte degli utenti. Questi dati sono facili da riportare, ma costituiscono indicatori poco significativi del valore aziendale.
Un team di comunicazione può elaborare 50 idee per campagne in un pomeriggio. L’organizzazione potrebbe impiegare due giorni per esaminarle. Un team di assistenza clienti può creare risposte personalizzate su larga scala, ma i messaggi di scarsa qualità potrebbero aumentare i reclami e il lavoro di correzione. Un sistema di ricerca può elaborare migliaia di pagine senza riuscire a individuare i due dati di cui la direzione ha bisogno.
Le metriche utili dipendono dall'incarico. Possono includere il costo totale per risultato approvato, il tempo impiegato dai dipendenti dalla richiesta al completamento, il tasso di correzione, la percentuale di risultati accettati senza sostanziali modifiche, il numero e la gravità degli errori fattuali, i tempi di approvazione, la soddisfazione del cliente, la riduzione dei costi dei fornitori o miglioramenti misurabili in termini di ricavi e servizio.
È necessario documentare i dati di riferimento prima dell'avvio della fase pilota. Senza i dati relativi ai costi attuali, ai tempi di elaborazione e al tasso di errore, l'azienda non è in grado di dimostrare se il nuovo sistema abbia apportato miglioramenti.
Una bozza redatta in 60 secondi non rappresenta un aumento della produttività se comporta 45 minuti di revisione per un documento che in precedenza richiedeva 30 minuti per essere preparato correttamente.
Tieni con te la persona che capisce il contesto
Un sistema di intelligenza artificiale è in grado di elaborare più informazioni rispetto a un dipendente. Tuttavia, non è in grado di individuare automaticamente ciò che merita attenzione.
Un sistema di monitoraggio dei media potrebbe rilevare ogni menzione di un’azienda senza capire quale articolo possa influenzare le autorità di regolamentazione, i dipendenti o un cliente importante. Un generatore di proposte potrebbe includere tutti i servizi richiesti, tralasciando però la questione commerciale sollevata durante la riunione. Uno strumento multilingue potrebbe produrre un testo in francese grammaticalmente corretto, ma che risulti inadatto a un pubblico istituzionale con sede a Ginevra.
Spesso sono proprio questi i motivi per cui l'incarico è stato assegnato.
I dipendenti con maggiore esperienza tengono conto del contesto derivante da decisioni precedenti, conversazioni con i clienti, dinamiche interne e aspettative di mercato. Il loro valore è massimo quando il lavoro richiede capacità interpretative piuttosto che di produzione.
Un tipo di assistenza più mirata potrebbe garantire il risultato migliore. L’intelligenza artificiale può raccogliere materiale, confrontare documenti o preparare una prima bozza. È il dipendente a decidere quale significato attribuire alle informazioni, quale raccomandazione sia giustificabile e cosa debba essere comunicato.
Sostituire quella persona con un processo completamente autonomo potrebbe far risparmiare tempo di produzione, eliminando però la parte per cui il cliente pagava.
Stabilire dei limiti prima che un agente inizi a lavorare
Gli agenti autonomi pongono un problema di costi diverso rispetto ai normali strumenti di chat. Sono in grado di eseguire diverse operazioni, utilizzare servizi esterni e continuare a lavorare finché non ritengono che l'incarico sia stato portato a termine.
Le aziende devono stabilire dei limiti operativi prima dell'implementazione.
L’agente dovrebbe avere uno scopo ben definito, piuttosto che un’istruzione generica del tipo “supportare il team”. I limiti di utilizzo dovrebbero essere applicati in base all’attività, all’utente, al reparto e al mese. L’agente dovrebbe disporre di una regola di interruzione, in modo da non poter ripetere indefinitamente ricerche o revisioni. La ricerca dovrebbe attingere, ove possibile, da database, siti web o fonti interne ben definiti. Le decisioni delicate, ambigue o di grande rilevanza dovrebbero essere affidate a una persona. Un responsabile designato dovrebbe rimanere responsabile della qualità, dei costi e dell’utilizzo continuativo.
L'azienda dovrebbe inoltre valutare l'agente al termine della fase pilota. Uno strumento che sembrava promettente durante il primo mese potrebbe rivelarsi più costoso man mano che il suo utilizzo si diffonde, oppure meno utile una volta che i dipendenti ne avranno compreso i limiti.
Senza questi controlli, un agente può trasformarsi in un dipendente costoso che nessuno gestisce.
Le organizzazioni svizzere dovrebbero tenere conto del rischio nelle loro decisioni
Le aziende svizzere hanno spesso validi motivi economici per ricorrere all’automazione, poiché la manodopera è costosa. Il potenziale risparmio può però svanire rapidamente nel caso di attività soggette a regolamentazioni o multilingue.
Una banca potrebbe redigere più rapidamente un comunicato di investimento e poi sottoporlo all’esame degli uffici legali, di compliance e dell’alta dirigenza, poiché il testo contiene affermazioni che richiedono una verifica. Un’azienda farmaceutica potrebbe automatizzare una risposta di carattere medico-informativo, ma mantenere la revisione da parte di uno specialista per ogni risposta. Un ente pubblico potrebbe produrre versioni in tedesco, francese e italiano, ciascuna delle quali richiede un adattamento locale.
Il confronto dovrebbe tenere conto del costo di tali controlli.
Anche la riservatezza influisce sulla scelta del sistema. I fascicoli dei clienti, i casi relativi ai dipendenti, i risultati non pubblicati e i documenti strategici non possono essere inseriti con disinvoltura in strumenti esterni. Un modello pubblico più economico potrebbe rivelarsi più costoso una volta che l’azienda aggiunge infrastrutture protette, controlli di accesso e monitoraggio.
La dipendenza da un fornitore comporta anche un costo commerciale. I prezzi, i limiti di utilizzo e la disponibilità dei modelli possono subire variazioni. Un flusso di lavoro basato su un unico fornitore potrebbe diventare antieconomico o non più disponibile senza preavviso.
Le aziende svizzere dovrebbero mantenere la possibilità di trasferire le attività di routine da un fornitore all’altro e di mantenere i processi sensibili all’interno di ambienti controllati. L’organizzazione dovrebbe mantenere il controllo sulle proprie istruzioni, sulle regole di approvazione, sui dati e sulla documentazione dei processi, anziché integrarli così profondamente in un’unica piattaforma da rendere impraticabile il passaggio a un’altra soluzione.
Chiedete alle agenzie di indicare dove si manifesta tale efficienza
I clienti dovrebbero aspettarsi che le agenzie ricorrano all'intelligenza artificiale laddove ciò consenta di migliorare l'incarico. Dovrebbero inoltre aspettarsi una spiegazione chiara dell'impatto commerciale.
Una proposta di agenzia dovrebbe specificare quali attività utilizzano l'intelligenza artificiale, se i costi relativi alle tecnologie di terze parti sono inclusi o addebitati separatamente, quali informazioni vengono inserite nei sistemi esterni, dove avviene la revisione umana, se l'intelligenza artificiale riduce le ore di produzione, come viene impiegato il tempo risparmiato e chi rimane responsabile del lavoro finale.
Il risparmio può tradursi in una commissione più bassa, una consegna più rapida, una ricerca più approfondita o un maggiore coinvolgimento da parte dei consulenti senior. Ognuna di queste opzioni può essere ragionevole. Il cliente dovrebbe essere in grado di individuare il vantaggio.
Un volume maggiore di materiale non garantisce automaticamente l’idoneità. Un numero maggiore di articoli, concetti e versioni di campagna può aumentare l’onere decisionale del cliente. Un’agenzia che utilizza l’intelligenza artificiale per restringere il campo da dieci possibilità a tre raccomandazioni credibili può offrire un valore aggiunto maggiore rispetto a un’agenzia che presenta 30 opzioni non filtrate.
Le aziende che operano nel settore dei servizi dovrebbero essere valutate in base alla qualità delle decisioni e allo sforzo richiesto al cliente, non in base alla quantità di materiale che sono in grado di produrre.
Effettuare un'analisi "make-or-buy" adeguata
Prima di approvare un caso d'uso dell'IA, la direzione può porre una breve serie di domande.
Quale problema stiamo risolvendo? Descrivi in termini operativi il ritardo, il costo, l'errore o la carenza del servizio.
Quanto costa l'attuale processo? Includi il tempo dei dipendenti, i costi dei fornitori, le approvazioni e le correzioni.
Quale parte verrà eliminata dall'IA? “Sostenere la produttività” non è sufficiente.
Quali attività rimangono di competenza delle persone? Identificazione, revisione, valutazione, escalation e responsabilità.
Qual è il tasso di errore accettabile? La risposta varia a seconda che si tratti di un riepilogo interno o di una comunicazione regolamentata destinata ai clienti.
È possibile utilizzare un modello più piccolo o un utensile convenzionale? Prova l'opzione adeguata meno costosa.
Possiamo invece interrompere l'attività? L'automazione di un report inutilizzato comporta uno spreco.
Come misureremo i risultati? Stabiliamo gli indicatori relativi a costi, qualità e servizio prima dell'avvio della fase pilota.
Quando ci fermeremo? Definire le condizioni in base alle quali il caso d'uso verrà ridotto o sospeso.
Questo processo non dovrebbe richiedere mesi di approvazione. Richiede invece che rappresentanti dei settori operativo, finanziario, informatico e della gestione dei rischi esaminino insieme lo stesso compito.
A un pilota guidato dall'intelligenza artificiale dovrebbe essere concesso di fallire
Spesso le aziende continuano a portare avanti progetti di IA poco efficaci perché sono stati annunciati pubblicamente dai vertici aziendali, perché i dipendenti vi hanno dedicato del tempo o perché l’organizzazione vuole dare l’impressione di essere impegnata nell’innovazione.
Un programma pilota ha svolto il proprio compito quando produce una decisione affidabile, compresa la decisione di non procedere.
Rinunciare a un agente costoso non significa tornare per sempre al lavoro manuale. L’azienda potrebbe riconsiderare l’attività quando i modelli miglioreranno, i prezzi scenderanno o il processo sottostante verrà riprogettato. Potrebbe anche mantenere un elemento utile eliminando il resto.
Un team di comunicazione potrebbe mantenere la trascrizione automatizzata e rinunciare ai suggerimenti automatici. Uno studio di servizi professionali potrebbe utilizzare l’intelligenza artificiale per il confronto tra documenti, affidando invece la redazione del rapporto per il cliente a un analista. Un reparto marketing potrebbe automatizzare gli adattamenti già approvati, ma non lo sviluppo delle campagne originali.
Un uso selettivo è solitamente più credibile rispetto a una regola del tipo “AI-first” applicata a ogni processo.
L'intelligenza artificiale dovrebbe ridurre il carico di lavoro, non ridistribuirlo
Un business case è convincente quando l'intelligenza artificiale riduce i costi, migliora la qualità o crea un servizio che prima non era possibile fornire in modo economicamente vantaggioso.
Una tecnologia è inefficace quando, pur riducendo i tempi di progettazione, allunga quelli di revisione, genera materiale aggiuntivo di cui nessuno ha bisogno o sostituisce un processo umano chiaro con un sistema opaco a costi variabili.
La questione concreta non è se l’intelligenza artificiale sia in grado di portare a termine il compito. In molti casi, lo è. Il management deve capire se l’intero processo risulti migliorato una volta che lo strumento ha terminato il proprio lavoro e le persone coinvolte hanno completato il proprio.
A volte la soluzione più indicata sarà un modello avanzato. Altre volte basterà un sistema più piccolo o un’automazione convenzionale. Un dipendente qualificato potrebbe comunque fornire un servizio migliore a un costo totale inferiore. È una questione di normale disciplina aziendale.
